[论文解读] Digital Twins

Dirk Hartmann, Herman Van der Auweraer|arXiv (Cornell University)|Jan 3, 2020

Digital Transformation in Industry被引用 9

一句话总结

本文提出数字孪生作为一项变革性框架，通过应用先进数学方法（如模型降阶和不确定性量化），在产品全生命周期中整合虚拟与物理系统，实现实时仿真、预测性维护和自主决策。它展示了数字孪生在设计、制造和运营中的影响，并提出可执行数字孪生作为下一代演进方向，要求在工业应用中实现速度、可靠性和可用性方面的数学创新。

ABSTRACT

Digital Twins are one of the hottest digital trends. In this contribution we will shortly review the concept of Digital Twins and the chances for novel industrial applications. Mathematics are a key enabler and the impact will be highlighted along four specific examples addressing Digital Product Twins democratizing Design, Digital Production Twins enabling robots to mill, Digital Production Twins driving industrialization of additive manufacturing, and Digital Performance Twins boosting operations. We conclude the article with an outlook on the next wave of Digital Twins, Executable Digital Twins, and will review the associated challenges and opportunities for mathematics.

研究动机与目标

• 确立数字孪生作为连接虚拟与物理系统在整个产品生命周期中的基础范式。
• 识别并解决在大规模部署数字孪生过程中面临的关键挑战，尤其在交互性、可靠性、可用性、安全性和同步性方面。
• 突出数学科学在推动下一代数字孪生（尤其是可执行数字孪生）中的关键作用。
• 展示数字孪生在工业应用中的变革性影响，如设计支持、机器人制造和预测性运维。
• 提出一项研究议程，以解决使数字孪生在实践中实用、安全且对非专家用户友好的数学挑战。

提出的方法

• 利用模型降阶（MOR）加速仿真，同时保持精度，使数字孪生实现实时性能。
• 应用不确定性量化和置信区间以确保可靠性与自我感知能力，使非专家能够信任预测结果。
• 采用几何多重网格和体素化方法，高效建模复杂几何形状和虚拟孪生中的物理相互作用。
• 集成离散元方法，用于模拟颗粒材料及增材制造等复杂制造过程。
• 提出一种去中心化、端到云的数字孪生部署模型，支持实时控制和物联网（IoT）集成。
• 设想可执行数字孪生为自包含、安全且可互操作的模型，可在工业生态系统中跨平台部署，并采用类似区块链的机制保护知识产权。

实验结果

研究问题

• RQ1 在工业环境中，数学方法（如模型降阶和不确定性量化）如何提升数字孪生的速度与可靠性？
• RQ2 需要哪些技术和数学创新，才能将静态数字孪生转变为可执行、实时且自主的仿真模型？
• RQ3 如何在确保准确性、安全性和领域有效性的前提下，使非专家也能使用数字孪生？
• RQ4 先进数值方法（如几何多重网格和离散元方法）在实现多样化工业应用中的高保真仿真中发挥何种作用？
• RQ5 在磨损、重构或服务变更情况下，数字孪生如何与物理对象保持长期同步？

主要发现

• 数字孪生已在关键工业流程中实现周期时间缩短30%，展现出显著的效率提升。
• 模型降阶和不确定性量化是平衡仿真速度与精度的关键，使实时数字孪生应用成为可能。
• 可执行数字孪生可部署于边缘设备、云平台或本地系统，支持通过模型预测控制实现实时控制和预测性维护。
• 将数字孪生集成到物联网生态系统中，可简化“X in the loop”仿真，并在调试阶段实现控制器的自动化调优。
• 为防止逆向工程并保护共享数字孪生环境中的知识产权，需采用区块链技术保护等安全机制。
• 通过考虑磨损、重构和部件更换的自适应建模方法，可维持物理资产与其数字孪生体之间的同步性。