【论文笔记】Digital Twin in Industry: State-of-the-Art—

Digital Twin in Industry: State-of-the-Art

1、介绍
2、数字孪生的概念与历史
3、数字孪生的行业发展现状
- 3.1 理论基础
- 3.2 建模与仿真
- 3.3 数据融合
- 3.4 协同交互
- 3.5 服务
4、数字孪生的工业应用
- 4.1 产品生命周期中的数字孪生
- 4.2和4.3 行业头部技术
5、观察与建议
- 5.1 PHM是最popular的应用领域
- 5.2 建模是数字孪生的核心
- 5.3 虚实数据融合是DT的难点
- 5.4 其他
6、总结

原文链接：Digital Twin in Industry: State-of-the-Art

摘要：数字孪生（Digital Twin，DT）是实现智能制造和工业4.0最具前景的赋能技术之一。DT的特点是网络和物理空间之间的无缝集成。DT的重要性越来越受到学术界和产业界的重视。DT的概念从最初提出到现在已经过去了将近15年。到目前为止，许多DT应用已经成功地应用于不同的行业，包括产品设计、生产、预测和健康管理，以及其他一些领域。但目前还没有一篇论文对DT技术在工业上的应用进行综述。为了更好地了解DT在工业上的发展和应用，本文从DT的关键组成、DT的发展现状以及DT在工业上的主要应用等方面对DT的研究现状进行了全面的综述。本文还概述了当前的挑战和未来工作的一些可能的方向。

1、介绍

智能制造需要大量的数据支持+硬件技术和信息技术的快速发展促进了物理设备与虚拟模型之间的连接，数字孪生技术基于这两个背景应该得以发展。
仿真模拟技术经历了三个发展阶段：（1）用专用工具模拟专用设备；（2）用普世的工具模拟普世的设备；（3）多层次多学科的模拟。DT的出现为仿真模拟的技术发展提供了方向。
本文通过前期筛选，最终选出了50篇相关的DT论文和8项专利和6家公司的工程应用，作为本综述论文的研究对象，旨在回答以下问题：

DT是什么？
DT的发展现状如何？
哪些工业领域最适用于DT？
如何实施DT？
部署DT的主要挑战是什么？

2、数字孪生的概念与历史

2003年Grieves在他的产品生命周期管理课程（product lifecycle management）上首次提出了DT的概念¹，DT的初步形式包含三个部分：实体产品、虚拟产品和它们的连接。
2012年NASA将DT技术应用与航空航天领域²。之后相关的概念开始不断被定义，也出现了一些新的命名。
陶飞提出了数字孪生的五维模型³【详细见上文】，给出了新的阐释。

本文将DT的历史划分为三个阶段：

2003-2011年，是DT概念形成阶段；
2011-2014年，是DT发展的潜伏期，其中2011年第一篇DT期刊发出，用于预测飞机结构寿命⁴,2012年NASA正式定义了DT³
2014年至今，是DT的发展阶段，2014年第一个白皮书发布¹，很多航空航天以外的DT技术开始发展。

3、数字孪生的行业发展现状

3.1 理论基础

相关的理论基础分为如下四个部分：

DT Modeling, Simulation, and VV&A（verification, validation, and accreditation）：主要是DT建模，本文将DT建模分为物理建模（提取、描述、定义物理实体的关键特征）、虚拟建模（在虚拟环境下描述相同的特征）、连接建模（连接四个模型，如数据传输、格式转换、数据保护等）、数据建模（数据定义、过程定义、数据存储等）和服务建模五个方面；仿真理论对应于仿真分析，如结构强度分析和动力学分析等；VV&A通过检查模型错误、算法错误和硬件错误来检查虚拟模型的准确性并提供置信度。
Data Fusion：数据融合涉及三个过程：数据预处理、数据挖掘（类似特征提取）和数据优化（可将不同模型数据进行融合迭代，发现演化规律）。
Interaction and Collaboration：协同交互分为三个类型：物理-物理（通信）、物理-虚拟（数据同步与反馈调整）、虚拟-虚拟（信息共享）。
Service：服务相关理论包括封装、匹配与搜索、QoS建模评估、优化与集成、容错机制等。

3.2 建模与仿真

有几种建模的思路：（1）构建物理对象的数字模型，主要是几何形状和材料属性；（2）新的建模架构：Schroeder等人⁵提出了五层结构（设备层、用户界面层、Web服务层、查询层、数据存储层）；Schroeder等人⁶还提出通过AutomationML在异构系统之间交换数据，分三节阶段建模（创建模型、定义模型和开发信息系统）并验证了方法；（3）构建工作流程的数字孪生：Moreno等人⁷提出了五步方法（三维建模、行为提取、物理组件间交互建模、操作建模和仿真）
DT模型准确性的评估：Smarslok等人⁸提出了一种误差量化和置信度评估的框架，包括一组衡量DT模型保真度的指标。
小结论：到目前为止建模方法没有达成共识，没有统一的方法。

3.3 数据融合

DT要从机器、物理环境、虚拟模型、历史数据库等多个渠道手机大量的数据，因此数据融合也是关键一步。
陶佬自己做过车间的数字孪生，提出了一些方法⁹。Ricks等人¹⁰提出了数据降维方法。Cai等人¹¹开发了一种数据集成方法，用于传感器数据监控加工操作并预测表面粗糙度。
尽管数据融合方法很多，只不过很少是基于DT开展的而已。

3.4 协同交互

这两篇论文¹²|¹³研究了物理实体和数字系统之间数据交互的案例。

3.5 服务

数据驱动的DT可以进行结构检测、寿命预测和及时维护等服务，特别是DT可以根据信息提出需求，该方向有以下论文¹⁴|¹¹|¹⁵|¹⁶。DT和服务有关的问题还有服务搜索匹配、QoS建模、服务优化等很多新问题。

4、数字孪生的工业应用

4.1 产品生命周期中的数字孪生

主要体现在设计、生产、预测和健康管理（prognostics and health management，PHM）和其他领域等，其中PHM是研究比较多的方向，文章这里都是各种例子，不多总结。

4.2和4.3 行业头部技术

文章这里也都是各种例子，总之就是各种好用和各种厉害，不多总结。

5、观察与建议

5.1 PHM是最popular的应用领域

DT-PHM比传统PHM的四大优势：

传统的关注几何和物理信息，缺少行为和规则建模，DT可以提高建模保真率；
传统的都是静态数据融合，DT可以实现实时数据融合、虚实数据融合、历史数据融合等功能；
传统的无法交互，而DT可以反馈交互和控制；
通过DT可以提出更合理的维护策略。

5.2 建模是数字孪生的核心

3.2节提出了一些建模方法，但是缺少统一的建模框架和建模工具。

5.3 虚实数据融合是DT的难点

这一步涉及数据采集、数据传输、数据挖掘、协同控制等多种技术，缺少通用框架和容错理论。数据融合算法鲁棒性、并行计算提升效率、网络安全等也有待考虑。

5.4 其他

DT可以有更广泛的应用场合；DT可以有更智能的调度方案；DT可以和控制结合等。

6、总结

本文贡献：

对DT的很多基本概念做了介绍，并列举了一些例子。
指出了行业现状，如第5节小标题。
提出了未来发展方向，如第5.4节。

本文很多例子建议直接看原文，多是一两句话总结一个文章的技术特点，以支持本文该小结的论点。另外，最后作者又强调了一遍“A unified DT modeling method is critically needed”……

Digital twin: Manufacturing excellence through virtual factory replication（没见到原文X( ） ↩︎ ↩︎
The digital twin paradigm for future NASA and U.S. Air Force vehicles ↩︎
Digital twin shop-floor: A new shop-floor paradigm towards smart manufacturing ↩︎ ↩︎
Reengineering aircraft structural life prediction using a digital twin ↩︎
Visualising the digital twin using web services and augmented reality ↩︎
Digital twin data modeling with automation ML and a communication methodology for data exchange ↩︎
Virtualisation process of a sheet metal punching machine within the industry 4.0 vision ↩︎
Quantifying confidence in model predictions for hypersonic aircraft structures ↩︎
Theories and technologies for cyber-physical fusion in digital twin shop-floor ↩︎
Computationally efficient solution of the high-fidelity generalized method of cells micromechanics relations ↩︎
Sensor data and information fusion to construct digital-twins virtual machine tools for cyber physical manufacturing ↩︎ ↩︎
About the Importance of autonomy and digital twins for the future of manufacturing ↩︎
The digital twin of an industrial production line within the industry 4.0 concept ↩︎
Structural health management of damaged aircraft structures using the digital twin concept ↩︎
Computationally efficient analysis of SMA sensory particles embedded in complex aerostructures using a substructure approach ↩︎
Isogeometric fatigue damage prediction in large-scale composite structures driven by dynamic sensor data ↩︎