那么遠又這么近：數(shù)字孿生的非典型問題

年底了，會有各種各樣諸如《2019十大技術(shù)》《明年這五大技術(shù)改變世界》《這八個技術(shù)要變天，不知道你明年就別想加薪》之類的神秘文章出現(xiàn)。

其實吧，這類預測要么是常識，要么干脆不靠譜，真知灼見并不算多。然而假如有種技術(shù)，戀念登上這類榜單，那是不是有點尷尬？

這就像一個高中生，登上了學校發(fā)布的“明年這十個人能考上北大”，那顯然是值得高興的。但是假如三年連續(xù)榮登該榜，那家里估計會挺著急。

還真有這樣的技術(shù)，大家有興趣可以翻翻2016年到今天的這類預測榜單，會發(fā)現(xiàn)有種技術(shù)一直在上面，它叫做：數(shù)字孿生。

所謂數(shù)字孿生，用比較正式的話術(shù)解釋，就是指產(chǎn)品物理實體在信息空間中集成出仿真模型所達成的數(shù)字孿生體，以及利用數(shù)字孿生體實現(xiàn)產(chǎn)品生命周期檔案化管理的相關(guān)技術(shù)。

是不是沒聽懂？

沒事，無所謂的。說白了，數(shù)字孿生就是現(xiàn)實中有臺機器，咱們就在電腦里也搞臺一模一樣的虛擬機器。這樣把數(shù)字世界里那臺一頓折騰，看看它什么時候壞，咱就能預測真機器什么時候檢修了。

聽起來很靠譜對不對？事實上，數(shù)字孿生確實在各個領(lǐng)域都有著廣泛的應用前景，諸如建筑工程、智慧城市、航空設計，并且也是著名的德國工業(yè)4.0中探索的核心技術(shù)之一。西門子是目前世界上公認對數(shù)字孿生投入最大，探索最深入的公司。

然而問題來了，為什么這個聽上去很踏實的技術(shù)，卻永遠活在“明年一定要火”的預測里呢？

這項技術(shù)真的就是物聯(lián)網(wǎng)世界中的“屠龍之術(shù)”，沒什么實際用處嗎？

本文就是解答這些問題的，要不然我說這么多干嘛？但是要注意，在第一段結(jié)尾我們要經(jīng)歷一個邏輯轉(zhuǎn)彎，大家一定要跟上哦。

為什么它永遠活在“明年”？

《航空周報》曾經(jīng)做過這樣一個預測：2035年，當航空公司接收一架飛機的時候，將同時收到一套數(shù)字飛機。這套數(shù)字飛機包含真飛機的每一個部件，每一個結(jié)構(gòu)，并且伴隨著真飛機的每一次飛行而老化。這樣飛機有任何問題，都可以在數(shù)字孿生系統(tǒng)中被預先感知到，從而將航空安全邁向新的臺階。

但是這種想法隨之遭到了航空界業(yè)內(nèi)人士的反對，他們認為依靠虛擬映射去判斷飛機故障，才是真正靠不住的歪理邪說。飛機在每次飛行中所受到的氣壓、氣流、溫度差異，都在不同程度影響飛機機械構(gòu)造。而這種影響是虛擬世界無法精細反射出來的，依靠數(shù)字系統(tǒng)去判斷飛機的真實情況，才真正可能將飛機帶向危險。

這個爭論反應了數(shù)字孿生領(lǐng)域的一個先天問題：數(shù)字孿生作用于制造業(yè)等領(lǐng)域的想法很好。然而數(shù)字孿生又無法真正復制物理細節(jié)，但工業(yè)體系卻有必須保障高度精準。導致這類技術(shù)失蹤在看上去很酷，和實際沒人用之間徘徊。

這里必須要澄清一個概念，從2002年密歇根大學教授Dr. Michael Grieves第一次公開提到數(shù)字孿生概念開始，它就不是某種技術(shù)方式序列，而是一個技術(shù)目標。

就像AI，人工智能實際上是對模擬人類智慧、思維、情感的若干種技術(shù)實現(xiàn)方式的合集，而不僅僅是專家系統(tǒng)或者機器學習。數(shù)組孿生也是一樣，它是一種以復制現(xiàn)實中生產(chǎn)系統(tǒng)為目標，各種技術(shù)解決方案構(gòu)成的技術(shù)集群，而不是真的有一種技術(shù)叫做數(shù)字孿生。

在我們一般意義上討論的數(shù)字孿生中，設計物理仿真、傳感系統(tǒng)、大數(shù)據(jù)、沉浸技術(shù)、物聯(lián)網(wǎng)數(shù)據(jù)可視化技術(shù)等方方面面?？傊?，能夠參與到物理生產(chǎn)系統(tǒng)復制這個目標中來的技術(shù)，都可以算作數(shù)字孿生的構(gòu)成部分。

而恰恰由于這些技術(shù)中的某幾項近年正在經(jīng)歷快速發(fā)展，所以數(shù)字孿生也頻頻登陸預測榜，讓人覺得這項技術(shù)很快就來。

然而真的想在虛擬世界中，徹底復制一個生產(chǎn)線、一架飛機，卻會遭遇到若干阻礙，比如說：

1、缺乏通用平臺。數(shù)字孿生涉及設計、傳感、虛擬現(xiàn)實、數(shù)據(jù)標識、物理虛擬等多個維度的技術(shù)。這些是很難在統(tǒng)一平臺中表示出來的。

2、真正需要孿生的設備并不多。讓我們回想一下，工廠里的機器大部分都沒有虛擬備份和隨時更新的影子系統(tǒng)，不也用的好好的嗎。所以數(shù)字孿生很可能其實是個商業(yè)空間非常狹小的技術(shù)服務種類。需要的行業(yè)并不多，并且以定制化需求為主。

3、物理表征依舊很難進行數(shù)字化模擬，今天很多物聯(lián)網(wǎng)云平臺提供的“數(shù)字孿生”服務，實際只能提供一個數(shù)據(jù)監(jiān)控和3D模型而已。

4、孿生一個龐大生產(chǎn)系統(tǒng)、工業(yè)系統(tǒng)，甚至交通系統(tǒng)，所需要的算力是驚人的。但是占用如此大算力是否能得到效益最大化回報卻值得懷疑。

這樣來看，真正全流程周期監(jiān)控和預測的數(shù)字孿生體系還是距離我們太遠了。但從某種程度上說，我們可以把各種現(xiàn)有技術(shù)叫做數(shù)字孿生的一部分，甚至CAD制圖也是在孿生生產(chǎn)系統(tǒng)。

但如果界定一個非常嚴格的界限，那么數(shù)字孿生可能還活在實驗室里。

但是先別急著失望，這個故事其實與人工智能在今天的情況依舊有點相似。比如說我們?nèi)绻胍獖W創(chuàng)那樣的人工智能，那可能得等到8102年，但如果想用人工智能完成個人臉識別啥的，那么2018就可以。

數(shù)字孿生也是如此，雖然理想中的工業(yè)數(shù)字孿生，甚至城市數(shù)字孿生并不靠譜，但如果我們把它當做一個思路，愿意承認不完整的數(shù)字孿生同樣有價值，那么在這兩年的產(chǎn)業(yè)服務市場中，或許會有意外發(fā)現(xiàn)。

比如說，依靠數(shù)據(jù)挖掘+物聯(lián)網(wǎng)云+AI這條技術(shù)軌跡，達成的工業(yè)數(shù)據(jù)的數(shù)字孿生，正在展現(xiàn)出巨大的潛力——并且不用等到明年再說。

這個邏輯的關(guān)鍵節(jié)點在于，我們?yōu)槭裁匆欢ㄒ窨苹秒娪袄镆粯樱谄聊簧峡吹揭粋€可拆卸可組裝，保留全部物理特性的機器呢？我們只要通過虛擬世界的測算和分析，讓機器散發(fā)出更大的生產(chǎn)力就好了。

機器學習+數(shù)據(jù)挖掘，正在某種程度上激活數(shù)字孿生

大部分工業(yè)生產(chǎn)設備，本質(zhì)上就是投入生產(chǎn)材料，產(chǎn)出生產(chǎn)結(jié)果的數(shù)據(jù)運算。其中資源使用數(shù)量、良品率、生產(chǎn)效率、生產(chǎn)結(jié)果，這些最關(guān)鍵節(jié)點也都是數(shù)據(jù)。如果我們放棄直接可視，保留物理特性的數(shù)字孿生，而僅僅把數(shù)據(jù)系統(tǒng)孿生出來，似乎在技術(shù)上并不需要面對特別的挑戰(zhàn)。

隨著云計算和數(shù)字化升級這些理念的興起，越來越多的云服務商和企業(yè)數(shù)字化服務商，開始基于數(shù)據(jù)采集，提供數(shù)據(jù)層面的系統(tǒng)孿生服務，比如甲骨文很早就提供類似能力。

但是對于企業(yè)來說，比較尷尬的地方在于，我的機器被孿生之后，我到底能夠得到什么呢？看到屏幕上一大堆數(shù)字在跑，這個似乎對于企業(yè)的意義并不大。所帶來的提升無非兩點，一個是企業(yè)管理者和工程師可以更精準的看到全局數(shù)據(jù)；而是企業(yè)數(shù)據(jù)有了備份，一旦出問題可以查詢。

這兩點當然也是有意義的，但與不菲的服務費相比，似乎就值得思考一下了。

而AI的到來，確切說就是數(shù)據(jù)挖掘技術(shù)與機器學習技術(shù)的融合，正在激活這種簡陋版數(shù)字孿生的新活力。

在傳統(tǒng)意義上，一間工廠里的各種原材料、設備、人員和質(zhì)量檢測，是分別獨立的生產(chǎn)系統(tǒng)，相互合作更多憑借工人經(jīng)驗。所謂生產(chǎn)線，往往也是要給上一流程環(huán)節(jié)保留最大化生產(chǎn)時間，再進入下一流程中。

這就像一個大霧天的路口，因為害怕撞車，所以必須等前一輛車過去很遠，后一輛車才敢開過去。極大的生產(chǎn)效率也就在其中被浪費。而假如我們利用機器學習技術(shù)，利用數(shù)字孿生體系中模擬生產(chǎn)環(huán)節(jié)的連接，也就可以剝開生產(chǎn)環(huán)節(jié)間的認知迷霧，用上帝視角來指揮車間里的交通。

當然，機器學習+工業(yè)數(shù)據(jù)的想象力遠遠不止于此。能耗問題、配料問題、次品出現(xiàn)原因，等等工業(yè)生產(chǎn)中的問題都可以用類似能力來解決。

所以說，AI帶來的想象力，重新激活了數(shù)據(jù)孿生的企業(yè)應用價值。包括3D模擬機器，在很多AI算法的幫助下，預測受損點和檢修時間也在成為可能。

結(jié)果這個故事變成了這樣：在我們期待的全物理擬態(tài)數(shù)字孿生依舊遙遠的今天，數(shù)字孿生卻可能基于工業(yè)IoT+AI的落地，產(chǎn)生另一重價值。并且這個發(fā)展機遇，正在反向影響數(shù)字工業(yè)里的很多產(chǎn)業(yè)關(guān)系。

試用版數(shù)字孿生，同樣讓工業(yè)IoT亢奮不已

最后讓我們聊一下，數(shù)字孿生技術(shù)今天在AI+工業(yè)里帶來的一些改變。在聚焦越來越多活力的B端智能技術(shù)市場中，數(shù)字孿生的價值在于為企業(yè)提供一個可以備份、轉(zhuǎn)移、在虛擬世界進行學習和邏輯分析的參照系。很多智能工業(yè)平臺中都引入了數(shù)字克隆的部分，而為企業(yè)提供數(shù)字孿生基礎上的增值服務，也在變得越來越多樣。

在工業(yè)IoT體系中，比較主流的智能化要經(jīng)歷這樣一個流程：首先基于數(shù)據(jù)收集和傳感體系，在盡量完善的部分搭建數(shù)據(jù)采集系統(tǒng)；然而基于IoT云進行數(shù)據(jù)上傳，這樣企業(yè)就有了數(shù)字化基礎；而后采用數(shù)字孿生解決方案，在虛擬平臺中搭建抽象化的工業(yè)設備鏡像；繼而根據(jù)具體目標，利用深度學習算法一類的技術(shù)完成對數(shù)據(jù)的智能分析，給出優(yōu)化生產(chǎn)流程的可行性分析；最后基于分析結(jié)果，進行各環(huán)節(jié)的技術(shù)優(yōu)化與人工優(yōu)化。

這當然僅僅是個基礎邏輯，在解決具體問題時，企業(yè)要經(jīng)歷千變?nèi)f化的特殊問題處理。而數(shù)字孿生在整個工業(yè)智能化體系中，帶給企業(yè)以很多新的可能性。比如：

1、工業(yè)IoT的門檻被降低。遠程分析、數(shù)據(jù)集中監(jiān)控等工業(yè)生產(chǎn)的互聯(lián)網(wǎng)化方案成為可能性。一家企業(yè)不見得必須雇傭強大的數(shù)據(jù)專家或者AI學者，而可以通過數(shù)字孿生的方式遠程找到工業(yè)優(yōu)化方案。

2、定制化生產(chǎn)更加容易。通過數(shù)字孿生技術(shù)搭配AI，企業(yè)將更加容易解決定制化工業(yè)產(chǎn)品的設計與生產(chǎn)關(guān)系問題。精細化生產(chǎn)和快流程生產(chǎn)都變得更加容易。

3、企業(yè)的“經(jīng)驗”也可以被孿生。今天很多企業(yè)不愿意嘗試數(shù)字化轉(zhuǎn)型，原因在于企業(yè)中很多生產(chǎn)流程是一步步探索，手耳相傳的抽象經(jīng)驗。盲目數(shù)字化可能會造成工人的不適應，反而降低生產(chǎn)效率。而數(shù)字孿生帶來的另一個可能，是基于機器視覺和數(shù)據(jù)吸收裝置，企業(yè)可能將生產(chǎn)經(jīng)驗、流程習慣等無法具現(xiàn)化的東西，在數(shù)據(jù)平臺上孿生出來。達成行業(yè)經(jīng)驗與工業(yè)實體的數(shù)字融合。

雖然目前我們只能用到試用版的簡裝數(shù)字孿生技術(shù)，甚至很可能不叫這個名字。但是放在一個技術(shù)體系的改觀里，這項技術(shù)確實可能帶給實體經(jīng)濟以不小的啟迪。雖然影子飛機那樣的數(shù)字孿生可能還有在等上若干年，但是又有什么所謂呢。

就讓預測歸預測，實干歸實干，很多技術(shù)并不一定要等到完全成熟才可以應用，這個非典型案例里，或許能讓我們獲得一種比較典型的技術(shù)可能性。