“智慧”的數字孿生

編者按

本文原載于2020年6月的俄羅斯《工程師》雜志“成功階梯”欄目，作者B.賽勒布吉那。

現在，如果想要在最短的期限里，開發和生產出全球新一代定制產品，可以應用數字虛擬未來工廠。它是一種綜合技術解決系統，擁有三合一形式的原則性方案，即“數字設計與建模、新材料和加性技術”。里面的驅動程序具有新的范式——先進設計和制造導向的、數字孿生或大數據形成的數字設計與建模（擬合與優化）。

數字設計與建模新范式的基礎，是應用復雜的多懲戒數學模型，是具有高度現實的材料、充分的結構（包括技術和生產）的數學物理過程。這些過程用數學物理方程書寫，占第一位的是3D瞬時的非線性偏微分方程。

這種數學模型（智慧模型），集成了所有應用于設計、生產和運營的知識，包括零件、產品、構造、機器、安裝、技術或物理控制系統。它們是：

1.基本法則和學科：擺動、彈性、塑性等理論；破壞機理；復合材料與結構合成機理；接觸相互作用；機器的堅固性；計算機制；水上航空學；熱量交換；電磁學；音響效果；技術設施等。

2.實際目標與物理-數學過程全尺寸模型的幾何（CAD，計算機輔助設計）與自然因素計算（CAE，計算機輔助工程）。

3.制造零件材料的完整數據，包括材料在熱、電、磁等不同場的作用下，在快速變形、振動、沖擊、少量及頻繁裝載作用下的行為數據。

4.運營規則的信息，包括正常運營條件、違背正常運營條件、應急狀況等被稱作可編程行為。

5.生產工藝數據和從單個元件到整體結構裝配的數據。

6.其它特性和參數。

所有這些知識集成是制造產品時必須的，但仍不是形成智慧模型的充分條件。更重要的是下面這些關鍵概念，如果沒有它們，智慧模型是不可能形成的。

1.定制：智慧模型是由國際一流技術形成的，數據必須能夠瞬時應對顧客查詢，顧客自己就能通過操作解決工程技術方面的挑戰。對顧客來說，采用什么樣的技術并不重要。

2.系統工程：每時每刻保持整個系統與所有交互構件的監測，以避免某個構件發生特性改變導致其他構件特性變差的情況。

3.目標值和資源組織（時間、財務、技術、生產等）的多維度矩陣：以工程中心和計算力學實驗室解決全球領袖級公司定單的復雜工業任務的經驗。矩陣對產品總體、單獨構件或零件、資源組織等，共包含數萬（4萬～6萬）個具體目標值和要求。

4.智慧模型的驗證：數字形態必須轉化為場景試驗的結果，尤其對那些在前蘇聯時期就處于精密制造水平的產品。比如在航空領域，物理尤其是數學模型的潛能，往往基于大量構造基礎，而且集成了前幾代工程師優秀實踐獲得的經驗和知識。

5.數字驗證：綜合了所有通過測評的場景、驗證和其他試驗的業務過程。在這個業務過程框架下開發產品，從開始到結束都是基于國際一流的技術、系統工程、多維度目標值和資源組織矩陣、智慧模型的驗證，還包括更重要的，對每一個構件（節點、零件、機械、連接器等）、材料和系統，都完成了數以萬計的場景試驗。這使得產品全生命周期的每一個細節都能得到管控。

以國家“車隊”計劃為例。出于對國家元首的出行和陪同安全考慮，在國內優質品牌汽車（豪華轎車、轎車、亞軍和小巴）參數模型統一的平臺上制定計劃。前期負責的是國家科學中心，主要工作是提供設計和研發的數字化方案和技術方案，然后由生產部門制作全部4輛汽車的車身。2016年6月，根據歐洲“更好試驗”規程，在柏林的一家試驗場進行了安全場景試驗。轎車“車隊”第一次獲得最高的分數——5顆星。這是對開發的車身智慧模型和汽車模擬真實場景運行安全的確認。

這項成果的獲得，依賴于開發時充分考慮了大量參數。顯然，汽車模擬了“更好試驗”的動態過程，時長為200～250微秒。

為完成任務所作的數字集成步驟有一百萬次，一般集成的步驟數是20萬次。所有這些信息形成大數據智慧模型的輸入端，超過2×1012個參數。進行虛擬試驗讓我們在輸出端補充了“大塊頭”。在輸出端超級計算機對200微秒時長的過程建模，獲得超過1014個參數。在數千萬個節點上計算50個以上的參數，如位移、速度、加速度、形變、電壓等，總計獲得5×108個用以詳盡描繪智慧模型的曲線。

智慧模型展示的高性能，首先依靠自己的大數據輸入和輸出端，使得它能夠極大地“逼近”實際目標，保證模擬試驗與場景試驗的差別在正負5%以內。這種高性能模型，可被稱為數字孿生產品DT-1。結合特殊工藝制作的高性能智慧模型，比如智能鋰、智能沖壓、零件在工藝制作過程后的張力-變形、薄處、彎曲及其他狀態的預先計算，可被稱為數字孿生生產DT-2。聯合數字孿生產品DT-1與數字孿生生產DT-2，在統一的數字模型及數字驗證基礎上完成數萬次虛擬試驗后，就形成了數字孿生的最高水平SDT-1。

隨后在運營階段，SDT-1在智慧模型基礎上通過工業技術互聯網和診斷的幫助，獲取具體產品的操作信息，以“生成”智慧數字投影。來自運營階段的補充信息提高了其充分性。它“訓練”SDT-1，并使之將來在補充信息越來越充足的情況下，建立各種“意外”狀況的模型及相應運營規則，如評估可能損傷的程度或殘余資源的多少等。因此，借助多次依據SDT-1進行的“數字驗證”虛擬試驗，在有了關鍵區域分布的清晰表述后，可考慮設置各類傳感器，如加速度計、應變計以及溫度、壓力和速度傳感器等。實際上，這已經是代替大數據而形成的智慧大數據——選擇最為必須的信息，因為可以極大地縮減傳感器數量和獲得的大數據容量。這些結果有助于加速數據開發和對SDT-1的必要修正，使其轉化為智慧數字孿生的第二水平SDT-2。

基于“數字驗證”和智慧數字孿生（SDT-1、STD-2……）過程開發的新設計范式，以特殊的形式存在于智能大數據的輸入端和輸出端，集成形成于多懲戒/多刻度/……的計算建模，以及多種工藝優化的應用（多標準、多參數、多懲戒、拓撲布局、地形學、校準、造型及其它）。

在工程中心和計算力學實驗室的所有數字設計和建模過程，包括在“數字驗證”過程中形成的目標值、資源組織的多維度矩陣、開發智能模型和數字孿生，都是在專業的CML（機器學習協會）的數字平臺“CML-臺階”上完成。它由計算力學實驗室開發，開發成本超過1000億美元，曾獲俄羅斯聯邦國家工業產業獎。它保證了開發過程基于所有國際先進水平工藝情況下的極高程度自動化。為了設計過程同時滿足數萬個目標值和資源組織的要求，采用特別開發的CML-專家智能系統。它實際上是在最復雜與最具創造性的設計過程的“智力支持”系統，以及有的放矢地應用智慧的推手。