聊一聊数字孪生和CAE
转载一篇文章。启蒙下大家。
以下原文。
最近小编因工作原因，检索了一些关于数字孪生（digital twin）方面的东西，结合CAE仿真方面的东西，在此做些简单的介绍和个人看法，与大家交流交流。
这个概念其实提出的比较早，早在10年之前就有国外学者提出这个概念，但是火起来主要是最近两年。我想主要原因还是在借着目前国内外所提出的工业4.0、智能制造、CPS等概念的东风而兴起的，同时因为云计算和大数据与制造业的结合和推动作用，这个概念在西门子、GE、达索等一众大厂的带动下更是风生水起，而且除了制造业，在智慧城市、建筑行业等诸多领域都在讨论这个概念，学界和工业界对此讨论的也足够热烈。但是仔细来看看关于这个概念的一些文章和论文资料，更多的还是停于探讨阶段，真正完整和典型的案例比较少见，也更少见于报端。当然西门子这些大厂自有其优势，都在不断的推动数字化转型，尤其是西门子，在数字化转型中非常成功，也有推出一些诸如数字化工厂等基于这些概念的落地解决方案，但是其它工业界基于数字孪生的典型应用，恕作者见世面窄，尚无更多的了解，当然有其原因可能是涉及企业的机密不适合大肆报道。不管怎么讲，给作者的感觉是还是比较飘在空中，更广泛更深入的落地方案相对少。作者愚见，从字面直白的讲就是建立与实际物理模型相对应的虚拟模型（数字模型），而且两个模型之间能够实现动态的信息流动。很多文章将其看作是数字样机发展的更高层级，是更为全面和丰富的一种仿真和现实之间连接的状态。就作者理解，现阶段的数字样机其实是比较成熟的概念，而且也发展了很多年，在很多行业应用也是比较的成熟，也取得比较好的工程效果，包括各种CAE仿真问题、机电液多学科综合问题、虚拟测试等一系列技术。但是以往这些应用虽然也是对实际物理模型的镜像建模，制造一个双胞胎对象，但是两者之间的动态信息互动较少，这可能是与现行数字孪生之间的比较大的一个区别，其它的内容感觉还都是那些核心内容，如何数字建模、如何建立精确的数字化仿真模型、如何丰富数字化模型、兼容各个学科内容与实际匹配。需要提到一点，因为数字孪生的兴起最初是来自于一个现在也相对比较热门的领域，叫设备状态监控和寿命预测这一领域。而涉及状态监控必然是一个实时动态的过程，所以很自然地数字孪生有这样的特性，涉及到各种传感器对数据的采集并与虚拟的数字模型进行反馈互动。现行的状态监控和寿命预测主要还是以所谓大数据、机器学习等概念作为噱头，基于实时的数据来做模型和预测，这是一种方法，但是因为AI、大数据这些概念的加持显得过于火热，数字孪生也难免被吹得更高了，这里需要理性淡定的看待这些问题。从产品的生产制造和管理阶段来讲，数字孪生是比较好的概念，可以对各类信号和数据结果进行分析优化、执行各类调度等问题，可以很好地与车间设备、物联网IoT、云计算等内容结合，这里面的数据信息来源和处理相对更加简单，这也是目前很多智能制造和智慧工厂的一些应用。但是在产品的设计和研发阶段，数字孪生与原先的数字样机面临的问题非常一致，在这块涉及到的理论、技术难度可以说是共同的问题。像多学科的仿真、虚实数据之间的交互等都是技术难度较为复杂，突破起来比较艰难的课题。尤其是一些点上的问题比如设备的磨损、疲劳、断裂等等机理模型，这些问题不解决很难实现与对设备全生命周期的管理和监控，所以对学科类一些点上问题的仿真模型研究也非常重要。概括来讲，这是个比较新也比较好的概念。但是因为目前的现状，需要结合企业自身的实际情况来发展，技术实力比较强，在数字样机阶段做得好的企业完全可以作进一步的探索，而在该领域积累比较少的机构还是一步步的从基础模型搭建起，要么先做数据收集和监控等一些相对更好入手的项目，完成生产制造过程中的基本的数字化智能化，然后在作进一步的拓展和深入。总之，新的东西好是好，但还是得落地，得“马克思主义中国化”，一些不成熟的想法，望大家拍砖。看到这里，你应该已经发现，其实CAEer们做的模型搭建工作，本质上也是在搭建物理世界的数字模型，但真实世界和数字模型两者之间还不能形成闭环，因此还不能被称为数字孪生。而想让两者之间互相通信起来，真正加速产品的研发速度，进而管理整个产品的生命周期，还需要很多功课去做。我一直觉得CAE仿真是个很孤立的领域，入门门槛高，在产品研发中和上游的设计及下游的试验之间由很大隔阂，在CAE这一环节工作流被截断，需要一群特殊的仿真工程师介入，在一个相对孤立的世界完成分析，输出一个结果给上下游。而真正打通这个关节后，让CAE真正和设计与试验融为一体，那会是一个怎样的世界呢？
