【云駐共創】孿生？數字孿生？歡迎進入極客的世界

在文章開始前，我們先對標題中的名詞做一個解釋：

華為云IoT數據分析：也叫華為云IoTA（Analyst）華為云IoTA服務基于物聯網資產模型，整合IoT數據集成、清洗、存儲、分析、可視化，降低開發門檻，縮短開發周期，幫助IoT數據開發者快速實現IoT數據價值變現。通過動手實操，讓智能制造領域開發者體驗如何基于華為云IoT邊緣計算、設備接入、數據分析能力，從設備接入到產線孿生，完成一整套工業物聯網方案的開發。

數字孿生體：數字孿生是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。數字孿生是一種超越現實的概念，可以被視為一個或多個重要的、彼此依賴的裝備系統的數字映射系統。

通過上面的解釋，相信大家對標題和我們今天要介紹的內容有了一定的了解，接下來，我們進入正題。

工業4.0時代，工廠數字化“危機重重”

回顧人類歷史，我們共同順利經歷了三次工業革命：

第一次是蒸汽機時代，開創了以機器代替手工勞動的時代；第二次是電氣時代，自然科學的發展和工業緊密結合，科學在推動生產力方面發揮了更為重要的作用；第三次是信息化時代，科學技術轉化為直接生產力的速度急速加快。

而今，我們迎來了第四次革命，即，工業4.0：智能化時代。“工業4.0的本質，就是通過數據流動自動化技術，從規模經濟轉向范圍經濟，以同質化規模化的成本，構建出異質化定制化的產業。對于產業結構改革，這是至關重要的作用。”

作為新一輪的工業革命，工業4.0的核心特征是互聯。工業4.0代表了“互聯網+制造業”的智能生產，孕育大量的新型商業模式，真正能夠助力實現“C2B2C”的商業模式。

當前，大家都還在“工業4.0”的摸索階段。大量的工廠已經開始自己的智能化轉型之路，比如通過構建應用來講采集的數據可視化，講數據價值最大化。但是，在這個實踐過程中，問題不斷涌現，諸如：

數據/信息孤島，煙囪林立

1）應用多獨立構建，缺乏統一標準，應用間無法有效進行數據共享和信息互通，形成數據和信息孤島；

2）企業數字資產零擔分布，維護成本高，使用效率低下；

應用上線慢，耗時耗力

1）重復造輪子，每個應用上線都有大量重復工作，浪費人力物力，耗時長；

2）其中數據的處理量為復雜，缺乏統一的建模，導致各應用都面臨原始數據的重復處理；

數據分析門檻高

1）數據利用率低，大量數據限制，未充分利用，價值挖掘僅冰山一角；

2）關鍵原因：業務場景不明確，數據開發技術門檻高，缺乏好的數據平臺；

而可能導致上面幾個關鍵問題的原因之一，我們認為可能和軟件開發分層解耦沒有做到位有關。

軟件開發未做到足夠的分層解耦

為什么說“軟件開發未做到足夠的分層解耦”呢？

我們來對比一下傳統的軟件開發過程和華為云IoTA的模式。傳統軟件開發過程有兩種模式：

模式一：應用獨立構建。

1）一半缺乏整體規劃，各應用獨立部署，數據各自基于業務需要進行采集和使用

2）效率低下，比如重復采集數據，對生產影響大

模式二：基于數采平臺構建

1）開始考慮統一的數采平臺，由專業數采團隊完成盡可能多的數據采集，并集中統一開放；

2）整體上效率有所提升，但是數據的使用仍然是獨立的，未實現真正的融合，應用間對數據的處理仍存在大量重復工作。

那么華為云是如何解決這其中的問題的呢？這個時候就是數字孿生體該出場的時候了。

通過上圖這樣一個模型，可以帶來：

更全面的場景化認知能力：

1）統一數字建模語言，語義層互通

2）圖形化/模板化建模開發環境，效率提升40%

3）強大模型計算引擎，支持最大億級模型節點，無縫銜接AI，智能化擴展

更廣泛的物理感知能力

1）10+主流原生協議，60+標準協議

2）云邊協同，協議插件自定義擴展

3）模組預集成SDK，上電即上云

通過把物理對象一一進行數字化處理，將應用和物理設備的交互，轉變成應用和數字孿生體的交互。相對于前兩種模式，這種模式的開發方式有了一個非常大的變化：我們可以無視最底層的物理設備，或者物理接口，將數據建模部分的工作，交由IoT的“統一孿生模型層”完成。

IoT數據分析孿生建模概念分析

接下來，我們將介紹一些“孿生建模”相關概念。

數字孿生：廣義上是由物理對象、數字鏡像及互動系統構成的一個體系，狹義上是物理對象的數字鏡像。

數字孿生體成熟度模型可以分為數化、互動、先知、先覺、共智5個階段，已經超越了現有的數字化、物聯網、仿真、大數據、人工智能、云計算等等的任何一個概念。

1）數化：物理世界中的物通過數字化建模得到一個數字模型；

2）互動：數字對象和物理對象之間，實時相互傳遞信息和數據來產生互動的效果，比如說可以對設備下發一些控制命令（打開路燈）；

先知：基于完整的信息和明確的機制可以預測未來。比如說平常生活中的天氣預報，可以預測未來的天氣；

先覺：基于不完整的信息和不太明確的機制去推測未來；

5）共治：多個數字孿生體之間可以共享智慧、共同進化，是更高級的一種表現。

IoT領域的數字孿生：物理世界的物在數字世界中的實時準確映射，通過定義模型和匯聚相關數據構建出數字孿生載體。

IoT數字孿生應用場景

基于上述的概念，我們介紹一下數字孿生應用場景。數字孿生是一項通用的技術，正在成為國家數字化轉型新抓手，支撐社會各行業數字化轉型的使能技術。下表為數字孿生核心應用場景及價值：

以“智能工廠”行業為例，行業內的龍頭企業，已經在開發數字孿生體。其在開發設備過程中直接就把數字孿生也同步開發交付了，從而實現了整個設備在生命周期的全數字化管理的能力。同時，依托現場采集數據，結合其孿生體的分析，可以提供產品的故障分析、故障預測、遠程管理等等增值服務，最終可以有效提升用戶體驗，降低整體的運維成本，同時可以強化企業的競爭力。

工廠數字孿生由制造數字孿生和產品數字孿生組成，背后的多模型是核心

工廠數字孿生由兩部分組成：制造數字孿生和產品數字孿生。

制造數字孿生：

定位：將工廠的制造環節進行數字化的鏡像，能夠實時反映工廠的制造過程；經過對制造過程的統一抽象，不同應用可以基于統一的語義進行交互；

建模內容：生產裝備，產線，生產工藝流程，質量缺陷，物理結構等；

產品數字孿生

定位：從工廠在制產品維度，組織生產過程中產生的各種數據，并預留通過與數字主線對接的能力打通產品設計階段，產品維護階段的數據；

建模內容：產品的各種屬性，生產過程數據，質量數據等。

整個工廠的數字孿生背后是有多種模型支撐的：

從下往上總結，可以看到：設備模型、產線模型，制程能力模型、質量缺陷模型等，再往上是設備故障預測模型及設備物理/結構模型等等。多種模型，對應著不同的使用場景。

那么，這樣一個模型，是如何設計和落地的呢？

我們需要熟記一句話：對物理世界事物構建數字資產模型時，必須先定義好資產模型，然后再創建資產。

IoT領域的數字孿生包括兩部分，一部分是模型，第二部分是資產。怎么理解這兩個概念呢？模型就相當于是面向對象中的class，即，類。類是靜態的，對一些抽象的東西進行定義。

而資產實例相當于面向對象中的實例對象object，即把類實例化創建一個對象出來，并使用它。

把模型打開來看，里面又分屬性和分析任務。屬性可以類比于我們class里面的成員變量；分析任務類比于class的成員方法，定義了屬性的一些分析技術的邏輯。

具體到屬性，又可以分成靜態屬性，測量數據屬性和分析任務屬性三種。同時，分析任務也可以分為轉換計算、聚合計算以及流計算三種。

工廠數字孿生生產線與設備建模效果介紹

說這么多，華為云IoTA服務究竟有什么樣的效果呢？

以一個SMT生產的建模場景為demo：

上圖是SMT貼片產線。SMT其實一個PCB板的貼片的生產工藝，所有的電子產品包括iPad、手機等等電子類的相關產品，都離不開此工藝流程。

從?demo可以看出，中間有三條產線，左側可以看到每一條產線當前實時的設備和產線OEE的指標。

中間部分是產線設備，可以操作的動作有：

可以通過放大的方式可以把它打開看；

可以點擊某個設備，也可以看到當前此設備在當前周期的實時的OEE；

可以監控設備關鍵的參數屬性，比如可以對一些關鍵的屬性的值做異常值的監控；

可以看到如果設備出現異常：整個系統會顯示紅色或者黃色的點來表示設備出現異常；

右側則可以看到設備的過去幾天或幾個小時的列數據。

或者大家會對前面提到的OEE感到疑惑，那么什么是OEE呢？

OEE，即設備綜合效率（Overall?Equipment?Effectiveness）。一般來說，每一個生產設備都有自己的理論產能，要實現這一理論產能必須保障沒有任何干擾和質量損耗。OEE就是用來表現設備是的生產能力相對于理論產能的比率。

在計算OEE的時候，會涉及到以3個維度：

時間利用率：時間利用率=Σ實際運行時間/Σ計劃開機時間*100%。用來評價停工所帶來的損失，包括引起計劃生產發生停工的任何事件，例如設備故障，原材料短缺以及生產方法的改變等等；

性能利用率：性能利用率=Σ[產出數量*一個產品在設備應有狀態下加工的周期時間]/Σ實際運行時間*100%。用來評價生產速度上的損失。包括任何導致生產不能以最大速度運行的因素，例如設備的磨損，材料的不合格以及操作人員的失誤等；

合格率：合格率=[合格產出數量]/[產出數量]*100%。用來評價質量的損失，它用來反映沒有滿足質量要求的產品（包括返工的產品）；

那么最終的計算公式就是，OEE=[時間利用率]*[性能利用率]*[合格率]*100%，這就是衡量設備綜合運營效率的一個關鍵指標，也是很多電子制造工廠以及其他類似廠房里的一個關鍵性指標。

一般來說，國內廠家OEE的數值都不會太高，一般只有70%，或者80%，少的甚至只有40%左右。

工廠數字孿生產線與設備建模詳解

對于整個IoT數據分析服務，其一般是如何進行數據處理分析的呢？

參考上圖：

第一步，數據管道。我們通過數據管道把數據接進來，同時本地也會進行備份；

第二步，對設備進行建模；

第三步，建立設備資產；

第四步，把模型實例化之后的設備，及灌進來的數據，通過設備資產分析這個計算引擎，完成實時計算相關的分析任務；

第五步，把數據存儲到IoT內部；

第六步，把這個數據通過API開放給第三方使用。

接下來以實際的SMT產線的印刷機為例，結合前面概念講一下如何去配置和設計模型。

整張圖可以分為兩個部分，左側是整個數據完成相關模型概念大綱介紹的幾個維度，右側的是一個生產印刷機設備的實際信息。

前面我們有大概介紹屬性分為3類，但是沒有具體講解三類的相關信息，在此我們補充介紹一下：

靜態配置屬性，此類屬性不需要設備上報，也不怎么會有變化，比如產品型號，設備類型等等；

測量數據屬性，測量數據屬性是需要設備上報的。通俗一點說，就是，數據分析自己是沒法得到的，需要別人給系統的數據。包括設備上報的屬性，也有可能包括從第三方的業務系統讀到的屬性，系統都認為是一種測量屬性；

分析任務屬性，此類屬性在數據上報之后，是需要去進一步計算的。

同時，分析任務也分為3種：

轉換計算：舉個簡單例子，假設創建的時候包含了兩個屬性，a和b，而我們要求在這個過程中，a+b=c，那么這就是一個轉化計算。轉化屬性要求是實時的，且ab兩個值的數據時間戳是相同的；

聚合運算：聚合是一個時間維度的計算，假設要求過去五分鐘的一個平均溫度，如果設備每五秒鐘上報一次數據，那么就需要對五分鐘內的所有上報的數據做一個平均，相當于在時間維度下，做聚合運算；

流計算：流計算主要是用在比較復雜的場景，邏輯不能用簡單的一個if /else表達出來的時候，就需要使用到流計算。舉例來說，當資產將很多參數上報之后，系統需要通過這幾個參數計算出一個結果，再返回資產，那么流計算在其中的作用就相當于一個計算器。流計算的功能非常強大，在工廠數字化模型中，大部分的場景都能實現，比如滑動窗口、數據過濾、加屬性等等，是比較通用的一個能力。

下圖是OEE相關指標的配置情況，大家如果感興趣，可以到demo里去實際查看：

在此，我們重點介紹一下合格率。合格率=[合格產出數量]/[產出數量]*100%。表格中“TS_Sum”表示時序求和，即可以把產量在一個時間范圍內求和，比如，對五分鐘內的產量進行求和。其他指標的計算方式和合格率類似，就不一一贅述。

有了資產和設備之后，我們即可構建產線模型。

產線模型跟設備模型構建的思路一致的，只不過有些特殊點，比如說產線有產線名稱，但是產線不是一個實際的實體物理設備，它只是一個虛擬的概念，因此產線可能不存在測量數據屬性。但是它可以去有定義對應的分析任務，比如說可以計算產線的時間利用率、性能利用率、合格率和OEE等等。

上述屬性可以通過分析計算得到，但是取得的數據都是來自于產線下面各個設備的數據，所以說，對應的分析任務定義過程跟設備是一模一樣的，只不過計算唯一的值的時候，取的是設備下面的子設備數據進行求和之后，做一個累計計算得出來的結果。

以上就是一個產線的一個建模過程。有了產線模型之后，同樣道理可以再建一個工廠模型，工廠模型可能相對會更簡單一些，填一些需要配置的屬性參數即可。

有了設備、產線和工廠這3個模型之后，就可以去構建整個數字化的工廠。

構建產線資產：數字化SMT工廠

從上圖可以看出，構建一個數字化的工廠其實非常簡單：

首先，基于工廠模型構建父資產--?SMT工廠；其次，它的下面可以再加一個子資產，比如說第一條產線，我們可以叫SMT產線1，然后再構成第二條產線。這兩個產線的資產就是基于產線模型來實例化構建出來的；最后，在子資產下可以繼續添加資產（設備），比如說雷雕機、印刷機、貼片機等等子設備，整個流程下來之后，我們就可以把整個工廠的數字化模型構建出來。

請注意：資產數如何構建，是取決于公司自身業務需求的，沒有一個具體的原則框定。

結合實際產線設備實時上報數據，通過數字孿生模型及背后的資產數據計算引擎，即可構建出SMT工廠中產線、設備在數字世界孿生體，通過數字孿生體便可實時反映實際物理設備的動態變化。

整個數字工廠構建出來，在console面里面呈現如下情況：

這是一個編輯態的過程。左邊可以看到是一個工作臺的布局，可以看到每個設備。點中之后可以看到它里面詳細的一些屬性的定義分析任務的一些內容。通過右上角的發布按鈕可以發布。發布之后，可以記錄整個資產數的運行情況，直接run起來之后就可以實時反應去計算需要一些的數據。

上圖可以看到整個資產運行起來之后，點到某個產線，它產線右側里面實時計算出來的數據都可以實時呈現出來，也就是說可以實時監控整個資產的預警情況。

除了上述的數據展現模式，還可以根據業務的需要，將數據展示成折線圖、熱力圖、曲線圖等等，更易進行分析的圖形展示方式，得出你想要的結果。示例圖如下。

想要體驗一個產線模型建立的過程，可以前往華為云IoT數據分析服務（https://www.huaweicloud.com/product/iotanalytics-platform.html）深度體驗。根據“總覽”頁的指導一步步進行操作。

再給大家介紹一個課程，瑞薩攜手華為打造了一個數字化工廠課程。該課程主要是幫助開發者基于開發板實現設備層到應用層之間的終端開發過程，從而端到端體驗開發整個數字工廠。

從上圖可以看到整個課程的是涉及到設備層、邊緣層、網絡層等等多層架構：

智能應用：數據實時推送，無縫流轉、分析計算，快速構建行業解決方案

1）基于數字孿生建模你呢里，實現產線設備資產建模，試試計算產線OEE指標；

2）基于拓撲應用，對產線3D建模，實現數據可視化呈現。

接入智能：云、網、邊、端協同，打造穩定、可靠、安全、最低成本的聯接服務

1）億機設備安全穩定連接，10萬TPS高并發可靠通信；

2）全鏈路日志分析和消息跟蹤，設備狀態實時監控和感知，靈活自定義業務指標告警。

感知智能：基于華為數字工廠孿生實踐，打造真實、專業、可靠的體驗場景

1）聯合伙伴退撒，提供定制開發版，模擬實現產線設備數采與泛協議接入；

2）端側Demo詳細解讀，深度剖析工業設備數采指標，探索數字化轉型之路。

最近的課程也即將上線了，邀請大家去參與學習整個端到端的實際體驗。大家可以可以添加小助手微信（hwc-iot），回復“數字工廠”，預約課程，優先體驗開發板，屆時華為云會把開板寄給大家直接操作體驗。

本文整理自【內容共創系列】1024，懂你所需，予你溫暖，致敬新時代可愛的程序員們

查看活動詳情：

https://bbs.huaweicloud.com/blogs/302011

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。