本文选自中国工程院院刊《Engineering》2019年第4期

作者：陶飞，戚庆林，王力翚，A.Y.C. Nee

来源：Digital Twins and Cyber–Physical Systems toward Smart Manufacturing and Industry 4.0: Correlation and Comparison[J].Engineering,2019,5(4):653-661.

一、 引言

随着数据采集系统、信息技术和网络技术的发展，制造业进入了数字化时代。在数字化的背景下，全球制造业面临着新的挑战。在此背景下，德国、美国和中国相继提出了工业4.0、工业互联网和中国制造2025等先进制造战略，其共同目标是实现智能制造。

智能制造可称为“Intelligent Manufacturing”或“Smart Manufacturing”。作为人工智能（AI）和制造的结合，“Intelligent Manufacturing”自20世纪80年代以来一直被研究者使用。然而，随着AI逐渐演变为AI 2.0，物联网、云计算、大数据、信息物理系统（CPS）和数字孪生（DT）等智能技术逐渐在新一代智能制造（即“Smart Manufacturing”）中占据中心位置。制造业正在从基于知识的智能制造转向数据和知识双驱动的智能制造，其中，“Smart”一词是指数据的产生和使用。因此，“Smart Manufacturing”可被视为“Intelligent Manufacturing”的新版本，它突出了使用先进信息和通信技术以及先进的数据分析。智能制造是指未来的制造状态，是从整个产品生命周期中的数据实时传输和分析，以及基于模型的仿真和优化来创造智能，从而对制造业的各个方面产生积极影响。信息物理融合是智能制造的重要前提。作为实现信息物理融合的首选手段，CPS和DT得到了学术界、工业界和政府的高度重视。

CPS是一个集成了信息网络世界和动态物理世界的多维复杂的系统。通过计算、通信和控制（3C）的集成和协作，CPS提供实时传感、信息反馈、动态控制等服务。通过紧密连接和反馈循环，物理和计算过程高度相互依赖。通过这种方式，信息世界与物理过程高度集成和实时交互，以便以可靠、安全、协作、稳健和高效的方式监控物理实体。

DT是与信息物理融合相关的另一个概念。DT是在虚拟空间中创建物理对象的高保真虚拟模型，以模拟其在现实世界中的行为并提供反馈。DT反映了双向动态映射过程。它打破了产品生命周期的隔离，提供了完整的产品数字足迹。因此，DT使公司能够更快、更准确地预测和检测物理问题，优化制造流程，并生产更好的产品。

根据定义，CPS和DT都用于描述信息物理融合。但为什么两个概念并行存在，为什么它们在不同的领域使用？它们之间的区别和相关性是什么？它们各自的侧重点是什么？为了辨析CPS和DT之间的差异和相关性，本文从多个角度对其进行回顾和分析，包括其起源、信息物理映射、分层建模和侧重点等。

本文的其余部分按如下方式组织：第2节回顾了CPS和DT的起源和发展；第3节分析了信息世界和物理世界间的映射关系；第4节介绍了制造中的CPS和DT的分层模型；在第5节中，讨论了两者各自的侧重点；然后在第6节中对CPS和DT进行了比较。

二、CPS和DT的起源和发展

如图1所示，随着传统IT向新一代信息技术（New IT）的演进，New IT的低成本和先进功能对CPS和DT的出现和使用起到了重要促进作用。作为信息物理融合的首选方式，CPS和DT为智能制造的实施提供有效手段，能够从根本上改变现有的制造系统和业务模式。

图1. CPS和DT的起源和发展

（一）CPS的起源和发展

CPS源自嵌入式系统的广泛应用，可以追溯到2006年。美国国家科学基金会（NSF）的Helen Gill用“信息物理系统”一词来描述传统的IT术语无法有效说明的日益复杂的系统。CPS随后被列为美国研究投资的重中之重。在德国，CPS同样被认为是工业4.0的内核和基础。毫无疑问，CPS可以带来巨大的经济效益，并将从根本上改变现有的工业运营。然而，目前对CPS的研究主要集中在概念、架构、技术和挑战的讨论上。与嵌入式系统、物联网、传感器和其他技术相比，CPS更加基础，因为CPS不直接涉及实现方法或特定应用。因此，正如NSF所言，CPS的研究计划是寻找新的科学基础和技术，CPS更侧重科学研究。

（二） DT的起源和发展

数字孪生一词可追溯到由Michael Grieves教授2003年在密歇根大学关于产品生命周期管理（PLM）的演讲中提出的“物理产品的虚拟数字化表达”。当时，由于技术的局限性和不成熟，几乎没有DT相关的研究或应用。为了解决日益复杂的工程系统问题，美国国家航空航天局（NASA）和美国空军在航空器的健康维护和剩余使用寿命预测中应用了DT。目前，New IT的发展正在催生DT的繁荣。由于DT开辟了一条物理活动与虚拟世界同步的新途径，因此DT成为了一个热门的研究课题。最近，DT被各个行业采用，包括产品设计、生产线设计、数字孪生车间、生产工艺优化、预测维护和运行状况管理。美国通用电气公司、德国西门子股份公司、美国参数技术公司（PTC）、法国达索系统公司、美国特斯拉公司等大型企业也将DT应用到工业实践中，这些企业使用DT来增加其产品性能、制造灵活性和竞争力。DT的工程应用是普遍存在的。因此，从这个角度看，DT更侧重工程应用。

（三）小结

从它们的起源和发展的角度来看，CPS和DT都受益于New IT的进步，并几乎同时出现。作为实现信息物理融合的有效手段，两者都引起了相关领域研究人员和工业从业者的极大关注。但是，在工业实践中，DT的应用更加广泛，工程系统可以通过DT技术实现更高的精度和更好的管理。

三、CPS和DT中的信息物理映射

CPS被定义为计算和物理过程的集成。同时，使用物理系统的数字模型执行实时优化被称为“数字孪生”。在制造中，CPS和DT都包括两个部分：物理部分和信息部分。如图2所示，物理部分由各种制造资源组成，可归纳为“人-机-物-环境”。制造活动由这些物理资源执行。信息部分拥有各种无处不在的应用和服务，并融合了智能数据管理、分析和计算功能。服务和应用提供丰富的功能，能够提高制造效率。物理部分感知和收集数据，而信息部分分析和处理数据，然后做出决策。通过这种紧密的联系，信息部分可以影响物理过程，反之亦然。例如，在Wang等设计的Wise-ShopFloor中，信息物理交互为用户提供了直观的车间环境并进行实时监控和远程控制。由实时传感器信号驱动的Java3D模型从不同角度为用户提供可视化。授权用户可以控制实际设备操作并查看受控设备运行时的状态。

图2. 信息世界与物理世界映射

（一）CPS中的信息物理映射

CPS的本质是使用与物理过程紧密交互的计算和通信向物理系统添加新功能。CPS通过3C之间紧密集成，为复杂系统提供实时传感、动态控制和信息服务。与DT相比，CPS更强调信息世界的强大计算和通信能力，这可以提高物理世界的准确性和效率。此外，研究人员提出的所有CPS体系结构无论是三层结构、五层结构，还是面向服务的体系结构都侧重于控制，而不是镜像模型。与DT类似，反馈循环在CPS中非常重要。信息和物理世界之间的相互映射、实时交互和高效协作支持CPS的功能。但信息系统可能会影响多个物理对象。例如，一个信息物理系统可能包含多个物理组件。因此，CPS的信息世界和物理世界之间的映射关系不是一对一的，而是一对多的对应关系。

（二）DT中的信息物理映射

DT的愿景是为组件、产品或系统提供全面的物理和功能描述。第一个也是最重要的步骤是创建高保真虚拟模型，以真实地再现物理世界的几何形状、物理属性、行为和规则。这些虚拟模型不仅在几何和结构方面与物理部分高度一致，而且能够模拟其时空状态、行为、功能等。即虚拟模型和物理实体具有相似的外观（就像孪生兄弟）和相同的行为（就像镜像）。此外，数字环境中的模型可以直接优化操作，并通过反馈调整物理过程。使用双向动态映射，物理实体和虚拟模型共同演化。因此，DT的物理世界和信息世界之间的映射关系是一对一的对应关系。集成几何、结构、行为、规则和功能属性的虚拟模型对应特定的物理对象。

（三）CPS和DT中的控制

控制的目的是使系统保持在可接受的正常运行水平，以应对干扰。控制是CPS和DT的核心功能。CPS的信息物理交互至关重要。DT的虚拟模型和物理过程在产品或系统生命周期中共同演变。CPS和DT中的控制包括两个部分：物理资产或流程影响信息表达，以及信息过程控制物理资产或流程。对于前者，物理世界是动态的，同一实体可能在不同的时间显示不同的属性。为了保持一致，使用传感器收集来自物理世界的实时数据，并传达到信息世界，以驱动信息元素与物理世界同步。特别是对于DT，物理实时数据驱动虚拟模型模拟物理过程及其演化。对于后者，信息世界使用感知数据来计算控制输出并将其发送到执行器进行物理实现。例如，通过数学模型和相关计算工具，可以预测未来状态和故障，从而提前生成更好的服务和控制解决方案。通过信息物理交互，可控制消除某些干扰，包括意外和恶意威胁。

（四）小结

如上所述，CPS和DT都通过“状态传感、实时分析、科学决策和精确执行”的闭环促进智能制造。然而，借助虚拟模型，DT提供了更加直观和有效的手段。通过持续的数据集成，DT提供相关解决方案的能力被加强。如图3所示，虚拟模型可用作补充以丰富CPS的组成和功能。因此，DT可被视为构建和实现CPS的必要基础。CPS和DT的组合将帮助制造商实现更精确、更好、更高效的管理。

图3. DT和CPS的集成

四、CPS和DT的分层模型

智能制造是一个从设计到生产、物流和服务的价值创造过程，其中有多个主体参与。如图4所示，从层次结构的角度来看，CPS和DT可以按粒度分为单元级、系统级和复杂系统（system of sytem, SoS）级。

图4. CPS和DT的分层模型

（一）单元级

单元级是指参与制造活动的最小单位，如单一设备（如机床、机械臂等）、物料（如原材料和带有RFID或传感器的部件等），甚至是环境因素。这些生产要素构成了单元级CPS和DT的物理部分。带有传感器、执行器和嵌入式系统的机床可以被视为单元级CPS。通过数据交换和数据处理，单元级CPS可实现更高效、更具弹性的机器。单元级CPS和DT共享相同的物理对象。单元级CPS和DT都可以在信息物理交互过程中随着物理加工、组装和集成而发展。然而，对于单元级DT，它必须通过对几何形状、标识和功能信息以及单元级物理对象的操作状态的描述和建模来形成。此外，由于DT更注重模型的构建，包括几何形状模型、规则、行为和其他约束模型等，DT还可以进一步执行高保真仿真。

（二）系统级

在单元级的基础上，通过工业网络，多个单元级CPS或DT互连和互操作，可实现更广泛的数据流和资源协调。多个单元级CPS或DT的集成构成了系统级CPS或DT。系统级CPS和DT生产系统可以是生产线、车间，甚至是工厂等。基于“感知-分析-决策-执行”的闭环，系统级CPS和DT可以实现制造资源的最优配置，提高各种资源之间的协作效率。系统级CPS和DT具有相同的系统级物理制造系统（如生产线、车间、工厂等）。系统级CPS的信息部分与单元级CPS没有太大差别。但是系统级DT的虚拟模型需要通过多个单元级模型的集成和协作来形成。此外，复杂产品可以被视为系统级DT。例如，对于由大量零部件组成的飞机，发动机数字孪生用于评估运行状态，预测和诊断损坏，而机翼数字孪生用于评估飞行姿态。这些相关的数字孪生部分被组合以形成复杂的产品数字孪生。

（三）SoS级

在系统级的基础上，通过构建智能服务平台，实现系统级CPS或DT之间的跨系统互联、互操作和协同优化。在此级别，通过服务平台，多个系统级CPS或DT形成SoS级CPS或DT 。与系统级CPS相比，SoS级CPS更注重企业级集成，甚至跨企业协作。企业协作将提供不同类型的协作应用，如商务协作、供应链协作、制造协作等。例如，生产、设计和服务公司之间的协作可以实现个性化定制、智能设计、远程维护等。至于DT，仿真和从生命周期的一个阶段到后续阶段的无缝数据传输是核心。因此，SoS级DT是产品生命周期各个阶段的集成。它将来自产品生命周期各个方面的数据整合在一起，这可能在各个生命周期阶段甚至下一个生命周期中都很有用。SoS级DT为产品创新和质量可追溯性奠定了基础。例如，来自制造和维护阶段的数据也可以帮助改进下一代设计。SoS级数字孪生不仅可以缩短设计周期，还可以大大降低时间和成本。

（四）小结

实施CPS和DT是一个长期的过程。根据层次结构，CPS和DT可以分三个步骤实现。第一步是构建单元级CPS和DT。基于设备DT，可实现设备的智能监控、智能控制、健康管理。第二步是构建系统级CPS和DT。多个单元级可以形成系统级，从而实现智能生产。最后，根据单元级和系统级，实现了SoS级。

五、CPS和DT的功能实现

CPS和DT都旨在实现信息物理融合。然而，在进行功能实现时，它们各有侧重。CPS将传感器和执行器视为主要模块，而DT则采用基于模型的系统工程方法，强调数据和模型。CPS和DT都与New IT密不可分，New IT为CPS和DT提供了技术基础。

（一）CPS的功能实现

CPS集成了3C技术，使物理流程具有精确控制、远程协作、自主管理和其他功能。CPS与物理过程紧密耦合。智能来自数据。传感器和执行器与物理世界交互以进行数据交换是CPS最重要的功能。它们负责从物理机器和环境感知状态，以及执行控制命令。如图5所示，通过分布在物理设备和环境中的多个传感器，进行大规模分布式数据采集（如材料属性、实时性能和环境条件）和状态标识，以实现使信息世界和物理世界之间的交互。通过信息世界的数据管理、处理和分析，基于预定义的规则和控制语义生成控制命令。控制命令被反馈给执行器，而后执行器根据控制命令执行操作并适应变化。数据和控制总线为实时通信和数据交换提供支持。通过传感器和执行器，物理过程的任何变化（如行为、条件或性能）都会导致信息世界的变化，反之亦然。因此，CPS的侧重点是传感器和执行器。

图5. CPS的功能实现

（二）DT的功能实现

DT的主要思想是为物理实体创建数字副本（即虚拟模型），以便通过建模和仿真分析来模拟和反映其状态和行为，并通过反馈，预测和控制它们的状态和行为。由于物理世界的状态，行为和属性是动态变化的，所以从产品设计开始到产品生产、服务不断产生、使用和存储各种数据。数字孪生集成了全要素、全业务和全流程数据，以确保一致性。如图6所示，集成几何、结构、材料属性、规则和过程等的模型使生产系统和过程的数字化和可视化成为可能。结合数据分析，数字孪生使制造商能够做出更准确的预测、合理的决策和智能的生产。此外，在模型和物理过程的共同演化过程中，模型也会生成新数据。这些模型用作通信和记录机制，帮助解释机器或系统的行为，并根据实时数据、历史数据、经验和知识以及模型数据预测其未来状态。因此，DT的侧重点是数据和模型。

图6. DT的功能实现

（三）CPS和DT与New IT的集成

目前，New IT还没有通用的单一定义。New IT可以看作是工业技术、信息技术和智能技术的集成。New IT既是信息技术的纵向升级，也是信息技术与不同行业和领域的横向整合。物联网、云计算、大数据和人工智能是New IT的核心元素。在制造业中，由于数字化，制造资源会产生大量的各种数据（图7）。通过物联网可以实时收集数据以进行存储和计算。通过统一调配计算和存储资源，云计算可以有效地满足数据计算和存储的需求，而大数据技术可以有效地挖掘隐藏的有用信息和知识，从而提高智能，更好地满足动态服务需求。因此，物联网、云计算、大数据和人工智能在New IT中扮演着重要的角色。

图7. 工业技术、信息技术和智能技术的集成

New IT的进步对CPS和DT产生了深远的影响。首先，CPS与New IT密不可分。物联网和基于云的制造可被看作是制造中的特殊CPS；当在CPS中应用时，大数据更有意义。Wan等认为通过引入更智能、更具交互性的操作，CPS是物联网架构下嵌入式计算系统的演变。集成了云的CPS可以实现以前无法实现的应用，以满足工业4.0的要求。人工智能使整个系统变得智能，允许它“像人一样思考”和“像人一样行动”。至于DT，它被认为是管理工业物联网的一种新方式。将云技术集成到DT中，对于确保存储、计算和通信的可扩展性具有重要意义。大数据分析、人工智能和相应的算法也被视为DT的重要基础。在多个DT潜在应用探索中，New IT也起着重要的作用。与CPS相比，DT在集成New IT时更快、更方便。例如，许多公司在其DT应用中添加了New IT，包括美国通用电气公司、德国西门子股份公司、PTC、法国达索公司和美国特斯拉公司。

（四）小结

CPS和DT的功能实现旨在赋予物理过程更高的效率、弹性和智能。鉴于它们各自的侧重点（即CPS中的传感器和执行器以及DT中的模型和数据），CPS和DT具有不同的应用重点。但是，两者都必须与New IT集成。

六、CPS和DT的对比分析

从广义上看，CPS和DT具有类似的功能，并且都描述了信息物理融合。但是，CPS和DT并不完全相同。本节从不同角度提供比较和联系，如表1所示。

表1 CPS和DT的对比分析 

^aIncluding two directions—cyber to physical and physical to cyber.

如表1所示，CPS和DT大约在同一时间被提出。然而，直到2012年NASA和美国空军开始使用DT概念时DT才受到广泛关注。相比之下，自Gill提出CPS，CPS就受到了学术界和政府的广泛关注。工业4.0将CPS列为核心。然而，经过几年的发展，DT开始流行起来。在构成上，CPS和DT都涉及物理世界和信息世界。通过信息物理交互和控制，CPS和DT都实现了对物理世界的精确管理和操作。然而，对于信息世界，CPS和DT各有侧重点。DT更侧重于虚拟模型，从而在DT中实现一对一映射，而CPS强调3C功能，从而导致一对多映射关系。在CPS和DT的功能实现方面，传感器和执行器支持物理世界和信息世界之间的交互以实现数据和控制交换。相比之下，模型在DT中起着重要的作用，有助于根据各种数据解释和预测物理世界的行为。从层次结构的角度看，二者均可分为单元级、系统级和SoS级。但是，由于它们具有不同的侧重点，CPS和DT在每个级别上具有不同的组成部分。最后，通过与New IT的集成，CPS和DT可以提供优化的解决方案，从而增强制造系统的能力，有助于实现智能制造。

七、总结

智能制造已成为必然趋势，实现信息物理融合是智能制造的重要前提，CPS和DT是首选方法。但是，两者并不完全相同。本文从多个角度回顾和分析CPS和DT，并讨论了它们之间的差异和相关性。从本文提供的不同角度的比较，可以更好地了解CPS和DT，并有助于识别CPS和DT之间的异同。

注：本文内容呈现形式略有调整，若需可查看原文。

改编原文：

Fei Tao, Qinglin Qi, Lihui Wang, A.Y.C. Nee.Digital Twins and Cyber–Physical Systems toward Smart Manufacturing and Industry 4.0: Correlation and Comparison[J].Engineering,2019,5(4):653-661.

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”