摘要：数字孪生？在数字世界找到物理世界的设施！
本文分享自华为云社区《【云驻共创】Huawei Mate 40 产线直击之华为云 IoT 智能制作助力工厂数字化转型》，原文作者：启明。
Part 1：智能化工业 4.0 时代的数字孪生
一、工业 4.0，智能化时代已来
回顾人类历史，咱们独特顺利经验了三次工业革命：
第一次是蒸汽机时代，创始了以机器代替手工劳动的时代；第二次是电气时代，自然科学的倒退和工业紧密结合，迷信在推动生产力方面施展了更为重要的作用；第三次是信息化时代，科学技术转化为间接生产力的速度急速放慢。
而今，咱们迎来了第四次反动，即，工业 4.0：智能化时代。“工业 4.0 的实质，就是通过数据流动自动化技术，从规模经济转向范畴经济，以同质化规模化的老本，构建出异质化定制化的产业。对于产业结构改革，这是至关重要的作用。”
作为新一轮的工业革命，工业 4.0 的外围特色是互联。工业 4.0 代表了“互联网 + 制造业”的智能生产，孕育大量的新型商业模式，真正可能助力实现“C2B2C”的商业模式。
二、以后工厂数字化转型痛难点
以后，大家都还在“工业 4.0”的摸索阶段。大量的工厂曾经开始本人的智能化转型之路，比方通过构建利用来讲采集的数据可视化，讲数据价值最大化。然而，在这个实际过程中，问题不断涌现，诸如：
2.1 数据 / 信息孤岛，烟囱林立
一家工厂，在不同的阶段，因为我的项目的不同，有可能找不同的供应商去承接。分段式的我的项目供应商，导致的是不同的零碎利用。形象点说，多零碎不互通，就是像独立的“烟囱”，每个“烟囱”都有“烟”，然而却不互通。在工业 4.0 阶段，不互通，意味着信息孤岛，也就意味着企业的数字资产散布零散，保护老本高，应用效率低下；
2.2 利用上线慢，耗时耗力
正如第一点所说，不同零碎之间的不互通，导致的是新的利用上线会“反复造轮子”：每个利用上线，都有大量的反复工作，节约人力物力，且耗时长。更重要的是，新的利用带来的数据处理问题：因为不足对立的建模，每个利用在解决原始数据时，都须要反复解决。两个“反复”让本就昂扬的老本，更加“雪上加霜”；
2.3 数据分析门槛高
工厂，或者企业，有着一颗想要降本增效的心，比方想要通过剖析现有的数据找到法则，从而优化流程，但却因为数据分析的门槛高，望而生畏。这其中最要害的起因，是其业务场景不明确，没有找到一个好的数据平台。
三、找对平台，是胜利的一半
以上痛点难点，是大部分工业畛域的厂家在“工业 4.0”摸索过程中都会遇到的，而贯通其中的是“利用”。也就是说，软件开发者未做到足够的分层解耦是造成上述问题的重要起因之一。以“利用”为根底，工厂经验了三个期间的三种模式：
3.1 模式一：“烟囱式”利用
在工业 4.0 之前，因为不足利用和实际，大部分厂家的利用，如上所述，都是“烟囱式”的：
这样便导致，一是不足整体规划，各利用独立部署，数据各自基于业务须要独自进行采集和应用；二是效率低下，比方反复采集数据，对生产有较大影响。
3.2 模式二：平台解耦——对立数采平台
在“平台”概念提出之后，工厂管理者们逐步意识到，或者，在生产线和利用之间，须要有一个“平台”，这样的解耦，能让利用和生产线，利用和利用之间互联互通。而这，就是工业 4.0 的一个根底模型。
模式二的产生，让业余的数据采集团队实现尽可能多的数据采集，并集中统一凋谢，让整体效率有所晋升。然而咱们能够发现，即使是这样，数据的应用依然是独立的，没有实现真正的交融。在产线或者生产设施获得的数据，依然是元数据，利用在获得数据之后，依然须要独自对数据进行二次加工解决应用，进而导致利用间对数据的解决依然存在大量反复工作。
3.3 模式三：数据处理——对立孪生模型
如何同步解决“利用解耦”和“数据对立解决”问题，华为 IoT 有本人的办法。
在物联网畛域，有“孪生体”这样一个概念。通过“孪生体”把设施的感知和设施的认知，进行对立的解决。同样以工厂为例，工厂外面是有十分多的生产配备、生产产线以及其余各式各样的物理设施的，那咱们能不能帮忙工厂把所有的这些物理设施，通过对立的建模，对这些设施一一进行解决，形象为数字化的形象呢？
答案是，能够。通过把物理对象一一进行数字化解决，那么利用和物理设施的交互，就转变成了利用和数字孪生体的交互。绝对于前两种模式，这种模式的开发方式有了一个十分大的变动：咱们能够忽视最底层的物理设施，或者物理接口，将数据建模局部的工作，交由 IoT 的“对立孪生模型层”实现。
“孪生”这一概念，意味着咱们在建模的时候，首先须要对模型有清晰的认知，也即宽泛的数采能力，毕竟在工厂外面，会有各式各样的设施，这些设施同时又有各式各样的一些协定；其次，须要有十分高的形象能力，你须要将物理世界的设施，形象成数字世界里的模型，并且能进行交互。
数采能力和形象能力，是目前开发物联网利用过程中，十分要害的两个能力。
基于华为云 IoT 带来新的开发模式，帮忙用户疾速构建数字化转型的根底平台。
接下来以华为本人的工厂为例，来简略阐明华为云 IoT 是如何应用新的开发模式，助力工厂数字化转型的。
正如大家所晓得的，华为自身也是一个制作型的工厂，华为云 IoT 的能力首先是在本人的工厂进行实际。咱们以北方工厂，也就是 Huawei Mate 40 生产工厂为例，把工厂的手机贴片过程通过数采、建模在数字世界中构建出一个数字化的产线的孪生体。
基于华为云 IoT 的能力，在南向实现一个对立的孪生体，并在下层构建可视化、智能化的利用，具体架构图见下：
在北方工厂理论数字化过程中，有以下几个挑战：
- 产线设施厂家 / 品种 / 型号多种多样，波及超过 30+ 不同应用层协定须要对接，采集难度大；
- 一条产线上超过上千条测点数据，不足数据建模伎俩，导致数据处理低下。
那么，如何站在开发者的角度，去省时省力地实现数字化呢？华为云 IoT 正式退场。
四、以多维模型为外围，构建数字孪生
在一个数字孪生体的理论利用背地，是有很多的模型的，比方产线的模型，设施的模型，品质缺点的模型等等。而在建模过程中，从对待一个工厂物理世界当中的物理对象的角度，能够把工厂的孪生体分为两类：制作的数字孪生和产品的数字孪生。
制作数字孪生：
- 定位：将工厂的制作环节进行数字化的镜像，可能实时反映工厂的制作过程；通过对制作过程的对立形象，不同利用能够基于同样的语义进行交互；
- 建模内容：生产配备、产线、生产工艺流程、品质缺点、物理构造等等；
产品数字孪生：
- 定位：从工厂在制产品维度，组织生产过程中产生的各种数据，并预留通过与数字主线对接能力买通产品设计阶段、产品维护阶段的数据；
- 建模内容：产品的各种属性，生产过程数据，品质数据等。
以上，就是工厂数字孪生的两个十分重要的数字形象维度。通过将产线生产过程透明化，实现生产有序可控，让利用上线工夫从原来的 6 - 9 个月，缩减至 3 个月；同时，孪生建模 + 智能剖析，用数据去驱动智能生产，让数据的开发效率能晋升 70%。通过华为云 IoT，咱们能够 疾速实现工厂的全因素联结，并通过构建工厂数字孪生模型，大幅度晋升数据利用效率。
Part 2：基于北方工厂的数字孪生实际
回到咱们的主题。北方工厂，即是生产 Huawei Mate 40 的产线。手机产量的暴增，让产线的数字化需要火烧眉毛。通过整个产线的数字化，能够晋升生产过程、优化制作工程厂商的治理，以及品质管制的治理，让产线的效率失去大大的进步，同时可能升高经营的老本。
上图是一个工厂孪生体的多维模型。咱们能够看到在产品模型中，包含了设施模型和产线模型，更下层还有制程能力模型、品质缺点模型以及设施物理 / 构造模型和设施故障预测模型。
通过利用华为云 IoT 数据分析服务建模和剖析能力，能够疾速构建的电子工程产线和设施孪生体。那么本文咱们就来介绍一下如何构建一个数据分析服务建模。
一、根底概念介绍
（一）OEE 概念简介
在进行建模解说之前，咱们先遍及一个根底的概念。OEE，即设施综合效率（Overall Equipment Effectiveness）。一般来说，每一个生产设施都有本人的实践产能，要实现这一实践产能必须保障没有任何烦扰和品质损耗。OEE 就是用来体现设施是的生产能力绝对于实践产能的比率。
在计算 OEE 的时候，会波及到以 3 个维度：
- 工夫利用率：工夫利用率 = Σ 理论运行工夫 / Σ 打算开机工夫 *100%。用来评估复工所带来的损失，包含引起打算生产产生复工的任何事件，例如设施故障，原材料短缺以及生产办法的扭转等等；
2. 性能利用率：性能利用率 =Σ[产出数量 一个产品在设施应有状态下加工的周期时间]/ Σ 理论运行工夫 100%。用来评估生产速度上的损失。包含任何导致生产不能以最大速度运行的因素，例如设施的磨损，资料的不合格以及操作人员的失误等；
3. 合格率： 合格率 =[合格产出数量]/[产出数量]*100%。用来评估品质的损失，它用来反映没有满足品质要求的产品（包含返工的产品）；
那么最终的计算公式就是，OEE=[工夫利用率][性能利用率][合格率]*100%，这就是掂量设施综合经营效率的一个要害指标，也是很多电子制作工厂以及其余相似厂房里的一个关键性指标。
一般来说，国内厂家 OEE 的数值都不会太高，个别只有 70%，或者 80%，少的甚至只有 40% 左右。
（二）工厂孪生体产线和设施建模剖析效果图
工厂孪生体产线和设施建模剖析，能够通过一些可视化的治理后盾进行查看。以下别离三个不同性能的效果图。
Picture 1：图上共有 3 条产线，能够进行适当地拖放。图里能够看到每个设施的 OEE 数值。通过资产建模和剖析能力可实时计算出产线和设施的 OEE，各设施要害指标实时监控，同时可查看历史数据。
Picture 2：设施建模图。通过设施上报故障音讯和设施模型相结合，实时监控设施运行状态。
Picture 3：资产剖析图。通过资产模型剖析能力，可实时剖析和监控上报的设施数据是否存在异样。比如说，湿度失常状况下是到 45%~63%，如果上报的数据不在这个范畴内，则属于不失常数据。界面就会显示一个黄色的点，示意这里的设施上报的数据有异样。能够看出，数据分析是能够实时计算，实时监控的，如果有些重大异样的话，甚至能够推送到运维人员。
（三）工厂数字孪生 Demo 数据处理和剖析流程
要实现上述的效果图，咱们须要通过如下几个步骤（因为不是实在工厂，所以采取的是模仿设施）：
- 设施模拟器：基于规范物模型，模拟器定时 5 秒通过 MQTT 协定主动上报设施属性数据，可模仿手动登程上报音讯，比方设施告罄音讯。
- IoT 设施接入服务：通过配置设施数据转发规定将设施属性数据和设施音讯到 IoTA（数据分析）服务。
- IoT 数据分析服务：基于数据管道接管设施数据，并通过资产建模和计算剖析能力，实时计算生成产线和设施 OEE 相干数据，判断数据是否存在异样信息。
- 3D 利用：通过调用 IoTA 的 API 获取数据，以 3D 的模式展现产线和设施，可查看产线和设施 OEE，设施要害指标，告罄等故障信息，同时可查到相干历史数据。这也就是第二局部的效果图。
（四）IoT 数据分析内的剖析过程
接下来，咱们来重点解说一下“IoT 数据分析服务”外部的流转过程。
第一步，数据管道。咱们通过数据管道把数据接进来，同时本地也会进行备份；
第二步，对设施进行建模；
第三步，建设设施资产；
第四步，把模型实例化之后的设施，及灌进来的数据，通过设施资产剖析这个计算引擎，实现实时计算相干的剖析工作；
第五步，把数据存储到 IoT 外部；
第六步，把这个数据通过 API 凋谢给第三方应用。
具体见下图：
在这个过程中，咱们须要具体解说一下第二步以及第三步是如何操作的，也就是，咱们如何创立模型和资产呢？
（五）IoT 数字孪生的基本概念介绍
在进行创立模型和资产解说之前，咱们先介绍一下“IoT 数字孪生”的基本概念。
咱们认为，物理世界的物，在数字世界中是有一个实时的、精确的一个映射的，它能够把理论的设施数据和一些其余的数据组织起来，组成 jason 模型，成为一个载体。
上图是咱们数字孪生的一个概念图。
首先数据孪生体，能够分为模型和资产两局部。其中模型相当于开发过程中，Java 的类，示意一个类的一个模板。在实例化之后生成一个资产，就相当于 new class，那么也就生成了一个对象。一个对象对应一个资产。
同时，模型又分为两种，第一种是属性，属性还能够往下分还要分三种：
第一种是动态配置属性，此类属性不须要设施上报，也不怎么会有变动，比方产品型号，设施类型等等；
第二种是测量数据属性，测量数据属性是须要设施上报的。艰深一点说，就是，数据分析本人是没法失去的，须要他人给零碎的数据。包含设施上报的属性，也有可能包含从第三方的业务零碎读到的属性，零碎都认为是一种测量属性；
第三种是剖析工作属性，此类属性在数据上报之后，是须要去进一步计算的。
针对最初一种工作分析属性，有相应的工作去配置，去计算。在这个过程中，相当于算法的加载及配置：先去剖析这个数据，而后后盾的计算引擎就去加载配置的业务逻辑。剖析工作属性目前有分三种：
第一种是转换计算：举个简略例子，假如创立的时候蕴含了两个属性，a 和 b，而咱们要求在这个过程中，a+b=c，那么这就是一个转化计算。转化属性要求是实时的，且 ab 两个值的数据工夫戳是雷同的；
第二种是聚合运算：聚合是一个工夫维度的计算，假如要求过来五分钟的一个平均温度，如果设施每五秒钟上报一次数据，那么就须要对五分钟内的所有上报的数据做一个均匀，相当于在工夫维度下，做聚合运算；
第三种是流计算：流计算次要是用在比较复杂的场景，逻辑不能用简略的一个 if /else 表达出来的时候，就须要应用到流计算。举例来说，当资产将很多参数上报之后，零碎须要通过这几个参数计算出一个后果，再返回资产，那么流计算在其中的作用就相当于一个计算器。流计算的性能十分弱小，在工厂数字化模型中，大部分的场景都能实现，比方滑动窗口、数据过滤、加属性等等，是比拟通用的一个能力。
以上就是一个整体的建模的概念，基于上述的这些概念，咱们能更好地了解前面的内容。
二、资产建模实操
（一）设施建模：SMT 产线印刷机设施
对物理世界事物构建数字资产模型时，必须先定义好资产模型，而后再创立资产。一般来说，一个产线有 7 种设施，咱们以其中的印刷机为例，来解说一下设施是如何建模的。
首先，是属性的配置。针对于印刷机，咱们三种属性别离为：
动态配置属性：产品现实印刷时长、设施型号
测量数据属性：印刷速度、脱模速度、印刷高度
剖析工作属性：工夫利用率、性能利用率、合格率、OEE
而剖析工作属性同时又有以下计算配置：
转换计算：计算工夫利用率、计算性能利用率、计算 OEE 以及判断温度状态
聚合计算：计算理论工作时长、计算理论工作工夫、计算合格率
流计算：SMT 场景暂未应用
下图为属性编辑的页面，包含动态配置、测量数据以及剖析工作，可供参考。
下图为所有参数都装备实现之后的残缺样例。在这外面能够看到大略有 70 个左右的属性，这些属性都是模仿了实在产业的一些属性。下图所有的数据，包含样本和格局都是来自于北方工厂理论的生产数据，所以是绝对比拟实在的。
通过上面的截图，咱们心愿可能阐明印刷机的剖析工作是怎么配置的。以“转换计算”为例，只须要读取上报的温度值，并做一个表达式判断，比如说温度大于 25，小于 35，那么就认为是失常温度。把判断的后果复制给利用，利用就能间接应用这个后果。
下图为配置好的剖析工作。能够看到，咱们目前配置好了 11 个剖析工作，包含计算资金利率、性能利用率、合格率、OEE、以及各种状态的判断等等后面所说过的品种。
（二）产线建模：SMT 产线
后面说完了“设施建模”，接下来咱们解说一下“产线建模”。
产线建模实际上也和设施建模的概念雷同，模型相似。然而动态属性和测量数据属性临时没有配置，因为产线绝对简略一些，次要是求 OEE 的值，也就是剖析工作属性，包含 OEE 相干的四个指标，以及转换计算、聚合计算和流计算。
剖析工作属性的配置和设施产线是统一的，就不再反复解说。
下图为印刷机的设施资产配置图示例：
接下来，咱们来看看产线资产是如何构建的。如下图，产线资产一共分三层：
第一层是工厂（父资产）；
第二层是产线（子资产）；
第三层是设施（子资产）。
产线和设施同样有模型，三层模型形成了一个“父子关系”的资产数。资产来自于模型，由模型实例化而来，同时，模型实例化为资产时能够依据业务场景来指定层级关系，且资产之间互相独立。
下图是构建好的资产树。相比于上一张图的逻辑图，这是一个示例图。图中表明一个电子工厂有三条 SMT 产线，每条产线有 7 个 SMT 设施
（三）、OEE 相干指标配置（设施 & 产线）
咱们再来看看设施的每个指标是如何计算的，如下图。咱们以“产品合格率”（下图灰色局部）为例。
如前文所述，合格率 =[合格产出数量]/[产出数量]*100%。表格中“TS_Sum”示意时序求和，即能够把产量在一个工夫范畴内求和，比方，对五分钟内的产量进行求和。其余指标的计算形式和合格率相似，就不一一赘述。
产线和设施的指标计算过程类似，差异在于数据的起源。产线的数据来源于子资产，而非产线本人产生的。因为资产“父子之间”的数据是能够互相援用的，而产线自身是不上报任何数据的。
（四）资产运行监控
所有的产品创立、属性配置都实现之后，即可点击“公布”，将模型公布并运行。模型在定义的时候，自身是一个动态的过程，一旦公布，就会激活。依据前序定义的任务分析逻辑，零碎将会主动计算，并得出实时后果，进行上报。所有的数据都能够在下图中察看看到。
除了上述的数据展示模式，还能够依据业务的须要，将数据展现成折线图、热力求、曲线图等等，更易进行剖析的图形展现形式，得出你想要的后果。示例图如下。
想要体验一个产线模型建设的过程，能够返回华为云 IoT 数据分析服务（https://www.huaweicloud.com/p…
三、小结
从上述的解说和介绍，咱们能够得出以下论断：
- 物理世界的物在数字世界中的实时精确映射，组织数据 & 模型的载体，是 IoT 畛域的数字孪生；
- 围绕一个具体的物理对象，组织数据 & 模型，定义一个数字化的模型，即是 IoT 畛域的数字建模过程；
- 设施数字孪生模型由属性和任务分析两局部组成；
- 对物理世界事物构建资产模型时，须先定义模型，再创立资产
- 面向对象建模思维带来的益处：封装、继承、组合，晋升复用效率和可扩展性。
华为云 IoT 数据分析服务基于物联网资产模型，整合 IoT 数据集成、荡涤、存储、剖析、可视化，为 IoT 数据开发者提供一站式服务，升高开发门槛，缩短开发周期，疾速实现 IoT 数据价值变现，让工厂数字化转型降级“触手可及”。
来一起体验一下吧~
点击关注，第一工夫理解华为云陈腐技术~