谈谈数字孪生与工业互联网

简介: 什么是数字孪生?数字孪生是物理系统的虚拟副本。

什么是数字孪生?数字孪生是物理系统的虚拟副本。这个定义看起来很形象,这个简单的定义是迈克尔·格里夫斯博士在2002年创造的,体现了这个术语的本质,这个概念最早被美国宇航局用于太空探索任务。最初,美国宇航局有一对物理孪生体:地球上真实的宇宙飞船的物理拷贝来反映遥远宇宙飞船的状态。

现在,数字孪生正在影响所有行业,主要是制造业、汽车业、建筑业、公用事业和医疗保健业。数字孪生不仅在系统运行期间使用,而且在设计和构建阶段也能使用。

首先,了解下用于数字孪生的当前技术以及构成体系结构的技术,其中数据管理、数据库和(实时)机器学习在这方面起着至关重要的作用。我们解释了技术基础,下面讨论下目前存在的不同类型的数字孪生。

一、数字孪生的结构

数字孪生正在连接物理世界和虚拟世界。我们早就已经这么做了,ERP(企业资源规划)不就是通过虚拟拷贝来管理物理资产吗,客户数据库中的每个记录不是真人的数字孪生吗?但是,要想让数字孪生真正RUN起来,我们需要做两件事:

  • 实时数据集成
  • 实时机器学习

1、实时数据集成

我们已经做了几十年的批量数据集成,但并没有真正考虑实时数据集成。因此,类似于IBM StreamsApache FlinkApache Spark Structured StreamingApache KafkaNode RED的方案应运而生。

Apache Spark特别有用,因为它将批处理与流式处理结合起来。apachesparkversion2.3使用微批处理,与Apache FlinkIBM Streams的性能接近,更接近于实时数据集成的解决方案。

边缘计算是工业互联网中的实时数据集成重要的部分,不必总是将数据集成到一个集中的云存储中。它也可以分布在各种各样的边缘上,并且可以在最有意义的地方直接处理。边缘计算解决了三个主要问题:

  • 网络分区。越靠近边缘,网络连接就越不可靠。因此,一种更智能的本地数据处理方法可以缓解边缘断开的问题。
  • 网络延迟。越接近边缘,解决方案中的网络延迟就越大。关于边缘数据的决策避免了这种延迟,因此决策速度更快。网络延迟是一个重要的特性,因为大多数工业互联网传感器数据在几秒钟内就失去了价值。例如,在一辆自动驾驶的汽车里,当一个孩子跑在汽车前面时,你不能再等250毫秒才停下来。
  • 数据隐私。工业互联网传感器,包括摄像头和麦克风,正在捕获非常有价值的数据。但它们也引起了人们对数据隐私的高度关注。如果数据是在边缘直接处理的,那么关键信息永远不需要离开这个小边缘设备。例如,电梯的占用率一旦通过视频流进行测量,就可以优化调度和楼层分配,以减少等待时间,提高电梯的工作负荷。但是,您永远不希望电梯内的视频流离开边缘设备。

2、实时机器学习

传统的ERP系统是基于规则的系统。这些规则是在软件中手动实现的,主要是业务人员查看历史数据和使用过程,涉及到很多手工工作,而且这些规则很少改变。

在数字孪生中,数据是实时接收和处理的。这允许物理系统的模型实时作用于数据,例如由机器学习支持的黑盒模型或由领域专家定义的白盒模型;异常检测器将发出警报并关闭生产线,以防止进一步损坏;在数字孪生机上模拟不同参数集的结果后,用最优参数集更新实际系统等。

大多数机器学习模型都是在静止数据上训练的。因此,我们需要将所有实时数据存储在能够高效检索的地方:

  • 许多机器学习算法也可以使用windows系统通过数据流进行训练。实现机器学习的一个关键阶段是超参数调整阶段,在这个阶段,您可以多次使用更改的参数配置重新运行模型训练,以获得最佳结果。这种调整超参数配置的过程在数据流上要困难得多,因为如果有新的想法或想测试一个新的算法,数据已经消失了,因为它没有被存储。
  • 在实时模型训练中,系统性能必须始终与数据到达率保持同步。否则,缓冲区会溢出,系统会被破坏,数据将会丢失。
  • 由于windows上的训练减少了时间带宽,因此不能考虑时间和距离的因素。

所以实际上我们需要同时做这两件事,实时数据流上的数据处理和历史数据上的数据处理,我们也必须要建立一个历史数据汇集库。

二、工业互联网数据管理挑战

工业互联网数据的数据处理无疑是相当具有挑战性的。主要是因为大量数据以高速到达。正如我们之前所了解到的,获取模型培训的历史数据可能是至关重要的。但在我们讨论最佳工业互联网数据存储之前,让我们考虑其他一些同样重要的东西:元数据。

数字孪生通常反映数千个传感器参数。为了不丢失,使用元数据数据库。在实际中,我们使用一个图形数据库,因为这允许我们在层次结构中对物理系统建模。例如,数据中心由3栋楼组成,每栋楼28层,每层楼有不同的房间,每个房间有不同的传感器。因此,使用层次图查询,可以选择需要考虑特定下游分析任务的相关数据源。

垃圾数据是任何IT系统中的一个常见问题,因此工业互联网系统也不例外。很多人在他们的工业互联网解决方案中使用时间序列数据库,因为它们承受高吞吐量接收和高效的时间查询。我也提供一个项目上的案例看看是怎么做的。我们使用云对象存储和一个简单的文件夹方案:

传感器UUID//////秒。

为每个传感器创建每1秒时间窗口的索引。UUID避免了冲突,可以在元数据存储库中查找元数据。甚至不必在乎这些数据是否分布在多个工业互联网边缘,因为要么跟踪包含特定传感器UUID的数据分区的索引,要么只要求它们全部。

因此,工业互联网传感器数据仅是“附加”数据,它是由每个传感器UUID的一个线程编写的。云对象存储现在可以并行到文件夹的最低级别(秒),这意味着我们可以获得无限的线性可伸缩性!

在第二个文件夹中,使用的是Apache Parquet文件,其中压缩了数据(以加快I/O速度并以列格式存储),可以使用Apache SparkSQL开箱即用来获得所有数据的SQL视图,其中备份、复制和扩展由云对象存储负责。

三、数字孪生的不同类型

现在我们已经了解了数字孪生的基本架构和数据管理挑战,让我们来看看不同类型的数字孪生。在我们谈论数字孪生时,最常想到的是一个软件解决方案以数字方式镜像生产系统,但还有更多。生产系统在建立之前就已经有了历史,而数字孪生可以支持一个产品的完整开发周期。因此,Reason代表产品规划阶段,Realize代表产品生产阶段,Run代表产品部署阶段。三个不同的数字孪生,都在同时工作。也就是说,部署产品的数据可以影响新版本产品的计划和生产。

下面,让我们了解一下不同类型的数字孪生:

  • 部分孪生。数字孪生与一个大系统的一部分相连。例如,发电企业生产车间的轴承。这种轴承在运行时可以有一个数字孪生,这可以了解它的运行状况,如估计平均故障间隔时间(MTBF)或平均失效前时间(MTTF)。这些数据可以从当前数据(如振动传感器数据或声音)中导出(预测或建模),也可以从设计或制造阶段的数据(如设计了什么样的齿轮齿形或使用了什么样的成型刀具制造)。当然,在零件操作过程中发现的可以反馈到设计和制造阶段。
  • 产品孪生。产品孪生基本上是一组反映其相互作用的部分孪生体。从软件产品的角度来看,产品孪生通常是相同的,因此可以通过向下钻取从产品孪生访问部件孪生。发电企业发电机是双轴承产品的一个例子,它有多个轴承和部分双轴承。
  • 系统孪生。系统孪生比产品孪生更上一层楼。同样,系统孪生很可能在同一个软件产品中实现,提供与产品或部分孪生相似的功能,但它只是整个系统的一个视图。所以让我们继续以发电企业为例,一个系统孪生(取决于它的定义)可能反映历史和当前状态,并预测一个发电厂、整个发电厂、甚至一个电网分区的特定动力传动系统的未来状态。

还有很多不同类型的数字孪生,取决于你问谁和怎么定义,但以上已经涵盖了最重要的类型。

四、数字孪生的发展趋势

数字孪生还处于初步发展阶段,但发展速度会很快。“尽可能多地输入数据并运用于人工智能”—这通常是信息服务商销售数字孪生解决方案的理由。事实上,这并没有错。数字孪生得益于存在大量机器生成的数据,这是其他数据科学学科所没有的奢侈品。当有大量的数据时,使用深度学习模型开始变得可行。

数字孪生是控制中心的新版本,它将历史和当前系统状态与未来预测状态结合起来。向下钻取功能允许用户深入研究单个产品或产品部件,但也显示了允许高度复杂优化任务的全局。数字孪生不仅在操作上有用,而且在考虑产品设计和制造时也能充分发挥其潜力。

相关文章
|
23天前
|
机器学习/深度学习 传感器 安全
数字孪生背后的关键技术是什么?
数字孪生(Digital Twin)背后的关键技术:
38 0
|
人工智能 数据挖掘 大数据
(信息化,数字化,智能化)这是三种不同的概念吗?
“信息化”、“数字化”、“智能化”从字面意义上来看,这三个词的确代表了不同的含义。但是也不可否认,在目前我们可以接触到的信息平台来看。信息化、数字化、智能化很多时候都被混在一起了。提一家企业的信息化建设和数字化转型。在大多场景下的确就是一回事。
(信息化,数字化,智能化)这是三种不同的概念吗?
|
存储 数据采集 监控
谈谈工业企业中台建设
中台是数字经济时代赋能企业数字化转型的思想体系,实现效能提升、数据化运营,从而更好支持企业面对复杂多变的市场需求进行敏捷响应及快速创新。
谈谈工业企业中台建设
|
边缘计算 自然语言处理 供应链
学习笔记 | 从前沿技术到应用落地: 我们该如何看待数字化?
学习笔记 | 从前沿技术到应用落地: 我们该如何看待数字化?
108 0
|
传感器 机器学习/深度学习 数据采集
数字孪生——实现工业互联网的利器
你是否设想过在另一个平行时空中,存在另一个你?之于人,实现难度还太大,不过之于物,已经在探索和应用中。要用到的就是数字孪生技术,一起来了解一下吧~
496 0
数字孪生——实现工业互联网的利器
|
机器学习/深度学习 自然语言处理 机器人
设计思维推动数字化战略
数字化转型成功的核心原则是专注于客户需求。毕竟,如果企业没有与其客户建立良好的关系,那么提供他们想要的产品和体验几乎是不可能的。而这是Erich Umar在2016年入职State Street公司担任技术经验管理主管时所面临的挑战。
200 0
设计思维推动数字化战略
|
机器学习/深度学习 人工智能 算法
解读阿里云“万物智能”:务实和普惠是核心
解读阿里云“万物智能”:务实和普惠是核心
193 0
解读阿里云“万物智能”:务实和普惠是核心
|
传感器 机器学习/深度学习 人工智能
带你读《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.1 数字孪生(一)
《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.1 数字孪生
带你读《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.1	数字孪生(一)
|
传感器 边缘计算 人工智能
带你读《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.2社会发展的下一阶段:数字孪生世界
带你读《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.2社会发展的下一阶段:数字孪生世界
带你读《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.2社会发展的下一阶段:数字孪生世界
|
人工智能 物联网 大数据
带你读《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.4小结
《6G重塑世界》第三章移动通信发展推动社会走向数字孪生3.4小结