在物聯網 (IoT) 無處不在的連接和低成本傳感器的推動下，數字孿生 (DT) 模型正迅速走進制造業和其他行業。不過實施DT計劃將對信號鏈的各個層級提出嚴格要求，特別是在靠近或位于孿生機器的邊緣節點上。在本文中，我們將簡單介紹傳感器和邊緣節點架構，說明邊緣節點的重要性，并討論邊緣節點通信，幫助大家最大限度地發揮DT的全部潛力。

傳感器和邊緣節點架構

數字孿生架構非常類似于三層物聯網架構（圖1）。

位于邊緣節點的傳感器收集有關作業裝置（如工業機器人、飛機發動機或風力渦輪機）運行狀況的實時信息，并通過有線或無線局域網 (LAN) 傳輸這些信息。

網關節點與多個邊緣節點通信（可能使用各種協議），并將這些信息整合到廣域網 (WAN) 中。

企業節點接收網關數據，將其應用于數字模型，并傳送結果。

有了足夠精確的模型和高質量的數據，DT就可以預測故障、提高效率，甚至改變實際操作。

邊緣節點的重要性

DT需要現實世界持續不斷的高質量數據流來驗證虛擬機相對于其對應物理機的性能。否則，現實世界和虛擬世界會逐漸分化，DT的計算和預測將毫無價值。

邊緣節點是這個數據收集過程的基礎，因為它包含負責收集現實世界、操作和環境數據的傳感器，并包含向上游發送這些信息的通信鏈路。如果DT可以對物理過程進行更改，邊緣節點還會包含允許此過程發生的執行器。

傳感器測量分為兩類：

操作測量（與機器或設備的物理性能有關），如抗拉強度、速度、流量、位移、扭矩、作業溫度或振動

環境或外部數據（影響物理過程的運行），如環境溫度、大氣壓和濕度

邊緣節點傳感器可以有多種形式。溫度傳感器、壓力傳感器、稱重傳感器和加速度計等設備測量現實世界的特性并生成數字信息。傳感器融合系統將多個傳感器的結果整合在一起，形成單一設備無法提供的洞察力。攝像頭和麥克風使用復雜的非結構化信息創建視頻和音頻流，這些信息需要經過大量處理才能解釋。

傳統機器帶來挑戰

理想情況下，DT設計是從對現實設備建模的數字設計開始，因此提供實時數據的傳感器可以包含在模型中并傳遞到最終版本。在石油和天然氣、核能、航空航天和汽車工業的許多高科技應用中，都是如此。但如果在實現虛擬模型之前去設計機器，就會出現問題。升級邊緣節點以激活數字孿生會帶來一系列新的挑戰。

傳統行業的設計師很少有機會從頭開始設計DT在現實世界的孿生產品。他們經常是必須使用現有的工廠基礎設施，而這些基礎設施可能已經運行了好幾年，甚至幾十年。如果是這樣，DT基礎設施就必須“嫁接”到現有系統上。盡管底層系統可以改造為支持數字孿生技術，但如果現有機器很少或沒有傳感器來監測其性能，那么集成過程的復雜度會呈指數級增長。在這種情況下，數十到數百個傳感器必須嫁接到一臺機器上，而這臺機器卻沒有采納這種先進技術的設計。

即使原來的機器安裝了傳感器，傳感器的精度也可能不足以為數字模型提供有用的數據。例如，安裝的溫度傳感器只能檢測溫度過高故障，但不提供識別溫度過高應力模式所需的數據質量，導致無法幫助提前預測故障。

已有通信網絡的容量是另一個潛在問題。傳統的物聯網設備使用許多不同的有線和無線標準將邊緣節點連接到各自的網關。這些標準包括以下行業標準：

Zigbee? - 適用于低功耗網狀網絡應用

Sub-1GHz –適用于低功耗和長距離傳輸應用

Wi-Fi – 適用于高速、直接的互聯網連接

藍牙 - 功耗最低

其他

每個標準都必須經過仔細評估，以確定它是否能夠處理數字孿生數據所帶來的負荷增加。

現有DT應用中的常見實例

盡管在許多行業，數字孿生尚處于起步階段，但許多技術產品在第一個原型出現之前就已經在虛擬世界進行了設計、測試和驗證；另外這些產品還傾向于從專門的實時傳感器收集大量數據。飛機發動機和F1?賽車就是兩個很好的例子：

飛機發動機

飛機發動機已經裝備了很多的儀器儀表。傳統的渦扇發動機（圖2）包含用來測量壓力、溫度、氣流、振動和速度的傳感器。每種類別都有多個專用傳感器。例如，對于壓力，有渦輪壓力、機油壓力、機油或燃油濾清器壓差、失速檢測壓力、發動機控制壓力、軸承室壓力等傳感器類型。

DT比傳統的監控應用需要更多的數據，因此它的傳感器設計必須適應不斷增加的需求。盡管目前大多數在役飛機的發動機所包含的傳感器少于250個，但制造商正在展示下一代兼容DT的產品，其中包含5000多個傳感器。另外還有數據來自于監控燃油流量、燃油和機油壓力、海拔高度、空速、電力負荷和外部空氣溫度的傳感器。Rolls-Royce、GE和Pratt & Whitney公司已經在使用DT來提高發動機可靠性、提升其效率并降低維護成本。

一級方程式 (F1) 賽車

DT技術有助于提升駕駛員和賽車在F1比賽高壓力環境下的表現（圖3）。例如，邁凱輪-本田車隊使用200多個傳感器來傳輸與發動機、變速箱、制動器、輪胎、懸架和空氣動力學有關的實時數據。在比賽過程中，傳感器向位于英國沃金的邁凱輪技術中心發送最多達100GB的數據，在那里分析人員研究數據并使用DT將最佳比賽策略發送給駕駛員。DT以虛擬方式與實體車一樣比賽，甚至根據相同的路況、天氣和溫度進行調整。

DT 邊緣節點架構的未來

如果要全面實現DT模型，必須解決現有邊緣節點架構的幾個問題：

智能傳感器和邊緣節點處理

隨著傳感器收集的數據量不斷增加，清楚地了解如何在數字模型中使用數據以及在哪里處理數據（在節點、網關還是云中？）就變得非常重要。在節點上處理會減少網絡帶寬的消耗，但會有信息丟失風險，從而導致DT性能降低。

傳感器的類型會影響最終決定。盡管許多傳感器是以易于使用的結構化格式傳輸信息（例如，傳輸表示壓力的數字），但諸如麥克風和圖像傳感器之類的傳感器會生成大量的原始數據，這些數據是非結構化的，不經過大量處理根本無法使用。

增強的通信接口

盡管增加了邊緣節點的處理能力，但大幅增加的數據流將要求系統設計師在所有層級增加網絡帶寬。例如，飛機的每臺發動機每秒產生最多5GB數據，而商用雙發動機飛機每天產生最多844TB數據。

傳統行業會產生大量數據，也會帶來額外的復雜性：傳統工業物聯網應用中的許多遠程邊緣節點使用電池和低性能無線協議來實現低功耗優化。現有的設計權衡可能需要重新評估以檢測通信瓶頸。

穩健的邊緣節點安全性

現有物聯網的邊緣節點設備中出現了新的安全問題，加密、安全硬件設計、應用程序密鑰和設備證書等安全措施變得越來越普遍。DT應用的增加將提高這些技術的重要性，特別是在增加了互聯網協議 (IP) 連接的節點上，這種連接為潛在的黑客提供了一個攻擊入口。

結論

實施DT計劃將對信號鏈的各個層級提出嚴格要求，特別是在靠近或位于孿生機器的邊緣節點上。邊緣節點是數字孿生的基礎，因為它包含負責收集現實世界、操作和環境數據的傳感器，并包含向上游發送這些信息的通信鏈路。目前，數字孿生已在航空航天和汽車等行業得到應用，在這些行業中，有許多數字孿生所必需的專用傳感器。在改造設備以支持數字孿生時，必須將幾十到數百個傳感器嫁接到從未設計為容納它們的機器上。為了使數字孿生繼續獲得發展，有多種解決方案非常重要，它們必須考慮傳感器以及邊緣節點處理、通信處理和邊緣節點安全性。

審核編輯：郭婷