数字孪生仿真设计（动画仿真调试）

物流及其所连接的各方，无不面临多样化、个性化、定制化的需求冲击，无论生产制造还是商贸流通，都要面对近年来诸多不确定性的挑战。为了应对挑战，涌现出了众多新技术与管理元素，横贯物流自动化装备、物流机器人、AI决策等新兴技术，纵连物流仓储、配送全环节，而数字孪生技术的发展，进一步促使物流管理智慧化与物流系统智能化，基于物流系统关键要素的有机融合实现数字物流革命。

近年来，数字孪生技术（Digital Twin）逐渐成为物流装备领域的一个热点话题，也成为和人工智能技术相关联的投资热点。虽然包括西门子等企业给出了数字孪生的定义和应用案例，但大都是针对制造领域[1]，而在物流装备领域的数字孪生应该有什么特点？数字孪生技术与动画、物流系统仿真、虚拟调试、虚拟监控等技术的区别是什么？这些问题也一直没有达成共识。

基于此，本文对动画、物流系统仿真、虚拟调试、虚拟监控、数字孪生等相似的概念进行梳理，力求能对他们进行区隔。并结合笔者的相关经验，尝试给出数字孪生在物流装备领域的应用点，希望能对上述问题的共识形成提供帮助，并促进数字孪生技术在物流装备领域的发展。

无论物流系统仿真还是数字孪生，当前几乎所有的技术展示均是提供高逼真度的动画，甚至动画的逼真度成为衡量技术水平的一个标准。因此，本文首先探讨动画的基本概念。动画的英文是Animation，但其中文名称更好地诠释了其含义，也就是在移动的画面。其基本原理是借助人类的视觉暂留原理，医学证明人类具有“视觉暂留”的特性，人的眼睛看到一幅画或一个物体后，在0.34秒内不会消失。利用这一原理，在一幅画还没有消失前播放下一幅画，就会给人造成一种流畅的视觉变化效果。如图1所示，9副图片在0.34秒内逐一经过我们的眼睛，我们的眼睛就会传递给大脑一个卡通人在跑步的假象。

图1 动画原理

当前所有的电影、电视、游戏等，无一不是采用这一“视觉暂留”的原理，物流仿真的动画自然也不例外。以仿真软件Plant Simulation 为例，如图2所示建立一段长19米的轨道输送线，设置一个货物以1米/秒的速度经过。由图2中的事件观察器红圈中数字可见，系统早已经算出该货物会在第19秒到达轨道终点，但为了提供给人类“视觉暂留”的错觉，感受到轨道输送的动画过程，不得不再建立一个“Animation”事件，以小于0.34秒的间隔产生动画。如图2中当前仿真时间是2.2秒，而事件观察器核算的下一个动画时间点则是2.3秒。

图2 物流仿真中的动画原理

可见，动画的根本作用还是服务于人类，而非服务于自然或工业系统。而且，动画的技术途径是利用人类“视觉暂留”的错觉。换言之，在0.34秒之间系统发生的问题，人类是无法通过动画及时发现的。

至此，本文并非仅想说明动画的弊端。恰恰相反，在物流装备系统规划设计的早期，往往所有人都无法在脑中建立未来系统构建成的状态，而一个直观的三维动画可以帮助大家迅速建立初步印象，大幅减少沟通成本。这种沟通成本最终会体现到人力成本中，当前随着物流装备系统越来越复杂，人力成本在项目成本占比越来越高，而传统静态的二维或三维设计图，难以达到顺畅沟通的效果。因此，不应当完全否定或过分夸大动画的作用，而应理性看待，将动画的优势集中于沟通过程，根据具体的项目沟通需求，结合成本、时间、人力等要素，选择合适的动画表达方式。

物流系统仿真这一概念是针对仿真的应用对象，既物流系统。而从其技术本质而言，则属于离散事件系统仿真（Discrete - Event System Simulation）。离散事件系统仿真的核心是模拟随机和动态发生的事件，构建事件之间的关联关系，既仿真建模。在仿真建模的基础上，通过计算机产生大量随机实验，对实验结果进行统计，最终获得系统规律。离散事件系统仿真建模的核心在于模拟三个物理世界的问题，随机（Random）、动态（Dynamic）和关联（Interdependency）。由于真实的物流装备系统是由多类设备组成，其设备间的协同存在很强的动态性和关联性，仅靠人脑很难完整地把握这一特性。因此，物流系统仿真通常作为系统规划设计的一个辅助工具。其价值在于可以通过低成本的计算机实验，来增强设计人员对真实物流系统的认知，从而避免设计失误，提高规划设计水平。

另一方面，当前应用的物流系统仿真极少会用到离散事件仿真处理随机问题的能力。因此很多在大学学过物流仿真课的学生在工作时就会面临这样一个困扰，处理随机问题本是离散事件仿真最根本的特征，但在现实的物流仿真中却极少考虑随机因素。就这一问题，笔者曾和德国仿真工程师交流，发现即使在物流仿真应用最为广泛的德国，也极少考虑随机。究其原因，笔者认为存在如下两点：

第一，与教科书中离散事件仿真面向的制造系统和服务系统不同，物流装备系统对货品的处理时间往往很短，因此相对随机因素，影响更大的是设备内部的工作逻辑和设备之间协同的逻辑。通过仿真对这种逻辑的试错，通常不依赖随机因素就可发现。

第二，在物流装备系统中，虽然在一定程度上存在随机因素的影响，例如出/入库频率、批次、货物品类、设备故障等，但这些因素的发生规律尚难以统计和拟合。如果用不符合现实规律的随机分布代入仿真系统，还不如用固定的数值表达更为准确。

因此，目前在物流装备领域，物流仿真技术更多是借助实验方法，在系统搭建前通过实验和参数迭代，来发现设计方案的缺陷，并找到解决方案。需要说明的是，发现设计方案的缺陷，可借助观察仿真动画，也可借助对敏感数据的监控，而通过仿真描述设计参数与敏感数据之间的关联关系，更有说服力。例如，在AMR（Autonomous Mobile Robot）机器人搬运系统的设计中，究竟应该用多少台AMR是一个重要的设计参数，一定数量订单的最终完成时间（Cycle Time）是敏感的观测数据。对AMR系统而言，AMR之间的冲突和避让存在强动态性和关联性，尤其在大量应用AMR的仓库，会存在严重的交通拥堵现象。此时物流系统仿真能否正确表达AMR的冲突和避让特征就很重要。

图3 AMR数量对吞吐量的影响[2]

以某电商AMR系统为例，首先分别构建考虑AMR冲突和不冲突的仿真模型，再逐渐增加AMR数量，在两个仿真模型中观察系统输出，通过大量仿真实验形成的二者关系如图3所示[2]。可见，随着AMR数量的增加，订单完成时间会逐渐减少，最终达到平衡状态。而考虑冲突的模型会在AMR数量增加到一定程度后，由于严重的交通拥堵出现系统恶化现象（红色曲线上升）。不考虑冲突的模型会持续随着机器人数量的增加而达到最终的稳定状态（绿色曲线平稳）。考虑冲突的红色曲线在上升过程中会存在一定程度的波动，这种波动虽有一定随机性，但不影响最终趋势和结论，这一现象也侧面反映了为何不必考虑随机因素。同时，仿真建模过程如何保证仿真模型的正确性也是一个需要考虑的问题，如果在图3中红色曲线和绿色曲线在AMR数量较少的阶段不能很好的重叠，就说明这两个模型不能互相验证，仿真结果不能保“真”。严格来讲，即使红色曲线和绿色曲线在AMR数量较少的阶段能够很好的重叠，也不能完全保“真”，只是在这方面目前还缺乏统一和有效的核验方法。笔者曾经接触过一位美国教授，谈到曾有项目甲方同时找两家仿真供应商（二者互相不知道对方参与）提供仿真服务，对二者提交的仿真结果进行比对来评价仿真模型是否正确。由此可见，虽然物流仿真技术是目前解决物流系统动态和关联问题最好的方法，但仿真结果的正确性评价是制约物流仿真技术进一步广泛应用的一个瓶颈问题。因此，就物流系统仿真而言，其价值在于发现物流系统的内在规律，而这种规律仅仅依靠人眼观测仿真动画并不是最好的方法，通过图表建立数据间的关联关系更为准确。据此笔者认为，逼真的三维仿真动画并不是在物流系统仿真中的一项必需要求。

虚拟调试即在计算机中构建虚拟设备，可以像现实中的物理设备一样执行控制程序，同时验证虚拟设备和控制程序的合理性。和物流仿真类似，虚拟调试的价值在于可以用低成本的计算机实验代替高成本的物理实验，但二者不同之处在于物理仿真一般面向的对象是系统，而虚拟调试一般面向的对象是设备。虚拟调试对应的英文也有多种，有Virtual Commissioning, Emulation等。相对而言，机器人本体、机床等设备的虚拟调试一般称为Virtual Commissioning，而输送线、立体库等的调试一般称为Emulation。以仿真软件Demo 3d的Emulation模块为例，其输送线控制逻辑虚拟调试界面如图4所示。

图4 输送线虚拟调试界面

那么，Emulation和物流仿真对应的Simulation有什么区别呢？笔者认为，Simulation是指用软件去模拟某个系统的功能，并不要求实现该系统的内部细节，只要在同样的输入下，软件的输出和所模拟系统的输出一致就可以了。因此在做物流仿真时，往往要抓住影响系统的关键点，对不关键的部分就可以用很多简化的技术，来快速完成模型搭建。而Emulation更强调真实地模拟出设备的运行机制。这就要求开发者需要非常了解所模拟设备的内部结构和运作机理，能够利用计算机技术构建出各个零部件、子系统的工作模型。例如，如果需要模拟一个大型的分拣线系统来优化布局、分拣计划等，就适合用Simulation技术；而如果要模拟一个分拣线子模块来优化电机驱动逻辑，PLC控制逻辑等，就适合用Emulation技术。当然，由于Emulation技术更多是要靠人眼观测仿真动画来评价控制逻辑的效果，因此，为了减少人眼观测带来的沟通成本，逼真的三维仿真动画往往在Emulation中是必不可少的。

与物流系统仿真和虚拟调试应用于系统开发阶段不同，监控是用于物流系统的运行阶段。通常在工厂、车间或配送中心的物流系统中，都会基于摄像头捕捉的现场视频，进行人为的监控，目的是发现生产异常状况并及时纠正，同时现场作业的视频会作为问题溯源的证据。此时包括人和设备的监控室通常作为整个物流系统的主控大脑，英文即为Supervisor。近年来，随着三维仿真技术的普及，逐渐出现了用虚拟仿真动画代替摄像头拍摄现场视频的虚拟监控技术。

虚拟监控技术的优势在于可以将现场的物流设备模型化，进而将现场作业数据与设备模型进行关联，从而可实现现场数据的关联化。常规采用摄像头获得的仅仅是影像数据，无法同现场采集数据进行有效关联，而虚拟监控获得的是现场采集数据驱动的设备动画，因此能够建立现场采集数据与设备和系统运作动画的关联关系，使数据的可用性大幅增加。基于此，虚拟监控技术能够解决的不仅仅是监控和问题溯源，还能够实现问题的复现，从而能基于数据彻底解决问题。同时，虚拟监控技术又必须基于工业互联网技术和大数据技术，在目前工业互联网技术难以采集数据的领域，例如需人工操作的工序，就难以更好地发挥作用。因此，虚拟监控技术更适合高度自动化的无人仓库、无人车间等领域，在更依赖人工操作的领域，可能用传统摄像头技术更为适合。

另一方面，即使在无人仓、无人车间等领域，还要看虚拟监控中实施监控行为的主体，如果实施监控的是人类，那么逼真的三维动画就必不可少；如果是人工智能，那么动画就失去存在价值，因为人工智能对数据的敏感度远强于动画。只是当前人工智能技术的发展还不完善，依然需要人类的参与，因此在未来较长的一段时间内，三维动画在虚拟仿真中仍必不可少。

未来如果发展到依赖人工智能实现监控和决策，就可望通过仿真预判并量化决策变量对系统的影响，甚至通过仿真训练人工智能寻找决策变量的最优解，这一需求就使得虚拟监控和物流系统仿真的结合成为可能。而更进一步，如果决策变量是针对某个设备而非系统，甚至需要临时替换某台设备的PLC程序，就会使得虚拟监控与虚拟调试的结合成为可能。

在前面关于动画、物流系统仿真、虚拟调试、虚拟监控等概念的分析基础上，未来物流系统数字孪生的雏形也就逐渐清晰了。数字孪生英文是Digital Twin，因此一般认为是两个高度相似的对象，一个是物理对象，一个是虚拟对象，虚拟对象不仅与物理对象高度相似，而且和物理对象实时通讯，一种通讯是正向，物理对象发生变化虚拟对象也会随之而变；另一种通讯是反向，由于虚拟对象的变化成本更低，就可以通过虚拟对象仿真试错，反向通讯指导物理对象应该如何变化。而且无论通讯还是虚拟对象，都是基于数据，所有积累的数据，又都将作为今后物理对象发展和进化的基础[3]。

当前也有一些物流系统数字孪生落地的项目，但大多是起到前面提到的虚拟监控的作用。笔者认为，在物流装备系统领域，数字孪生技术应用层面主要在系统设计和系统运维两个环节。而在任何一个环节，数据和仿真都是关键，动画、物流系统仿真、虚拟调试、虚拟监控共同形成了物流装备系统数字孪生的不同的功能表现面。

在系统设计环节，数字孪生中的物理对象即设计的目标，显然这个物理对象此时还不具体，会随着设计的进程不断具体和进化。此时数字孪生中虚拟对象的作用就是帮助物理对象快速进化到满足设计指标的状态。要达到这一目标，需要基于以往设计积累的数据，将物流系统仿真技术和虚拟调试技术与传统规划设计方法深度融合，在物流装备模块化的基础上实现对各种设计场景的快速仿真建模和实验验证，最终帮助系统设计人员快速找到最佳设计方案。需要强调的是，此时的系统设计流程不再是传统的先完成设计再仿真（此时仿真发现问题往往为时已晚），而是仿真数据与设计数据的深度融合，借助大数据、人工智能等技术将物流系统仿真嵌入设计的不同阶段。

在系统运维环节，数字孪生中的物理对象即现实中运作的物流装备系统，此时该物理对象已经非常具体，运维的要点在于清晰完整地洞察到该系统每一个环节的状态，确保物理系统健康运行。此时数字孪生的要点首先是要借助工业互联网技术建立尽可能全面的现场数据采集系统，然后通过5G等通讯技术将现场数据映射到虚拟对象中，最后通过虚拟对象全面反映物理对象的健康状态。显然在这一过程中，虚拟监控是最终的目标，但三维动画未必是唯一的监控方法，基于实时和历史数据的大数据分析技术、基于实时数据的物流仿真技术、人工智能技术会更好地达到系统运维的目的，也能够真正地展现数字孪生的优势。

本文对物流装备系统领域的动画、物流系统仿真、虚拟调试、虚拟监控、数字孪生等相似的概念进行梳理，力求能对它们进行区隔。整体而言，动画、物流系统仿真、虚拟调试、虚拟监控都是未来物流装备系统构建数字孪生的部分表现形式，如果只将某一部分作为数字孪生是不够恰当的。而且，仅用动画、物流系统仿真、虚拟调试、虚拟监控等来描述数字孪生依然不够，工业互联网技术、大数据技术、人工智能技术都会对构建最终成熟的数字孪生提供支撑。相信随着上述技术在物流装备领域的不断成熟，也会促使数字孪生功能和价值的不断清晰，会有更多能为用户带来持续价值的数字孪生项目落地。

[1] 赵波.数字孪生应用白皮书[R] .中国电子技术标准化研究院, 2020.

[2] 彭辉,赵宁,孙阳君.面向货到人拣货机器人系统的数字孪生系统[J].工业工程, 2021,24(3):121-129.

[3] 陶飞,刘蔚然,刘检华,等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1):1-18.