视角 | 数字孪生之旅，从工程仿真开启

* 本文原刊登于智能制造媒体咨询研究机构e-works：《数字孪生之旅，从工程仿真开启》

2002年，Michael Grieves教授提出 “与物理产品等价的虚拟数字化表达” 模型，成为数字孪生（Digital Twin）概念的前身。近年来，随着定制化、智能互联产品和服务模式越来越普及，数字孪生逐渐成为业界备受关注的热点，Gartner甚至连续三年将数字孪生列为十大新兴技术之一。

通过建立物理产品的数字孪生，并基于产品使用过程中产生的数据形成闭环反馈和优化，“数字孪生”可以全面提升产品的全生命周期管理，打通研发、供应链、制造、营销等不同环节的数据，提升产品体验，降本增效。

从实现过程看来，仿真是实现虚拟样机和监控/预测物理资产的决策依据，和数字孪生有着不可分割的关系，也是构成数字孪生不可或缺的技术。可以说，CAD/CAE等使能技术的发展，特别是仿真软件的普及为数字孪生的应用奠定了坚实基础。

为进一步探究数字孪生与工程仿真之间的关联和内涵，e-works采访到Ansys Customer Excellence总监Peyman Davoudabadi博士，Peyman分享了他对于数字孪生技术的见解与洞察。在Ansys工作的十余年里，Peyman领导Ansys数字孪生解决方案持续发展，并推动Ansys仿真技术与战略合作伙伴的技术结合。

随着基于模型的定义MBD、产品数据管理PDM、模型轻量化技术、AR/VR等技术应用的日趋成熟，基于产品模型的数据表达越来越完善。这其中，采用仿真方法建立数字化模型的数字孪生——“基于仿真的数字孪生”，因其具有数据依赖性低、可深入洞察机理、模型扩展性好等优势，正成为数字孪生领域的应用热点。

对于数字孪生的定义，Peyman Davoudabadi博士的解读与美国DAU大学给出的释义十分接近——由数字主线实现对既有系统的一种集成多物理场、多尺度的概率仿真，它使用最佳可用模型、传感器信息和输入数据来镜像和预测其相应物理孪生全生命周期内的活动/性能。（An integrated multiphysics, multiscale, probabilistic simulation of an as-built system, enabled by Digital Thread, that uses the best available models, sensor information, and input data to mirror and predict activities/performance over the life of its corresponding physical twin.）

Peyman Davoudabadi博士认为，数字孪生模型是一个系统或子系统及其所有组成部分的多方面动态智能数字模型集，它们准确地描述了产品的设计、生产过程以及生产系统在运行中的性能。产品或过程的数字孪生可用于实时监控资产、实现预测性维护和优化运行中资产的性能，数字孪生还提供了可用在产品全生命周期中改进物理产品设计的数据。基于数字孪生技术，为企业资产和流程的高保真可视性带来了竞争优势，包括涌现新的商业模式、降低维护成本和运营成本以及更快的新产品上市时间等。

从这个意义上来说，数字孪生战略不应该只是现有产品开发和部署流程的附属品。相反，它涉及在整个企业和产品全生命周期中注入仿真技术，包括概念设计、工程设计、制造、测试、服务、支持和客户运营等。数字孪生系统是基于模型的系统工程（MBSE）框架的自然延伸，因为它可以利用和重用仿真模型，将它们与来自资产的实时数据流连接起来，从而确定资产的当前配置和性能，在现场进行预测性分析和维护，并提供见解以改进未来的产品设计。

传统上，工程仿真 主要被用于新产品设计和虚拟测试，因此无需在产品发布前构建多个原型。随着工业物联网（IIoT）应用的普及，产品或过程的仿真模型被连接到从运行中的资产中获取数据的传感器中，利用基于多物理场的全面见解，工程师、操作员和维护团队不仅可以预测资产的哪些组件、什么时候会发生故障，还可以确定为什么会发生故障以及如何以最理想的方式进行维护维修。

特别是在物联网时代，智能互联产品面临着越来越严峻的挑战。仿真技术在数字孪生应用中的扮演的角色尤为重要。

Peyman Davoudabadi博士说，基于多物理场的仿真提供的数字样机功能，可以缩短开发周期、加快上市时间、降低总体生产成本、降低维护成本、减少工程变更数量，提高新产品引进成功率；仿真技术还为数字孪生提供了高保真的洞察力，有助于了解潜在的故障、未来的产品改进和重新设计；此外，传感器的布置和集成也具有挑战性，集成到智能产品中的传感器需要高效和良好的设计，以实现低功耗和鲁棒性，在智能互联产品设计早期应用仿真的价值，同样适用于传感器本身。

对于部署数字孪生的挑战，Peyman Davoudabadi博士认为可以分四个阶段来看：首先是企业在数字化转型中的成熟度和水平；其次，企业在研发和产品设计中采用仿真软件的情况；第三，将数字孪生技术集成到企业物联网和PLM系统中；第四，将解决方案集成到企业的ERP、ALM、SCM等系统中。

Peyman Davoudabadi博士说， “针对部署数字孪生不同阶段的挑战，Ansys均可以提供帮助和相应解决方案。Ansys在过去50年里一直是多物理场仿真领域的先驱，提供覆盖结构、流体、热、电磁场、光学、电路/系统等领域完备的仿真能力。” 基于广泛而深入的仿真技术，Ansys通过仿真工具建立产品或过程的数字孪生，在此基础上，将仿真数据与真实产品中的传感器数据连接，形成闭环反馈和优化，从而实现物理产品在虚拟世界的映射。

进一步来看，Ansys数字孪生的技术架构可以概况为五个方面：系统级支持、控制系统、完整技术平台、基于物理场的仿真和集成数字孪生生态系统。通过构建数字孪生系统，工程师不仅可以在软件中**资产的物理特性，还可以进行各种工况的仿真，从而实现从设计到运行的产品全生命周期的数字孪生应用。

Ansys数字孪生技术架构

首先，Ansys Twin Builder系统级建模工具支持构建数字孪生模型，从而准确地描述组件、子装配体与子系统之间错综复杂的相互作用。同时Ansys Twin Builder也支持第三方工具的集成，提供对功能模型接口标准的支持，帮助工程师将各种来源的模型组合成全面的系统描述。借助Ansys Twin Builder，工程师还可以将数字孪生模型连接到各种工业互联网平台。

其次，基于Ansys SCADE控制系统解决方案，工程师可以将来自真实世界的测试数据作为产品数字孪生的输入条件，然后进行仿真分析，以补充传统物联网平台基础数据分析不到的情况。此外，通过Ansys SCADE，工程师还可以将数字孪生中的虚拟模型与实体模型分离，这意味着工程师可以通过离线运行来探索设备的运行状况。

第三，在数字孪生模型创建、部署过程中，需要采用一个灵活、适应性强、开放、协作的技术平台，将设计/仿真/验证与生成的数据管理起来。Ansys Minerva平台则可以为工程师提供仿真流程和决策支持，具体到数字孪生方面，Minerva还可显著简化将多个数字孪生连接至IoT的流程。

第四，针对数字孪生的构建，Ansys提供了完整的基于多物理场的仿真工具，包括结构、流体、电磁等，有助于交付能够为产品全生命周期带来真正影响的准确、深刻和可靠的分析结果，从而提高产品研发效率、加快产品上市进程、缩短设备停工时间和延长设备使用寿命。

第五，为进一步释放数字孪生价值，Ansys很早就致力于与生态合作伙伴推进数字孪生策略。目前，Ansys仿真软件和平台能够与常见的物联网平台协同使用，包括PTC的ThingWorx、SAP的Predictive Engineering Insights、Microsoft的Azure，Rockwell Automation等。

在Peyman Davoudabadi博士看来，“目前，没有任何一家公司能够在整个数字孪生和数字主线技术范围提供所有的解决方案，因此，与生态伙伴合作，利用彼此最好的数字化解决方案覆盖整个生态系统是必要的。企业各有所长，物联网平台公司在互联网连接和通信、传感器数据采集和传输、安全和认证等方面做得很好，而Ansys最擅长的是工程仿真。”

这也是Ansys尤为关注平台互操作性的原因，Ansys仿真软件与PLM、CAD、IoT、PLC、SCM、ALM和ERP等系统的连接是在产品全生命周期内实现数字孪生的必要条件。

过去几年，Ansys在基于仿真的数字孪生技术方面进行了大量投资，并在这一领域建立了战略合作伙伴关系，包括与Rockwell Automation、PTC、Microsoft、SAP等领军企业的合作。

例如，Ansys和PTC联合研发了支持数字孪生的平台解决方案，大力支持工业物联网的数字仿真。以运行泵为例，通过创建泵的数字孪生，显示了数字孪生如何处理从仪表仪器上生成传感器数据，并利用仿真技术来预测故障和诊断运营问题，这使得企业能够立即采取行动纠正并优化设备性能。与常规方法相比，基于数字孪生的解决方案能更快更准确地诊断和解决泵的运行问题，通过Ansys和PTC的合作，也成功地将泵和阀门的数字孪生延伸到了电机和电力传动领域。

与生态伙伴的深度合作，帮助Ansys在数字孪生领域构建了差异化竞争优势，Peyman Davoudabadi博士指出，“Ansys基于仿真的数字孪生解决方案是建立在仿真流程和数据管理（SPDM）、流程集成和设计优化（PIDO）、高保真的多物理场仿真、嵌入式软件和系统级仿真与集成等基础之上。从战略的角度来看，正是因为Ansys技术平台的互操作性，使得Ansys生态伙伴圈非常强大，可以帮助客户更大规模地构建和部署数字孪生应用。”

为加速在不同行业推广和部署数字孪生技术，Ansys还联合Microsoft、Dell、Lendlease等共同加入数字孪生联盟指导委员会。Ansys与众多生态伙伴的合作，表明仿真技术不仅仅只是作为工程师设计更出色产品和降低物理测试成本的利器，基于数字孪生应用，仿真技术已经扩展到更广泛的领域，涵盖产品的健康管理、远程诊断、智能维护和共享服务等应用。

根据Dell Technologies的调研，全球78%的企业领导者认为数字化转型应该在企业中得到更广泛的应用，而数字孪生是企业数字化转型的重要组成部分。截至目前，75%实施IoT战略的组织已经开始应用数字孪生，或者计划在一年内应用。

在探索数字孪生技术的过程中，Ansys已帮助诸多企业构建和部署数字孪生应用。

以奥地利最大的电力供应商Verbund为例，其每台涡轮机的任何计划外停机成本高达每小时6万美元，所以Verbund希望预测其涡轮机在不同负载条件下的磨损情况，以优化涡轮机的输出。通过应用数字孪生优化涡轮机的运行，Verbund每年可为每台涡轮机节省约10万美元，而Verbund运营着120多个工厂，可以部署多达120个数字孪生。

另一客户的CPG生产线，利用Ansys仿真平台将其工厂自动化软件/硬件连接起来，为客户的CPG生产线创建了一个数字孪生解决方案——通过数字孪生模型映射物理资产并预测系统性能，通过虚拟传感器和假设情景准确实现设计变更和资产性能优化，而不会对物理资产的性能造成任何中断。

在欧洲，Ansys联合渠道合作伙伴CADFEM实现了另一项数字孪生应用——通过将多物理场、多域仿真模型连接到系统中，预测Phoenix Contact安全继电器的行为和寿命。在实际生产中，如果一条产线的继电器出现故障，其导致的计划外停机每小时会造成数万美元的损失，由于没有磨损传感器，很难预测继电器故障。基于仿真技术创建的数字孪生模型，可以通过实际负载和其他传感器数据（温度和开关频率等）预测磨损，从而达到减少计划外停机的目的。

Peyman Davoudabadi博士指出， “通常情况下，数字孪生会运行在一个不确定和随时可变的环境中，所以，数字孪生模型需要借助实际运行数据进行验证，同时对数字孪生模型进行校准或调谐，并定期重新校准到其物理孪生中。因为Ansys的数字孪生模型是基于仿真的，Ansys结合基于多种物理模型的失效模式，可以准确地预测设备失效的原因，从而进行灵敏度分析，以了解各项参数如何影响设备故障模式，并在数字孪生设计中建立鲁棒性。此外，利用模拟产生的故障数据，可以通过机器学习来训练和验证预测性维修的模型。”

对于数字孪生未来的技术趋势，Peyman Davoudabadi博士坦言：目前，边缘计算的速度和存储空间是有限的，但随着技术的进步，边缘感知、计算和预测问题的能力将得到快速进步；另外，低延迟的卫星互联网和5G技术将推动低功耗、高带宽传感器的采用，将进一步促进数字孪生技术的发展；人工智能、机器学习和深度学习技术的进步也会推动更多混合数字孪生的涌现和应用。

后记：Ansys联合e-works发布《仿真技术支撑产品数字孪生应用***》，该***独具行业开拓性意义，内容已在9月Ansys Innovation大会重磅在线首发，想要了解更多欢迎点击下方下载完整版数字孪生***！