数字孪生项目怎么落地？数字孪生项目的落地方法分享

最近呢有很多粉丝问我，数字孪生项目到底该怎么做？简直是无从下手，能不能提供一下通用的学习研究方法，或者说可以落地的路径。

我这段时间呢一直在做这件事情，经过几个月的不断的搜集各种方案、白皮书科研论文，也最终得出了我的答案，那就是没有这样的方法。

为什么这么讲呢？主要是以下两个原因：数字孪生到底是什么？到底能做什么？能做成什么样？众说纷纭，没人能讲清楚。大家都有自己的理解，但是数字孪生这个概念，你目前的技术呢是实现不了的。

其实你仔细想一下就明白了，真能在计算机上完整复刻一座城市吗？真能复刻一个车间吗？比如说一套看似简单的水泥工艺生产线，其过程包含大量的物理反应、化学反应，囊括了地质学、矿物学、岩像学、流体学、燃烧学、热传导、结晶学等等学科，要使整个过程处于受控状态，按照我们设计的PTT轨迹运行，不但需要维持物料的量和质的均衡稳定，而且必须维持好各系统、各工学、各个特征参数的稳定，目前我们想做到这些，显然呢是不现实的。因为目前现实的世界的运行机理，我们大部分是不清楚的。

我们再退一步，即使模拟复刻成功之后，我们需要采集多少状态量来实现虚拟世界与现实世界的同步运行呢？一辆汽车有数百个智能传感器，而在一条自动化生产的水泥生产线上，这样的采集设备已经达到了五千个，但是这也仅仅实现了自动化的程度。如果说要完全采集到物理世界的全部状态量，那么这些传感器可能还不足十分之一。只有构建数字孪生体模型和完整数据感知之后，我们才可能说通过数字孪生体进行预测以及故障诊断的应用，那么没有通用办法的。

第二个原因呢是没有通用的落地性技术，数字孪生涵盖的概念太广，几乎所有的行业都在谈数字孪生。比如说城市、园区、水务、水利、能源、航空航天、工业、钢铁、轮船等等，每个行业都有自己庞杂的业务知识和独一无二的流程，没办法以一个通用的方法来以偏概全。数字孪生与其说是一个技术概念，我更想把它当成一种思路，就是在计算机上复刻一个物理实体，各行各业都在谈数字孪生，也都是这个思路。那么我们根据这个思路提炼出了一套通用的研究技术路线，来帮助大家进行思考。这套研究技术路线适用于对待数字孪生毫无头绪的人，给大家一个抓手来进行思考，套用到自己的行业。

请记住，数字孪生本身就是没能实现的概念。数字孪生是什么取决于我们去怎么研究它，以及我们把它研究成什么样子。研究数字孪生分为三步：第一步呢就是建模，第二步呢是数据感知，第三步呢是功能应用。

首先我们来说构建数字孪生体模型。那么第一步也都是我们现在正在做的，就是要搭建它的几何模型，几何模型就是它的几何外观模型，包括形状呀大小呀尺寸，比如说在建筑桥梁园区城市的一个几何外观模型，我们通用的软件比如说u3d、建筑领域的revit，国内的一些bim、gis软件都是支撑我们搭建几何外观模型的。

那么第二步就是搭建它的物理模型，物理模型是什么呢？就是通过物理或者数学公式来概化表达的模型，比如说胡胡克律、水动力学模型。再比如说声光电液压的物理模型，这些呢就相对比较复杂了，需要具备专业的业务知识，比如说一些仿真软件ansys呀、midas、abqus等。

那么第三步呢，我们要建立它的行为模型，行为模型是什么呢？就是它的动态模型，比如说一个车间流水线它是动态的，每个机器构建呢都要按照一定的规则和规律进行运动的。这里是没有通用的软件来实现的，需要根据具体的场景进行开发。

那么最后就是建立它的规则模型。规则模型其实本质上就是数据关系模型，数据关系模型就是区别于自动化，是我们数字孪生智能化的一个标志。比如说自动化系统能够按照既定的指令进行操作和调整来实现无人控制，但是自动化一般会出现对于不同情况做出相同反应的结果，多用于重复性的工作或者工程当中，其过程类比于数学的一元一次方程。

我们说如果建立了规则模型之后呢，我们的模型会更加的智能化，是具有某种复杂的计算和修正误差的数据处理能力，是具有自检测、自校正、自诊断、自修复、自适应、自学习、自优化、自组织、自协调等一些自功能的，其过程呢类比于数学的多元多次方程。比如说咱们城市交通大脑的交通优化系统，我认为是勉强可以达到规则模型这种效果的。这里面需要强调的就是数字孪生模型不一定要覆盖所有维度和领域的，此时呢是可以根据实际需求或者实际对象进行调整，构建部分领域、部分维度的模型。

比如说我们现在所谓的智慧城市，只是建了它的几何外观模型，我们可以先搭建它的部分的数字孪生，一步一步来。我们构建完数字孪生体之后呢，就要进行数据感知了，这里面其实就是实现我们虚拟世界与现实世界同步的一个过程。因为我们建完模型，那个模型都是死的，它不是和我们真实数据进行联动的。那么我们就需要布置一些传感器或者一些数据埋点来得到我们现实当中的一些数据、一些运行状态，来驱动我们虚拟世界当中的模型的一个运行。

比如说在生产车间里，我们会安装一些传感器来采集它的状态数据、开关量数据、视频图像数据、scada、mes的数据，还有一些生产类的比如说订单呀、生产计划、实际产量和质量检测的数据。

对于智慧城市呢，我们采集它的环境呀、气象呀、车辆人员、交通流量业务等等各类的数据，那包括园区、电厂等等等等都会采集各类的数据。我们采集数据的目的呢就是为了感知我们的物理世界，同时驱动我们虚拟世界的模型进行模拟。

那么我们建好模型以及数据之后呢，就可以思考一下能够给我们带来哪些应用。比如说对于几何模型，我们可以进行一个空间规划，空间分析一些建筑的碰撞，检查距离的量测以及将我们监测的数据进行可视化的呈现，这些呢其实就是我们大部分项目做的内容。

对于物理模型呢，比如我们做一些状态检修、仿真模拟预测、状态溯源等等，这些呢是我们大部分项目以及大部分甲方业主想要达到的一个效果。

对于我们搭建的行为模型呢，比如说一些流程模拟、动态仿真、一些流程优化等等，这里面也是大部分项目想要达到内容，但是基本上很难做到的。

最后我们说的是规则模型，比如说一些模糊控制、专家控制、智能决策等等，这些呢是我们很多厂商都在宣传说我们要做成这样，但实际上是几乎做不到的一部分内容。

最后提一下，其实拿着数字孪生的概念来研究数字孪生的思路本身就是错的，因为数字孪生是啥我们还不能确定。其实我们可以换一个思路，不是研究数字孪生是什么，而是研究什么是数字孪生。比如说你现在做的信息化项目，我们搭建一个城市的几何外观，gis+bim的一个模型，或者说我们搭建一个三维可视化工厂，我们都可以说我们实现了数字孪生的一部分，这些呢都是大家做项目的一个思路。