互时科技：2023数字孪生技术理念白皮书

互时科技白皮书|2023信息模型在数字孪生应用中的基石作用互时科技出品2023.08数字孪生技术理念白皮书(2023) 1 2 3二、数字孪生——企业数字化转型的支点 4三、数字孪生应用成熟度——镜像层与描述层应用的显著差异 6四、信息模型——数字孪生的基石 81.数字孪生信息模型的概念 82.数字孪生信息模型包含的信息 93.数字孪生信息模型的研究与推广 4.数字李生信息模型相关规范及标准 5.数字孪生信息模型好坏的评据 6.数字孪生信息模型更新、维护及应用 五、数字孪生信息模型客户价值 数字孪生技术理念白皮书(2023)本白皮书围绕过程制造业、基础设施及高端装备等行业需求，系统性讲述数字孪生及作为其基石的信息模型相关概念、技术、应用场景及客户价值。白皮书分析了传统信息化与数字化的差异，并认为数字孪生技术在企业数字化转型过程中能发挥支点作用。数字孪生应用具有不同成熟度等级，目前国内主要应用处于镜像层与描述层，这两个层级的应用及在功能、应用场景、客户价值上存在显著差异。信息模型通过构建单一数据源的数字底座，实现高质量的工业数据治理和分发，支持特定场景的减负增效以及跨场景的数据流转，是数字孪生技术的基石，对于推动企业数字化转型具有至关重要的价值。数字孪生技术理念白皮书(2023)不确定性是当前人类社会环境的重要特征。对企业尤其是制造业企业而言，无论是在供应链、市场需求、研发、制造等环节下，还是在宏观经济、社会及地缘政治环境等要素下，都面临着不确定性、不稳定性、复杂性及模糊性的巨大挑战，业内也基于这些特征将当下定义为VUCA时代。而想要化解不确定性，企业需要向数据驱动的模式进行转型，从而具备快速感知、分析及决策的能力。正如中国工程院院士邬贺铨所总结的，"数字化转型是应对不确定性最有效的举措"。企业必须通过数字化转型在不确定的时代赢得相对的确定性，才能得以生存发展。国家在政策层面对于企业数字化转型也给予了高度重视。2023年2月，党中央、国务院联合发布的《数字中国建设整体布局规划》将数字中国建设的意义提升到了新的高度，极大推动了国内企业数字化转型的步伐。2023年4月，国家发改委发布的《政府投资项目可行性研究报告编写通用大纲2023年版》中，也首次在国家层面明确提出政府投资项目应考虑实施数字化交付。与此同时，随着数字化转型应用的规模化及深入化，包括数字孪生、大数据、人工智能、云计算、5G、物联网等在内的数字化转型相关支撑技术也备受关注，其中数字孪生技术更被视为数字化转型的重要支点，成为当下的应用热点。本白皮书主要围绕过程制造业、基础设施及高端装备等行业需求，系统性讲述数字孪生及作为其基石的信息模型相关概念、技术、应用场景及客户价值，以期望为国内企业数字化转型提供助数字孪生技术理念白皮书(2023)企业数字化战略探讨数字孪生技术之前，需要先提及企业的数字化战略。企业数字化战略是企业整体战略的子集，它与产品战略、销售战略、市场战略、人才战略等属于并列关系。数字化战略的根本诉求是通过对IT和数据的利用，支撑企业战略目标的实现，其最终仍是为业务所服务。为实施数字化战略，企业需要搭建出数字化基础，来支撑企业的诸多数字化行为。数字化基础主要包括研发、生产、供应链等环节的数字化资产信息，信息的质量与可用性，员工的数字化能力和数字化转型意愿，以及相应的企业文化等。现实中，企业往往会低估数字化基础的价值。第1章企业数字化战略(03)数字孪生技术理念白皮书(2023)数字孪生--企业数字化转型的支点国内信息化建设推进近30年来，毋庸置疑在提升企业运营效率等领域发挥了可观的价值。但在实施过程中，传统信息化模式也暴露出一定的局限性：业务驱动及点状建设模式容易导致信息孤岛；聚焦于点状、局部的效率提升，而无法实现全局优化；以及在实践过程中更多关注人，而较为忽视物这一关键生产要素等等。数字化转型的意义就在于去突破传统信息化的局限，实现企业从信息化向数字化的跃进，更大程度上发挥数据价值。要想实现这一跃进，首先需要了解下信息化与数字化二者之间的差异。这两个概念紧密相关，但也存在显著不同，在现实中往往容易被混淆。信息化、数字化概念的相关性主要体现在两者是一脉相承的。数字化是信息化发展的高级阶段：数字化并不是对信息化的革命，而是一种进化，是通过对企业以往信息化系统的整合优化，满足企业数字化时代的生产运营需求[2]。同时，信息化、数字化在特征上也存在显著差异。具体如表1所示。信息化数字化业务运行世界企业更多只是将原先线下的核心业务流程搬到线上；企业业务本质上还是在物理世界内开展，信息系统仅提供支撑。将物理世界完全解耦、重构、建模至数字世界，企业业务可独立运行在数字世界；企业绝大部分的沟通协作、设计、生产、销售等活动都可以在数字世界里实现。数据语义没有解决数据语义的问题，所有语义内容均由人来定义与解读。初步解决了数据语义的问题，系统的识别判断、动作控制、反馈监测等都已具备了一定的语义内容。人的参与度参与度高，企业业务是由人主导的，分析决策依赖于人工经验；同时存在大量的手动数据录入、扫码、拍照等繁杂工作量。参与度低，人只需要响应数字世界的指令；数据自动流转很大程度上避免了繁冗的手动数据录入、数据查询等工作量；更多基于数据、事实的分析决策，而非人工经验。数据角色业务流程是核心，数据只是信息化系统运行过程中的副产物。数据是核心，数据作为企业数字资产，赋能业务运营、决策。典型例子传统OA、ERP、MES等软件套件。通过数字化建模，基于全量全粒度信息模型的新一代工业软件，例如BIM5D、4D管道施工管理系统等。第2章数字孪生--企业数字化转型的支点(04)数字孪生技术理念白皮书(2023)换个视角，从生产力与生产关系的维度来分析，也能很好辨别出信息化与数字化的差异。在信息化时代，企业生产力的核心是人，在数据的获取、整合、使用等环节依旧需要人的深度参与，随之带来的自然是高昂的人工和时间成本。而当企业实现数字化转型之后，以往难以获取或需消耗大量人工、时间成本才能获取的数据，可以被更高效率、低成本地获取；以往依赖于人工经验的数据分析、洞察手段，升级为专业高效的数字化分析工具；以往需要人工发现、解决的问题，在数据驱动模式下可以被智能识别，并自动找到科学的解决方法。企业的核心生产力已从信息化时代的人，转变为数据及其相关的分同时，在信息化时代，企业内部不同专业、部门以及不同企业之间都存在着一定边界，也就是所谓的“信息孤岛”,造成彼此间的信息隔离。而数字化转型则打破了这些边界，实现了数据的有效贯通；这意味着跨专业、部门及企业内外部的协同成为可能，企业的生产关系将被重构。因此，从本质上来说，数字化转型实现了企业对于其生产力和生产关系的重构，并基于此产需要注意的是，数字化转型的前提是将物理世界完全解耦、重构、建模至数字世界，得以构建一个独立于物理世界的数字世界，而其中的核心支点就是数字孪生技术。而相较金融、零售等服务型行业而言，过程制造业、基础设施、高端装备等都属于资产密集型行业；其实体对象复杂，物理属性丰富，可复制性差，实现数字孪生的难度也随之提高。第2章数字孪生--企业数字化转型的支点(05)数字孿生技术理念白皮书(2023)数字孿生应用成熟度--镜像层与描述层应用的显著差异根据现有国际标准，数字李生应用被分为不同的成熟度等级。按照IEEEP3144数字孪生成熟度模型标准草案，基于成熟度不同，数字孿生应用可分为镜像、描述、诊断、预测及自治5个等级，层次逐级提升(详见表2)[3]。Level5具备自治能力，完全由系统自主决策、执行、反馈形成闭环，对自然人的依赖Level4Predictive|预测融合数理模型，基于历史数据和当前生产条件，模拟和预测未来状态，辅助用户决策；数理模型持续修正，确保模型实例与目标对象行为模式一致。Level3信息模型不但需要描述实体现状，还需要集成设计要求，配置管理成为关键诉求；融合第一性原理模型，分析或诊断特定场景的问题成因，辅助用户分析和决策；同时，基于真实数据持续修正第一性原理模型实例，确保模型实例与目标对象行为模式一致。Descriptive|描述构建目标实体复杂、具有语义的统一信息模型，以描述其现状；信息模型及时更新与维护，以保证实例始终与目标对象保持一致；同时，提供多维度、多尺度的数据分发能力，在模型对象化管理的基础上实现情境化信息展示，辅助用户分析问题。Level1建立2D、3D或VR模型，叠加有限的应用场景数据，例如设备OEE、HSE等，实现目标实体在特定应用场景下的信息可视化表达。●表2:数字孿生应用成熟度5个层级及对应模型目前国内的数字孪生应用主要集中在镜像层，描述层应用也开始逐漸增多。二者及其分别对应第3章数字孿生应用成熟度--镜像层与描述层应用的显著差异(06)数字孪生技术理念白皮书(2023)镜像层(可视化模型)描述层(信息模型)领域(domain)覆盖度一般仅聚焦在目标实体特定、单一领域，例如机械、电气等。覆盖目标实体完整领域，及各领域之间的互动。空间、时间覆盖范围不考虑情景化及关联关系。时间维度一般仅聚焦某个时间节点，或者狭窄的时间区间。空间维度，聚焦目标实体完整的维度，及与其他系统的互动。时间维度，覆盖目标实体全生命周期。自治能力一般离不开人的参与。具有半自治能力，可以自主完成部分工作及业务决策；当然，复杂操作仍然离不开人。集成及互操作能力孤立系统，与目标实体及其他系统不沟通，或非常有限的集成、通信。具有与目标实体及其他系统的通信及数据交换能力。应用场景一般仅用于直观展示实体对象的形状、位置信息，以加强人机交互。应用场景单一。多作为企业单一数据源的数字底座，并可自动分发经过治理的数据给其他系统，是企业数字化转型的关键。应用场景广阔。●表3:镜像层、描述层应用存在显著差异概括来说，可视化模型与信息模型最大的差异体现在局部与全局的区别上。可视化模型好比述，无法解决目标对象的能观性。而信息模型则与生俱来就包含全局的概念，它将所有的局部信息进行关联使之成为场景化信息，实现目标实体在领域、时间、空间等各个维度的完整描述。当然，二者之间的差异性还体现在是否全生命周期覆盖、集成及互操作能力、应用场景等诸多方面。从这些差异性中可以看出，相较于信息模型而言，可视化模型的客户价值较为局限。目前国内多数企业对数字孪生的认知，尚停留在镜像层的可视化应用上。这一认知现状对于企业进行数字化转型颇有阻碍。因此，突破这一认知并完成信息模型的构建，可以说是当前数字孪生工作的核心任务，也是推动企业实现数字化转型的重要基础。第3章数字孪生应用成熟度--镜像层与描述层应用的显著差异(07)数字孪生技术理念白皮书(2023)信息模型--数字孪生的基石1.信息模型--数字孪生的基石等领域的信息模型主要关注互操作性，以解决现场来自不同供应商的传感器或机器设备数据的接入问题。数字孪生所包含的模型，大致可分为信息模型、可视化模型、机理模型及数理模型四种(详见表4)。数字孪生模型典型例子应用可视化模型二维、三维模型及AR、VR直观展示实体对象形状、位置等信息信息模型N.A单一数据源的企业数字底座机理模型反应单元模型、装置级工艺过程流程模型、静设备腐蚀机理模型数字孪生高阶应用，例如诊断数理模型Al模型数字孪生高阶应用，例如预测·表4:数字孪生模型第4章信息模型--数字孪生的基石(08)数字孪生技术理念白皮书(2023)其中，只有信息模型是在全生命周期维度对实体对象实现全量、全粒度的数字化表达，并通过单一数据源的数字底座形式，自动为其他模型及各业务系统分发含有语义的标准化信息。信息模型对于数字孪生技术而言不可缺失，可以称之为数字孪生的基石。缺失了信息模型的数字孪生只是空中楼阁，难以担当起数字化转型支点的重任。场景数据，但因其目的主要用于展示，并不强调数据完整性，其定位并非数据载体或底座。至于机理模型和数理模型，则对应着更高阶的应用，对数字孪生而言并非不可或缺。因此，无论是可视化模型，还是机理、数理模型，其本质上都属于针对特定场景的应用型模型。而信息模型作为基石型模型，则可以向它们分发、推送所需求的数据。2.数字孪生信息模型包含的信息信息模型可以帮助企业更好地理解与管理实体对象。由于要满足企业内外部门及相关业务的所有信息需求，信息模型往往需要包含海量的各类信息；但同时，企业也需要对未来的信息需求度有个预判，以避免无用信息造成的资源浪费。为便于管理信息模型所包含的各类信息，首先需要对其进行分类。目前业内尚无统一的规范，本白皮书所采用的是当下较为常用的分类方式，如下图所示。●图1:数字孪生信息模型包含的信息性能性能第4章信息模型--数字孪生的基石(09)数字孪生技术理念白皮书(2023)简单来说，数字孪生信息模型主要包含了两类数据：本体数据和活动记录。本体数据涉及性能、设计、规程类数据，用于描述实体对象的构成、规程、材质、关联及拓要用于描述实体对象当前的工作状态及历史运营记录等，多产生于企业运营与维护阶段，对企业诊数字孪生信息模型的构建源于各类原始数据，从全生命周期维度看，既包括来自于设计与建造阶段的工程数据，也包括采购数据，以及运营阶段的实时数据、管理数据等。这些类型各异的海量数据原本非常分散，属于未经治理的非关联、非场景数据，所以称之为原始数据。而基于一定规则，以抽象方式构建出信息模型后，这些原始数据实现了有效分类和场景化(Context),进而彼此关联转化为标准化的信息。我们也可以理解为通过信息模型的构建，这些原始数据转化成为具有语义的(其关键价值是以一致的方式提供对现实世界场景化和关联信息的访问)、高可用性的信息[5]。所谓数字化交付，也就可以窄义理解为设计与建造阶段构建的数字孪生信息模型，向运营与维护阶段的递交，并成为运营与维护阶段信息模型的起点。3.数字孪生信息模型的研究与推广基于数字孪生信息模型在数字化转型中的重要地位，欧美国家对相关的研究与推广非常重视。例如近些年德国工业4.0工作组提出的资产管理壳(AssetAdministrationShell,AAS)概念，其本质就是基于一定规则的信息模型，包含标识及子信息模型等要素6;而北美地区较为普及的资产信息管理(AssetInformationManagement,AIM)的概念，其核心也是资产的信息模型。过往国内业界对于信息模型的关注程度普遍不高。但近年来，迫于企业数字化业务的需求，在信通院等机构的推动下，业界对信息模型的研究也已起步，值得期待]。第4章信息模型--数字孪生的基石(10)数字孪生技术理念白皮书(2023)4.数字孪生信息模型包含的信息信息模型作为数字孪生的基石，需要具备被所有数据用户迅速接入、理解、执行及分享的能力。在项目设计与建造阶段，业主需要与设计、施工、采购、监理以及政府监管部门等多方进行协同；而在运营与维护阶段，又涉及到设备供应商、维护服务商、工艺供应商、仪表与自动化供应商等。由于相关参与方都有各自的数据需要输入到信息模型中，针对信息模型的所有权、数据接入、决策权等方面达成统一的规范和协议，是非常重要的。为提高协同效率，降低数据交换与共享的成本，需要标准的信息模型/数据集成规范来进第4章信息模型--数字孪生的基石(11)数字孪生技术理念白皮书(2023)5.数字孪生信息模型好坏的评据市面上多数数字孪生供应商都宣称具备构建信息模型的能力，事实上却良莠不齐，难以辨别。因此，作为企业来说，需要有能力判断数字孪生信息模型的好坏差异。理论上来说，一个信息模型，如果能向企业内所有数据用户持续提供所需求的所有信息，且准确度有保障，无须花费时间进行调整或验证，即可视作一个好的信息模型。为便于企业用户筛选，下面给出一些常用的具体判据，分为质量及可用性两大类别：可用性除了质量、可用性这两个判断依据外，数字孪生信息模型非常强调信息的场景化。信息场景化管理能通过提升信息模型的易理解、易执行等能力，及支持更复杂的变更管理流程来提升信息模型的质量和可用性。第4章信息模型--数字孪生的基石(12)数字孪生技术理念白皮书(2023)6.数字孪生信息模型更新、维护及应用数字孪生信息模型的构建，意味着相对简单的数字孪生体已经完成，在保障数据维护的及时性和准确性前提下，企业即可将该数字孪生体应用于生产实践。在此基础上，用户可基于战略优先级，进一步构建更为复杂的数字孪生体，如稳态流程模拟和优化、瞬态过程模型、预测性维护和资产绩效管理、沉浸式操作培训等。对新建项目/工厂来说，企业一般在完成基础数字孪生后，再逐步按需构建复杂的数字孪生。而在役工厂的情况则完全不同：在基础的数字孪生构建前，在役工厂可能已经拥有一些复杂的模型，而相关数据则分散在业务应用系统、电子化文档、纸质图纸及其他互不相连的数据源上。对这些企业而言，需要将相关模型与基础的信息模型进行关联，建立一致性，从而使现有模型的价值及分析结果的准确性得到提升。数字孪生信息模型构建完成后的持续维护工作极为关键。企业必须及时保证现实状态、技术状态与设计要求三者(尤其是前两者)之间的一致性，从而确保信息模型能够持续为企业运营提供价值。这种一致性在核电等行业一般称为配置管理[9],是企业生产运营阶段非常重要的诉求。2022年，由埃克森美孚公司牵头，联合雪佛龙、壳牌、陶氏化学等组成了一个专门工作组，其核心目标就是更好地解决数字孪生信息模型在交付后的可持续发展及开放性问题。从中可以看出，即使在全球业界，数字孪生信息模型构建完成后的维护、应用工作也是很有挑战的问题。对部分企业而言，可以考虑将这部分更新、维护的工作外包，同时与供应商或技术咨询商合作，进一步提升信息模型的应用价值，这将是未来的发展趋势。第4章信息模型--数字孪生的基石(13)数字孪生信息模型客户价值数字李生信息模型对于企业数字化转型具有战略价值。信息模型构建了企业单一数据源的数字底座，并通过高质量的工业数据治理和分发手段，保障数据一致性与准确性的同时，实现跨场景的数据流转。基于信息模型的数字底座解决了传统信息化时代的数据孤岛困境，降低数据流转的复杂性，实现数据的有效贯通，让暗数据得以显性化。企业在数字孪生信息模型的基础上，叠加现有或规划实施的各类业务应用系统，可以最大程度发挥出数据价值，支撑向数据驱动模式的转型，实现从具体落地的角度来看，数字孪生信息模型已有相当多的成熟应用，在诸多场景下帮助客户实现降本增效提质，保障生产安全。例如：设计和建造阶段(见图2)数字孪生技术理念白皮书(2023)运营和维护阶段(见图3)实现基于业务场景的全域数据筛选与查阅，全面提升信息的查找效率及管理实现基于业务场景的全域数据筛选与查阅，全面提升信息的查找效率及管理水平；自动生成设备资料台账及BOM表，高效完成第三方EAM系统的数据初始化工作；基于模型信息与实际状态比对，操作人员可轻松地定位故障设备位置；技改技措仅需要一次性修改信息模型属性数据，变更信息可自动推送至相关业务系统，而无需在多处分别修改；自动生成生产、工艺类台账、报表等，为一线工程师减负增效。●图2:设计建造阶段信息模型应用示意●图3:生产运营阶段信息模型应用示意由于信息模型在过程制造业、基础设施、高端装备等行业的应用实践才刚刚起步，其更多的客户价值仍需持续挖掘探索，尤其是对企业特定场景下业务应用的数据支撑，未来的发展潜力巨大。第5章数字孪生信息模型客户价值(15)数字孪生技术理念白皮书(