从模型概念看数字孪生

概念模糊会带来许多认识上的问题。

前些年，有位砖家到处去说“智能制造=人工智能+制造”。如果按照这种荒唐的说法，不懂人工智能就没有办法搞智能制造了。这样，绝大多数智能制造项目都被他的概念排除在外了。其实，工业人所谓的智能制造在英文中主要是指“Smart Manufacturing ”，而不是“Intelligent Manufacturing”。这位砖家则根据汉语的叫法望文生义，就闹出了笑话。  

谈智能制造时，经常有人强调ＣＰＳ和数字孪生，强调模型的作用，强调算力和算法的作用。但人们普遍感觉，现实中的应用往往不理想、这种说法似乎也不靠谱。为什么会是这样的？原因之一是“模型”的概念模糊，导致了认识的混乱：人们在谈论模型时，在同一篇文章、同一个段落甚至同一句话中，其实不自觉地用了不同的概念。这样，从语言逻辑上看起来没有问题，其实却行不通。  

模型的定义是：为了特定应用目标，对实体进行的简化描述。所谓简化，就意味着模型不等于实体、不能完整地描述实体，但对某些应用目标来说是足够的。所以，BOX说：模型都是错的，但有些是有用的。。

我们仔细分析一下，模型有两种相关而不完全一样的概念。

第一种是“先有模型后有物理实体”。比如，为制造产品建立模型。这时，制造过程要根据模型的要求进行制造。在这种场景下，所谓的“精度”是对制造过程的要求，而不是评价模型的指标。换句话说，人们关心制造精度，却并不太关心“模型精度”。我们知道：计算机能力弱或者存储量不大时，模型的应用就会受到限制。所以，计算和存储能力的提升，以及在此基础上的算法进步，都会显著促进（这种）模型的发展。  

另一种是“先有物理实体，后有模型”或者“物理实体出现后，需要对模型进行修正”。比如，为了便于优化生产和控制，对生产设备建立模型。比如各种数据建模。这时，建模的目标之一是往模型的计算结果逼近物理对象。如果模型的精度不高，就可能无法用于“特定目标”。特别地，物理实体在运行过程中，许多因素会导致物理对象的属性发生改变。这也可能引发模型精度的变化，并导致模型无法有效使用。在工业领域，所谓的“机器学习”，其实往往就是用来应对实体的这种变化，而不是所谓的建模。  

在这种场景下，模型精度足够高、足够稳定是应用的基础；模型精度不高时，算力提升的作用有限。而且，在许多场景下，算力提升对提高精度的作用不大。这时，解决模型精度的关键，是提高数据的质量。当然，大数据基础有助于数据质量的提升。  

两种模型还有一些重要的区别：前面一种模型描述的，往往是物理实体的属性；后一种模型描述的，往往是物理对象的输入输出关系。第一种模型关注的是“预料之中”的事情，而人们经常希望用第二种模型处理“预料之外”的事情。两种模型的关注重点也是不一样的。  

我发现一个问题：许多人谈模型的时候，其实是把两种“模型”的概念混淆了。比如，有人认为：建立了模型之后，就可以把模型用于生产优化。其实，前面谈的“建立模型”指的是第一种模型，而应用模型指的是第二种模型。但他们很自然地以为，只要前面建模好了，到了应用的时候自然就有了模型。岂不知，有了第一种模型，不一定会有第二种模型。再如，他们知道：算力和算法对解决第一种模型的意义重大，他就认为算力和算法能够解决所有模型相关的问题。于是，一个看起来无懈可击的逻辑，其实是走不通的。

许多人对CPS或数字孪生的误解，也来自于这种模糊的认识。

有人认为，只要有了第一种模型，就容易建立CPS或者数字孪生，进而把CPS或数字孪生用于生产的管控。但他们没有意识到：前面是一种模型，后面需要的往往是第二种模型。于是，许多地方建立了好看而无用的数字孪生，而这些技术往往只能用来展示。  

CPS或者数字孪生中需要模型。模型也要按照前面的定义去做：为了特定应用目标，对实体进行的简化描述。所以，建立模型之前，要搞清楚“特定应用目标”到底是什么？否则，目标就成了给别人演示、好看不中用。  

最近我想，建立数字孪生的常见的用途（目标）有两种。一种比较简单，主要便于开发和维护人员；第二种则是用于智能控制。

第一种数字孪生的本质是数据的组织方式，是便于人类来用数据。这时，数字孪生的概念与程序设计中的“对象”差不多，便于开发人员使用数据进行开发和维护。

第二种场景是进行复杂的自动化生产，是便于机器用数据。这时，计算机必须知道加工对象的位置和状态，这些参数来自数字孪生。

比如，用在产品种类和加工方法频繁切换的自动化产线（其实就是智能化产线）。在这种产线上，机器需要进行不同的加工并随时切换加工参数。显然，机器要知道现在被加工的零件是什么、甚至要精确知道摆放的角度等参数。这时就可以用数字孪生来描述零件和产品的若干属性。  

我们注意到：如果工厂的物流运输不是全自动化的，计算机甚至都不能准确知道零件当前的位置，自然也就不能自动加工。所以，采用数字孪生的一个重要基础，往往是厂内物流的高度自动化。我参观过许多企业，对多数企业来说，往往是做不到的。另外，如果加工过程不是足够复杂，这种技术其实也是没有必要的。

这大概就是这种技术应用不太广泛的原因。