謝曉蓉，金 軼，沈程鵬，潘明慧

（1.上海中醫(yī)藥大學附屬曙光醫(yī)院，上海 201203；2.上?？档氯R國際商貿有限公司，上海 201803）

隨著公立醫(yī)院信息化和智慧化建設步伐的加快，公立醫(yī)院主流應用的基于電子標簽集群的固定資產管控平臺在工程實踐中日益凸顯出資產屬性動態(tài)變化實時感知失效[1]、多維因素約束下設備互聯(lián)與數(shù)字集成失衡、較長周期內故障自主預測機制缺失等諸多不足，開發(fā)融合新興技術的新型固定資產管控平臺具有重要的工程及學術價值[2]。構建了基于可視化物聯(lián)網(wǎng)的公立醫(yī)院固定資產數(shù)字孿生監(jiān)控平臺，利用可視化物聯(lián)網(wǎng)仿真建模技術，建立了固定資產物理實體對應的虛擬鏡像孿生模型[3]，高保真可視化還原了公立醫(yī)院固定資產實時屬性變動軌跡情況。在虛擬鏡像孿生模型中引入融合事件驅動的虛實映射技術，構建了基于固定資產數(shù)字孿生隨動系統(tǒng)的全要素、全流程、全感知的組織結構和運行邏輯，利用深度卷積神經(jīng)網(wǎng)絡DCNN對數(shù)字孿生隨動系統(tǒng)進行特征辨識[4]，實現(xiàn)時間正序下的固定資產可視化實時自主監(jiān)控。開展了平臺工程應用實踐驗證，多維度驗證了平臺的可行性及優(yōu)越性。

1 固定資產數(shù)字孿生監(jiān)控平臺體系架構

把固定資產數(shù)字孿生監(jiān)控平臺完整生命周期運維邏輯進行目標導向下的任務分解，著重關注數(shù)據(jù)感知及高效傳輸、融合事件驅動的虛實映射、基于DCNN 的固定資產可視化實時自主監(jiān)控等3 個耦合子架構，構建了公立醫(yī)院固定資產數(shù)字孿生監(jiān)控平臺體系架構，具體如圖1 所示。其中，數(shù)據(jù)感知及高效傳輸子架構主要完成固定資產數(shù)字孿生隨動系統(tǒng)基礎數(shù)據(jù)的感知及高效傳輸工作，把固定資產物理實體的物理和邏輯組件建模為數(shù)據(jù)對象，利用分布式物聯(lián)網(wǎng)節(jié)點集群實現(xiàn)數(shù)據(jù)對象高效傳輸；融合事件驅動的虛實映射子架構主要建立高度動態(tài)場景下固定資產物理實體數(shù)據(jù)模型與孿生模型之間的映射規(guī)則[5]，把現(xiàn)實空間下數(shù)據(jù)模型的動態(tài)變化映射為虛擬空間下的孿生模型時間與空間變化，實現(xiàn)物理實體數(shù)據(jù)模型與虛擬鏡像孿生模型屬性始終保持一致；基于DCNN 的固定資產可視化實時自主監(jiān)控子架構主要實現(xiàn)對鏡像孿生模型異常屬性自主識別，通過對數(shù)字孿生隨動系統(tǒng)進行特征辨識，實現(xiàn)時間正序下的固定資產可視化實時自主監(jiān)控，形成良性的閉環(huán)反饋機制，從根本上提高固定資產實時管控平臺的推理與決策水平。

圖1 固定資產數(shù)字孿生監(jiān)控平臺體系架構示意圖

2 固定資產數(shù)字孿生監(jiān)控平臺關鍵技術

2.1 數(shù)據(jù)感知及高效傳輸關鍵技術

數(shù)據(jù)感知及高效傳輸關鍵技術為固定資產數(shù)字孿生監(jiān)控平臺提供底層數(shù)據(jù)驅動來源，一方面解決固定資產物理實體中的實體模型及屬性模型的全景信息感知，為數(shù)字孿生下的信息模型提供虛擬鏡像依據(jù)；另一方面提供固定資產物理實體與虛擬鏡像之間的高效數(shù)據(jù)耦合交互通道。固定資產物理實體模型及屬性模型具有顯著的多源異構與大數(shù)據(jù)屬性，屬于連續(xù)動態(tài)空間下的復雜數(shù)據(jù)感知及組織問題[6]，引入工業(yè)4.0 組件中的資產建模語言AutomationML實現(xiàn)實體模型及屬性模型的全景感知，引入工業(yè)4.0組件中的高效通信協(xié)議OPC UA 實現(xiàn)固定資產物理實體與虛擬鏡像的雙向實時數(shù)據(jù)耦合交互[7]?？紤]到一般性及高效性，把資產物理實體組件要素劃分為物理、屬性兩類，利用AutomationML 語言建立形式化描述下的數(shù)據(jù)對象模型，則有：

其中，采用PES表征固定資產物理實體，采用CEij表征物理組件要素集合，包括資產名稱、資產編號、資產狀態(tài)、資產隸屬、維保信息、預留擴展字段等。采用CPij表征屬性組件要素集合，包括原始成本、預計凈殘值、使用年限、監(jiān)管人員、變更情況、預留擴展字段等。組件要素之間具有耦合的層次關系[8]，建立組件屬性集，用SXij表征，包括組件機械屬性、電氣屬性、結構屬性、拓撲屬性、幾何屬性、運動屬性、邏輯屬性等。對SXij、CEij、CPij進行二級形式化描述[9]，則物理組件、屬性組件要素及組件屬性集表征如下：

在固定資產物理實體實際運行時借助分布式物聯(lián)網(wǎng)實時采集多源異構數(shù)據(jù)，通過AutomationML 進行數(shù)據(jù)格式交換，按照式（2）～（4）進行層次數(shù)據(jù)描述，構建實例、接口、角色、單元等角度的統(tǒng)一數(shù)據(jù)模型。其中，單元數(shù)據(jù)模型涵蓋單位、部門、資產等層級，由可重構的組件模板構成，角色數(shù)據(jù)模型涵蓋接口屬性規(guī)則，接口數(shù)據(jù)模型涵蓋常規(guī)的接口規(guī)則，實例數(shù)據(jù)模型通過調用單元和角色數(shù)據(jù)模型[10]，使角色庫實例化，最終使用內部元素對固定資產物理實體系統(tǒng)中的物理實體組件進行建模。在實例層次建立基于OPC UA 通信協(xié)議的數(shù)據(jù)耦合交互服務端，在角色庫層次建立基于OPC UA 通信協(xié)議的數(shù)據(jù)耦合交互客戶端，利用中間格式XML 對統(tǒng)一數(shù)據(jù)模型進行抽象暫存，利用OPC UA 通信協(xié)議實現(xiàn)固定資產物理實體與虛擬鏡像的雙向實時數(shù)據(jù)耦合交互，通過AutomationML 語言及OPC UA 通信協(xié)議可以有效解決多源異構數(shù)據(jù)集成問題，很好地將物理、屬性兩類組件要素有機耦合，全景還原固定資產物理實體實際所處狀態(tài)。

2.2 融合事件驅動的虛實映射關鍵技術

通過層次數(shù)據(jù)描述構建了統(tǒng)一的數(shù)據(jù)模型，可以較好地隨動還原固定資產物理實體實際所處狀態(tài)。通過OPC UA 通信協(xié)議實現(xiàn)固定資產物理實體與虛擬鏡像的雙向數(shù)據(jù)耦合交互，在數(shù)據(jù)模型層次全景還原固定資產物理實體資源向虛擬鏡像孿生模型轉變的全過程。由于數(shù)據(jù)模型具有較強的開放擴展性，數(shù)據(jù)模型層次描述不斷豐富，需要在虛擬鏡像端實時隨動孿生模型，實現(xiàn)物理實體數(shù)據(jù)模型與虛擬鏡像孿生模型始終保持一致[11]。引入融合事件驅動的虛實映射關鍵技術把物理實體的狀態(tài)屬性變化以時間或者空間敏感的形式映射為虛擬空間中孿生模型的隨動變化，物理實體數(shù)據(jù)模型的豐富變化通過模型實時屬性與虛實映射規(guī)則自主映射至孿生虛擬空間，具體如圖2 所示，詳細實現(xiàn)流程如下：

圖2 融合事件驅動的虛實映射關鍵技術邏輯示意圖

1）動態(tài)幾何模型設計：數(shù)據(jù)模型層對應的動態(tài)幾何模型是孿生虛擬空間的基本開始形式，利用紋理映射技術實現(xiàn)精確幾何建模，首先建立物理實體模型對應的粗略幾何輪廓，作為紋理映射的基礎素材；然后確定物理實體表面的紋理屬性，將物理實體表面上各點所對應的紋理值作為動態(tài)幾何模型中的相應參數(shù)進行光強度計算[12]，繪制精細幾何模型；最后利用父子節(jié)點關系實現(xiàn)幾何模型動態(tài)隨動，父子節(jié)點相互耦合變化的規(guī)則：父節(jié)點變化一定引起子節(jié)點變化，子節(jié)點變化一定不會引起父節(jié)點變化。

2）事件驅動下的虛實映射：把事件驅動變更劃分為固定資產物理變更數(shù)據(jù)驅動和屬性變更數(shù)據(jù)驅動，當固定資產物理變更時，觸發(fā)映射規(guī)則調整機制，對實時數(shù)據(jù)進行調整，通過OPC UA 通信協(xié)議上傳數(shù)據(jù)模型的最新實時屬性[13]。當固定資產屬性變更時，觸發(fā)映射規(guī)則調整機制，分級對映射規(guī)則進行選取，對實時數(shù)據(jù)進行調整，通過OPC UA 通信協(xié)議上傳數(shù)據(jù)模型的最新實時屬性。

3）隨動孿生模型的生成：基于OPC UA 通信協(xié)議服務端上傳的雙向耦合數(shù)據(jù)，在OPC UA 通信協(xié)議客戶端對耦合數(shù)據(jù)進行提取與深度分析，對上文生成的動態(tài)幾何模型進行約束項生成，添加幾何屬性值、數(shù)據(jù)接口邏輯關系、模型與數(shù)據(jù)的對應關系等，實現(xiàn)實體模型與孿生模型的初步融合，利用閉環(huán)反饋機制實現(xiàn)孿生模型的自優(yōu)化。

2.3 基于DCNN的固定資產自主監(jiān)控關鍵技術

借助OPC UA 通信協(xié)議服務端提取的固定資產數(shù)字孿生物理狀態(tài)變量組，構建具有顯著多源異構屬性的固定資產數(shù)字孿生端異常監(jiān)控特征數(shù)據(jù)池，利用深度卷積神經(jīng)網(wǎng)絡DCNN 對數(shù)字孿生隨動系統(tǒng)進行特征辨識，實現(xiàn)時間正序下的固定資產可視化實時自主監(jiān)控。不失一般性，固定資產異常監(jiān)測算法視為策略μ的序列函數(shù)，定義Q函數(shù)表征為在采用確定性策略μ下選擇動作的獎勵期望值[14]，為了保證算法迭代收斂速度跨數(shù)量級提升，引入面向固定資產數(shù)字孿生端自主監(jiān)控的經(jīng)驗緩沖機制，從經(jīng)驗緩沖因子池中隨機采樣Mini-batch 數(shù)據(jù)組，自主生成固定資產異常監(jiān)測物理映射信息框架并標記，則固定資產異常監(jiān)測物理映射自生成機制表征為式（5）：

基于式（5）的融合共享效應，多重Q網(wǎng)絡中的參數(shù)θQ具有較好的自主進化性能，借助Qμ(s,μ(s))利用μ策略在s狀態(tài)選取動作所獲取的回報期望值，自主生成固定資產異常監(jiān)測物理映射信息框架并標記[15]，可以較好地實現(xiàn)大數(shù)據(jù)量級多源異常監(jiān)測數(shù)據(jù)物理映射自生成，又因為是在連續(xù)空間內，所以期望可用積分求解，則有：

利用式（6）給出的多重Q網(wǎng)絡自主進化機制，把面向公立醫(yī)院固定資產數(shù)字孿生自主監(jiān)控問題視為連續(xù)動態(tài)變動場景下的自主感知與決策問題，則公立醫(yī)院固定資產數(shù)字孿生自主監(jiān)控機制表征為式（7）：

以2020 年01 月-2020 年12 月期間上海中醫(yī)藥大學附屬曙光醫(yī)院固定資產管控數(shù)據(jù)構建仿真數(shù)據(jù)集，選取仿真數(shù)據(jù)集中的8 200 例數(shù)據(jù)作為算法的前置訓練集，選取仿真數(shù)據(jù)集中的6 200 例數(shù)據(jù)作為算法的后置測試集，引入常用目標優(yōu)化算法作為對照，利用Python 語言編程實現(xiàn)，在PyCharm 集成環(huán)境下進行圖形化仿真，仿真結果如圖3 所示。固定資產數(shù)字孿生自主監(jiān)控問題屬于連續(xù)動作空間下的感知與決策問題，引入16 層深度信念神經(jīng)網(wǎng)絡框架并利用緩沖池機制改善深度確定性策略梯度算法的感知收斂遲滯問題。設置Target-action Value 神經(jīng)網(wǎng)絡以及Action Value 神經(jīng)網(wǎng)絡實現(xiàn)固定資產異常監(jiān)測及評估，利用Target-action Value 神經(jīng)網(wǎng)絡中輸入當前狀態(tài)s可以輸出NextQ值，將當前的狀態(tài)s輸入Action value 神經(jīng)網(wǎng)絡中獲得evalQ值，實現(xiàn)固定資產可視化實時自主監(jiān)控。

圖3 基于DCNN的固定資產自主監(jiān)控關鍵技術性能仿真圖

3 固定資產數(shù)字孿生監(jiān)控平臺應用驗證

數(shù)字孿生隨動系統(tǒng)屬于固定資產物理實體的三維可視高保真鏡像，通過內置雙向數(shù)據(jù)耦合交互機制全景復現(xiàn)固定資產物理實體全要素和全流程的組織結構和運行邏輯，實現(xiàn)數(shù)字孿生虛擬鏡像與固定資產物理實體在狀態(tài)監(jiān)控推理決策層面保持動態(tài)一致。依據(jù)圖3 傳達的顯著對比信息，基于可視化物聯(lián)網(wǎng)的公立醫(yī)院固定資產數(shù)字孿生監(jiān)控平臺在實現(xiàn)固定資產可視化實時自主監(jiān)控有效率等層面的實際監(jiān)控效能有較大幅度改善，初步實現(xiàn)了固定資產復雜邏輯狀態(tài)準確感知及屬性狀態(tài)可視化實時自主監(jiān)控，具有資產屬性動態(tài)變化實時感知、多維因素約束下設備互聯(lián)與數(shù)字集成均衡、較長周期內故障自主預測機制較可靠等優(yōu)勢。為了驗證文中所提固定資產數(shù)字孿生監(jiān)控平臺在一線工程應用下的實際效能，以上海中醫(yī)藥大學附屬曙光醫(yī)院為驗證載體，對模型進行了工程應用實踐驗證，應用驗證布置邏輯圖如圖4 所示。資產實體數(shù)據(jù)層主要提供幾何模型實時屬性數(shù)據(jù)等，從數(shù)據(jù)源頭保證數(shù)字孿生虛擬鏡像與資產實體運行屬性動態(tài)一致；資產可視化實時自主監(jiān)控層借助OPC UA通信協(xié)議服務端實現(xiàn)資產物理級、屬性級數(shù)據(jù)流與控制流集成，構建面向固定資產可視自主監(jiān)控的全要素全流程關聯(lián)匹配機制[16]，利用機器學習算法對耦合交互數(shù)據(jù)進行深度分析，借助深度卷積神經(jīng)網(wǎng)絡DCNN 框架實現(xiàn)時間正序下的固定資產可視化實時自主監(jiān)控；可視化人機交互層實現(xiàn)友好的雙向人機交互，具備固定資產屬性狀態(tài)實況可視化推送、固定資產物理實體高保真虛實映射、固定資產物理實體數(shù)據(jù)及控制流全息展示等功能，支持固定資產高保真數(shù)字孿生虛擬鏡像的實時呈現(xiàn)。

圖4 固定資產數(shù)字孿生監(jiān)控平臺應用驗證布置邏輯圖

進一步從定量層面對比分析固定資產數(shù)字孿生監(jiān)控平臺的工程化應用效能，選取上海中醫(yī)藥大學附屬曙光醫(yī)院為效能評價載體，以上海中醫(yī)藥大學附屬曙光醫(yī)院國有資產管理部正在應用的紫興科技醫(yī)院資產綜合追溯監(jiān)管系統(tǒng)為對照系統(tǒng)，選取上海中醫(yī)藥大學附屬曙光醫(yī)院大型醫(yī)療設備監(jiān)管為效能對比原始數(shù)據(jù)來源，從固定資產單位周期審計成本比值（SJ）、固定資產單位周期效益產出比值（CH）、固定資產可視化實時自主監(jiān)控有效率（YX）等方面進行定量分析，圍繞固定資產數(shù)字孿生監(jiān)控平臺驗證平臺工程化應用人機交互友好性（YH）、數(shù)據(jù)集成實時有效性（SH）、動態(tài)異常信息互聯(lián)推送（TS）等方面進行定性分析，具體如表1 所示。通過表1 從定性和定量兩個層面分析得出，該文所提固定資產數(shù)字孿生監(jiān)控平臺較好改善了基于電子標簽集群的公立醫(yī)院固定資產管控平臺在工程實踐中日益凸顯的諸多不足，在固定資產審計成本、效益產出、故障預測等層面具有顯著定量化優(yōu)勢。

表1 固定資產數(shù)字孿生監(jiān)控平臺應用驗證對比表

4 結論

針對基于電子標簽集群的固定資產管控平臺在工程實踐中日益凸顯的資產屬性動態(tài)變化實時感知失效等諸多不足，構建了基于可視化物聯(lián)網(wǎng)的公立醫(yī)院固定資產數(shù)字孿生監(jiān)控平臺，從體系架構、關鍵技術、應用驗證等層面完整給出了平臺實現(xiàn)要素，為加快融合新興技術的新型固定資產管控平臺實際落地應用進行了階段性的實踐。采用軟件進程接口擴展的方式搭建了公立醫(yī)院固定資產數(shù)字孿生監(jiān)控平臺工程應用實踐效能分析驗證環(huán)境，開展了固定資產數(shù)字孿生監(jiān)控平臺典型應用環(huán)境下的效能仿真驗證，從理論上驗證了平臺實現(xiàn)要素的可行性及優(yōu)越性。系統(tǒng)進行了平臺工程實踐應用驗證，從定性和定量兩個角度驗證了平臺的有效性，平臺在固定資產審計成本、效益產出、故障預測等層面具有顯著定量化優(yōu)勢，平臺滿足大中型公立醫(yī)院固定資產管控智慧化改造需求，大幅度優(yōu)化了公立醫(yī)院固定資產可視化實時自主監(jiān)控機制。