数字化模型工程（下篇）
作者：田锋
在《建立正向设计体系是研发数字化转型的关键使命》一文中，我们提出“数字化模型是正向设计的主驱动力，模型工程是正向变革的核心工程”这一重要观点，因此模型工程体系的建立是企业完成正向变革的重要基础。
在《数字化模型工程（上篇）》，我们讨论了模型工程定义、特征、内涵、价值、技术及方法论；本文是下篇，我们将主要讨论装备模型（数字样机）的分类方法，并简介美国国防部提出的数字工程。
一、数字样机的分类与开发
随着数字化研制能力的不断提升，工业企业已基本形成了装备设计、生产、制造、运用和保障的全生命周期建模能力，装备的研制模式逐步从面向实体装备基于经验的多专业串行模式向面向数字装备基于模型的多学科并行模式进行转型。装备研制过程中伴随涌现的数字装备模型将作为一种装备类型与实体装备同步研制、鉴定和交付。在工业装备的全生命周期中，对数字装备模型的研制过程和研制过程中产生的数字样机以及数字样机中定义和涌现的功能、性能参数之间的关系进行定义和管理。数字样机的定义与建立是模型工程方法在工业装备上的应用。
数字样机有多种分类方法：从数字样机的生命周期来讲，可以分为论证数字样机、研发数字样机、制造数字样机和运维数字样机，即大家熟知的“代前数字样机0.0、一代数字样机1.0、二代数字样机2.0、三代数字样机3.0”；从数字样机的构型上来讲，可以分为逻辑样机和几何样机；从数字样机的用途来讲，可以分为功能样机和性能样机。这几种分类方法是基于不同视角或维度来分类，他们正交关系，不是从属关系，如图1所示。
图1 数字样机的分类
1. 按生命周期分类
从数字样机的生命周期来讲，可以分为论证数字样机、研发数字样机、制造数字样机和运维数字样机。
1) 论证样机
现在装备论证通常都不仅仅之针对装备本身的论证，而是需要放在体系中论证，譬如智能无人驾驶汽车需要在城市公路上论证，军事装备需要在数字战场中推演，此时装备的数字模型（数字样机）扮演着至关重要的角色。这些数字样机不仅仅是对实际装备的虚拟复 制，它们还包含了丰富的数据和参数，用以模拟装备在各种战斗环境和情况下的表现和行为。同时，论证样机既是需求样机，也是交付样机，既为装备研发提出需求，也为制造结束后交付时提供了验收标准。下面以军事装备论证为例，论证样机所包含的内容和参数包括：
a)物理特性和性能参数
尺寸重量：数字样机需要精确地再现装备的实际尺寸和重量，这对于仿真中装备的部署、机动性和稳定性分析至关重要。
速度机动性：速度和机动性参数影响装备在战场上的快速部署能力及逃逸能力，对战术演练有直接影响。
载荷容量：对于战斗机、坦克等装备，载荷和容量信息有助于评估其持续作战能力及物资携带能力。
b)传感器和电子设备
雷达通信系统：现代战场高度重视信息战，雷达和通信系统的性能直接影响战场态势感知和指挥通信效率。
导航定位系统：精确的导航和定位系统信息，如GPS、北斗导航系统等，对于提高打击精准度、确保部队协调至关重要。
c)防御和生存能力
装甲防护：装备的装甲厚度、材料等信息帮助评估其在战场上的生存能力，抵御敌方火力的能力。
隐身干扰能力：在现代战争中，隐身技术以及电子干扰能力也是衡量装备生存能力的重要因素。
d)作战能力和效果
武器搭载量：装备可以携带的武器种类和数量，直接关系到其作战能力的强弱。
毁伤能力：不同装备对目标的毁伤效果，包括爆炸威力、穿透能力等，是战场推演中不可或缺的数据。
e)互操作性和网络化
通信兼容性：装备的通信系统是否能与友军系统兼容，影响着联合作战的协同效果。
数据链网络支持：现代战争强调信息化，数据链和网络支持能力对作战指挥和控制有着重要影响。
f)环境和地形适应性
气候适应性：装备在不同气候条件下的性能表现，如极寒或高温环境下的操作能力。
地形适应性：考虑装备在山地、沙漠、城市等不同地形的作战能力，对战术规划至关重要。
g)智能化和自动化水平
自主决策能力：随着人工智能技术的引入，装备的自主决策和任务执行能力成为衡量其先进性的重要标准。
人机交互系统：现代化的人机交互系统能够提升装备操作的便捷性和作战效率。
数字样机在数字战场推演中的广泛应用，不仅提高了推演的准确性和效率，也为军事训练和作战指挥提供了强大的技术支持。随着技术的不断进步，数字样机将在未来的军事应用中发挥更加重要的作用。
2) 研发样机
研发样机是装备在研发过程中形成的样机，用于精确地模拟和展示装备整机、子系统及零部件的设计和性能。研发样机通常包含以下信息：
a) 设计概念
包括产品的初步设计思路、创新点以及预期解决的问题或需求。
b) 系统信息
层次化结构：定义系统的层次结构，包括子系统、模块、组件等，以及它们之间的相互关系和依赖性。
子系统行为：每个子系统的工作原理、输入输出关系和内部状态变化，这对于预测和分析系统行为是必需的。
组件特性：包括组件的物理特性（如尺寸、重量）、性能参数（如功耗、效率）以及失效模式等。
数据流和控制流：明确系统中的数据流和控制流，这对于理解系统的动态行为和性能至关重要。
c) 几何信息
三维CAD模型：展示了产品的精确外形、尺寸和结构布局。这些模型是详细数字样机的基础，确保了与实际物理对象的高度一致性。
装配关系：描述了各组件间的装配顺序和方法，以确保在数字环境中模拟的装配过程能够反映实际生产能力。
尺寸公差：为了确保制造出的产品能满足设计规范和功能要求，定义了各个部件的尺寸公差，指导生产时对尺寸精度的控制。
d) 材料属性
材料类型：列出了构成产品的每种材料及其关键属性，如密度、强度、硬度等，以便进行准确的仿真分析。
表面处理：包括抛光、阳极氧化、镀层等处理方式，旨在提高产品的耐腐蚀性或增强美观。
e) 制造信息
制造工艺：详细说明了产品的制造工艺流程，如铸造、锻造、CNC加工等，反映了从原材料到成品的转变过程。
质量控制点：制定了生产过程中的关键检查点和质量标准，确保每一步制造过程都符合设计要求。
f) 功能性能描述
操作原理：解释了产品如何运作，包括其主要功能和预期实现的任务或效果。
性能参数：提供了产品在各种操作条件下的性能指标，如速度、精度、响应时间等。
耐久性和可靠性：通过仿真测试得出的产品耐久性和可靠性指标，如疲劳寿命和平均无故障时间（MTBF）。
g) 系统集成接口
接口设计：描述了产品如何与其他系统或部件连接，包括所有必要的接口尺寸和规格。
数据交换协议：明确了与其他系统交互的数据格式和通信协议，确保了良好的兼容性和协同工作能力。
h) 验证测试
仿真模型：用于模拟产品功能的计算模型，可以基于物理原理构建，也可以是抽象的数学模型。
测试案例：为了确认数字样机的功能符合设计要求，进行的仿真测试案例和验证过程描述。
i) 维护操作手册
预防性维护指南：为保持产品性能和延长使用寿命所需的维护信息。
故障排除指南：常见问题的诊断和解决方法，帮助用户快速应对问题。
研发样机不仅提供了一个全面细致的产品设计视图，还支持跨学科团队之间的协作，确保产品设计在多个维度上达到预定目标。这有助于缩短产品开发周期，降低成本，并提高产品质量。
3) 制造样机
制造样机是装备在制作过程中形成样机，旨在精确地模拟和展示装备整机或子系统的制造过程。制造样机通常包含以下信息：
a) 制造工艺
工艺流程：详细描述从原材料到成品的转换步骤，包括加工、装配、检测等环节。
质量控制：制定生产过程中的关键检查点和质量标准，确保每一步制造过程都符合设计要求。
b) 材料属性
材料类型：列出了构成产品每种材料及其关键属性，如密度、强度、硬度等，以便进行准确的仿真分析。
表面处理：包括抛光、阳极氧化、镀层等处理方式，旨在提高产品的耐腐蚀性或增强美观。
c) 装配信息
装配顺序：描述了各组件间的装配顺序和方法，以确保在数字环境中模拟的装配过程能够反映实际生产能力。
装配公差：为了确保制造出的产品能满足设计规范和功能要求，定义了各个部件的装配公差，指导生产时对装配精度的控制。
d) 设备工具需求
设备规格：列出了实施生产所需的所有设备及其规格，确保生产效率和质量。
工具耗材：详细记录了生产中需使用的各种工具和耗材，包括切削工具、测量工具等。
e) 生产成本估算
材料成本：基于设计方案，对产品制造成本的初步估算，包括材料、人工和间接费用等。
人工成本：根据生产流程和时间估算所需人工成本，以及可能的加班费用。
f) 生产计划调度
作业指导书：提供如何对生产数字样机进行验证和测试的操作指南，以及维护和校准建议。
生产时间表：概述实现产品从方案到最终产品的详细步骤、时间表和里程碑。
g) 维护操作手册
预防性维护指南：为保持产品性能和延长使用寿命所需的维护信息。
故障排除指南：常见问题的诊断和解决方法，帮助用户快速应对问题。
h) 合规性证明
认证标准：确保产品功能遵循相关法规、行业标准和最佳实践的说明。
环保要求：满足环保法规的要求，如有害物质限制使用等。
制造样机不仅提供了一个全面细致的产品制造视图，还支持跨学科团队之间的协作，确保产品设计在多个维度上达到预定目标。这有助于缩短产品开发周期，降低成本，并提高产品质量。
4) 运维样机
运维样机是一种专门用于产品运维阶段的数字模型，其目的在于通过模拟和分析装备在实际操作中的运行状态和维护需求，以优化产品的运行效率和维修策略。以下是运维数字样机所包含的信息：
a) 运行性能数据
实时监控指标：包括设备运行时的温度、压力、速度等关键性能指标的实时数据。
性能曲线：记录并展示设备在不同操作条件下的性能变化趋势，以便进行性能分析和预测。
b) 维护策略指南
预防性维护计划：根据设备的使用情况和历史维护记录，制定的定期检查和维护计划。
故障诊断方法：提供一系列基于症状和性能数据的故障检测和诊断流程，帮助维护人员快速定位问题。
c) 备件管理信息
备件清单：列出所有可能需要的备用零件及其规格、供应商信息，确保维护工作的顺利进行。
库存管理策略：基于历史维护数据和零件消耗率，制定的库存管理和采购策略。
d) 使用与操作手册
操作指南：详细说明设备的操作步骤和注意事项，确保用户能够正确使用设备。
应急处理程序：指导用户在遇到设备故障或其他紧急情况时如何快速有效地采取行动。
e) 培训与支持文档
培训材料：为用户提供的设备操作和维护的培训视频、文档等资料，帮助用户更好地理解和掌握相关知识。
技术支持渠道：提供用户在遇到问题时可以获取帮助的联系方式和技术论坛链接。
f) 反馈与改进机制
用户反馈收集：设立反馈通道，鼓励用户提供使用过程中的意见和建议，作为产品改进的重要参考。
持续改进计划：根据用户反馈和市场变化，定期评估并更新运维数字样机的内容，以不断提升服务质量。
运维数字样机为装备的运行和维护提供了一个全面的数字支持平台，不仅有助于提高设备的运行效率和可靠性，还能显著降低维护成本，提升用户满意度。通过这种方式，运维数字样机成为了连接设计、制造与服务全过程的重要桥梁。
2. 按样机用途分类
按照样机用途，数字样机可以分为功能样机和性能样机。
1) 功能样机
功能样机包含的信息主要涉及产品在功能层面和操作层面的描述和验证。以下是一些相关信息：
功能描述：包括产品或子系统的操作原理、主要功能以及预期实现的任务或效果。
性能参数：用于描述产品在各种操作条件下的性能，如速度、精度、响应时间、功耗等。
界面定义：产品与用户或其他系统交互的界面描述，如按钮、显示屏、输入输出接口等。
逻辑流程：产品内部的操作逻辑和流程，包括任何软件算法、决策树或状态转换图。
仿真模型：用于模拟产品功能的计算模型，可以基于物理原理构建，也可以是抽象的数学模型。
行为特性：产品在特定输入下的预期响应和行为，包括在异常情况下的处理能力和故障模式。
系统集成：描述如何将功能数字样机整合到更大的系统中，以及与其它子系统的交互和数据交换协议。
验证和测试：为了确认数字样机的功能符合设计要求，进行的仿真测试案例和验证过程描述。
维护和升级策略：产品的维护指南以及未来可能的升级路径或功能扩展计划。
用户体验：针对最终用户的体验设计考量，如易用性、人机工程学评估和用户反馈。
合规性和标准：确保产品功能遵循相关法规、行业标准和最佳实践的说明。
功能数字样机提供了一个全面的框架，用于在产品开发过程中详细规划和验证产品的功能需求和性能。它不仅有助于设计师和工程师理解产品的操作特性，还支持跨学科团队之间的协作，确保产品设计在功能性上达到预定目标。
2) 性能样机
性能样机旨在全面模拟和评估产品整机或子系统的性能。它通常包含以下信息：
动态响应：描述产品在各种操作条件下的响应速度、稳定性和准确性。
耐久性指标：包括疲劳寿命、磨损率等，用于预测产品在长期使用中的性能保持情况。
环境适应性：分析产品在不同环境条件（如温度、湿度、震动）下的操作能力。
可靠性数据：通过仿真测试得出的产品可靠性指标，如平均无故障时间（MTBF）。
热管理特性：产品的散热能力、热稳定性及热膨胀对性能的影响。
人机交互效能：如果适用，产品对用户指令的响应速度和精确度，以及用户界面的直观性。
能耗效率：分析产品在执行任务时的能源消耗率和整体能效。
性能优化：基于仿真结果对产品设计进行优化的建议，以达到更高性能标准。
测试和维护指南：提供如何对性能数字样机进行验证和测试的操作指南，以及维护和校准建议。
性能评估报告：详细记录性能测试的过程、结果和评估，为设计改进提供依据。
用户体验反馈：收集并分析最终用户在实际使用中对产品性能的感受和评价。
性能数字样机的主要目的是在产品开发阶段通过计算机辅助仿真来预测和优化产品的性能。这不仅有助于缩短产品开发周期，还能显著降低研发成本和提高产品质量。
3. 按照样机构型分类
按照数字样机的构型分类，可以分为逻辑样机和拓扑样机。
1) 逻辑样机
逻辑样机是用来表达装备的工作原理和运行逻辑的样机，不要求表达装备的几何形体和拓扑结构。逻辑样机分为两种：系统设计样机和系统仿真样机。
系统设计样机通常是基于类似与SysML语言的系统建模产生的模型包含的内容，包括结构、行为、需求和参数等方面。这种模型不仅为系统的设计人员提供了一个组织复杂信息的框架，而且也使得非专业人士能够更好地理解系统的特性和行为。
系统仿真样机关注整个系统的运作，包括各个子系统之间的相互作用及其对整体性能的影响。因此，数字样机的构建必须涵盖从高层次的系统行为到底层的组件特性的全面信息。以下是系统级仿真中数字样机应包含的内容和参数：系统架构和模型、子系统和组件模型、接口和交互、性能和效能指标、环境和场景模拟、故障和异常处理、优化和改进、验证和验证
2) 拓扑样机
拓扑样机用来表达装备的几何形体、尺寸参数、材质材料和拓扑结构等信息。拓扑样机同样分为两种：物理设计样机和物理仿真样机。
物理设计样机旨在精确地模拟和展示装备整机的设计、性能和行为，包含的信息十分广泛，从设计和制造到维护和操作各个方面都有涉及。它通常包含以下信息：几何和尺寸信息、材料和材料属性、制造和加工信息、表面处理和涂层、功能与性能要求、接口和装配信息、质量与合规性、维护和操作手册。
物理仿真样机的模型建立是至关重要的基础环节，它直接关系到仿真分析的准确性和效率。仿真模型包含的内容和参数主要包括几何建模、材料属性定义、网格划分、边界条件与加载设置、求解器设置与计算、后处理与结果分析等。
二、美国国防部数字工程
美军系统工程部门自2016年起，在越来越多的场合中提到数字工程及其战略，认为第四次工业革命是数字时代，实施数字工程将成为美军迎接数字时代、完成数字转型的关键。正如前文所言，虽然美国防部将这项工程称为“数字工程”，但从其内涵上看，其核心实质上就是模型工程。
美国防部认为，数字工程（Digital Engineering）是一种集成的数字化方法，使用装备系统的可信数据源和模型源作为寿命周期中的连续统一体，支撑从概念到报废处理的所有活动。美军认为，传统的建模与仿真、基于仿真的采办、基于模型的系统工程是第三次工业革命信息技术发展的产物，当今世界处于第四次工业革命，以数字化连接的端到端复杂组织体（Digitally Connected End-to-End Enterprise）将代替基于电子和IT的自动化成为核心，数字化登上舞台中央，推进数字工程正是最佳时机。美军推进数字工程旨在将以往以文档为中心的采办流程转变为以数字模型为中心的数字工程生态系统，使美军完成以模型为中心谋事做事的范式转移。
未来，各国军队都将面临一系列挑战：作战和威胁环境动态变化，装备系统复杂度和无法接受的风险大幅增加，成本超支和能力交付延迟困扰作战部队；需要超越快速变化的威胁和技术进步，更快地向作战部队交付先进能力，同时更具经济可承受性和持续保障性，并且培养一个创新的文化。当前，线性的采办流程缺乏敏捷性和弹性，采办人员使用“竖烟囱”方式建设的基础设施、环境和孤立的数据源在寿命周期中支撑各种采办活动，沟通、协同和决策通过静态、不相连的文档完成并且需要解释，采办实践依赖单学科模型，并且无法跟上创新和技术进步的步伐。同时，美军要求通过创新、技术优势和质量获取支配性的能力，提升效率、生产力和军事能力，新能力开发和部署上更具效率，加速超过对手的创新。
美军在这些挑战和要求面前，认识到了自身采办流程的问题，从2015年起决心实施数字工程转型，并于同年8月美军成立数字工程工作组，各军种、国防部机构、航空航天局等相关政府部门、国防工业部门、系统工程组织等共同研究讨论推进事宜，并制定数字工程教育与培训课程，提出了数字工程战略目标。根据美军数字工程路线图，2017年12月，美军将正式发布数字工程战略文件，2018年6月完成政策和指南的更新，并于2019年12月开始将数字工程转移到采办流程中使用。
2015年8月美军成立数字工程工作组，陆海空三军、国防信息系统局、国防后勤局、导弹防御局等国防部成员、航空航天局等相关政府部门、国防工业部门、系统工程组织等共同研究讨论推进事宜，制定了数字工程路线图。路线图给出了数字工程推进7个成熟度等级，分别是：启动；知晓——促进各级组织的认知；理解——推动组织内工作人员的理解；初始使用——执行试点计划，参与各项目；内部消化——制定指令、政策和指南以促进实例化使用；采纳——在工程和采办实践中扩展已成形的各类变化；制度化——持续保障转型的发生。截止到2017年10月，美军数字工程推进工作已经处于4级到5级之间，完成了若干计划，正准备更新政策指南。根据美军数字工程路线图，2017年12月，美军将正式发布数字工程战略文件，2018年6月，完成政策和指南的更新，并且开始在项目中对数字工程应用实施评价，2019年12月，美军开始将数字工程转移到采办流程中使用。
2016年，美军提出了数字工程战略目标，五大战略目标是：规范化模型的开发、集成和使用、提供持久权威的事实源、结合技术创新改进工程实践、建立强大的基础设施和环境、转变组织文化提升人员能力。数字工程战略将聚焦7项任务：定义、实施、政策和指南、工作人员发展、合同签订、衡量准则、转型管理。同年11月美军制定了数字工程教育与培训课程，包括数字工程概念、为数字工程生态系统做准备、面向采办的考虑、使用数字技术物获得一致性、案例5门课程，为美军各层级相关人员理解数字工程转型提供支持。
2017年4月，美军给出了数字工程支持国防部采办的完整视图。可以看到，数字工程生态系统涵盖了系统工程的技术流程和技术管理流程，核心是贯穿装备系统始终的数字系统模型、数字线索和数字孪生，支撑对成本、进度和性能、经济可承受性、风险和风险降低策略分析，并且与工程知识管理交互，利用工程标准、需求数据、设计和制造数据、试验数据、供应数据、使用数据、维护数据、工程能力数据库，将组件和系统的多领域、多物理、多层级的构建于虚拟分析工具组合，可基于工程数据运行以支持采办和保障，从而支撑成本分析、需求、经得起推敲的成本/进度/性能权衡，以及系统工程技术评审和采办里程碑决策。
美军推进数字工程，打造数字工程生态系统，将使现有的工程学科提升为一个基于模型的综合化方法，充分利用数字化的进展和技术创新，使美军整体收益。未来，美军的数字工程生态系统连接装备系统的数据源和寿命周期的模型，提供可信的单一事实源；美军将使用数字化的环境、流程、手段、工具和数字技术物，支持装备系统的规划、需求、设计、分析、验证、确认、使用和持续保障。
来源：数字孪生体实验室
