数字孪生与平行系统: 发展现状、对比及展望
杨林瑶, 陈思远, 王 晓, 张 俊, 王成红
【摘 要】 随着物联网、大数据、人工智能(Artificial intelligence, AI) 等技术的发展, 针对促进新一代信息技术与制造业深度融合、实现制造物理世界与信息世界交互与共融的需要, 数字孪生和平行系统技术成为智能制造和复杂系统管理与控制领域研究的热点. 本文对数字孪生和平行系统技术的基本概念、技术内涵、相关应用等进行了研究与总结, 对比了两者之间的异同, 并分析了两者的发展趋势, 预期能够给复杂系统管理与控制领域的研究人员提供一定的参考和借鉴.
【关键词】 数字孪生, 平行系统, 复杂系统管理与控制, 人工智能, 虚实交互
平行系统和数字孪生技术的提出和发展具有相似的技术背景, 都是伴随着物联网、新一代人工智能等技术的发展而逐步引起重视的. 一方面, 高精度传感器、高速通信和物联网等技术的发展使虚拟模型和物理实体之间的实时交互成为可能; 另一方面, 大数据、机器学习等技术的发展和推广使数据的价值得以凸显. 两者的主要思路都是以数据驱动,构建与物理实体相对应的虚拟系统, 通过在虚拟系统上进行实验、分析, 解析并优化控制难以用数理模型分析的复杂系统. 但是, 数字孪生与平行系统是两类不同的原创范式, 在核心思想、研究对象、架构和实现方法等方面都存在一定的区别.
1) 数字孪生与平行系统的哲学基础不同, 数字孪生属于还原论或旧唯物主义的反映论, 其孪生系统是相应物理系统直接、机械、被动和镜像式的反映, 是相应物理系统的依附, 不具独立性; 平行系统属于能动、整体和辩证式的认识论, 其人工系统并不要求与相应的物理系统完全一致, 因而具有一定的平行性或独立性. 平行系统将物理系统视为与环境交互的系统, 且其运行目标和效用是受社会资源约束的系统; 平行系统强调人在系统中的作用, 强调融合了人的意图的虚拟系统对物理系统的引导,目的是使物理系统在构成和运行方面达到某种进化.
2) 数字孪生与平行系统的研究对象不同, 数字孪生研究的是由信息空间和物理空间组成的CPS,而平行系统主要针对社会网络、信息资源和物理空间深度融合的CPSS. 数字孪生基于实时传感数据连接物理世界和数字化虚拟世界, 实现在虚拟空间实时监控与同步物理世界的活动, 帮助实现大型工程系统的实时感知、动态控制和信息服务, 是实现信息和物理空间融合的CPS 的有效途径[ 2 7 8 − 2 8 0 ] .数字孪生的 “物理实体 − 虚拟模型 − 孪生数据 −应用服务” 多元多层映射机制为实现 “物理融合、模型融合、数据融合、服务融合” 四个维度的信息物理融合提供了有效支持, 同时, CPS中机器、环境、信息等要素的相互映射、高效交互是物理要素的感知[281]、虚拟模型的构建[282]、孪生数据的融合、虚实实时互动的基础. 当前, 随着大数据和互联网的深入发展, 信息物理系统受社会因素的影响日益凸显,人越来越多地嵌入在系统和信息之中[283−285]. 多数过程不再是物理实在的, 而是人为规定的人工流程,预示着人工世界将成为人类现阶段开发的重点[286],面向物理世界和网络空间融合的CPSS 将成为未来的基础设施[ 1 7 6 ]. CPSS 中的信息包含物理系统数据、虚拟的人工系统数据、泛在社会大数据等[287]. 由于其复杂性, 实际系统与模型行为之间的差别越来越大, 以致形成 “建模鸿沟” [182] 的客观现象. 此时,动态仿真式的数字孪生控制不再适应, 构建人工系统, 通过虚拟和实际系统的平行运行, 实现计算、物理和社会的动态交互、时空一致, 处理不确定性, 成为解决CPSS 问题的有效途径.
3)数字孪生与平行系统的核心思想不同, 数字孪生的核心思想是预测控制的 “牛顿定律” , 而平行系统则以引导型的 “默顿定律” 控制和优化系统.我们称在给定当前系统状态与控制的条件下, 可以通过解析的方式求解下一时刻状态, 从而精确预测其行为的系统为 “牛顿系统” [288]. CPS是一类典型的牛顿系统, 在CPS 中, 行为建模与目标建模是一致的: 只要系统本身可控, 可以通过分析其行为模型进行控制, 达到系统目标. 数字孪生建模CPS 的核心思想就是通过构建实时动态数据驱动的仿真系统[289], 辅助寻找控制系统行为的系统解析公式, 据此直接设计相应的控制方法, 实现期望的目标. 与“牛顿系统” 相对应的是系统行为能够被 “默顿定律” 影响或引导的 “默顿系统” . “默顿定律” 是以社会学家默顿命名的, 能够引导系统行为的自我实现定律. 在默顿系统中, 由于各种不可预测或无法获得的变量的存在, 即使给定当前的系统状态和控制条件, 系统下一步的状态也无法通过求解获得,系统行为也难以准确预测. 在CPSS 中, 由于人与机器、系统、流程深度融合, 并且人的行为具有动态性、自主性、突变性、高度复杂性等特点, 系统更加不定、多样、复杂, 导致本质上无法对其 “行为模型” 直接进行控制, 只能间接影响. 此时, 数字孪生无法实现对CPSS 的有效管理与控制. 平行系统ACP 方法为实现 “默顿系统” 提供了有效手段, 它以实际系统的数据驱动, 构建虚拟的人工系统, 实现对复杂CPSS 的建模、描述[290−292], 实现数据驱动的描述智能; 以人工系统为 “社会实验室” , 通过对多样复杂场景的计算、训练、评估, 求解具体场景的优化方案, 实现实验驱动的预测智能; 通过实际系统与人工系统的虚实互动、交互反馈, 形成自适应优化控制的平行系统, 实现虚实互动反馈的引导智能.
4) 数字孪生与平行系统的基础设施不同. 数字孪生的基础设施是数字双胞胎, 主要由物理实体和描述它的数字镜像组成, 数据是连通物理实体和数字镜像的桥梁, 以实现在虚拟空间中实时映射物理实体的行为和状态. 而平行系统是由物理子系统、描述子系统、预测子系统、引导子系统构成的数字四胞胎架构, 其基础架构如图7 所示. 它通过计算实验、平行执行等手段, 以虚拟的人工系统描述、预测、引导实际物理系统, 使物理系统自动逼近更优的人工系统, 实现物理系统的自适应优化.
5) 数字孪生与平行系统的实现技术方法不同.数字孪生主要基于物联网传感数据和仿真等手段构建物理实体的数字镜像[293−295], 一个完整的数字孪生建模流程通常为: 首先基于仿真建模工具构建一个物理实体的数字模型, 并且通过机器学习等方式分析实时传感器数据和历史数据, 进而不断修正模型;接着, 将模型中的信息和数据导入其他分析系统,针对特定目标如寿命预测展开分析, 并得出结论,虽然部分数字孪生模型提出了基于孪生数据自动优化系统的方法, 但是还未形成基于数字孪生自适应优化系统的标准范式; 最后, 通过应用软件或增强现实等工具将分析结果和系统状态展示给用户. 而平行系统的人工系统是软件定义的系统, 其主要建模方式是多智能体方法, 将实际系统中的各要素建模为智能体, 并基于实际系统的数据利用知识发现和知识工程获得智能体的属性和规则; 接着, 基于一定的目标生成大量的人工场景, 运行产生大量数据, 再利用机器学习、数据挖掘等方法进行分析、预测、评估, 获得针对特定目标、特定场景的最优控制方案; 最后, 通过平行执行循环、在线地引导实际系统逼近人工系统. 在技术层面, 数字孪生是数字仿真的一个自然进展, 它的主旨要求是 “孪” 或 “像(仿)” , 它强调物理系统的相关数据全部、高精度获取, 系统或数据之间的关联模型要尽可能精确并可靠. 显然, 这在实际应用中是难于做到的. 平行系统并不过分强调 “孪” 或 “像” , 即不过分要求数据的完备性、准确性与可靠性, 特别是环境数据和与效用相关的社会资源数据, 因为它可以生成环境(场景) 和资源数据, 也可以做计算实验, 同时, 并不过分要求模型的准确性, 建模难度大大降低.
6) 数字孪生与平行系统的功能不同, 平行系统能够实现对复杂系统更优的管理与控制. 数字孪生本质上是一种与实际系统实时动态数据交互的仿真系统, 通过在数字化空间构建镜像实体使物理实体的状态可观、可控. 但是, 它仅能依据物理实体的实际数据预测其未来的变化, 或基于专家经验提出针对某一特定场景的优化方案, 无法评估多种方案、多种参数下的系统表现, 其优化控制容易陷入局部最优. 而平行系统的计算实验可以基于人工系统生成大量场景, 并在其中基于试错实验涌现分析出系统的全局最优控制方案, 自适应地进行优化控制.因此, 数字孪生还停留在ACP 方法的第一阶段和部分计算实验阶段[262], 即只建立了描述型的人工系统, 并未充分利用其预测、引导结构. 数字孪生可以视作平行系统的一种特例或子集, 为特定的系统提供实时监测和调整服务[269].
4 发展趋势与展望
随着工业大数据、人工智能、信息系统等技术的发展, 智能设备、基础设施等在更广的范围和更深的层次进行信息物理交互, 形成了快速、高效、密集联结的物联社会[296]; 随着智能移动设备人均保有量的提高、客户与制造企业交互密度和深度的增加, 人类社会的信息和特征越来越多地植入物联社会,人与信息物理系统之间以共融、协同、主导、辅助、监管等多种模式运行, 人与信息物理系统深度融合,催生了CPSS; 在工程领域, 越来越多的系统引入了开放的软件定义的系统接口实现系统功能的灵活重构, 各种信息管理系统在各行业中起到了比物理硬件系统更加重要的作用, 将知识自动化[288] 和系统工程更加紧密地联系起来, 逐渐形成了直接面向智能的复杂知识联结与知识协同的智联网[297−298]. 因此,必须建立包含人机物在内的智能实体之间知识层次的联结, 实现从相对独立的简单知识系统, 向知识联结的复杂知识系统的跃进; 从以 “牛顿定律” 为指导的精确物质系统, 向以 “默顿定律” 为代表的自由意志系统跃进[299−300]. 平行系统为知识虚拟空间和物理实在空间的管控提供了完整的理论框架, 知识虚拟空间是对物理空间的反映、提取、总结和升华, 同时, 又反过来影响、诱导、管控物理空间, 实现对信息系统的优化及对智联网的认知管控[301], 更能够满足未来的需求.
CPSS 是典型的开放智能系统, 它应当具有开放智能系统的典型精准特征: 状态感知、实时分析、自主决策、精准执行和学习提升. 然而, 数字孪生建模复杂系统难以考虑开放环境的影响, 它与环境的交互是单向的, 其对于环境的感知始终落后于环境的变化. 同时, 数字孪生中人机信息物理交互比较原始, 人员只能在物理空间, 通过感官获取设备的信息并对设备进行物理操作, 人因的复杂性难以量化建模和分析, 社会因素影响下的系统动态变化难以预测和有效管控. 而在平行系统中, 环境和人员都以智能体等方式建模到人工系统中, 环境智能体的解析空间具有更强的开放性, 而人员智能体与人相似, 它将实际系统在人工系统的映射作为其内在认知过程, 通过不断改变内在认知信息系统对社会环境作出响应. 平行系统在人工系统中构建虚拟人,将人沉浸在虚拟空间与虚拟物和其他虚拟人进行信息交互, 通过虚拟信息控制人的物理感受和行为,同时将虚拟空间构造的物体映射于物理空间, 在物理空间与智能体交互, 进而通过智能体的物理操作改变物体的状态. 因此, 平行系统能够全面考虑环境和人因, 实现对复杂CPSS 更开放智能的管控.
因此, 平行系统更能够满足未来的需求, 并且,数字孪生的一些阶段性应用也已经呈现出平行系统的部分特征. 例如,文献[28] 提出一种数字孪生电厂智能管控模型, 该模型融合感知数据和仿真数据驱动, 基于统计分析和知识管理等手段挖掘电厂运行知识, 为转机在线精密诊断、地下管网可视化、发电机组安全管控等提供服务. 该模型进一步扩展了数字孪生知识提取和知识挖掘的方式, 在应用实现上更加接近于计算实验的思想. 平行系统为复杂系统的人机物综合管理和智能控制提供了解决方案, 在工业生产和社会系统管理等应用层面展现了良好的发展趋势. 同时, 鉴于平行系统与数字孪生在技术背景和核心理念上较高的相似性, 数字孪生技术迅速发展起来的工具、方法和编程语言等也可被平行系统采纳或借用, 进一步推动其在技术和应用上的发展成熟.
在产品研发方面, 平行系统能够利用人工系统,实现多种产品设计方案的推演和评估, 在产品开发过程中及时发现产品设计、生产的缺陷, 实现产品设计优化; 在生产制造中, 通过构建工厂级别的设备集群平行系统, 不仅能够实现产品全生产过程的实时监控、远程控制, 还能够自主优化产品生产过程, 实现人员与资源的最优组合, 进一步提升生产效率; 在产品运维方向, 平行系统不仅能够实现产品运行维护, 还能演化产生针对产品多种可能状况的维修方案; 在社会系统管理上, 以不同领域知识为基础构建人工社会, 根据实际社会系统情况设计人工场景并观测检验人工社会发展状况, 同时考虑人工系统与实际社会组织之间的虚实互动和反馈执行, 能够为管理者提供决策依据, 实现智慧化的社会系统.
目前, 平行系统的研究和应用处于初级阶段,在工业应用方面仍然存在许多挑战, 如人工系统建模、数据分析、实时虚实交互、信息安全和隐私保护等. 1) 人工系统建模. 基础多智能体模型是构建平行系统的模型准备, 当前, 多数传统行业的基础模型设计程度仍然不高, 很多行业数字化设计水平较低, 缺乏一种专有范式将物理系统的工程数据与模型进行整合, 缺乏支撑人工系统构建所需的基础数学模型、仿真模型[302]. 此外, CPSS中人及其社会属性的建模[271] 比较困难. 社会传感信号[303] 是实施有效的社会管理, 系统地分析人及其社会属性的基础,但是, 相比于物理信号, 社会信号的处理与分析有待系统化的研究与发展[304]. 2) 数据分析. 人工系统和实际系统组成的实验数据具有多模态、高重复性和海量等特征, 怎样开展高效、精确的大数据分析,避免实时数据对历史数据的覆盖, 实现知识的高效管理、智能分析和可靠决策, 是一个需要进一步改进的问题. 3) 实时平行执行. 高实时性的虚实交互、在线反馈是平行执行的基础, 是平行系统循环、在线优化系统的基础. 平行执行中高实时性的数据交互, 主要涉及系统运行时的实时数据采集与监控、计算实验对系统控制方案的实时预测与评估、人工系统根据计算实验结果对实际系统的实时行为控制, 以及对应的数据可视化. 目前, 平行执行还没有标准的方法或接口, 如何使系统方案实时可视化地运行到实际系统上, 是平行系统的关键问题之一.4) 数据安全和隐私保护. 平行系统拥有整个被控系统的所有核心数据, 系统平台和数据极易被攻击和窃取, 因此, 数据安全和隐私保护不是平行系统的附加功能, 必须得到很好的研究和整合.
5 结语
数字孪生和平行系统是实现CPS 和CPSS 的代表性解决方案, 是复杂系统智能管理与控制的有效手段, 近年来引起了广泛的关注和研究. 数字孪生与平行系统利用虚拟模型研究复杂的物理系统,寻找和发现更好地控制系统的方案. 本文首先总结了数字孪生和平行系统的思想内涵、体系架构及其在理论研究和应用上的进展, 对比分析了两者在研究对象、核心思想、具体架构、实现方法和主要功能等方面的不同, 分析和探讨了当前数字孪生和平行系统发展的趋势, 以期为相关领域学者提供一定的参考和借鉴.
数字孪生通过在信息空间构建物理实体的数字镜像, 使难以建模的复杂物理系统可视化, 进而为复杂物理系统的控制与优化参考. 平行系统不仅可以通过虚拟的人工系统描述实际的物理系统, 而且可以通过计算实验模拟、训练和优化大量不同人、机、物组合的人工系统模型及其运行数据, 生成针对不同系统场景下的最优控制方案, 并可通过人工系统与实际系统之间的虚实交互、平行执行引导实际系统自适应优化, 因此更加智能. 平行系统技术为包含社会复杂性和工程复杂性的复杂CPSS 的管理与控制提供了最佳解决范式, 必将成为未来智能制造、智能管理等领域的重要发展方向。