基于设计任务的概念设计中产品数字孪生模型的构建

白仲航，孙意为，许 彤，丁 满

（1.河北工业大学国家技术创新方法与实施工具工程技术中心，天津 300400；2.河北工业大学建筑与艺术设计学院，天津 300400）

数字孪生又称为数字孪生技术，是通过数字技术对物理世界的真实产品进行描述和建模的过程［1］。在此过程中，与物理实体完全对应，并与之建立实时联系的数字化表达模型称为数字孪生体［2］。许多学者对数字孪生体的构建进行了研究：Mika等从微制造单元提取数据信息，用以构建数字孪生体，并将它与SolidWorks结合，来构建制造单元模型［3］；Caputo等基于并行工程方法，构建了符合人机工程的生产线数字孪生模型［4］；Mittal等通过数字双工程方法，构建了物联网系统的数字孪生模型［5］。传统的数字孪生模型包含3个维度：物理实体、虚拟实体和交互通道。陶飞等对传统的数字孪生模型进行了扩展，增加了孪生数据和服务两个新的维度，提出了数字孪生五维模型的概念，并探索了其应用领域［6］。对数字孪生体构建与应用的研究主要集中在产品及其生产系统的数据收集［7］、智能服务［8］、加工处理［9］等智能生产过程。在概念设计中，应用数字孪生技术，根据物理产品与虚拟产品之间的孪生数据，可以更好地处理用户数据，模拟、分析、监测目标产品，不断挖掘概念设计中的问题和具体的设计子任务，进而促进设计方案的产生，增强产品实际行为与设计期望行为间的一致性，提高产品智能化程度和设计质量［6］。

根据工程设计的系统方法，设计过程可以分为四阶段，即明确设计任务、概念设计、具体设计和细节设计［10］。分析设计任务之间的信息交互关系及其先后顺序可以更好地把控产品设计过程［11-12］。田启华等针对耦合设计任务构建了一种二阶段迭代模型及其求解执行时间的数学模型［13-14］。Darbinyan将功能形式化与机制形式化相结合，在功能层面对单个任务求解［15］。在概念设计阶段，基于设计任务对用户和产品所要完成的具体任务进行分析、分解和分配，可以有效地提升产品设计质量［16］。目前对设计任务的研究大多是从设计者、物理技术以及设计任务之间关系的角度进行，涉及设计中用户因素的作用及概念设计中所要完成的具体任务的研究较少。此外，设计任务是复杂的，须各要素相互作用来共同实现设计任务。如何准确把控设计任务中的各要素信息及其相互关系，将设计任务映射到概念设计过程，是设计任务研究的核心。通过对设计任务的分析，提取具体任务要素，构建应用于概念设计的数字孪生模型，可以更进一步地收集任务数据，检测、发现设计任务中深层次的问题，对求解结果进行验证，更好地把控设计过程。基于明确的设计任务，对目标产品进行分析，构建针对设计任务的数字孪生模型，是将数字孪生技术用于概念设计的前提。

本文以具体的设计任务为切入点，整合任务分析法与情景分解法，对设计任务进行分解，得到任务流模型。运用模糊综合评价法，将用户因素融入设计任务量化过程中，对设计任务进行进一步分析，明确任务域中具体的任务情景。通过对任务情景的分解，得到任务要素，搭建对应于物理域实体的任务情景模型。基于任务域构建物理域，分析进行模拟和检测的虚拟域的构成，探讨任务域、物理域、虚拟域之间的数据映射关系，构建基于设计任务的概念设计中的产品数字孪生模型。

1 任务域模型

1.1 设计任务与子任务

在工程设计领域，设计任务是指工程人员使产品表现出特定功能所要完成的任务。明确设计任务是进行概念设计的前提，通过设计任务的分析与分解，映射得到数字孪生模型要素，构建数字孪生模型。设计任务可以细分为总任务、子任务以及任务元。总任务可以分解为子任务，子任务可再次分解为次级子任务或任务元，任务元是设计任务的最小单位。

一般来说，在给定的时间内执行一系列任务元即实现产品特定功能。任务元有4个任务属性：前置任务、并行任务、控制任务和循环任务，如图1所示。每个任务元都具有输入和输出，可以是其他任务元的输入或控制。

图1 任务属性Fig.1 Task attribute

1.2 任务流模型

任务的实现是通过人与工作对象、工作环境相互作用的过程体现出来的，通常由单个结构（元件）或多个结构（元件）的组合来完成特定的任务。在该过程中，有的结构（元件）产生能量，有的结构（元件）转换能量，有的结构（元件）损耗能量，通过元件间的能量传递、转换或者消耗，结构组件表现出一定的行为特征。倘若这多个结构之间不存在新的动态任务关系，则将每一个结构组件标记为独立的任务元。在任务分解过程中，首先对设计任务对应的功能进行分解，基于功能模型明确若干个设计任务，从用户需求出发，对每一个设计任务的完成过程按照层级分解为任务元。多个任务元相互作用，输出新的任务，将这些任务元组合起来，实现子任务。至少2个任务元或子任务相互作用（前置、并行、控制、循环），构建成一条清晰的任务流，其模型如图2所示。

图2 任务流模型Fig.2 Task flow model

1.3 设计任务量化

对不同情景的任务进行分析，通过识别和筛选得到设计任务。筛选是任务分析中的重要阶段。首先对产品进行功能分解，找到核心功能，从功能角度将用户需求串联起来。基于功能分解信息，得到用户功能性需求。用户非功能性需求可以分为耐用性（durability）、支持性（supportability）、可靠性（reliability）和性能（performance）等［17］。设计人员在功能的分解与抽象描述中提取用户需求，对用户需求进行分析和分类，明确地定义需求属性。基于所提取的用户功能性需求和非功能性需求，构建权重，得到与核心功能相关性最高但不完全满足用户需求的任务。通过对核心用户体验目标的评估，构建若干个评估产品任务的量化维度，总结并提取几个无法相互替代且互不影响的维度作为评价依据［18］。在构建量化维度的基础上引入模糊综合评判法，对各子任务进行量化。从功能角度构建量化维度因素集，而量化依据则使权重设置更为合理。评价筛选得到待改进的任务，确定设计任务。

模糊综合评价法是通过对事物多维度制约因素的定量评价来实现对事物或对象的整体评价［19］。其主要步骤为：

1）确定因素集U。

2）确定评语集V。

3）确定各因素权重A。

4）确定单因素的模糊综合判断矩阵R。

5）确定综合评判矩阵B。

利用MATLAB软件进行编程，导入数据进行矩阵计算，实现数据可视化。

2 物理域实体任务情景模型

在设计任务下，物理实体是完成任务域任务目标的主体，包括任务实现过程中的产品实体、用户实体和环境实体等。对物理实体的准确分析和建模是建立数字孪生体的关键步骤。物理实体具有层次性，按照功能和结构可分为单元级（unit）、系统级（system）和复杂系统级（system of systems）三个层级［6］。物理域实体任务情景模型是物理域中物理实体完成目标任务的情景模型，是对物理实体以及实体所要完成的任务的描述。基于设计任务对物理实体所构建的任务情景进行分解，完成任务域向物理域的映射，进而得到该模型。应用任务分析法整理和模拟任务完成过程，对典型的任务进行分解及详细分析，使设计人员确定能够最大限度改进产品的环节，而它通常是任务操作效率较低的环节。然而，利用单一的任务分析法过于感性，仅依赖于设计人员的设计经验，在很大程度上对交互场景只作定性分析。情景分解法的优势在于可以对用户需求及交互行为进行更形象化的描述，理性、完整地分析交互场景，不会遗漏重要情节，通过关键节点的筛选使设计人员确定设计任务。张俊磊等［20］将情景分解法应用于产品生命周期分析以及具体的产品设计，并且尝试与其他方法集成来分析问题。

将任务分析法与情景分解法集成，通过情景分解将抽象的设计任务映射为一个物理实体客观存在的复杂级情景系统，利用情景分解法按照任务层级对情景进行分解，找到物理实体在实现功能任务时的关键情景节点，并将每一个节点对应一个任务，分析情景中的任务目标，得到任务目标下物理实体完成任务的产品功能系统、实体结构系统以及情景准则系统。对每一个情景节点要实现的任务元进行进一步分解，分析并提取任务功能、结构等单元级要素，如图3所示。

1）产品功能系统。

产品功能系统是指设计任务要实现的产品功能的组合系统，包括功能参数、功能实现的方式、功能实现产生的结果等单元要素。在构建产品功能系统模型时，对产品功能进行定义，描述产品的功能，包括产品的主要功能、辅助功能、附加功能以及功能实现流程。从最小的功能元到主要功能实现的过程及各功能元间的关系，即功能实现的情景。

2）实体结构系统。

图3 任务情景分解过程Fig.3 Task scenario decomposition process

实体结构系统是指由设计任务实现所需要的实体元件与要素组成的物理系统。用户、产品、环境、结构元件等因素是实体结构系统的基本单元。实体结构系统包括功能实现的基本要素以及要素之间相互作用关系的集合，如具体任务完成所需的元件及其相互之间的连接关系。

3）情景准则系统。

情景准则是指在设计任务实现的情景过程中功能域和结构域之间的约束与映射关系。情景准则系统包括功能需求产生的限制、功能实现与结构的对应关系、在任务实现过程中结构元件之间的相互作用以及任务所处情景的环境约束。其基本单元是功能、结构和需求在任务情景实现过程中产生的行为特征。

基于任务流对任务实现情景作进一步分析，分析不同任务元下单元级任务要素之间的关系，构建物理域实体任务情景模型，如图4所示。

图4 物理域实体任务情景模型Fig.4 Physical domain entity task scenario model

3 虚拟域模型与交互通道

3.1 虚拟域模型

虚拟实体包括几何模型GV、物理模型PV、行为模型BV和规则模型RV，这些模型能从不同的时间、空间维度对物理实体进行构建与模拟［18］，使数字孪生体能反映设计过程中设计任务与物理实体之间的关系。针对识别出的设计任务，基于任务流与物理域实体任务情景模型，明确每一个任务元的构成要素，分析要素之间产生的行为特征，进而得到虚拟域孪生数据与孪生体的构成。

虚拟域模型由任务情景完成所需的元素单元组成的几何模型和物理模型、任务元得以实现的行为模型以及任务实现过程中由行为和环境约束构成的规则模型组成。几何模型和物理模型是任务实现所需的构成要素，包括产品任务完成所需的元件、结构及其相互之间的转换关系等，甚至还包括用户、环境因素。行为模型由任务构成要素发生的行为特征构成，行为特征具体包括产品行为、用户行为、用户与产品交互行为，以及用户、产品和环境之间的交互行为等。基于元件、任务目标等要素形成的行为约束构成规则模型。对设计任务进行分析、分解，基于任务情景构建数字孪生模型，如图5所示。

图5 虚拟域数字孪生模型Fig.5 Virtual domain digital twin model

3.2 交互通道

除了与物理域和任务域相映射的虚拟域模型外，构建数字孪生模型还须从真实的物理世界收集物理实体数据，包括产品功能参数数据、结构构成数据、准则约束数据以及目标情景下的交互数据，并结合设计任务要求和任务宏观表现的数据，将这些数据采集并传输到虚拟域，对任务数据进行整合和计算，以驱动概念设计。

基于时间参数分析目标产品的物料流、信息流、能量流在任务流中的走向，明确任务的节点以确定收集信息和建立交互通道的节点。其次，对任务元进行分解及详细分析，得到任务元件与行为特征及其在物理世界对应的数据类型及来源，包括情景布局数据、用户人体数据等，将收集到的任务数据信息转化为任务情景，来构建设计任务的虚拟域模型。最后，通过传感器将任务元信息转化为电信号数据，传输到虚拟场景中，收集物理实体的设计数据，包括任务流中元件的尺寸、动态行为数据、任务持续时间和用户对任务完成情况的满意度等。基于任务流，对虚拟数据进行分析，如任务行为特征对任务完成的支持度、任务元件的物理数据、用户在任务完成过程中的交互数据和情感数据等。通过对情景空间数据的收集和实时模拟，实现交互通道的建立。基于设计任务的数字孪生模型的构建过程如图6所示。

图6 基于设计任务的数字孪生模型构建过程Fig.6 Construction processof digital twin model based on design task

4 智能分类垃圾桶数字孪生模型的构建

4.1 构建任务域任务流模型

智能分类垃圾桶是一种基于电容式传感器原理的自动分类垃圾桶，它包括检测装置、分类装置、回收装置和支撑装置。目前该垃圾桶的主要问题是分类效率低，一次只能对1件垃圾进行分类且分类时间较长。基于垃圾桶的功能和使用过程，利用任务分析法和情景分解法对其任务进行分解，如图7所示。基于任务分解得到子任务，基于任务情景的顺序，构建智能分类垃圾桶任务流，如图8所示。

图7 智能分类垃圾桶任务分析与情景分解Fig.7 Task analysis and scenario decomposition of intelligent sorting trash can

图8 智能分类垃圾桶任务流Fig.8 Task flow of intelligent sorting trash can

4.2 明确设计任务

首先，对用户需求进行提炼，构建量化维度即模糊评综合价法中的因素集；其次，根据专家评审结果，构建量化依据，赋予功能性需求与非功能性需求的权重，最终确定智能分类垃圾桶的因素集，如表1所示。

表1 智能分类垃圾桶的因素集Table 1 Factor set of intelligent sorting trash can

在此基础上运用模糊综合评价法，量化与核心功能相关度较高但是用户体验感较低、不完全满足用户需求的任务。受调查的用户为10人，其中专家有4人，普通用户有6人，以t14（识别垃圾）为例。

1）确定因素集U。按照属性分为2个子因素集：功能性需求U1={操作便利性u1，分类准确性u2，完成效率u3}；非功能性需求U2={耐用性u4，结 构稳定性u5}。满足U1⋃U2=U。

2）确定评语集V。根据每个指标评价值，对因素集U1、U2分别作出综合评判，评价等级分为v1（好）、v2（较好）、v3（中等）、v4（较差）和 v5（很差），V={v1，v2，v3，v4，v5}。

4）确定单因素模糊综合判断矩阵R。设单因素模糊评价矩阵 Ri，记为 Ri=[ri1，ri2，…，rin]，其中 rin表示因素i的评价得分。则单因素的模糊综合判断矩阵为：

针对t14（识别垃圾）的U1可得操作便利性、分类准确性、完成效率的模糊评价矩阵R1、R2、R3分别为：

针对t14（识别垃圾）的U2可得耐用性、结构稳定性的模糊评价矩阵R4、R5分别为：

则模糊综合判断矩阵R（U1）和R（U2）分别为：

5）确定综合评判矩阵B。B=A×R，是基于评语集V的模糊向量，则：

将t11至t41所有任务数据依次输入MATLAB程序，运行软件，确定设计任务为推送垃圾与选择分类。

4.3 构建物理域实体任务情景模型

针对识别出的推送垃圾、选择分类两个设计任务，基于任务流模型，确定子任务功能属性，进而分解至任务元，明确每一个任务元的构成要素，分析要素之间产生的行为特征。“推送垃圾”物理实体的任务情景为：推板推送垃圾到滑道的尽头，电机接收到传感器发出的电信号后开始运转，带动丝杆转动，进而带动滑杆通过螺纹推动推板，推板开始在滑道上运动，推送垃圾。“选择分类”物理实体的任务情景为：导向槽旋转相应的角度以确定垃圾移动的方向。滑道上的电容式传感器通过由垃圾的位置变化引起的电阻变化来识别垃圾的类别。当传感器检测到垃圾时发出信号给步进电机，电机带动导向槽旋转，使导向槽的末端对准垃圾所属类别的垃圾桶。推送垃圾和选择分类的实体任务情景模型如图9所示。

4.4 构建虚拟域模型与交互通道

在构建数字孪生模型的基础上，基于时间参数下任务元的节点与行为特征，对物理实体和孪生模型的设计数据进行收集，包括任务流中元件的尺寸、用户的思维逻辑数据、任务持续时间和用户对垃圾分类完成的满意度等，完成交互通道的构建，得到最终的智能分类垃圾桶数字孪生模型，如图10所示。

图9 推送垃圾和选择分类的实体任务情景模型Fig.9 Entity task scenario model of pushing trash and selecting classification

图10 智能分类垃圾桶数字孪生模型Fig.10 Digital twin model of intelligent sorting trash can

5 结论

1）针对概念设计过程中确定设计任务时对用户需求考虑不足的问题，集成任务分析法和情景分解法，从产品和用户两方面考虑，得到概念设计中数字孪生情境下的任务模型。相比于传统的设计任务研究方法，更注重用户因素。

2）基于数字孪生的概念，分析任务域的构成，基于模糊综合评价法对设计任务进行评价，定量分析设计任务，并基于任务元及其行为特征构建物理域实体任务情景模型。分析实体任务情景，结合设计需求准则，构建交互通道与数字孪生模型。提出了设计任务量化的具体方法，探讨了基于设计任务的数字孪生模型的构建方法，拓展了数字孪生技术在概念设计过程中的应用。

3）将基于设计任务的数字孪生模型构建方法用于智能分类垃圾桶概念设计中数字孪生模型的构建。

数字孪生模型构建方法还须通过更多工程案例加以验证并逐步完善。在概念设计阶段，如何通过数字孪生技术进一步挖掘设计任务，以及如何将数字孪生模型与相应的创新设计方法相融合，产生设计方案，须进一步研究。