Skip to Main Content

什麼是網路物理系統?

網路物理系統連接現實和數位世界;在這裡,實體系統和運算元件之間有著密切的連結和交互作用。

網路物理系統現在已可見於多種產業和技術應用,包括自動駕駛車輛 (AV) 和智慧電網技術,運用即時資料分析和複雜的演算法來控制實體資產。整體而言,網路物理系統將一定程度的智慧功能整合至實體系統中,使其能夠自主決策,適應不斷變化的環境,並即時最佳化自身效能。

網路物理系統的範例

現今有數個將網路物理系統用於控制先進技術系統關鍵操作的範例。

自動駕駛車輛

自動駕駛車輛中,許多實體和數位元件密切協同運作。距離實現全自動駕駛 (第 5 級) 車輛仍有很長的路要走,因此自動駕駛車輛尚需一定程度的人工操作以確保乘客安全。

自動駕駛車輛配備許多感測器,從攝影機和雷達,到光線偵測和測距 (光學雷達) 感測器,皆用於協助車輛感知所在環境以做出關鍵的操作決策。其中可能包括能「看到」障礙物的存在,例如行人、其他車輛或道路上突然出現的物體,以及會改變車輛在道路上行駛狀況的天候變化。

然而,自動駕駛車輛無法僅靠物理元件正常運作,其軟體元件也同樣重要。由於存在多種不同類型的感測器,軟體必須執行感測器融合的功能,將資料均質化為單一格式,以便讀取、分析和採取行動。如果感測器資料之間存在差異,就需要使用結合傳統演算法、人工智慧 (AI) 和機器學習 (ML) 的進階演算法。如果不同感測器的感知結果不同,就必須由這些演算法判斷哪些感測器提供了真實的資料,哪些感測器又提供了不準確的資料。

接著,需要有一層由圖形處理器 (GPU) 組成的硬體層,用來處理感測器融合演算法和任何其他控制演算法,例如判斷車輛在有障礙物時應煞車還是轉動方向盤,讓車輛用來控制車輛實體元件。NVIDIA 已開發出針對汽車的 GPU — Jetson Xavier,能有效偵測行人、偵測其他車輛,並透過感測器資料理解環境。

智慧電網

智慧電網是能源產業中運用網路物理系統和自動化的關鍵範例。他們使用電網周圍的各種實體資產,尤其是感測器,來監控電網的各個層面。這些資產包括智慧逆變器、太陽能板、風力發電機、智慧電表、舊有基礎架構、配電和傳輸線以及電池儲能系統 (BESS)。雖然智慧電網中,有一部分可自動運作,但在問題可能發生之前 (透過預測性維護) 或實際發生問題時,操作人員仍會被通知,以便快速採取行動。

除了諸多實體資產之外,智慧電網還具有階層式軟體架構,可用於連線公用事業公司、客戶和配電系統作業人員 (DSO)。此軟體架構結合了傳統演算法和機器學習以分析、監控和最佳化電網中的各個資產。如今許多電網含有傳統基礎架構,這些基礎架構並非專為數位時代所打造,但還是能透過物聯網 (IoT) 感測器進行改造,使其與新的數位就緒架構相容。除了監控現有資產之外,智慧電網還能監控新建分散式能源資源 (DER) 的整合 (例如不同的再生能源發電機),以確保這些資源整合至電網後能正常運作。

感測器會即時收集能源使用的資料,讓廠商能夠更好地最佳化電網周圍的能源分配。這可能是對於各種外在因素的回應,包括:

  • 電動車 (EV) 同一時間使用大量的本地電力
  • 再生能源系統製造過多無法儲存的本地電力 (導致輸電瓶頸)
  • 因天候與其他關鍵基礎架構損壞而導致斷電

如果沒有緊密配合的物理和數位架構形成的網路,智慧電網就不可能實現,能源產業也就必須繼續使用需要大量人工維護的電網。

物聯網和網路物理系統的比較

雖然網路物理系統與物聯網密切相關,有時可互換使用,但普遍共識是這兩種技術之間仍存在些微差異。然而在近幾年來,隨著物聯網與網路物理系統逐漸趨於一致,這兩種技術之間的界線已變得模糊不清。

這當中仍有一些不明之處,但共識是實體程序與數位資產之間的整合程度為兩者最主要的差別要素。下表列出一些物聯網和網路物理系統之間的具體差異情況:

物聯網

網路物理系統

對實體資產的整合和控制程度鬆散

實體世界和運算元素之間的深度整合與連結

著重於資料交換

著重於實體資產的即時控制

對專注於資料收集、通訊和傳輸資料的環境控制有限

能高度控制環境並執行封閉迴路操作

由於在資料收集和決策過程中存在一定程度的延遲,因此屬於近即時系統

數位與實體元件之間的即時互動

較不複雜的系統,但通常用於 CPS 網路的一環,特別是在工業物聯網 (IIoT) 應用中

比物聯網網路複雜的系統

更換成本較便宜

更換成本較昂貴

範例包括穿戴式健身裝置、環境監控系統以及智慧家庭裝置

使用範例包括智慧電網、自動駕駛車輛、智慧工廠和其他智慧基礎架構

網路物理系統的架構

網路物理系統的架構混合了實體硬體及軟體元件,可提供智慧且反應靈敏的機器動作。網路物理系統的主要元件包括:

  • 致動器
  • 通訊網路
  • 運算節點
  • 控制演算法
  • 感測器

這些系統的混合性質,意味著它們可以執行許多智慧和即時的操作。網路物理系統的一些關鍵操作功能和優勢包括能夠:

  • 即時操作,並可在關鍵任務應用中,迅速回應實體環境中需要立即採取行動的變化。
  • 透過連線的裝置交換資料並協調動作。
  • 從自己的資料中學習,以最佳化行為。
  • 具備先進的控制和監控功能。
  • 對系統的實體元件擁有高度的控制。
  • 使用感測器資料做出明智的資料導向決策。
  • 使用高異質性以及許多不同元件來執行多種功能。

數位孿生在網路物理系統中的角色

數位孿生是實體世界能影響數位世界的最佳範例之一,反之亦然。這種虛擬環境會即時受到實際資料和資產的影響。另一方面,數位孿生讓我們能模擬、最佳化,並更深入瞭解該如何透過模擬實體資產在不同環境和情境中的行為,進而改善這些資產。此虛擬原型的能力讓數位孿生可用於模擬許多網路物理系統的應用。

最初先將資料輸入數位孿生,以建立環境。由此產生的數位孿生環境可以是小型系統、大型系統 (如自動駕駛車輛等) 或是完整的製造設施。建置後,即可在此環境的各方面執行模擬,以瞭解該資產在現實世界中的運作方式。

數位孿生也可以與其所模擬的實體資產共存。藉由將實體資產的資料即時輸入模型,工程師就能針對其實體資產執行不同的情境。這可以包括觀察車輛在不同駕駛環境中的動作、電動車充電站的輸電與供電、模擬智慧城市環境、在智慧建築進行預測性維護作業,或是在智慧製造環境中變更製造規則。

數位孿生有許多架構層,包括軟體層和實體層。其中包括:

  • 一個主要實體層,包括安裝在所模擬實體資產上、即時產生所有相關資料的感測器。
  • 由硬體和軟體構成的架構層,用於收集、清理和儲存資料。
  • 應用層是一個軟體層,能將資料提供給實體資產的擁有者,並專注於細微的操作細節,例如製造環境中的溫度上升。
  • 互動層,這是內含人工智慧/機器學習演算法的軟體層,用於深入分析實體系統的運作。

軟體層也受到不同層級實體硬體的支援,以執行模擬並將資料呈現給使用者。

此外,數位孿生內含資料網路和通訊架構,以將感測器連線至資料管理平台。

網路物理系統的安全性挑戰

隨著越來越多實體系統進入數位世界,保護資料免於惡意網路攻擊變得無比重要。建構網路物理系統的挑戰之一,就是元件缺乏標準化,導致此類系統的網路安全性常常過於薄弱。這是一個重大問題,因為這些系統會收集並儲存大量資料 (包括某些應用程式中會儲存個人資料),因此若發生駭客未經授權存取這些資料,就可能導致嚴重的資料外洩。不過,網路物理系統所面臨的挑戰,會因系統是屬於固定還是行動系統而有所不同。企業將須導入 DevSecOps 實務,以確保所有層面皆正確因應安全性挑戰。

固定系統

在具有固定基礎架構 (例如智慧電網) 的系統中,由於安裝的感測器和物聯網裝置數量龐大,因此其數位網路會新建許多可能不安全的進入點。其中很大一部分工作是試圖將舊技術與新技術結合起來。其中大部分尚未標準化,且其網路安全協定也並不一定完善,導致存在漏洞。

在智慧型電網方面,網路中許多參與者 (公用事業供應商、消費者、DSO) 有著分散化和互相連線的特性,這就意味著只要此網路上一個不安全的小節點遭侵入,就可能有辦法存取整個網路。這可能包含敏感的客戶資料,因為各個網路中包含帳務和智慧電表資訊,以及智慧電網使用雲端運算和開放通訊協定標準。

智慧電網的網路也含有許多關於電網運作端的資訊,從輸電與配電、發電控制、電動車到電力市場資料,這代表任何攻擊都可能導致電網崩潰。智慧電網沒有穩健 IT 通訊協定所帶來的其中一個危險,就是停止營運的後果遠比讓網站無法運作更嚴重,因為斷電對當地可能造成的影響更加致命,例如該地區的醫院和其他緊急服務遭斷電。

行動系統

行動網路物理系統 (例如自動駕駛車輛) 的情況略有不同。自動駕駛車輛是一種新的技術,其設計中直接整合了更加強韌的 IT 通訊協定。此外,自動駕駛車輛的運作方式與封閉系統相似,因此網路攻擊的每個進入點都能被隔離、受監控且具有韌性。

然而,當車與車之間的通訊成為現實,自動駕駛車輛在未來可能面臨挑戰。屆時,入侵車輛網路並引發問題會變得更加容易,因此本技術發展同時也需要健全且完善的通訊協定。其中一項挑戰,同樣也是標準化。目前相關協定正在開發中,但這些通訊協定都有安全性不足或是未獲 OEM 採用的問題;因此業界很快就會需要制定一套標準,以便持續修補和更新軟體,才能對抗潛在網路威脅。

模擬如何改善網路物理系統的開發

模擬可協助開發不同的網路物理系統、其中使用的元件及其使用環境。Ansys (現已與Synopsys合而為一) 擁有多種工具,可協助模擬多樣的網路物理系統,並透過數位工程將舊有設備帶入現今世代。這些工具包括但不限於:

Ansys Fluent 流體模擬軟體和 Ansys Mechanical 結構有限元素分析軟體:使用網路物理系統的資產層,並在資產本身的設計方面扮演重要角色。

Ansys SpeosCAD 整合光學與照明模擬軟體和 Ansys Zemax OpticStudio 光學系統設計與分析軟體:設計用於自動駕駛車輛攝影機和電荷耦合元件 (CCD) 感測器光學元件 (例如鏡頭等元件)。OpticStudio 軟體是用於開發鏡頭,而 Speos 軟體則用於整體感應器的運作方式。Ansys Lumerical FDTD 進階 3D 電磁 FDTD 模擬軟體也可用於調查小規模光學效果。

Ansys AVXcelerate 軟體模擬自動駕駛車輛中的感測器環境,並可廣泛用於機器人。主要用於車輛測試,可涵蓋攝影機、光學雷達、雷達和慣性測量單元 (IMU)。AVXcelerate 軟體也可以使用來自 Speos 軟體的資料,查看不同感測器如何在自動駕駛車輛中相互作用和協同運作。

Ansys Twin Builder 模擬技術為基礎的數位孿生平台和由 Ansys TwinAI AI 技術支援的數位孿生軟體:建立數位孿生,並在虛擬環境中即時管理和監控實體資產。這些也可用於設計新的實體資產。

Ansys Medini Cybersecurity SE 系統導向網路安全性分析軟體:以模型為基礎的整合式安全性與網路安全解決方案,用於開發、認證及維護網路韌性產品。

如果您想瞭解如何透過進階模擬來開發和監控網路物理系統,請立即聯絡我們的技術團隊。

相關資源

以數位工程提升策略優勢

為何數位工程對企業的未來競爭力至關重要。

系統性網路安全威脅分析與風險評估

探索一套六步驟程序,幫助您識別並解決整個汽車電子架構中的網路漏洞。