基于可視化物聯網的公立醫院固定資產數字孿生監控平臺研究

謝曉蓉，金 軼，沈程鵬，潘明慧

（1.上海中醫藥大學附屬曙光醫院，上海 201203；2.上海康德萊國際商貿有限公司，上海 201803）

隨著公立醫院信息化和智慧化建設步伐的加快，公立醫院主流應用的基于電子標簽集群的固定資產管控平臺在工程實踐中日益凸顯出資產屬性動態變化實時感知失效[1]、多維因素約束下設備互聯與數字集成失衡、較長周期內故障自主預測機制缺失等諸多不足，開發融合新興技術的新型固定資產管控平臺具有重要的工程及學術價值[2]。構建了基于可視化物聯網的公立醫院固定資產數字孿生監控平臺，利用可視化物聯網仿真建模技術，建立了固定資產物理實體對應的虛擬鏡像孿生模型[3]，高保真可視化還原了公立醫院固定資產實時屬性變動軌跡情況。在虛擬鏡像孿生模型中引入融合事件驅動的虛實映射技術，構建了基于固定資產數字孿生隨動系統的全要素、全流程、全感知的組織結構和運行邏輯，利用深度卷積神經網絡DCNN對數字孿生隨動系統進行特征辨識[4]，實現時間正序下的固定資產可視化實時自主監控。開展了平臺工程應用實踐驗證，多維度驗證了平臺的可行性及優越性。

1 固定資產數字孿生監控平臺體系架構

把固定資產數字孿生監控平臺完整生命周期運維邏輯進行目標導向下的任務分解，著重關注數據感知及高效傳輸、融合事件驅動的虛實映射、基于DCNN 的固定資產可視化實時自主監控等3 個耦合子架構，構建了公立醫院固定資產數字孿生監控平臺體系架構，具體如圖1 所示。其中，數據感知及高效傳輸子架構主要完成固定資產數字孿生隨動系統基礎數據的感知及高效傳輸工作，把固定資產物理實體的物理和邏輯組件建模為數據對象，利用分布式物聯網節點集群實現數據對象高效傳輸；融合事件驅動的虛實映射子架構主要建立高度動態場景下固定資產物理實體數據模型與孿生模型之間的映射規則[5]，把現實空間下數據模型的動態變化映射為虛擬空間下的孿生模型時間與空間變化，實現物理實體數據模型與虛擬鏡像孿生模型屬性始終保持一致；基于DCNN 的固定資產可視化實時自主監控子架構主要實現對鏡像孿生模型異常屬性自主識別，通過對數字孿生隨動系統進行特征辨識，實現時間正序下的固定資產可視化實時自主監控，形成良性的閉環反饋機制，從根本上提高固定資產實時管控平臺的推理與決策水平。

圖1 固定資產數字孿生監控平臺體系架構示意圖

2 固定資產數字孿生監控平臺關鍵技術

2.1 數據感知及高效傳輸關鍵技術

數據感知及高效傳輸關鍵技術為固定資產數字孿生監控平臺提供底層數據驅動來源，一方面解決固定資產物理實體中的實體模型及屬性模型的全景信息感知，為數字孿生下的信息模型提供虛擬鏡像依據；另一方面提供固定資產物理實體與虛擬鏡像之間的高效數據耦合交互通道。固定資產物理實體模型及屬性模型具有顯著的多源異構與大數據屬性，屬于連續動態空間下的復雜數據感知及組織問題[6]，引入工業4.0 組件中的資產建模語言AutomationML實現實體模型及屬性模型的全景感知，引入工業4.0組件中的高效通信協議OPC UA 實現固定資產物理實體與虛擬鏡像的雙向實時數據耦合交互[7]?？紤]到一般性及高效性，把資產物理實體組件要素劃分為物理、屬性兩類，利用AutomationML 語言建立形式化描述下的數據對象模型，則有：

其中，采用PES表征固定資產物理實體，采用CEij表征物理組件要素集合，包括資產名稱、資產編號、資產狀態、資產隸屬、維保信息、預留擴展字段等。采用CPij表征屬性組件要素集合，包括原始成本、預計凈殘值、使用年限、監管人員、變更情況、預留擴展字段等。組件要素之間具有耦合的層次關系[8]，建立組件屬性集，用SXij表征，包括組件機械屬性、電氣屬性、結構屬性、拓撲屬性、幾何屬性、運動屬性、邏輯屬性等。對SXij、CEij、CPij進行二級形式化描述[9]，則物理組件、屬性組件要素及組件屬性集表征如下：

在固定資產物理實體實際運行時借助分布式物聯網實時采集多源異構數據，通過AutomationML 進行數據格式交換，按照式（2）～（4）進行層次數據描述，構建實例、接口、角色、單元等角度的統一數據模型。其中，單元數據模型涵蓋單位、部門、資產等層級，由可重構的組件模板構成，角色數據模型涵蓋接口屬性規則，接口數據模型涵蓋常規的接口規則，實例數據模型通過調用單元和角色數據模型[10]，使角色庫實例化，最終使用內部元素對固定資產物理實體系統中的物理實體組件進行建模。在實例層次建立基于OPC UA 通信協議的數據耦合交互服務端，在角色庫層次建立基于OPC UA 通信協議的數據耦合交互客戶端，利用中間格式XML 對統一數據模型進行抽象暫存，利用OPC UA 通信協議實現固定資產物理實體與虛擬鏡像的雙向實時數據耦合交互，通過AutomationML 語言及OPC UA 通信協議可以有效解決多源異構數據集成問題，很好地將物理、屬性兩類組件要素有機耦合，全景還原固定資產物理實體實際所處狀態。

2.2 融合事件驅動的虛實映射關鍵技術

通過層次數據描述構建了統一的數據模型，可以較好地隨動還原固定資產物理實體實際所處狀態。通過OPC UA 通信協議實現固定資產物理實體與虛擬鏡像的雙向數據耦合交互，在數據模型層次全景還原固定資產物理實體資源向虛擬鏡像孿生模型轉變的全過程。由于數據模型具有較強的開放擴展性，數據模型層次描述不斷豐富，需要在虛擬鏡像端實時隨動孿生模型，實現物理實體數據模型與虛擬鏡像孿生模型始終保持一致[11]。引入融合事件驅動的虛實映射關鍵技術把物理實體的狀態屬性變化以時間或者空間敏感的形式映射為虛擬空間中孿生模型的隨動變化，物理實體數據模型的豐富變化通過模型實時屬性與虛實映射規則自主映射至孿生虛擬空間，具體如圖2 所示，詳細實現流程如下：

圖2 融合事件驅動的虛實映射關鍵技術邏輯示意圖

1）動態幾何模型設計：數據模型層對應的動態幾何模型是孿生虛擬空間的基本開始形式，利用紋理映射技術實現精確幾何建模，首先建立物理實體模型對應的粗略幾何輪廓，作為紋理映射的基礎素材；然后確定物理實體表面的紋理屬性，將物理實體表面上各點所對應的紋理值作為動態幾何模型中的相應參數進行光強度計算[12]，繪制精細幾何模型；最后利用父子節點關系實現幾何模型動態隨動，父子節點相互耦合變化的規則：父節點變化一定引起子節點變化，子節點變化一定不會引起父節點變化。

2）事件驅動下的虛實映射：把事件驅動變更劃分為固定資產物理變更數據驅動和屬性變更數據驅動，當固定資產物理變更時，觸發映射規則調整機制，對實時數據進行調整，通過OPC UA 通信協議上傳數據模型的最新實時屬性[13]。當固定資產屬性變更時，觸發映射規則調整機制，分級對映射規則進行選取，對實時數據進行調整，通過OPC UA 通信協議上傳數據模型的最新實時屬性。

3）隨動孿生模型的生成：基于OPC UA 通信協議服務端上傳的雙向耦合數據，在OPC UA 通信協議客戶端對耦合數據進行提取與深度分析，對上文生成的動態幾何模型進行約束項生成，添加幾何屬性值、數據接口邏輯關系、模型與數據的對應關系等，實現實體模型與孿生模型的初步融合，利用閉環反饋機制實現孿生模型的自優化。

2.3 基于DCNN的固定資產自主監控關鍵技術

借助OPC UA 通信協議服務端提取的固定資產數字孿生物理狀態變量組，構建具有顯著多源異構屬性的固定資產數字孿生端異常監控特征數據池，利用深度卷積神經網絡DCNN 對數字孿生隨動系統進行特征辨識，實現時間正序下的固定資產可視化實時自主監控。不失一般性，固定資產異常監測算法視為策略μ的序列函數，定義Q函數表征為在采用確定性策略μ下選擇動作的獎勵期望值[14]，為了保證算法迭代收斂速度跨數量級提升，引入面向固定資產數字孿生端自主監控的經驗緩沖機制，從經驗緩沖因子池中隨機采樣Mini-batch 數據組，自主生成固定資產異常監測物理映射信息框架并標記，則固定資產異常監測物理映射自生成機制表征為式（5）：

基于式（5）的融合共享效應，多重Q網絡中的參數θQ具有較好的自主進化性能，借助Qμ(s,μ(s))利用μ策略在s狀態選取動作所獲取的回報期望值，自主生成固定資產異常監測物理映射信息框架并標記[15]，可以較好地實現大數據量級多源異常監測數據物理映射自生成，又因為是在連續空間內，所以期望可用積分求解，則有：

利用式（6）給出的多重Q網絡自主進化機制，把面向公立醫院固定資產數字孿生自主監控問題視為連續動態變動場景下的自主感知與決策問題，則公立醫院固定資產數字孿生自主監控機制表征為式（7）：

以2020 年01 月-2020 年12 月期間上海中醫藥大學附屬曙光醫院固定資產管控數據構建仿真數據集，選取仿真數據集中的8 200 例數據作為算法的前置訓練集，選取仿真數據集中的6 200 例數據作為算法的后置測試集，引入常用目標優化算法作為對照，利用Python 語言編程實現，在PyCharm 集成環境下進行圖形化仿真，仿真結果如圖3 所示。固定資產數字孿生自主監控問題屬于連續動作空間下的感知與決策問題，引入16 層深度信念神經網絡框架并利用緩沖池機制改善深度確定性策略梯度算法的感知收斂遲滯問題。設置Target-action Value 神經網絡以及Action Value 神經網絡實現固定資產異常監測及評估，利用Target-action Value 神經網絡中輸入當前狀態s可以輸出NextQ值，將當前的狀態s輸入Action value 神經網絡中獲得evalQ值，實現固定資產可視化實時自主監控。

圖3 基于DCNN的固定資產自主監控關鍵技術性能仿真圖

3 固定資產數字孿生監控平臺應用驗證

數字孿生隨動系統屬于固定資產物理實體的三維可視高保真鏡像，通過內置雙向數據耦合交互機制全景復現固定資產物理實體全要素和全流程的組織結構和運行邏輯，實現數字孿生虛擬鏡像與固定資產物理實體在狀態監控推理決策層面保持動態一致。依據圖3 傳達的顯著對比信息，基于可視化物聯網的公立醫院固定資產數字孿生監控平臺在實現固定資產可視化實時自主監控有效率等層面的實際監控效能有較大幅度改善，初步實現了固定資產復雜邏輯狀態準確感知及屬性狀態可視化實時自主監控，具有資產屬性動態變化實時感知、多維因素約束下設備互聯與數字集成均衡、較長周期內故障自主預測機制較可靠等優勢。為了驗證文中所提固定資產數字孿生監控平臺在一線工程應用下的實際效能，以上海中醫藥大學附屬曙光醫院為驗證載體，對模型進行了工程應用實踐驗證，應用驗證布置邏輯圖如圖4 所示。資產實體數據層主要提供幾何模型實時屬性數據等，從數據源頭保證數字孿生虛擬鏡像與資產實體運行屬性動態一致；資產可視化實時自主監控層借助OPC UA通信協議服務端實現資產物理級、屬性級數據流與控制流集成，構建面向固定資產可視自主監控的全要素全流程關聯匹配機制[16]，利用機器學習算法對耦合交互數據進行深度分析，借助深度卷積神經網絡DCNN 框架實現時間正序下的固定資產可視化實時自主監控；可視化人機交互層實現友好的雙向人機交互，具備固定資產屬性狀態實況可視化推送、固定資產物理實體高保真虛實映射、固定資產物理實體數據及控制流全息展示等功能，支持固定資產高保真數字孿生虛擬鏡像的實時呈現。

圖4 固定資產數字孿生監控平臺應用驗證布置邏輯圖

進一步從定量層面對比分析固定資產數字孿生監控平臺的工程化應用效能，選取上海中醫藥大學附屬曙光醫院為效能評價載體，以上海中醫藥大學附屬曙光醫院國有資產管理部正在應用的紫興科技醫院資產綜合追溯監管系統為對照系統，選取上海中醫藥大學附屬曙光醫院大型醫療設備監管為效能對比原始數據來源，從固定資產單位周期審計成本比值（SJ）、固定資產單位周期效益產出比值（CH）、固定資產可視化實時自主監控有效率（YX）等方面進行定量分析，圍繞固定資產數字孿生監控平臺驗證平臺工程化應用人機交互友好性（YH）、數據集成實時有效性（SH）、動態異常信息互聯推送（TS）等方面進行定性分析，具體如表1 所示。通過表1 從定性和定量兩個層面分析得出，該文所提固定資產數字孿生監控平臺較好改善了基于電子標簽集群的公立醫院固定資產管控平臺在工程實踐中日益凸顯的諸多不足，在固定資產審計成本、效益產出、故障預測等層面具有顯著定量化優勢。

表1 固定資產數字孿生監控平臺應用驗證對比表

4 結論

針對基于電子標簽集群的固定資產管控平臺在工程實踐中日益凸顯的資產屬性動態變化實時感知失效等諸多不足，構建了基于可視化物聯網的公立醫院固定資產數字孿生監控平臺，從體系架構、關鍵技術、應用驗證等層面完整給出了平臺實現要素，為加快融合新興技術的新型固定資產管控平臺實際落地應用進行了階段性的實踐。采用軟件進程接口擴展的方式搭建了公立醫院固定資產數字孿生監控平臺工程應用實踐效能分析驗證環境，開展了固定資產數字孿生監控平臺典型應用環境下的效能仿真驗證，從理論上驗證了平臺實現要素的可行性及優越性。系統進行了平臺工程實踐應用驗證，從定性和定量兩個角度驗證了平臺的有效性，平臺在固定資產審計成本、效益產出、故障預測等層面具有顯著定量化優勢，平臺滿足大中型公立醫院固定資產管控智慧化改造需求，大幅度優化了公立醫院固定資產可視化實時自主監控機制。