數字孿生體是云環境中物體或設備的實時表示，是物聯網解決方案的核心。一個物體或設備的數字孿生體就像JavaScript對象標記（JSON，JavaScript Object Notation）文檔一樣簡單，或者與實時數據交互的CAD模擬模型一樣復雜。

在本文中，我們專注于公有云供應商，例如微軟Azure、亞馬遜AWS和谷歌GCP，因為它們是物聯網應用程序的重要推動因素，并且它們為批量和實時分析提供經濟高效的存儲和計算基礎架構。

連接的設備和連接的工廠物聯網解決方案將真實的物理設備或物體（例如泵、發電機、自動售貨機等）建模為其相應的數字孿生體表示。

發電機組的數字孿生體

上圖顯示了一臺物理設備（發電機組）的JSON表示通過數字孿生體映射到一個位于云的基于“工業互聯網參考架構”的物聯網平臺。

公有云物聯網平臺非常適合用于表示物體或設備的本身，但它們缺乏對物體或設備之間的層次關系進行建模的能力。例如在物聯網平臺上利用數字孿生體對包含泵和槽裝置的泵站點進行建模。

數字孿生體中相關設備建模的挑戰包括：

對系統和組件之間的關系進行建模；

對系統組件之間的“繼承”進行建模；

利用數字孿生體表示系統結構的相關問題；

由于操作技術和信息技術團隊之間的需求不能完全表達清楚，目前的工具不適合的問題；

利用工廠車間設備的現有語義表示（OPC UA信息建模、SensorML和S95）；

其他問題。

本文提出了一個如何解決這些挑戰以生成復雜系統（如工廠）的數字孿生體表示的獨特方法。

讓我們以一個用例說明數字孿生體如何在工業物聯網解決方案實施中發揮核心作用。圖45描繪了一個水泵站的簡化表示。我們以不同顏色來表來指示靜態、命令和被報告的遙測值。

我們區分出了至少兩種作為水泵站部件的設備：水泵站設備=水箱設備+水泵設備

水泵站的數字孿生體建模

讓我們來創建每個設備的基礎JSON表示，最后創建整個水泵站的JSON表示。

首先創建水箱設備的JSON數字孿生體表示。

水箱的JSON數字孿生體模型

正如所看到的，水箱的JSON表示有一些基本不會發生變化的“靜態屬性”（比如名字、位置、水箱高度等）和“遙測屬性”（比如外部溫度、水位高度、進水水流等）。水箱的JSON表示沒有包括“命令”。GUID#1是被生成的識別此設備的唯一身份編碼。

我們可以得到其他的運營信息，比如：

可用的瞬時水量，

利用可用水量支持水流量的能力，

根據歷史數據模擬出水流量。

接下來水泵設備的JSON數字孿生體表示是：

水泵JSON數字孿生體模型

與水箱設備相似，水泵的JSON模型展示了靜態屬性、遙測數據和命令。GUID#2是被生成的識別此設備的唯一身份編碼。我們再一次可以獲得其他的運營信息，比如：

計算水泵是否能跟上即將到來的供水量；

使用歷史功率、流量或累計運行時間等的水泵的預測性維護警報。

水泵站設備是水箱和水泵設備的總和（甚至更多）。針對討論，我們提出了水泵站表示的建議方案。

水泵站JSON數字孿生體模型

我們賦予每個子孿生體一個唯一的標識符，通過引入子孿生體將相應的水箱和水泵設備連接起來。這清楚地模擬了這三種設備之間的物理關系。水泵站表示與子設備的任何靜態或動態屬性相關聯，而同時泵站設備管理著對每個子孿生的命令。

以上是通過數字孿生體表示來模擬物理世界復雜性的第一個基本步驟。接下來，我們想通過添加圍繞子孿生體的“邏輯規則”來擴展該模型。

水泵站數字孿生體的高級建模

上文提出的模型包含一個數字孿生體表示，它封裝了物理組件及其關系的行為。通常，這種復雜的建模需要超出基本物聯網框架的專有云后臺支持，但我們希望在不久的將來，云平臺即服務（PaaS）基礎架構將在本地支持這一點。

接下來我們來看看現有的工廠車間標準，這些標準已經具備了物件或設備的語義以及如何利用這些標準來加快完成工廠數字孿生體表示的創建。

對于智能工廠應用而言，數據一般來自可編程邏輯控制器、驅動器、歷史數據庫等。過去，數據借助“原子”數據點或標簽的列表進行收集。

OPC UA（OPC Connect）、SensorML、SSW（語義傳感器網絡）、Sensor Grid等標準結合語義信息，被用于捕獲這些工廠車間設備之間的關系。這與上面的例子類似，但是要復雜得多——因為工廠有數千個數據點，并且設備之間有許多層次關系。

OPC UA的信息建模功能是最符合模型設備及其關系的要求的標準，應該用于為智能互聯工廠或互聯設備創建數字孿生體表示的語義本體。

一個對象的OPC UA表示

這種表示遵循對象導向的方法：對象可以由物體和屬性構成；對象經過分類，它們之間的關系可以建模。

OPC UA設備示例

上圖是一個溫度控制器被表示為設備對象的例子。組件參數集包含了描述設備的所有變量。組件方法集包含設備提供的所有方法。這兩類組件都是從拓撲元素類型（TopologyElementType）繼承而來?！巴負湓仡愋汀笔窃O備對象類型層次結構中最基本的對象類型。

另一種對象類型“功能組類型”（FunctionalGroupType）用于將設備的參數和方法分組為邏輯組。“功能組類型”和分組概念在統一架構的DI部分中所定義，但這些分組是針對特定的設備類型的，即在此示例中“流程數據”（ProcessData）和“配置”（Configuration）由“溫度控制器類型”（TemperatureControllerType）定義。

OPC UA在行業中擁有廣泛的安裝基礎，是一個行之有效的標準。這為利用OPC UA信息模型自動生成相應物聯網數字孿生體的JSON表示提供了機會，并且避免了大型系統的繁瑣工作。

好處包括：

從現有模型自動生成的數字孿生體有更高的保真度；

減少工作量，因為翻譯工具能夠從OPC UA模型生成云表示；

更快的實施和縮短投入運營前所需的時間，原因與上述相同；

敏捷性、靈活性和可重用性；

一旦得到云物聯網框架的支持，模型復雜性具有可擴展性；

更廣泛的市場接受度（技術上和業務上）；

為了對大型智能工廠物聯網實施方案進行建模，新的標準需要解決如下問題：

擴展基本的數字孿生體表示以包含子孿生體層次結構，將一個行為建模為一系列邏輯規則。云供應商需要擴展當前的框架來支持這些高級模型，或者提供全面的應用編程接口（API）以允許第三方軟件公司擴展它們。

利用行業標準（如OPC UA信息建模）來捕獲設備之間的復雜關系，并自動生成現有已安裝設備的數字孿生體表示。

總體來說，數字孿生體為物聯網的應用帶來了好處：

云技術帶來了物聯網解決方案的全新時代（低成本、高存儲和計算能力、高信息吞吐量、信息安全性等）。

數字孿生體是一個互聯設備和智能工廠物聯網戰略的核心技術。

大部分云供應方已經為數字孿生體實施方案提供了一個平臺（亞馬遜的CoreGreenGrass、微軟的Azure IoT Hub、Google IoT等）。

目前，云物聯網框架僅支持基于專有后端代碼來模擬復雜系統的原子裝置表示。

工廠廠房標準，如OPC UA、SensorML、S95等，已經為大型設備和它們的關系提供了一個邏輯模型。

需要新標準才能將這些工廠車間模型遷移到云物聯網框架，從而加速實施智能工廠物聯網解決方案。

云框架應該擴展其物聯網框架以加速推進物聯網解決方案。另外，第三方軟件供應商可以基于云物聯網框架提供擴展。

這些新標準不僅僅是為了遷移現有的工廠車間標準，而是為了把握公有云帶給物聯網的巨大潛力。

* 以上文章是數字孿生體研究中心（DTRC，Digital Twin Research Center）學習研究數字孿生體高級應用的案例材料。歡迎國內外研究數字孿生體的專家和團隊聯系我們，共同交流利用數字孿生體構建工業互聯網體系的工作。