周涵婷，夏 敏

(蘭卡斯特大學(xué)工程學(xué)院，蘭卡斯特LA1 4YW)

大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算、信息物理系統(tǒng)和人工智能(artificial intelligence,AI)等新一代信息和通信技術(shù)的快速發(fā)展，為制造業(yè)智能化發(fā)展帶來新的理念、技術(shù)和應(yīng)用.通過融合新一代信息通信技術(shù)與先進(jìn)制造技術(shù)，制造業(yè)正逐步實(shí)現(xiàn)制造過程自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)等功能，促進(jìn)制造范式的智能化轉(zhuǎn)變[1].智能制造作為工業(yè)制造領(lǐng)域的創(chuàng)新模式，相繼出現(xiàn)在德國(guó)的“工業(yè)4.0”、美國(guó)的“工業(yè)互聯(lián)網(wǎng)”、歐盟的“人工智能”和我國(guó)的“中國(guó)制造2025年”戰(zhàn)略部署中[2].

在工業(yè)4.0背景下，智能制造通過物聯(lián)網(wǎng)采集到實(shí)時(shí)數(shù)據(jù)，輸入到以云計(jì)算為核心的大數(shù)據(jù)分析系統(tǒng)，依托人工智能預(yù)測(cè)制造過程可能存在的問題，采取預(yù)防性措施保障制造過程的安全性、可靠性和高效性[3].然而，如何實(shí)現(xiàn)物理世界和虛擬世界的交互共融，并對(duì)物理系統(tǒng)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和趨勢(shì)預(yù)判仍存在挑戰(zhàn)[4].以信息物理一體化為特征的數(shù)字孿生(digital twin， DT)技術(shù)的興起為解決上述挑戰(zhàn)提供了新思路和可能性.DT通過創(chuàng)建物理實(shí)體的虛擬模型，模擬物理實(shí)體在現(xiàn)實(shí)環(huán)境中的行為，實(shí)現(xiàn)虛實(shí)交互、多元數(shù)據(jù)融合、實(shí)時(shí)分析和決策優(yōu)化，從而為物理實(shí)體增加或擴(kuò)展新的功能[5].

目前，數(shù)字孿生在智能制造領(lǐng)域的應(yīng)用得到廣泛關(guān)注，并衍生出工業(yè)數(shù)字孿生系統(tǒng)(industrial digital twin system,iDTS)的概念，對(duì)其討論主要集中在故障預(yù)測(cè)與健康管理(prognostics and health management,PHM)方面[6].iDTS以先進(jìn)制造技術(shù)、傳感器技術(shù)、AI技術(shù)等為基礎(chǔ)，監(jiān)測(cè)復(fù)雜裝備全壽命周期過程，包括設(shè)計(jì)、生產(chǎn)、運(yùn)維服務(wù)等多個(gè)過程.通過采集到的實(shí)時(shí)數(shù)據(jù)評(píng)估設(shè)備或系統(tǒng)的健康狀態(tài)、開展故障診斷并預(yù)測(cè)剩余壽命，進(jìn)而提供維護(hù)決策和優(yōu)化方案，可提高設(shè)備或系統(tǒng)安全性、可靠性和可用性，降低維護(hù)成本和對(duì)維修人員的經(jīng)驗(yàn)依賴[7].盡管工業(yè)系統(tǒng)具備了大數(shù)據(jù)記錄、存儲(chǔ)和傳輸能力，并且覆蓋了仿真、設(shè)計(jì)、測(cè)試、運(yùn)維等多環(huán)節(jié)，但物理實(shí)體認(rèn)知不全、數(shù)據(jù)質(zhì)量較差、網(wǎng)絡(luò)安全風(fēng)險(xiǎn)高、更新過程滯后和AI建模不可信等問題依舊存在，阻礙DT在智能制造領(lǐng)域的多場(chǎng)景應(yīng)用.

考慮到DT系統(tǒng)的實(shí)時(shí)分析要求，在配置高性能計(jì)算機(jī)的同時(shí)，需要給予數(shù)據(jù)、模型、更新過程和應(yīng)用的信任保障，提高DT技術(shù)在智能制造應(yīng)用的可靠性[8].近年來，隨著可信AI的概念、技術(shù)和應(yīng)用的發(fā)展，其優(yōu)勢(shì)逐步在制造設(shè)備預(yù)測(cè)性維護(hù)和生產(chǎn)過程動(dòng)態(tài)監(jiān)控中得到體現(xiàn)，與DT技術(shù)的融合將為其在智能制造領(lǐng)域的應(yīng)用提供信任保障[9].結(jié)合國(guó)內(nèi)外高被引文獻(xiàn)和前沿研究成果，本文將圍繞可信DT的概念、內(nèi)涵特征、關(guān)鍵技術(shù)和智能制造領(lǐng)域應(yīng)用開展詳細(xì)綜述，闡明其發(fā)展機(jī)遇和挑戰(zhàn)，為可信智能制造新范式搭建應(yīng)用框架、探索發(fā)展方向，加快其在工業(yè)領(lǐng)域的推廣進(jìn)程.

1 DT發(fā)展歷程及可信DT的內(nèi)涵

1.1 DT的概念與發(fā)展歷程

“孿生”概念最早由美國(guó)宇航局在阿波羅太空計(jì)劃中提出，“DT”的概念則是由Michael Grieves教授在2003年提出，可以理解為“與物理產(chǎn)品等價(jià)的虛擬數(shù)字化表達(dá)”[10].在2003—2005年解讀為“鏡像空間模型”[11]，2006—2010年被理解為“信息鏡像模型”[12].2011年，Michael Grieves教授在著作中引用合作者John Vickers的描述，將其正式命名為“DT”[13].2012年，NASA發(fā)布“建模、仿真、信息技術(shù)和處理”路線圖，此后DT成為航空航天領(lǐng)域的熱點(diǎn).2014年，Michael Grieves發(fā)布DT白皮書[14].2017年，由北京航空航天大學(xué)的陶飛教授團(tuán)隊(duì)引入DT概念并加以推廣[15].2017—2019年，Gartner公司連續(xù)3年將DT列為十大戰(zhàn)略技術(shù)之一.2020年，《NASA技術(shù)分類》發(fā)布再次強(qiáng)調(diào)了DT在仿真建模、機(jī)械系統(tǒng)和制造等諸多領(lǐng)域的應(yīng)用潛能[16].同年，“基于DT的仿真系統(tǒng)及其方法研究”入選了中國(guó)工程院發(fā)布的Top10工程管理領(lǐng)域開發(fā)前沿.DT相關(guān)理論、方法和應(yīng)用已成為研究熱點(diǎn)，對(duì)其定義解讀呈現(xiàn)多樣性，見表1.

表1 DT的定義匯總

對(duì)DT的理解從高保真模型、與物理對(duì)象的連接發(fā)展到映射關(guān)系的動(dòng)態(tài)性，其核心包含了3個(gè)關(guān)鍵組成部分：物理系統(tǒng)、虛擬表示和兩者間交換信息，即三維模型[14].結(jié)合產(chǎn)品全生命周期的應(yīng)用場(chǎng)景，Tao等[19]在三維模型基礎(chǔ)上補(bǔ)充了數(shù)據(jù)和服務(wù)，形成了認(rèn)同度較廣的五維模型.其中，認(rèn)知物理實(shí)體是構(gòu)建高保真虛擬模型的基礎(chǔ)，精準(zhǔn)的虛擬模型可有效模擬物理對(duì)象，實(shí)時(shí)數(shù)據(jù)更新模型并通過數(shù)據(jù)分析結(jié)果控制物理實(shí)體.

1.2 可信DT的內(nèi)涵與特征

在DT運(yùn)行過程中，物理模型的高保真性、虛擬模型的不確定性、數(shù)據(jù)完備性和安全性、更新過程的實(shí)時(shí)性依舊是其多場(chǎng)景應(yīng)用的難點(diǎn)，這就意味著模型需要準(zhǔn)確且高度可信，能夠采集實(shí)時(shí)數(shù)據(jù)并進(jìn)行安全儲(chǔ)存與傳輸，并以數(shù)據(jù)驅(qū)動(dòng)模型更新參數(shù)，進(jìn)而實(shí)現(xiàn)虛實(shí)共生迭代和動(dòng)態(tài)自主決策[25].因此，盡管DT應(yīng)用前景廣闊但實(shí)踐推廣受阻，存在“算不了”、“算不準(zhǔn)”、“算不快”、“測(cè)不了”、“測(cè)不全”和“測(cè)不準(zhǔn)”等問題，融合機(jī)理模型和實(shí)時(shí)數(shù)據(jù)成為破題關(guān)鍵，降低不確定性、提高可靠性依舊是難點(diǎn)和重點(diǎn)[26].

近年來，可信AI理念和技術(shù)得到快速發(fā)展，2019年，歐盟議會(huì)法律事務(wù)委員會(huì)(JURI)發(fā)布《可信 AI 倫理指南》，提出要保證AI技術(shù)的準(zhǔn)確性、穩(wěn)健性和安全性，需要保護(hù)用戶隱私和開展數(shù)據(jù)治理，確保AI技術(shù)應(yīng)用的安全、透明和可解釋性[27].當(dāng)下，在要求AI預(yù)測(cè)準(zhǔn)確性和穩(wěn)健性的同時(shí)，評(píng)估預(yù)測(cè)結(jié)果的可靠性和有效性更為重要，即以可信任的方式量化建模過程的不確定性，這將成為可靠決策的關(guān)鍵支撐[9].可信AI技術(shù)為DT的可信化發(fā)展奠定了良好基礎(chǔ)，為高價(jià)值和關(guān)鍵安全場(chǎng)景應(yīng)用提供了信任保障.

目前，學(xué)術(shù)界和工業(yè)界逐步將可信AI技術(shù)和不確定性評(píng)估方法納入到多場(chǎng)景DT的建模、更新和驗(yàn)證過程，覆蓋零件、部件、模塊到整機(jī)/系統(tǒng)等多層級(jí)對(duì)象，并嘗試從安全性、可信度、測(cè)試性、驗(yàn)證性、預(yù)測(cè)性、保障性、實(shí)時(shí)性和交互性等方面給出可信DT的特征闡述[20,28-34]，見表2.基于上述可信DT的應(yīng)用和特征理解，本文給出可信DT的概念，即在開放式環(huán)境下，在物理實(shí)體認(rèn)知、虛擬模型構(gòu)建、數(shù)據(jù)安全傳輸和連接更新過程，將不確定因素納入建?？蚣?，利用可信AI技術(shù)提高DT的安全性和可靠性，增強(qiáng)服務(wù)的可行性、交互性和保障性，從而實(shí)現(xiàn)多場(chǎng)景的可信決策.

表2 可信DT特征及特征描述

1.3 可信DT的應(yīng)用前景

面對(duì)復(fù)雜應(yīng)用場(chǎng)景的多物理場(chǎng)、多尺度、多因素干擾和多部件耦合問題，提供一個(gè)可信DT框架將成為安全和可靠應(yīng)用的保障.現(xiàn)階段，可信DT已經(jīng)在航天航空、復(fù)雜機(jī)電系統(tǒng)、智能制造、生產(chǎn)調(diào)度、核電工程、城市建設(shè)等高價(jià)值和關(guān)鍵安全領(lǐng)域取得一些成功應(yīng)用.材料多屬性、結(jié)構(gòu)尺寸公差、載荷不確定性、環(huán)境不確定性等物理機(jī)理影響因素，以及數(shù)據(jù)異常分布、模型參數(shù)不確定性等建模過程干擾因素，已經(jīng)作為復(fù)雜系統(tǒng)DT建模的重要影響因素，亟待開展不確定性評(píng)估.

考慮到航天航空系統(tǒng)通常在負(fù)載和操作可變環(huán)境中運(yùn)行，Karve等[35]綜合考量系統(tǒng)屬性、運(yùn)行參數(shù)、負(fù)載和環(huán)境因素，以及傳感器數(shù)據(jù)和預(yù)測(cè)模型中存在的不確定性，開展診斷、預(yù)測(cè)和優(yōu)化過程的不確定性評(píng)估，提高部件的可用性和系統(tǒng)的可靠性，保障運(yùn)行過程的安全性和連續(xù)性.對(duì)于重大裝備，宋學(xué)官等[26]系統(tǒng)地提出了形性一體化DT的關(guān)鍵技術(shù)，以機(jī)理模型與實(shí)測(cè)數(shù)據(jù)的聯(lián)合驅(qū)動(dòng)解決DT模型時(shí)效性和可靠性問題，降低“算不準(zhǔn)”、“測(cè)不準(zhǔn)”帶來的不確定性.Ritto等[36]提出了針對(duì)動(dòng)態(tài)結(jié)構(gòu)損傷問題的DT概念框架，構(gòu)建高保真和可解釋的物理模型、用物理模型數(shù)據(jù)校準(zhǔn)DT模型并采用貝葉斯方法量化不確定性，其中需要考慮高昂的計(jì)算成本和代理模型費(fèi)用.

對(duì)于動(dòng)態(tài)生產(chǎn)調(diào)度，由于車間信息透明度低造成客戶訂單外部變化和人員、設(shè)備、物料等內(nèi)部變化更新的滯后，Wang等[37]將不確定性因素納入調(diào)度系統(tǒng)DT模型，實(shí)現(xiàn)全過程、全要素的動(dòng)態(tài)感知，實(shí)現(xiàn)生產(chǎn)過程監(jiān)控和產(chǎn)能預(yù)測(cè).Negri等[38]在考慮工業(yè)環(huán)境噪音干擾帶來的不確定性后，通過降低噪音干擾建立動(dòng)態(tài)生產(chǎn)調(diào)度的可信DT框架，實(shí)現(xiàn)穩(wěn)健的調(diào)度和控制.對(duì)于核電工程，Kochunas等[39]強(qiáng)調(diào)不確定性評(píng)估在物理和虛擬模型連接中的重要性，致力于提高預(yù)測(cè)過程的透明性和結(jié)果可信度.

2 可信DT的關(guān)鍵使能技術(shù)

基于DT五維模型[40]，結(jié)合可信AI技術(shù)的更新迭代和應(yīng)用現(xiàn)狀，本文從物理實(shí)體、虛擬模型、孿生數(shù)據(jù)、智能服務(wù)和連接5個(gè)維度提煉可信DT的關(guān)鍵使能技術(shù)，并指出關(guān)鍵技術(shù)的優(yōu)劣勢(shì)及應(yīng)用對(duì)象，更新后的可信DT五維技術(shù)框架如圖1所示.

圖1 可信DT關(guān)鍵技術(shù)框架Fig.1key technology framework of trustworthy digital twins

2.1 認(rèn)知物理實(shí)體的可信使能技術(shù)

全面了解各實(shí)體對(duì)象間的物理特性、內(nèi)部交互作用及其與外部的關(guān)系是建立高保真模型的首要前提和重要基礎(chǔ)[41].Vanderhorn等[24]提出了“物理現(xiàn)實(shí)(physical reality)”并將其分解為物理系統(tǒng)、物理環(huán)境和物理過程3個(gè)維度.其中，物理系統(tǒng)是由一組相互關(guān)聯(lián)的物理實(shí)體組成的統(tǒng)一整體，如機(jī)械實(shí)體可覆蓋到零件、部件、模塊和系統(tǒng)等多個(gè)層級(jí).物理環(huán)境是物理系統(tǒng)運(yùn)行過程外在影響因素，如溫度、濕度、環(huán)境噪聲等.物理過程是物理實(shí)體在物理環(huán)境中狀態(tài)的變化過程，如產(chǎn)品的全生命周期、裝備的退化過程等.

在剖析物理實(shí)體自身的幾何形態(tài)和結(jié)構(gòu)力學(xué)性能基礎(chǔ)上，融入物理環(huán)境多物理場(chǎng)、多尺度和時(shí)變特征，結(jié)合動(dòng)力學(xué)、運(yùn)動(dòng)學(xué)、熱力學(xué)等多學(xué)科相關(guān)理論和原理，對(duì)物理系統(tǒng)建立準(zhǔn)確、可靠的物理模型[26].幾何模型可以根據(jù)物理實(shí)體的幾何形狀和拓?fù)湫畔㈤_展線框建模、曲面建模和實(shí)體建模，由于缺乏對(duì)物理實(shí)體特征識(shí)別和約束定義，需匹配精度信息、材料信息和裝配信息來提高模型精度[42].行為建?？梢悦枋鰯?shù)理實(shí)體的功能表征、響應(yīng)變化、內(nèi)部耦合和外部交互等行為，涉及狀態(tài)模型、動(dòng)力學(xué)模型和評(píng)估模型等，馬爾可夫方法通過離散狀態(tài)及其轉(zhuǎn)變概率來封裝行為背后的動(dòng)力學(xué)[43].規(guī)則模型則從歷史數(shù)據(jù)、專家知識(shí)和預(yù)定義邏輯中進(jìn)行規(guī)則提取、描述、關(guān)聯(lián)和演化.幾何-行為-規(guī)則的三級(jí)融合建模[44]、Modelica語言建模應(yīng)用成效良好，分別在白車身和工業(yè)機(jī)器人等對(duì)象的應(yīng)用上得到驗(yàn)證[45].

由于物理模型構(gòu)建過程要考慮外部環(huán)境干擾和內(nèi)部模塊耦合關(guān)系，導(dǎo)致計(jì)算復(fù)雜性高，需采用假設(shè)簡(jiǎn)化和近似求解方法，這也導(dǎo)致物理系統(tǒng)認(rèn)知不足問題.同時(shí)，由于未考慮物理系統(tǒng)的瞬態(tài)變化和環(huán)境時(shí)變因素，使得仿真結(jié)果存在局限性，尤其對(duì)于多參數(shù)、多尺度耦合的復(fù)雜裝備、系統(tǒng)的適應(yīng)性較弱.宋學(xué)官等[26]提出了“形性一體”可靠建模方法，既能反映物理實(shí)體的固有形態(tài)、瞬時(shí)形態(tài)，又能體現(xiàn)物理實(shí)體的宏觀和微觀結(jié)構(gòu)力學(xué)性能，實(shí)現(xiàn)了重大裝備結(jié)構(gòu)力學(xué)性能的實(shí)時(shí)分析與動(dòng)態(tài)預(yù)測(cè)，提高了模型可解釋性.面對(duì)多學(xué)科耦合的高精度產(chǎn)品，Sun等[46]提出通過云掃描建立物理模型，融合理論模型實(shí)現(xiàn)雙驅(qū)動(dòng)建模提高精度和效度，在裝配車間DT系統(tǒng)構(gòu)建中取得良好成效.在智能制造新范式下，Zheng等[47]提出了包括數(shù)字模型、計(jì)算模型和基于圖形的模型的三模型方法，實(shí)現(xiàn)物體行為和特征的高保真模擬并在3D打印機(jī)DT建模中成功應(yīng)用.

2.2 建立虛擬模型的可信支持技術(shù)

DT仿真成為物理實(shí)體與虛擬模型間實(shí)時(shí)雙向交互的重要橋梁，其核心是建立高保真模型，提高虛擬模型的精度.對(duì)物理實(shí)體開展全面物理認(rèn)知和功能描述是建模的基礎(chǔ)，多物理場(chǎng)、多尺度仿真可涵蓋當(dāng)前和未來產(chǎn)品或系統(tǒng)的生命周期階段，作為生產(chǎn)優(yōu)化和智能運(yùn)維重要保障[48].多物理尺度可以覆蓋幾何模型、結(jié)構(gòu)動(dòng)力學(xué)模型、熱力學(xué)模型、應(yīng)力分析模型、疲勞損失模型和材料特性等[49].Wang等[50]提出了一種結(jié)合三維物理模型和數(shù)據(jù)驅(qū)動(dòng)模型的聯(lián)合建模方法，從而精準(zhǔn)表征多物理場(chǎng)特性.針對(duì)物理場(chǎng)不同粗細(xì)度的多空間尺度建模和演化推理依舊是難點(diǎn)問題，Liu等[51]從宏觀、中觀和微觀尺度建立產(chǎn)品質(zhì)量DT模型，提出多尺度演化機(jī)制用以明晰多個(gè)指標(biāo)間的耦合關(guān)系，提高建模精度和決策性能.Zhang等[52]提出了DT車間的多尺度建模框架，實(shí)現(xiàn)跨領(lǐng)域模型之間的融合并在衛(wèi)星組裝、集成和測(cè)試(assembly,integration and test,AIT)車間案例中成功應(yīng)用.工程領(lǐng)域，宋學(xué)官等[26]基于虛實(shí)融合理念提出了多保真代理模型并在臂架起重機(jī)應(yīng)用案例中取得良好成效，計(jì)算精度和可靠性較好.此外，變可信度近似模型為解決復(fù)雜裝備建模精度和成本矛盾提供有效思路，通過融合不同精度分析模型的數(shù)據(jù)來有效平衡建模性能和成本，保障建模的可靠性和穩(wěn)健性[53].

目前，在虛擬模型構(gòu)建過程側(cè)重使用數(shù)據(jù)驅(qū)動(dòng)方法，其計(jì)算效率和精準(zhǔn)度較高，但對(duì)數(shù)據(jù)質(zhì)量依賴性較高、對(duì)模型穩(wěn)健性要求嚴(yán)格，在環(huán)境噪聲干擾和未知情形中容易造成不可信的估計(jì)結(jié)果.為此，需要結(jié)合可信AI評(píng)估方法對(duì)DT建模過程開展不確定性量化.不確定性通常來自兩個(gè)方面：模型不確定性和數(shù)據(jù)不確定性，模型不確定性衡量的是在訓(xùn)練數(shù)據(jù)下估計(jì)模型參數(shù)的不確定性，會(huì)隨著訓(xùn)練數(shù)據(jù)規(guī)模的增加得以減少；數(shù)據(jù)不確定性來自類重疊或數(shù)據(jù)噪聲，屬于數(shù)據(jù)分布固有屬性，不能通過增加訓(xùn)練樣本量來減少[54]，如圖2所示.

圖2 不確定性來源示意圖[9]Fig.2Schematic representation of uncertainty sources

不確定性量化典型方法之一是抽樣，如dropout方法，主要包括蒙特卡洛MC dropout[55]、elementwise Bernoulli dropout[56]、spatial Bernoulli dropout[57]等.由于其未對(duì)數(shù)據(jù)不確定性進(jìn)行建模，并且忽略了數(shù)據(jù)和模型不確定性之間的關(guān)聯(lián)性，增加了不確定性被低估的風(fēng)險(xiǎn).貝葉斯深度學(xué)習(xí)(BDL)和貝葉斯神經(jīng)網(wǎng)絡(luò)(BNNs)提供了一個(gè)新的不確定性量化框架，即通過近似后驗(yàn)預(yù)測(cè)分布的矩估計(jì)來預(yù)測(cè)不確定性[58].Li等[59]利用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的概念，集成了物理模型量化數(shù)據(jù)和模型不確定性，構(gòu)建了一個(gè)通用的診斷和預(yù)測(cè)概率模型，在飛機(jī)機(jī)翼疲勞裂紋擴(kuò)展實(shí)例上取得良好成效.然而，貝葉斯方法的后驗(yàn)預(yù)測(cè)分布不能以封閉形式計(jì)算，仍就需要依靠蒙特卡洛dropout等方法來近似后驗(yàn)分布.證據(jù)深度學(xué)習(xí)理論(evident deep learning，EDL)通過狄利克雷分布直接估計(jì)預(yù)測(cè)后驗(yàn)參數(shù)，其不依賴于dropout方法，有效降低了不確定性被低估的風(fēng)險(xiǎn)，具有較高的應(yīng)用價(jià)值[60].可信AI技術(shù)為DT可靠建模提供了可行路徑，有效解決“算不準(zhǔn)”難題.

此外，模型的驗(yàn)證和認(rèn)證(verification,validation & accreditation,VV&A)對(duì)可信DT建模至關(guān)重要，可有效提高模型精度、仿真置信度和決策可信度[61].模型的VV&A包括定性方法和定量方法，其中定性方法包括圖靈測(cè)試、圖解法、曲面驗(yàn)證、曲線法、熵值法、德爾菲法等，定量方法可以分為基于靜態(tài)數(shù)據(jù)的方法和基于動(dòng)態(tài)數(shù)據(jù)的方法.靜態(tài)數(shù)據(jù)方法包括點(diǎn)估計(jì)、區(qū)間估計(jì)、貝葉斯估計(jì)、置信區(qū)間、回歸分析等；動(dòng)態(tài)數(shù)據(jù)又可細(xì)分為時(shí)域、頻域和時(shí)頻域，可采用貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等方法[62].上述方法可以為VV&A提供強(qiáng)有力的支持，但復(fù)雜模型的VV&A仍然存在很多挑戰(zhàn).

2.3 整合全生命周期數(shù)據(jù)的可信使能技術(shù)

數(shù)據(jù)是DT的命脈，其生命周期涵蓋數(shù)據(jù)收集、傳輸、存儲(chǔ)、處理、融合和可視化等過程[63].數(shù)據(jù)從硬件、軟件和網(wǎng)絡(luò)進(jìn)行采集.其中，智能識(shí)別技術(shù)、先進(jìn)傳感器技術(shù)和適配技術(shù)是保障數(shù)據(jù)采集實(shí)時(shí)性的重要基礎(chǔ)[3].Ala-Laurinaho[64]從應(yīng)用層協(xié)議和通信技術(shù)出發(fā)，將傳感器內(nèi)嵌到物理孿生中，并遠(yuǎn)程配置網(wǎng)絡(luò)提供接口，實(shí)現(xiàn)數(shù)據(jù)采集的實(shí)時(shí)性.此外，對(duì)傳感器復(fù)雜測(cè)點(diǎn)開展敏感性檢測(cè)并布點(diǎn)優(yōu)化將有效增加信息密度、降低信息冗余，提高數(shù)據(jù)的可用性、可靠性和準(zhǔn)確性，有效應(yīng)對(duì)“測(cè)不了”和“測(cè)不全”難題.測(cè)點(diǎn)優(yōu)化的常用方法包括序列法、非線性優(yōu)化規(guī)范法、模擬退火算法、遺傳算法和結(jié)構(gòu)損失信息熵等[26].

對(duì)于數(shù)據(jù)傳輸，有必要探索高速度、低延遲、高性能、高安全的傳輸設(shè)備、技術(shù)和協(xié)議.有線和無線傳輸技術(shù)、光纖通道協(xié)議和5G移動(dòng)通信網(wǎng)絡(luò)在當(dāng)下多場(chǎng)景DT應(yīng)用中實(shí)現(xiàn)精準(zhǔn)定位和高效傳輸[65].量子傳輸技術(shù)、6G網(wǎng)絡(luò)的研發(fā)，將大幅提升傳輸速率、系統(tǒng)容量、傳輸穩(wěn)定性和安全性等性能，滿足可信DT的動(dòng)態(tài)映射和智能交互需求[66].數(shù)據(jù)傳輸過程的隱私保護(hù)問題和共享機(jī)制依舊是難點(diǎn)，避免數(shù)據(jù)壟斷和傳輸泄露是重點(diǎn).

數(shù)據(jù)存儲(chǔ)方面，由于DT數(shù)據(jù)來自物理設(shè)備、虛擬模型、服務(wù)反饋等多環(huán)節(jié)，涉及到圖像、信號(hào)和聲音等多類型，屬于多源異構(gòu)、高維和海量數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)庫技術(shù)應(yīng)用受限，需采用大數(shù)據(jù)存儲(chǔ)技術(shù)，具備良好的擴(kuò)展、存儲(chǔ)和管理能力[61].對(duì)于海量數(shù)據(jù)，Angrish等[67]提出使用文檔類型非結(jié)構(gòu)化模式(MongoDB)來存儲(chǔ)來自各種設(shè)備的流數(shù)據(jù)，實(shí)現(xiàn)虛擬孿生系統(tǒng)的數(shù)據(jù)存儲(chǔ).因此，探索新的存儲(chǔ)介質(zhì)和存儲(chǔ)架構(gòu)(如云計(jì)算、邊緣計(jì)算和霧計(jì)算)來處理實(shí)時(shí)海量數(shù)據(jù)，將有助于構(gòu)建可信DT框架.

數(shù)據(jù)的多源性、異構(gòu)性、海量性和實(shí)時(shí)性導(dǎo)致其質(zhì)量不受控，摻雜著大量不準(zhǔn)確、不確定、不完整、低時(shí)效性和嘈雜模糊的低值數(shù)據(jù)，引發(fā)了 “測(cè)不準(zhǔn)”問題[68].對(duì)多源異構(gòu)高維數(shù)據(jù)開展數(shù)據(jù)清洗、提取、降維和融合等預(yù)處理，將成為提高DT應(yīng)用效率和可信度的關(guān)鍵.因此，數(shù)據(jù)壓縮、平滑、去噪、變換等預(yù)處理技術(shù)廣泛發(fā)展，包括高通/低通濾波、卡爾曼濾波、經(jīng)驗(yàn)?zāi)B(tài)分解、小波分解、傅里葉變換、希爾伯特黃變換等，成為可信AI架構(gòu)的基礎(chǔ)，可以有效降低數(shù)據(jù)不確定性，提高數(shù)據(jù)質(zhì)量，實(shí)現(xiàn)DT的可靠性建模[69].

常見數(shù)據(jù)形態(tài)包括機(jī)理數(shù)據(jù)與監(jiān)測(cè)數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)、物理數(shù)據(jù)和仿真數(shù)據(jù)、結(jié)構(gòu)數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)等.數(shù)據(jù)融合突破對(duì)象、時(shí)間、結(jié)構(gòu)、語言和種類等多種限制，有助于優(yōu)化數(shù)據(jù)結(jié)構(gòu)優(yōu)化、提升數(shù)據(jù)質(zhì)量[61].數(shù)據(jù)融合包括數(shù)據(jù)級(jí)融合、特征級(jí)融合和決策級(jí)融合3個(gè)層級(jí)，可用貝葉斯估計(jì)、D-S證據(jù)推理、模糊集理論、粗糙集理論和神經(jīng)網(wǎng)絡(luò)等方法.在DT應(yīng)用框架中，通過機(jī)理數(shù)據(jù)與監(jiān)測(cè)數(shù)據(jù)融合可以避免機(jī)理模型的局部片面性和數(shù)據(jù)模型的不可解釋性，從而實(shí)現(xiàn)跨學(xué)科、多領(lǐng)域、多尺度的可靠建模[26].

數(shù)據(jù)可視化可以展示動(dòng)態(tài)監(jiān)測(cè)過程、虛實(shí)交互過程和分析決策結(jié)果.隨著增強(qiáng)現(xiàn)實(shí)技術(shù)的發(fā)展應(yīng)用，實(shí)現(xiàn)狀態(tài)監(jiān)測(cè)和人機(jī)交互并行，以直觀有效的可視化界面來提高制造效率并實(shí)現(xiàn)智能化控制，現(xiàn)已在機(jī)床控制中得以應(yīng)用[70].

2.4 增強(qiáng)連接的可信使能技術(shù)

依托各類協(xié)議規(guī)范、傳感器技術(shù)、數(shù)據(jù)庫技術(shù)以及人機(jī)交互方法，實(shí)現(xiàn)物理實(shí)體、數(shù)據(jù)中心、服務(wù)和虛擬模型之間的通信、交互和信息交換[71].傳感器感知到物理空間變化并將電子信號(hào)傳遞給測(cè)量、分析系統(tǒng)，優(yōu)化傳感器布局為協(xié)同測(cè)量提供重要保障，進(jìn)而提高物理層和虛擬層的連接強(qiáng)度[72].數(shù)據(jù)交換需要提供通信技術(shù)、統(tǒng)一通信接口、協(xié)議技術(shù)和標(biāo)準(zhǔn)，包括協(xié)議解析與轉(zhuǎn)換、接口兼容、通用網(wǎng)關(guān)接口等[73].在智能制造領(lǐng)域，已構(gòu)建起信息交互和協(xié)同標(biāo)準(zhǔn)體系，為可信DT在該領(lǐng)域的應(yīng)用奠定了良好的標(biāo)準(zhǔn)化基礎(chǔ)，代表性標(biāo)準(zhǔn)見表3.

考慮到人是連接虛擬模型、操作物理實(shí)體的主體，增強(qiáng)式交互技術(shù)被廣泛應(yīng)用于DT的人機(jī)交互過程，包括VR、AR與混合現(xiàn)實(shí)(MR)[74].上述3R技術(shù)成為虛實(shí)環(huán)境交互的關(guān)鍵中介，已經(jīng)被廣泛應(yīng)用于智能制造的設(shè)計(jì)、生產(chǎn)和運(yùn)維等多個(gè)階段[34].引入沉浸式增強(qiáng)技術(shù)可以為模型驗(yàn)證提供安全的網(wǎng)絡(luò)空間，實(shí)現(xiàn)可靠性建模和虛實(shí)交互.以設(shè)備安全、網(wǎng)絡(luò)安全和數(shù)據(jù)安全為核心的安全技術(shù)成為保障連接可信度的關(guān)鍵，聯(lián)邦學(xué)習(xí)提供了一個(gè)新思路.Lu等[75]提出了一種基于區(qū)塊鏈的聯(lián)合學(xué)習(xí)方案，以加強(qiáng)DT邊緣網(wǎng)絡(luò)中的通信安全和數(shù)據(jù)隱私保護(hù).

2.5 供給智能服務(wù)的可信使能技術(shù)

依托于DT強(qiáng)大的交互網(wǎng)絡(luò)與分析技術(shù)，可以實(shí)現(xiàn)過程狀態(tài)監(jiān)測(cè)、仿真、診斷、故障預(yù)測(cè)與健康管理(PHM)，并提供平臺(tái)服務(wù)、監(jiān)測(cè)服務(wù)、仿真服務(wù)、優(yōu)化服務(wù).DT的服務(wù)發(fā)展大致可以分為3個(gè)階段：過程監(jiān)測(cè)、預(yù)測(cè)維護(hù)和個(gè)性化服務(wù).通過使用標(biāo)準(zhǔn)接口協(xié)議將傳感器或設(shè)備連接到平臺(tái)開展可視化建模，對(duì)設(shè)備或系統(tǒng)的實(shí)時(shí)運(yùn)行狀態(tài)開展動(dòng)態(tài)監(jiān)測(cè)、仿真建模、分析診斷和決策控制，實(shí)現(xiàn)虛實(shí)相應(yīng)和以虛控實(shí)[76].

表3 智能制造領(lǐng)域信息交互和協(xié)同的主要國(guó)際標(biāo)準(zhǔn)

面對(duì)仿真系統(tǒng)實(shí)時(shí)響應(yīng)和決策支持滯后等問題，Lin等[77]提出了一種具有正式流程的設(shè)備-邊緣-云系統(tǒng)架構(gòu)來支持虛擬化的仿真服務(wù)，提高了決策供給的實(shí)時(shí)性和有效性.運(yùn)用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，Li等[59]建立了飛機(jī)機(jī)翼DT健康監(jiān)測(cè)和動(dòng)態(tài)診斷，打破了地面檢查傳統(tǒng)模式，提高了系統(tǒng)安全性和可靠性.基于智能代理架構(gòu)，Erkoyuncu等[78]構(gòu)建彈性DT來提高系統(tǒng)穩(wěn)健性和可靠性，實(shí)現(xiàn)異常檢測(cè)并自適應(yīng)地更新DT，在醫(yī)藥制造系統(tǒng)中得到高精度應(yīng)用.作為體系化的預(yù)測(cè)性維護(hù)服務(wù)，采集實(shí)時(shí)數(shù)據(jù)更新模型參數(shù)并開展虛實(shí)驗(yàn)證可以提高仿真結(jié)果的可靠性，避免“虛實(shí)”脫鉤，從而降低系統(tǒng)中斷風(fēng)險(xiǎn)并提高決策的可信任度[79].

目前，數(shù)字孿生涵蓋了產(chǎn)品或系統(tǒng)的全生命周期，在常規(guī)的定義物理實(shí)體、優(yōu)化虛擬模型、仿真預(yù)測(cè)運(yùn)行結(jié)果和決策反饋物理空間，做到“以虛控實(shí)”外，新增了“個(gè)性化”智能服務(wù)，使得數(shù)字線程柔性化發(fā)展.通過使用敏捷方法建立自我導(dǎo)向、持續(xù)改進(jìn)，開展迭代和增量學(xué)習(xí)，能夠面向客戶需求進(jìn)行持續(xù)反饋、改進(jìn)并實(shí)現(xiàn)性能可視化[72].在工業(yè)4.0背景下，有序推動(dòng)制造范式從大規(guī)模生產(chǎn)到大規(guī)模定制和大規(guī)模個(gè)性化發(fā)展.

可信數(shù)字孿生技術(shù)的關(guān)鍵使能技術(shù)優(yōu)劣勢(shì)及其應(yīng)用匯總見表4.

表4 可信DT技術(shù)的關(guān)鍵使能技術(shù)優(yōu)劣勢(shì)及其應(yīng)用匯總

續(xù)表4

目前，DT涵蓋了產(chǎn)品或系統(tǒng)的全生命周期，在常規(guī)的定義物理實(shí)體、優(yōu)化虛擬模型、仿真預(yù)測(cè)運(yùn)行結(jié)果和決策反饋物理空間，做到“以虛控實(shí)”外，新增了“個(gè)性化”智能服務(wù)，使得數(shù)字線程柔性化發(fā)展.通過使用敏捷方法建立自我導(dǎo)向、持續(xù)改進(jìn)，開展迭代和增量學(xué)習(xí)，能夠面向客戶需求進(jìn)行持續(xù)反饋、改進(jìn)并實(shí)現(xiàn)性能可視化[72].在工業(yè)4.0背景下，有序推動(dòng)制造范式從大規(guī)模生產(chǎn)到大規(guī)模定制和大規(guī)模個(gè)性化發(fā)展.

3 可信DT在智能制造的應(yīng)用框架

在工業(yè)4.0時(shí)代，DT已經(jīng)滲透到研發(fā)設(shè)計(jì)、生產(chǎn)制造和運(yùn)維服務(wù)等多環(huán)節(jié)，驅(qū)動(dòng)制造業(yè)向智能制造轉(zhuǎn)型升級(jí).通過產(chǎn)品設(shè)計(jì)標(biāo)識(shí)、產(chǎn)品狀態(tài)評(píng)估、數(shù)據(jù)實(shí)時(shí)分析、模型動(dòng)態(tài)更新和科學(xué)決策，覆蓋設(shè)計(jì)、制造、服務(wù)和報(bào)廢回收等全生命周期，降低智能制造流程復(fù)雜性和不確定性[80].本文收集了以“DT+可信AI+智能制造”為關(guān)鍵詞的國(guó)內(nèi)外高被引文獻(xiàn)和前沿研究成果，識(shí)別出可信DT在智能制造系統(tǒng)各個(gè)階段的應(yīng)用，如圖3所示.

圖3 可信DT在智能制造應(yīng)用Fig.3Trustworthy digital twins applied in smart monufacturing

3.1 可信DT技術(shù)在設(shè)計(jì)階段的應(yīng)用

設(shè)計(jì)階段的流程主要包括任務(wù)規(guī)劃與識(shí)別、概念設(shè)計(jì)、具體化設(shè)計(jì)、詳細(xì)設(shè)計(jì)和虛擬驗(yàn)證等5個(gè)階段.開展穩(wěn)健性和適應(yīng)性設(shè)計(jì)，能減少不必要的設(shè)計(jì)復(fù)雜性、解決不良設(shè)計(jì)矛盾、降低產(chǎn)品不確定性[81].因此，在設(shè)計(jì)開展前，準(zhǔn)確識(shí)別顧客需求可以幫助設(shè)計(jì)者減少概念設(shè)計(jì)模糊性和不確定性，從而避免由于設(shè)計(jì)更改帶來的延期和成本增加問題.

考慮產(chǎn)品及其對(duì)應(yīng)生產(chǎn)線虛擬模型運(yùn)行過程，要比對(duì)設(shè)計(jì)需求，實(shí)現(xiàn)靜態(tài)配置與動(dòng)態(tài)執(zhí)行之間的迭代優(yōu)化，從而提高產(chǎn)品選材的準(zhǔn)確性，避免設(shè)計(jì)與生產(chǎn)工藝、質(zhì)量控制方案沖突，確認(rèn)最佳設(shè)計(jì)方案實(shí)現(xiàn)穩(wěn)健生產(chǎn)[82].考慮工藝水平和資源約束，在虛擬平臺(tái)上實(shí)現(xiàn)元器件制造、部件組裝、整機(jī)測(cè)試和可靠性評(píng)估，通過測(cè)試驗(yàn)證后進(jìn)行產(chǎn)品制樣，能降低不確定性，為產(chǎn)品規(guī)模制造奠定良好基礎(chǔ)[83].實(shí)際應(yīng)用過程中，提高數(shù)據(jù)完整性、建模高保真性、過程安全性以及驗(yàn)證必要性，是實(shí)現(xiàn)可信設(shè)計(jì)的重要支撐[81].

通過對(duì)歷史數(shù)據(jù)挖掘和分析，形成專業(yè)流程知識(shí)、優(yōu)化設(shè)計(jì)規(guī)范和功能參數(shù)，并融入專家知識(shí)可打造產(chǎn)品孿生工程特征數(shù)據(jù)庫、流程實(shí)例庫和參數(shù)知識(shí)庫，組建智能制造設(shè)計(jì)標(biāo)準(zhǔn)庫，以此來規(guī)范設(shè)計(jì)流程、提高設(shè)計(jì)質(zhì)量，避免由于設(shè)計(jì)缺陷導(dǎo)致的生產(chǎn)效益損失[84].此外，開展產(chǎn)品功能退化評(píng)估和顧客需求偏好預(yù)測(cè)，推演產(chǎn)品功能和應(yīng)用演化態(tài)勢(shì)，為顧客提供超前預(yù)測(cè)型的魅力產(chǎn)品和服務(wù)，提高顧客滿意度[85].可信DT技術(shù)在智能制造設(shè)計(jì)階段的應(yīng)用見圖4.

圖4 可信DT在智能制造設(shè)計(jì)階段的應(yīng)用過程Fig.4Trustworthy digital twins applied in the design stage of smart manufacturing

3.2 可信DT技術(shù)在生產(chǎn)階段的應(yīng)用

可信DT在智能生產(chǎn)中的應(yīng)用是基于狀態(tài)監(jiān)測(cè)開展可信虛擬建模，用于生產(chǎn)過程控制和生產(chǎn)工藝優(yōu)化，反饋到生產(chǎn)計(jì)劃并及時(shí)調(diào)整.因此，這部分內(nèi)容主要涵蓋：實(shí)時(shí)狀態(tài)監(jiān)測(cè)、生產(chǎn)計(jì)劃優(yōu)化、生產(chǎn)過程控制等.實(shí)時(shí)狀態(tài)監(jiān)測(cè)通過先進(jìn)傳感器技術(shù)開展，采集運(yùn)行過程的實(shí)時(shí)數(shù)據(jù)，包括操作數(shù)據(jù)、行為數(shù)據(jù)、狀態(tài)數(shù)據(jù)、能力數(shù)據(jù)、能耗數(shù)據(jù)等，按照標(biāo)準(zhǔn)化協(xié)議和接口實(shí)現(xiàn)數(shù)據(jù)同步和共享.全要素信息感知技術(shù)、AR技術(shù)、三維可視化監(jiān)控技術(shù)等協(xié)助DT對(duì)生產(chǎn)過程開展可視化監(jiān)控[31].融合歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，建立高保真模型并進(jìn)行不確定性評(píng)估，能夠精準(zhǔn)可靠地定位異常設(shè)備、監(jiān)控生產(chǎn)環(huán)節(jié)和提供優(yōu)化決策，保障生產(chǎn)流程可持續(xù)性[86].

圖5 可信DT在智能制造生產(chǎn)階段的應(yīng)用過程Fig.5Trustworthy digital twins applied in the production stage of smart manufacturing

在正式生產(chǎn)前，將人員、材料、設(shè)備、工具、環(huán)境，以及幾何、行為、規(guī)則等的物理模型輸入到虛擬空間，合理分配制造資源和能力，并定義制造生產(chǎn)計(jì)劃以初始化制造過程.在虛擬車間或工廠映射中模擬和評(píng)估生產(chǎn)過程，不斷迭代優(yōu)化直至獲取最佳的制造策略和生產(chǎn)計(jì)劃[87].同時(shí)，基于生產(chǎn)計(jì)劃、操作執(zhí)行、設(shè)備負(fù)荷等歷史數(shù)據(jù)，明確影響生產(chǎn)計(jì)劃的關(guān)鍵因素并開展產(chǎn)能均衡分析，結(jié)合設(shè)備運(yùn)行狀態(tài)和資源能耗情況，建立車間產(chǎn)能預(yù)測(cè)模型實(shí)現(xiàn)當(dāng)前和未來產(chǎn)能預(yù)測(cè)和動(dòng)態(tài)調(diào)整[88].在考慮生產(chǎn)需求和制造模式柔性可變的情況下，智能制造系統(tǒng)可針對(duì)物理系統(tǒng)和制造要求的變化進(jìn)行生產(chǎn)計(jì)劃重構(gòu)和優(yōu)化[89].

智能制造生產(chǎn)過程控制需要一個(gè)“智能”的中央控制系統(tǒng)，依托可信DT技術(shù)進(jìn)行生產(chǎn)過程仿真建模，結(jié)合動(dòng)態(tài)生產(chǎn)計(jì)劃可綜合分析生產(chǎn)力和效率.通過復(fù)雜網(wǎng)絡(luò)和物聯(lián)網(wǎng)開展資源供需匹配，實(shí)現(xiàn)制造資源的智能感知和獲取[90].在執(zhí)行生產(chǎn)計(jì)劃過程，DT技術(shù)在虛擬建模時(shí)需要充分考慮人機(jī)協(xié)作和交互，支持人機(jī)任務(wù)分配和任務(wù)排序優(yōu)化[91].在復(fù)雜環(huán)境下，借助實(shí)時(shí)狀態(tài)數(shù)據(jù)和可信高保真模型，反饋到物理系統(tǒng)能有效感知、自我配置、自我優(yōu)化和自我修復(fù)，加強(qiáng)對(duì)生產(chǎn)過程的智能控制，保證生產(chǎn)計(jì)劃的有序?qū)嵤92].隨著大規(guī)模個(gè)性化制造范式的發(fā)展，DT技術(shù)能輔助支持模塊化、輕量級(jí)、穩(wěn)健性和并行化的智能車間，更好地滿足顧客需求變化并實(shí)現(xiàn)柔性智能生產(chǎn)[93].可信DT技術(shù)在智能制造生產(chǎn)階段的應(yīng)用見圖5.

3.3 可信DT技術(shù)在服務(wù)階段的應(yīng)用

服務(wù)階段由于產(chǎn)品脫離制造商和供應(yīng)商的控制，使用環(huán)境差異會(huì)導(dǎo)致產(chǎn)品退化狀態(tài)存在特異性，通用的維護(hù)策略效用不大.另一方面，對(duì)于精密和高價(jià)值產(chǎn)品，其突發(fā)故障往往會(huì)帶來較大的經(jīng)濟(jì)損失和安全隱患.因此，通過DT建立可信虛擬模型，綜合產(chǎn)品退化和異常干擾因素，提供預(yù)測(cè)性診斷和維護(hù)，對(duì)降低產(chǎn)品故障率、提高可靠性有重要作用[87].因此，這一階段的主要任務(wù)集中在狀態(tài)評(píng)估、故障預(yù)測(cè)和預(yù)測(cè)性維護(hù).

圖6 可信DT在智能制造服務(wù)階段的應(yīng)用過程Fig.6Trustworthy digital twins applied in the services stage of smart manufacturing

通過傳感器采集產(chǎn)品實(shí)時(shí)狀態(tài)數(shù)據(jù)，明晰產(chǎn)品退化狀態(tài)，同步更新和調(diào)整虛擬模型提高物理實(shí)體的仿真度，提高剩余壽命預(yù)測(cè)精準(zhǔn)度，為預(yù)測(cè)性維護(hù)奠定良好基礎(chǔ)[94].對(duì)于已知故障模式，研究人員利用深度遷移學(xué)習(xí)、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)、非線性動(dòng)力學(xué)等方法開展行為建模并預(yù)測(cè)剩余壽命[31].對(duì)于未知故障，則需要開展不確定性建模，以不確定性量化指標(biāo)識(shí)別未知故障，進(jìn)一步提高預(yù)測(cè)可靠性[95].此外，檢測(cè)模擬數(shù)據(jù)和物理測(cè)量數(shù)據(jù)是否來自同一分布仍然是難點(diǎn)問題，可信AI提供了評(píng)估技術(shù)但在應(yīng)用層面還需要深入研究.

信息物理系統(tǒng)的引入，可實(shí)現(xiàn)物理空間和虛擬空間的無縫銜接，驅(qū)動(dòng)工業(yè)PHM技術(shù)不斷發(fā)展、應(yīng)用性能持續(xù)提升，為制造業(yè)發(fā)展提供智能維護(hù)和精準(zhǔn)管理的新途徑[96].面向產(chǎn)品全壽命周期，在DT驅(qū)動(dòng)框架下開展產(chǎn)品實(shí)時(shí)狀態(tài)監(jiān)測(cè)、可視化、智能優(yōu)化、故障分析與預(yù)測(cè)、虛擬驗(yàn)證和主動(dòng)維護(hù)，從而轉(zhuǎn)變服務(wù)范式：由制造商保留產(chǎn)品所有權(quán)僅以租賃形式提供給使用者，進(jìn)而實(shí)現(xiàn)產(chǎn)品全過程監(jiān)測(cè)和預(yù)測(cè)性維護(hù)[79].考慮到環(huán)境動(dòng)態(tài)性，Mi等[32]考慮參數(shù)不確定性并建立綜合數(shù)學(xué)規(guī)劃模型，實(shí)現(xiàn)精準(zhǔn)可靠的預(yù)測(cè)性維護(hù).融合智能預(yù)測(cè)和健康管理優(yōu)勢(shì)，智能維護(hù)系統(tǒng)(intelligent maintenance system,IMS)概念得以提出，可信DT為其提供了數(shù)據(jù)支撐、虛擬建模和仿真驗(yàn)證等關(guān)鍵技術(shù)，推動(dòng)IMS與PHM的協(xié)同發(fā)展[97].可信DT技術(shù)在智能制造服務(wù)階段的應(yīng)用見圖6.

3.4 可信DT技術(shù)在報(bào)廢回收階段的應(yīng)用

相對(duì)于設(shè)計(jì)、生產(chǎn)和服務(wù)階段，學(xué)者們對(duì)于報(bào)廢回收階段的探討較少，其可持續(xù)發(fā)展價(jià)值容易被忽略.產(chǎn)品報(bào)廢回收階段也被稱為逆向物流階段，強(qiáng)調(diào)通過產(chǎn)品剩余壽命預(yù)測(cè)、可用材料智能回收和閉環(huán)供應(yīng)鏈管理實(shí)現(xiàn)資源最大限度利用；減少對(duì)環(huán)境的有害污染[98].面向廢舊電子電氣設(shè)備，Wang等[99]構(gòu)建的DT系統(tǒng)支持從設(shè)計(jì)、生產(chǎn)、服務(wù)和回收的全生命周期的制造/再制造操作，可實(shí)現(xiàn)材料回收和部件再制造.劉丹等[100]針對(duì)再制造作業(yè)過程中的不確定性問題，構(gòu)建了基于DT的再制造車間架構(gòu)，探討未來汽車再制造作業(yè)模式，推動(dòng)了再制造階段信息化與工業(yè)化深度融合.

4 可信DT的發(fā)展挑戰(zhàn)

可信DT在智能制造領(lǐng)域的應(yīng)用中具有廣闊前景，但其在大規(guī)模工業(yè)推廣過程中依舊存在困境和挑戰(zhàn).聚焦于高價(jià)值和安全關(guān)鍵場(chǎng)景，提高實(shí)時(shí)數(shù)據(jù)的安全性、保障虛擬模型的可靠性以及增強(qiáng)更新過程的動(dòng)態(tài)性是重點(diǎn)[25].基于可信DT技術(shù)發(fā)展現(xiàn)狀，依托智能制造應(yīng)用框架，從數(shù)據(jù)安全、模型信任、更新過程可控和商業(yè)應(yīng)用協(xié)同等方面概述可信DT發(fā)展面臨的主要挑戰(zhàn).

4.1 數(shù)據(jù)安全挑戰(zhàn)

數(shù)據(jù)是保障物理現(xiàn)實(shí)高保真映射的關(guān)鍵，因此需要提高數(shù)據(jù)時(shí)空分辨率、降低通信延遲、保障數(shù)據(jù)隱私，以及快速提取能力[101].目前，數(shù)據(jù)采集受限于傳感器硬件、軟件和網(wǎng)絡(luò)水平[3].數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性和安全性與當(dāng)下的網(wǎng)絡(luò)傳輸設(shè)備、網(wǎng)絡(luò)結(jié)構(gòu)和保密協(xié)議密切相關(guān)[8].集成化、微型化的傳感器、數(shù)據(jù)采集和傳輸系統(tǒng)或平臺(tái)成為未來解決數(shù)據(jù)時(shí)效性、精度和安全性問題的重要突破口.優(yōu)化傳感器布局、明晰敏感測(cè)點(diǎn)以及提高測(cè)量系統(tǒng)穩(wěn)健性將協(xié)助解決“測(cè)不了”、“測(cè)不全”難題，而物聯(lián)網(wǎng)、信息物理系統(tǒng)、5G通信技術(shù)、端到端的加密方法等支撐性技術(shù)的發(fā)展將是智能制造模式落地的重要助力[102].

在DT背景下，物理模型數(shù)據(jù)和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)存在分布不一致問題，并且外在環(huán)境噪聲干擾會(huì)增加數(shù)據(jù)不確定性，進(jìn)一步加劇“測(cè)不準(zhǔn)”難題.因此，有必要開展不確定性評(píng)估.Ríos等[103]探討了數(shù)字傳輸和融合過程的不確定性，并采用統(tǒng)一數(shù)字傳輸標(biāo)準(zhǔn)來降低數(shù)據(jù)不確定性.進(jìn)一步，Ríos等[104]提出除數(shù)據(jù)采集過程的不確定性外，還有必要考慮幾何模型構(gòu)建的不確定性，這將關(guān)聯(lián)到設(shè)計(jì)、制造和驗(yàn)證過程的產(chǎn)品偏差，通過標(biāo)準(zhǔn)來規(guī)定容差閾值是一個(gè)可行的方案.

此外，數(shù)據(jù)安全和隱私信息保護(hù)一直是可信DT發(fā)展的重點(diǎn)關(guān)注內(nèi)容，也是建立共享數(shù)據(jù)中心與智能控制系統(tǒng)面臨的主要問題.在物聯(lián)網(wǎng)快速發(fā)展過程中，要提高數(shù)據(jù)安全保護(hù)意識(shí)并設(shè)置用戶隱私保護(hù)優(yōu)先級(jí)，增強(qiáng)硬件設(shè)備和軟件抵御外部安全風(fēng)險(xiǎn)的能力.

4.2 模型信任挑戰(zhàn)

DT通常是由一組具有復(fù)雜結(jié)構(gòu)和行為的系列模型組成，包含零件、部件、模塊和整機(jī)等多層級(jí)尺寸，涉及到多物理場(chǎng)、多尺度的不確定性和時(shí)變性特征，同時(shí)對(duì)高維參數(shù)和性能關(guān)聯(lián)性的剖析和數(shù)理建模難度大.因此，要建立跨尺度、多學(xué)科、多方面和全生命周期的物理實(shí)體認(rèn)知體系是難點(diǎn)問題，需要以海量數(shù)據(jù)為支撐，涉及到傳感器技術(shù)、多功能模型、多源異構(gòu)數(shù)據(jù)等方面.使用傳統(tǒng)方法很難構(gòu)建準(zhǔn)確的物理模型[105]，數(shù)據(jù)驅(qū)動(dòng)建模成為一個(gè)突破方向，但其缺乏可解釋性.因此，機(jī)理和數(shù)字雙驅(qū)動(dòng)建模是未來重點(diǎn)發(fā)展方向之一[46].

在充分認(rèn)知物理實(shí)體的基礎(chǔ)上，將復(fù)雜物理系統(tǒng)抽象為數(shù)字表達(dá)時(shí)，受認(rèn)知局限和內(nèi)外因素干擾，導(dǎo)致建模和仿真過程面臨一系列工程和建模難題，包括局部監(jiān)測(cè)、有損測(cè)量、低值數(shù)據(jù)、噪聲干擾等，致使建立的數(shù)字模型不具備高保真性和可靠性，存在“算不了”、 “算不準(zhǔn)”、“測(cè)不準(zhǔn)”等難題，可信AI技術(shù)的發(fā)展為DT可靠建模提供了性能保障.

事實(shí)上，現(xiàn)有的不確定性量化方法和應(yīng)用主要集中在元器件或組件層面，與大多數(shù)實(shí)際工程結(jié)構(gòu)相比，相對(duì)簡(jiǎn)單和穩(wěn)定.對(duì)復(fù)雜系統(tǒng)開展不確定性建模和評(píng)估仍然是一個(gè)巨大挑戰(zhàn)，其中涉及到模塊耦合、流程傳遞和運(yùn)行環(huán)境差異等問題，其物理機(jī)理剖析難度大、數(shù)理假設(shè)建模抽象性要求高，對(duì)數(shù)據(jù)分布和模型參數(shù)的精準(zhǔn)性要求高[29].因此，開發(fā)一個(gè)機(jī)理與模型融合的可信建?？蚣埽瑴?zhǔn)確評(píng)估多尺度建模的不確定性并挖掘潛在風(fēng)險(xiǎn)因素是有必要的，有助于提高建模精準(zhǔn)性和可解釋性，并量化信任度、提升決策信任度，協(xié)助解決 “算不了”、“算不準(zhǔn)”和“測(cè)不準(zhǔn)”難題.

4.3 更新過程可控挑戰(zhàn)

隨著物理實(shí)體系統(tǒng)的再發(fā)展，需借助實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，及時(shí)更新虛擬模型參數(shù)，提高DT的高保真性和自適應(yīng)性.在DT模型運(yùn)行過程中，需要及時(shí)更新物體機(jī)理信息、環(huán)境時(shí)變因素，進(jìn)行更新模型參數(shù)實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化，這是“以虛控實(shí)”的重要保障，提高決策的可行性和有效性.一旦出現(xiàn)更新滯后情況，將導(dǎo)致預(yù)測(cè)結(jié)果缺乏可靠性，其實(shí)際指導(dǎo)價(jià)值將無法確認(rèn).因此，在DT建模初期應(yīng)當(dāng)充分考慮并將向后兼容性納入設(shè)計(jì)原則，這一點(diǎn)仍是最具挑戰(zhàn)性的難點(diǎn)問題之一[101].

一個(gè)好的虛擬模型構(gòu)建應(yīng)具備高度標(biāo)準(zhǔn)化、模塊化、輕量級(jí)和魯棒性的特點(diǎn)，其中標(biāo)準(zhǔn)化促進(jìn)信息共享和集成、模塊化實(shí)現(xiàn)各模型間的靈活分解離和重組、輕量級(jí)減少了信息傳輸時(shí)間和成本、魯棒性可降低不確定性，提高模型迭代優(yōu)化速率有助于解決“算不快”難題[106].通過模塊參數(shù)化，將具有相同或相似功能的模塊封裝成功能模塊，保證可復(fù)用性和易修改性，一旦監(jiān)測(cè)到物理實(shí)體的變化，虛擬模型可以實(shí)現(xiàn)自主參數(shù)優(yōu)化[107].目前，由于復(fù)雜系統(tǒng)的內(nèi)部耦合性，對(duì)其開展模塊參數(shù)化、獨(dú)立化和標(biāo)準(zhǔn)化依舊存在挑戰(zhàn).

4.4 商業(yè)應(yīng)用協(xié)同挑戰(zhàn)

商業(yè)應(yīng)用階段，從設(shè)備配置和技術(shù)基礎(chǔ)來看，除航空航天、機(jī)器人、智能制造等技術(shù)密集型行業(yè)，其他行業(yè)數(shù)字化設(shè)計(jì)水平和仿真能力較低，不足以支撐可信DT建模所需的實(shí)時(shí)性、可靠性和高保真性.對(duì)于復(fù)雜工業(yè)系統(tǒng)和復(fù)雜裝備，工業(yè)大規(guī)模推廣和應(yīng)用過程開始重視建設(shè)數(shù)據(jù)中心或工業(yè)信息化系統(tǒng)平臺(tái)，但歷史數(shù)據(jù)存在低質(zhì)量、低值化問題，難以匹配可信建模需求[8].此外，實(shí)踐推廣過程對(duì)專業(yè)團(tuán)隊(duì)要求高，需要產(chǎn)品和工藝設(shè)計(jì)師、硬件和軟件工程師等進(jìn)行協(xié)同合作，指導(dǎo)技術(shù)開發(fā)、工藝優(yōu)化和系統(tǒng)維護(hù).在物理建模和虛擬建模過程內(nèi)嵌專家交流和知識(shí)共享平臺(tái)將是一個(gè)新的實(shí)踐嘗試.

目前，垂直領(lǐng)域內(nèi)尚無通用的DT軟件或平臺(tái)，專業(yè)化水平較低、交互性能差，無法真正實(shí)現(xiàn)虛實(shí)融合、產(chǎn)業(yè)鏈協(xié)同，這就意味著DT走向大范圍工業(yè)應(yīng)用仍存在挑戰(zhàn).已知的類似于GE Predix平臺(tái)致力于解決大部分行業(yè)問題但依舊受限于細(xì)分行業(yè)基礎(chǔ)差異、信息壁壘、標(biāo)準(zhǔn)基礎(chǔ)不一致等問題，多領(lǐng)域通用化的DT技術(shù)體系和平臺(tái)搭建成本較大、軟件開發(fā)和標(biāo)準(zhǔn)研發(fā)進(jìn)程緩慢，阻礙了可信DT在智能制造領(lǐng)域的商用和協(xié)同發(fā)展.此外，考慮到成本和收益問題，盡管可信DT發(fā)展前景良好，但實(shí)踐層面開展商業(yè)應(yīng)用案例依舊較少，主要涉及數(shù)據(jù)安全、共享機(jī)制、技術(shù)壁壘和協(xié)同模式等問題[24].

5 結(jié)論與未來展望

圖7 可信DT在工業(yè)領(lǐng)域的應(yīng)用體系Fig.7Application system of the trustworth twin digital in the industry area

近年來，隨著可信AI理念的興起，DT的可信化發(fā)展成為一個(gè)重要趨勢(shì)，為拓展DT多場(chǎng)景應(yīng)用提供了技術(shù)保障和安全框架.本文回顧了DT發(fā)展歷程，給出了可信DT的理解并闡述八大特征，包括安全性、可信度、測(cè)試性、驗(yàn)證性、預(yù)測(cè)性、保障性、實(shí)時(shí)性和交互性.基于DT五維模型，從物理實(shí)體、虛擬模型、孿生數(shù)據(jù)、智能服務(wù)和連接5個(gè)維度提煉可信DT的關(guān)鍵使能技術(shù)，并提煉分析關(guān)鍵技術(shù)的優(yōu)劣勢(shì)及主要應(yīng)用對(duì)象.聚焦于智能制造系統(tǒng)，識(shí)別可信DT在設(shè)計(jì)、生產(chǎn)、服務(wù)和報(bào)廢回收等多階段、全生命周期的應(yīng)用框架.

盡管可信DT在智能制造領(lǐng)域展現(xiàn)了良好的應(yīng)用前景，但其描繪的美好前景與工業(yè)大范圍應(yīng)用間仍存在巨大鴻溝，主要在數(shù)據(jù)安全、模型信任、動(dòng)態(tài)更新和協(xié)同應(yīng)用等方面受到限制，解決“算不準(zhǔn)”、“測(cè)不準(zhǔn)”等信任問題仍是發(fā)展核心.本文給出工業(yè)4.0背景下，可信DT在工業(yè)領(lǐng)域的應(yīng)用體系及未來發(fā)展趨勢(shì)，如圖7所示.

在物理層，對(duì)應(yīng)的是產(chǎn)品制造現(xiàn)場(chǎng)參與生產(chǎn)的物理對(duì)象，包括制造設(shè)備、生產(chǎn)車間、操作和決策人員、加工物料和生產(chǎn)環(huán)境等，涉及到多個(gè)應(yīng)用場(chǎng)景、多個(gè)并行生產(chǎn)任務(wù)、多個(gè)車間、多個(gè)協(xié)同模塊以及多個(gè)干擾因素.考慮到生產(chǎn)計(jì)劃和調(diào)度的不確定性因素，建立一個(gè)可靠性評(píng)估體系，提高生產(chǎn)過程可控性和穩(wěn)健性，避免產(chǎn)品質(zhì)量缺陷和產(chǎn)能過剩問題.

在感知層，首先通過篩選關(guān)鍵參量、優(yōu)化傳感器布局來解決數(shù)據(jù)“測(cè)不了”、“測(cè)不全”難題.在此基礎(chǔ)上，通過統(tǒng)一通信協(xié)議、通用網(wǎng)管接口實(shí)現(xiàn)無障礙數(shù)據(jù)傳輸，依托端到端加密協(xié)議保障數(shù)據(jù)傳輸安全性，需重點(diǎn)解決海量數(shù)據(jù)的實(shí)時(shí)性傳輸難點(diǎn)并建立可靠的共享機(jī)制，例如聯(lián)邦學(xué)習(xí)方法，嘗試在一致性協(xié)議下開展局部數(shù)據(jù)共享來避免數(shù)據(jù)壟斷和傳輸泄露.考慮到采集到的數(shù)據(jù)具有多源性、異構(gòu)性、海量性和實(shí)時(shí)性等特性，需要探索新的存儲(chǔ)架構(gòu)、優(yōu)化數(shù)據(jù)結(jié)構(gòu)、提升數(shù)據(jù)質(zhì)量并進(jìn)行可視化展示，有助于解決“測(cè)不準(zhǔn)”問題.

在孿生層，包括與物理對(duì)象對(duì)應(yīng)的虛擬對(duì)象，涉及到孿生數(shù)據(jù)、孿生模型和孿生環(huán)境.其中，孿生數(shù)據(jù)來自感知層，數(shù)據(jù)的實(shí)時(shí)性、完備性、可靠性和安全性是建立可信高保值模型的關(guān)鍵.在剖析物理實(shí)體自身的幾何形態(tài)和結(jié)構(gòu)力學(xué)性能的基礎(chǔ)上，融入物理環(huán)境多物理場(chǎng)、多尺度不確定和時(shí)變特征，依托可信AI技術(shù)建立物理系統(tǒng)的可信高保真模型，能有效模擬物理實(shí)體的時(shí)空狀態(tài)、行為和功能，為解決“算不了”、“算不準(zhǔn)”難題提供了可行思路.同時(shí)，在虛擬模型建立過程要考慮到諸多不確定性因素，包括環(huán)境不確定性、參數(shù)不確定性等，對(duì)虛擬模型開展模型驗(yàn)證和認(rèn)證是保障建模有效性的可靠手段，而動(dòng)態(tài)更新有助于提高模型精度、仿真置信度和決策可信度.

在應(yīng)用層，覆蓋到產(chǎn)品設(shè)計(jì)、制造生產(chǎn)、運(yùn)維服務(wù)和報(bào)廢回收全生命周期過程，提供包括需求設(shè)計(jì)和設(shè)計(jì)驗(yàn)證、狀態(tài)監(jiān)測(cè)和過程控制、預(yù)測(cè)性維護(hù)和質(zhì)量溯源、逆向物流和回收再制造等應(yīng)用服務(wù).充分考量運(yùn)行過程的內(nèi)外部要素及不確定性因素，從可信度視角出發(fā)建立全過程的服務(wù)供給體系，針對(duì)薄弱環(huán)節(jié)開展可靠性維護(hù)和流程優(yōu)化，保障產(chǎn)品質(zhì)量和生產(chǎn)線安全、可靠和高效運(yùn)行.垂直化專業(yè)軟件支持和平臺(tái)服務(wù)可提供標(biāo)準(zhǔn)化服務(wù)范式，有效解決DT應(yīng)用困難并以模塊化、通用化和協(xié)同化模式逐步打破“算不快”的限制.

未來，在借助先進(jìn)傳感器技術(shù)和高效安全傳輸模式來解決“測(cè)不了”難題的同時(shí)，需開展運(yùn)行過程的實(shí)時(shí)監(jiān)測(cè)與預(yù)警、專業(yè)化團(tuán)隊(duì)和標(biāo)準(zhǔn)化體系建設(shè)，共建數(shù)據(jù)共享交互中心和資源動(dòng)態(tài)協(xié)同中心，面向可變顧客需求實(shí)現(xiàn)大規(guī)模個(gè)性化制造和柔性生產(chǎn).依托DT通用軟件或平臺(tái)、智能控制與服務(wù)系統(tǒng)，落實(shí)并推動(dòng)DT走向大規(guī)模工業(yè)應(yīng)用，其中，建立一個(gè)多方信任的DT共識(shí)框架是核心.最后，希望本文所概述的可信DT的機(jī)遇和挑戰(zhàn)對(duì)其在工業(yè)領(lǐng)域應(yīng)用有實(shí)踐指導(dǎo)作用，為實(shí)現(xiàn)大規(guī)模個(gè)性化的智能制造新范式發(fā)展提供技術(shù)支撐和思路啟迪.