2020年9月18日，中國工程院在機械運載領域發布了工程研究前沿（一共9個領域，184個前沿研究與開發），題目是：數字孿生驅動的智能制造。數字孿生是當前的熱點，智能制造走到了現在，數字孿生已經被大家認為是一個普遍的抓手。這個還是有道理的。下面筆者就結合自己的認識和理解，對這個題目進行一下初步的分析，僅供大家參考。

（1）數字孿生與智能制造的關系

對于智能制造，我們有一個普遍的模式概念，就是涵蓋：感知、識別、采集、分析、推理和執行，形成這么一個閉環，其核心的理念就是賽博物理系統（CPS）。

CPS的對象是產品或者制造資源。我們可以建立面向產品的CPS。不管是從產品的功能性能，還是說運行服役，也可以在這個過程當中加入產品形成過程所需要的制造資源，甚至現在也有一些直接面向制造資源的，比如設備狀態的預測與維護等等。這些都是從不同的層次或者維度對CPS各種應用形式的一種延伸。

在CPS的各種應用方式上來說，其背后的關鍵都是要構建與物理實體相對應的或者部分相對應的軟件層次的分級推理決策模型。其實這個也不是說，好像數字孿生是完全全新創造出來的概念，而更多的是一種既有一些應用方式的總結，當然了，概念清楚之后，其內涵可以得到更大的明確和發揮可以指導我們后續的工作。比如我們一直在進行的各種獨立的物理場或者多個物理層融合的CAE分析，雖然這個CAE分析，很大程度上，在傳統當中是一種離線的或者說是一種脫離了實體所進行的（或者結合對一部分實體的抽象，比如半實物仿真等等），后來進一步發展之后，我們加入了實驗測試來完善我們的CAE析模型，使得結果能夠更加的準確或者得到修正。比如我們經常對于產品來進行一些遙操作，而這種遙操作的本質是建立了物理實體產品的行為動作模型，我們可以將我們的指令干預進去，使得實體產品能夠按照模型所表達的以及與實物相對應的行為方式進行運行。其實這些也都是CPS的一些傳統應用，而其中所見的非物理實體這一部分。現在將其稱之為數字孿生體。

其實不管是CPS還是數字孿生，其表現形式上來說，是基于物理實體附加軟件或者賽博層面的系統進行融合，其目的是為了能夠更加精準精確精細的描述物理實體的行為內涵，也有利于我們對物理實體的功能性能和行為進行更加準確的分析和預測。

在融合的基礎上，這個鏈條其實是一個閉環的鏈條。我們可以借助于工業互聯或者物聯來獲得產品或者產品制造過程當中的各種狀態數據，并進一步的構建基于這些狀態數據的分析推理模型，在做出分析推理決策之后，對物理實體或系統進行干預，這是一個完整的閉環控制過程也是典型的賽博物理系統所追求的要點。而在這個鏈條當中，最重要的是所構建的分析推理模型。其核心的目的是決策。一般來說這種決策都是比較復雜的，這種分級推理決策模型也是很難建立的，但這正是我們努力的方向。

智能制造不管是從字面的含義，還是說是從技術的角度來說，其落腳點都是制造，都是在為制造賦予智能化或者說賦能。而制造的對象就是產品積極制造過程以及產品的服役運行，圍繞著這些來開展GPS或者數字孿生，是非常貼切的，也是直接面向了問題。

從產品本身來說。這個產品都是對物理規律的某種運用。我們所做的CAE分析，也是在試圖。主動的掌握產品背后的物理機理模型。而這些物理機理模型。目前在實際運用過程當中，主要還是掌握在產品設計人員的頭腦之中的，也就是他們的知識與經驗。因此這種物理機理模型的構建一定是需要非常好的專業背景機器，多專業的一種綜合。這是企業的實際業務。如果是簡單的事情，可能大家也會發現，就沒有必要使用那么多設計分析人員了，正是因為這些設計分析人員的知識和經驗無可替代或者說難以替代。才為我們的技術發展指明了方向，這是與實際業務直接密切相關的。

而對于產品的形成過程來說。最主要涉及到兩個方面，一是管理決策，二是工藝決策。這個一般來說也是企業的核心競爭優勢重點，否則的話，也就無從來區分各個企業之間的差別了。數字孿生的提出，其本意或者說出發點更多的是面向工藝決策（建立產品形成過程當中，各個工藝環節的工藝推理決策時間類似自適應加工等等典型的智能制造的特點），是對我們之前關于智能制造或者說CPS更多地關注于管理層是方面或者說過于關注管理層次方面的一種糾正。當然了，我們也不能走向極端。因為對于制造運行過程來說。管理也是極其重要的。面向管理所構建的這種模型與我們傳統的工藝機理分析決策模型相比來說。可能在顯示度上面要差一些，但是這個也是絕對必要的，比如我們面向產線車間或者工廠運行所構建的APS模型，其實也是一種數字孿生在管理決策方面的一種體現。

通過上面的一些分析和描述，我們可以看到。數字孿生所關注的東西與智能制造所應該關注的東西其實是高度契合的。因此將數字男生當做智能制造的抓手是很有必要也是非常正確的。

多說一句，既然大家都接受了數字孿生這個東西，其實也沒有必要非的糾結于說數字孿生與CPS沒有本質上的區別，我們干脆就用CPS來說吧，其實這些都是無所謂的，可能數字孿生更加平易近人或者這個詞語就能夠比較明要做哪些事情，而賽博物理系統相對來說比較抽象，雖然賽博物理系統更加學術化一些或者嚴謹一些，但不可否認，數字孿生這個詞兒還是比較形象的。

（2）數字孿生驅動的智能制造的技術路徑

首先是面向閉環鏈路的工業互聯或物聯技術。不管是智能制造本身的模式，還是CPS所具有的理念，數字孿生既然是繼承演變的概念，這些東西當然也是要繼承過來的，其中最關鍵的是體現的那種閉環鏈路。如果不能夠基于物理實體采集數據之后做出分析，并對物理實體進行干預，那其實跟傳統的那種制造，這里說的是包括設計分析生產運行等在內的大制造的概念其實并沒有太多的區別。我們之前發展的物聯網技術，其實核心的目的是為了能夠實現快速的準確的數據采集。但是如果只是做到這一步，其實是無法來支撐數字孿生的，這些物聯網技術還應該能夠支持這些物理實體能夠接受來自上層的指令實現對物理實體的干預和調整，相當于將物理實體的執行也納入到物聯網的范疇之內。而在物聯技術基礎之上進一步發展的工業互聯技術，尤其是在軟件層面上的互操作和柔性集成方面來說，對于設計分析當中的多物理場演變需求下的多系統耦合集成，其實是很有幫助的，這也是數字孿生與工業互聯網結合的一個方面。在制造過程及其運行運營方面來說，結合運行運營的指標建立各種各樣的分析推理決策模型，而這些一般都涉及到多系統的綜合，這也是數字孿生與工業互聯網技術相結合的另外一個重要方面。綜合上面的這些說法，筆者認為，在數字孿生驅動的智能制造背景下，工業物聯和工業互聯網等技術。應該以一種基礎設施的角度，來為數字孿生和智能制造提供基礎設施尤其是技術上的支持。

第2點是基于知識工程的多物理場產品耦合建模與分析技術。對于數字孿生來說，產品的研制如果能夠實現完全的在數字空間就實現精準精確的表達與分析，這當然是一種理想目標，或者說無物理模型的一次成功，也是數字孿生的一種使命。雖然剛開始數字孿生是需要與物理實體融合的，但其最終的目標是要脫離物理實體的，或者說實現所建立模型的深度演變與復用。在這個過程當中，最重要的是建立面向產品功能性的行為的分析推理決策模型。這個知識體系是比較龐大的。企業當中的研發設計人員的知識和經驗是一個很好的工作重點或者對象，如果能夠實現基于知識工程的沉淀，形成物理化的可見的載體則善莫大焉。

第3點是基于MBSE和數字主線的深度集成。數字孿生當中的孿生，應該從更大的視野范圍內來看，而不是僅僅糾結于產品設計分析的多物理場耦合，當然了這也是一個方面。對于整個產品的研制來說，應該貫徹MBSE的思想，與其相關的比如 MBD、數字主線等等都是可以納入到這個范圍里面的。但無論如何。應該強化系統工程的這種理念，也許對于企業來說，甚至可以起到事半功倍的效果。這個方面。是以模型為載體，這是可見的，以數字主線為支撐，這個可能是不可見的，來實現對整個研制過程的一種數字孿生。其實現在很多企業都在建統一的數據中心，或者說集成數據平臺，其中也包括業務流程方面的協同，其目的都是將企業現有的研制，在進行深化提高以后，進行某種形式的固化和提升，其中最核心的也是體現了系統工程的思想。

第4點是面向制造執行或者運營的數字孿生，這其中包括兩部分內容，一個是管理層面上的，一個是工藝層面上的。管理層面上面可以結合制造運營的某個指標或者說多個指標。一方面實現跨數字化業務系統的綜合，另外一個方面就要構建面向這些指標的分析推理模型，實現實際制造運營狀態的一種抽象描述。并且這個分析推理的結果，最終會反映和落實到企業制造運營系統當中的各項改進或者調整當中。比如我們經常見到的是建立基于APS的資源優化配置分析推理決策模型，我們可以基于這個模型實現對制造執行過程當中所有指導要素的統一優化配置可以實現。當前制造要素優化配置也可以實現未來可預計或不可預計的各種生產擾動下的制造要素的優化配置。工藝層面上的數字孿生，這是我們之前比較忽視（之前很大程度上我們在智能制造這個語境下面過于偏重于管理了），但是應該極為加強的一種數字孿生。比如我們耳熟能詳的大國工匠，或者說高技能人才。他們的工作基本上都是和工藝直接和密切相關的。如果能夠將他們大腦中的工藝機理決策模型沉淀下來，這個其實是數字孿生閉環當中最重要的分析推理決策環節所要形成的依據也是看得見的抓手。工藝的類型是多種多樣的，這也是企業最核心的一種優勢重點，我們經常說的人是最重要的資產在很大程度上，其實在表達的是這個意思。

其實數字孿生驅動的智能制造還有很多條技術路徑，但所有的這些技術路徑最根本的一個思考出發點就是：和業務結合以及實現業務改進，按照這種基本的原則來結合企業的實際情況推進數字孿生驅動的智能制造，一般來說都不會走偏。

啰里啰嗦的說了很多，語音輸入，錯誤和疏漏在所難免。一己之見，僅供參考。

作者信息：王愛民，北京理工大學數字化制造研究所所長，長期從事MES、APS等技術研究、系統開發與實施應用。

責任編輯：PSY