基于可視化物聯(lián)網(wǎng)的公立醫(yī)院固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)研究

謝曉蓉，金 軼，沈程鵬，潘明慧

（1.上海中醫(yī)藥大學(xué)附屬曙光醫(yī)院，上海 201203；2.上海康德萊國(guó)際商貿(mào)有限公司，上海 201803）

隨著公立醫(yī)院信息化和智慧化建設(shè)步伐的加快，公立醫(yī)院主流應(yīng)用的基于電子標(biāo)簽集群的固定資產(chǎn)管控平臺(tái)在工程實(shí)踐中日益凸顯出資產(chǎn)屬性動(dòng)態(tài)變化實(shí)時(shí)感知失效[1]、多維因素約束下設(shè)備互聯(lián)與數(shù)字集成失衡、較長(zhǎng)周期內(nèi)故障自主預(yù)測(cè)機(jī)制缺失等諸多不足，開(kāi)發(fā)融合新興技術(shù)的新型固定資產(chǎn)管控平臺(tái)具有重要的工程及學(xué)術(shù)價(jià)值[2]。構(gòu)建了基于可視化物聯(lián)網(wǎng)的公立醫(yī)院固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)，利用可視化物聯(lián)網(wǎng)仿真建模技術(shù)，建立了固定資產(chǎn)物理實(shí)體對(duì)應(yīng)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(chǎn)實(shí)時(shí)屬性變動(dòng)軌跡情況。在虛擬鏡像孿生模型中引入融合事件驅(qū)動(dòng)的虛實(shí)映射技術(shù)，構(gòu)建了基于固定資產(chǎn)數(shù)字孿生隨動(dòng)系統(tǒng)的全要素、全流程、全感知的組織結(jié)構(gòu)和運(yùn)行邏輯，利用深度卷積神經(jīng)網(wǎng)絡(luò)DCNN對(duì)數(shù)字孿生隨動(dòng)系統(tǒng)進(jìn)行特征辨識(shí)[4]，實(shí)現(xiàn)時(shí)間正序下的固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控。開(kāi)展了平臺(tái)工程應(yīng)用實(shí)踐驗(yàn)證，多維度驗(yàn)證了平臺(tái)的可行性及優(yōu)越性。

1 固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)體系架構(gòu)

把固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)完整生命周期運(yùn)維邏輯進(jìn)行目標(biāo)導(dǎo)向下的任務(wù)分解，著重關(guān)注數(shù)據(jù)感知及高效傳輸、融合事件驅(qū)動(dòng)的虛實(shí)映射、基于DCNN 的固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控等3 個(gè)耦合子架構(gòu)，構(gòu)建了公立醫(yī)院固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)體系架構(gòu)，具體如圖1 所示。其中，數(shù)據(jù)感知及高效傳輸子架構(gòu)主要完成固定資產(chǎn)數(shù)字孿生隨動(dòng)系統(tǒng)基礎(chǔ)數(shù)據(jù)的感知及高效傳輸工作，把固定資產(chǎn)物理實(shí)體的物理和邏輯組件建模為數(shù)據(jù)對(duì)象，利用分布式物聯(lián)網(wǎng)節(jié)點(diǎn)集群實(shí)現(xiàn)數(shù)據(jù)對(duì)象高效傳輸；融合事件驅(qū)動(dòng)的虛實(shí)映射子架構(gòu)主要建立高度動(dòng)態(tài)場(chǎng)景下固定資產(chǎn)物理實(shí)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(shí)空間下數(shù)據(jù)模型的動(dòng)態(tài)變化映射為虛擬空間下的孿生模型時(shí)間與空間變化，實(shí)現(xiàn)物理實(shí)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(chǎn)可視化實(shí)時(shí)自主監(jiān)控子架構(gòu)主要實(shí)現(xiàn)對(duì)鏡像孿生模型異常屬性自主識(shí)別，通過(guò)對(duì)數(shù)字孿生隨動(dòng)系統(tǒng)進(jìn)行特征辨識(shí)，實(shí)現(xiàn)時(shí)間正序下的固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控，形成良性的閉環(huán)反饋機(jī)制，從根本上提高固定資產(chǎn)實(shí)時(shí)管控平臺(tái)的推理與決策水平。

圖1 固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)體系架構(gòu)示意圖

2 固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)關(guān)鍵技術(shù)

2.1 數(shù)據(jù)感知及高效傳輸關(guān)鍵技術(shù)

數(shù)據(jù)感知及高效傳輸關(guān)鍵技術(shù)為固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)提供底層數(shù)據(jù)驅(qū)動(dòng)來(lái)源，一方面解決固定資產(chǎn)物理實(shí)體中的實(shí)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(chǎn)物理實(shí)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(chǎn)物理實(shí)體模型及屬性模型具有顯著的多源異構(gòu)與大數(shù)據(jù)屬性，屬于連續(xù)動(dòng)態(tài)空間下的復(fù)雜數(shù)據(jù)感知及組織問(wèn)題[6]，引入工業(yè)4.0 組件中的資產(chǎn)建模語(yǔ)言AutomationML實(shí)現(xiàn)實(shí)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(shí)現(xiàn)固定資產(chǎn)物理實(shí)體與虛擬鏡像的雙向?qū)崟r(shí)數(shù)據(jù)耦合交互[7]?？紤]到一般性及高效性，把資產(chǎn)物理實(shí)體組件要素劃分為物理、屬性?xún)深?lèi)，利用AutomationML 語(yǔ)言建立形式化描述下的數(shù)據(jù)對(duì)象模型，則有：

其中，采用PES表征固定資產(chǎn)物理實(shí)體，采用CEij表征物理組件要素集合，包括資產(chǎn)名稱(chēng)、資產(chǎn)編號(hào)、資產(chǎn)狀態(tài)、資產(chǎn)隸屬、維保信息、預(yù)留擴(kuò)展字段等。采用CPij表征屬性組件要素集合，包括原始成本、預(yù)計(jì)凈殘值、使用年限、監(jiān)管人員、變更情況、預(yù)留擴(kuò)展字段等。組件要素之間具有耦合的層次關(guān)系[8]，建立組件屬性集，用SXij表征，包括組件機(jī)械屬性、電氣屬性、結(jié)構(gòu)屬性、拓?fù)鋵傩?、幾何屬性、運(yùn)動(dòng)屬性、邏輯屬性等。對(duì)SXij、CEij、CPij進(jìn)行二級(jí)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(chǎn)物理實(shí)體實(shí)際運(yùn)行時(shí)借助分布式物聯(lián)網(wǎng)實(shí)時(shí)采集多源異構(gòu)數(shù)據(jù)，通過(guò)AutomationML 進(jìn)行數(shù)據(jù)格式交換，按照式（2）～（4）進(jìn)行層次數(shù)據(jù)描述，構(gòu)建實(shí)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(mén)、資產(chǎn)等層級(jí)，由可重構(gòu)的組件模板構(gòu)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(shí)例數(shù)據(jù)模型通過(guò)調(diào)用單元和角色數(shù)據(jù)模型[10]，使角色庫(kù)實(shí)例化，最終使用內(nèi)部元素對(duì)固定資產(chǎn)物理實(shí)體系統(tǒng)中的物理實(shí)體組件進(jìn)行建模。在實(shí)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(wù)端，在角色庫(kù)層次建立基于OPC UA 通信協(xié)議的數(shù)據(jù)耦合交互客戶(hù)端，利用中間格式XML 對(duì)統(tǒng)一數(shù)據(jù)模型進(jìn)行抽象暫存，利用OPC UA 通信協(xié)議實(shí)現(xiàn)固定資產(chǎn)物理實(shí)體與虛擬鏡像的雙向?qū)崟r(shí)數(shù)據(jù)耦合交互，通過(guò)AutomationML 語(yǔ)言及OPC UA 通信協(xié)議可以有效解決多源異構(gòu)數(shù)據(jù)集成問(wèn)題，很好地將物理、屬性?xún)深?lèi)組件要素有機(jī)耦合，全景還原固定資產(chǎn)物理實(shí)體實(shí)際所處狀態(tài)。

2.2 融合事件驅(qū)動(dòng)的虛實(shí)映射關(guān)鍵技術(shù)

通過(guò)層次數(shù)據(jù)描述構(gòu)建了統(tǒng)一的數(shù)據(jù)模型，可以較好地隨動(dòng)還原固定資產(chǎn)物理實(shí)體實(shí)際所處狀態(tài)。通過(guò)OPC UA 通信協(xié)議實(shí)現(xiàn)固定資產(chǎn)物理實(shí)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(chǎn)物理實(shí)體資源向虛擬鏡像孿生模型轉(zhuǎn)變的全過(guò)程。由于數(shù)據(jù)模型具有較強(qiáng)的開(kāi)放擴(kuò)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(shí)時(shí)隨動(dòng)孿生模型，實(shí)現(xiàn)物理實(shí)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(qū)動(dòng)的虛實(shí)映射關(guān)鍵技術(shù)把物理實(shí)體的狀態(tài)屬性變化以時(shí)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(dòng)變化，物理實(shí)體數(shù)據(jù)模型的豐富變化通過(guò)模型實(shí)時(shí)屬性與虛實(shí)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(xì)實(shí)現(xiàn)流程如下：

圖2 融合事件驅(qū)動(dòng)的虛實(shí)映射關(guān)鍵技術(shù)邏輯示意圖

1）動(dòng)態(tài)幾何模型設(shè)計(jì)：數(shù)據(jù)模型層對(duì)應(yīng)的動(dòng)態(tài)幾何模型是孿生虛擬空間的基本開(kāi)始形式，利用紋理映射技術(shù)實(shí)現(xiàn)精確幾何建模，首先建立物理實(shí)體模型對(duì)應(yīng)的粗略幾何輪廓，作為紋理映射的基礎(chǔ)素材；然后確定物理實(shí)體表面的紋理屬性，將物理實(shí)體表面上各點(diǎn)所對(duì)應(yīng)的紋理值作為動(dòng)態(tài)幾何模型中的相應(yīng)參數(shù)進(jìn)行光強(qiáng)度計(jì)算[12]，繪制精細(xì)幾何模型；最后利用父子節(jié)點(diǎn)關(guān)系實(shí)現(xiàn)幾何模型動(dòng)態(tài)隨動(dòng)，父子節(jié)點(diǎn)相互耦合變化的規(guī)則：父節(jié)點(diǎn)變化一定引起子節(jié)點(diǎn)變化，子節(jié)點(diǎn)變化一定不會(huì)引起父節(jié)點(diǎn)變化。

2）事件驅(qū)動(dòng)下的虛實(shí)映射：把事件驅(qū)動(dòng)變更劃分為固定資產(chǎn)物理變更數(shù)據(jù)驅(qū)動(dòng)和屬性變更數(shù)據(jù)驅(qū)動(dòng)，當(dāng)固定資產(chǎn)物理變更時(shí)，觸發(fā)映射規(guī)則調(diào)整機(jī)制，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行調(diào)整，通過(guò)OPC UA 通信協(xié)議上傳數(shù)據(jù)模型的最新實(shí)時(shí)屬性[13]。當(dāng)固定資產(chǎn)屬性變更時(shí)，觸發(fā)映射規(guī)則調(diào)整機(jī)制，分級(jí)對(duì)映射規(guī)則進(jìn)行選取，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行調(diào)整，通過(guò)OPC UA 通信協(xié)議上傳數(shù)據(jù)模型的最新實(shí)時(shí)屬性。

3）隨動(dòng)孿生模型的生成：基于OPC UA 通信協(xié)議服務(wù)端上傳的雙向耦合數(shù)據(jù)，在OPC UA 通信協(xié)議客戶(hù)端對(duì)耦合數(shù)據(jù)進(jìn)行提取與深度分析，對(duì)上文生成的動(dòng)態(tài)幾何模型進(jìn)行約束項(xiàng)生成，添加幾何屬性值、數(shù)據(jù)接口邏輯關(guān)系、模型與數(shù)據(jù)的對(duì)應(yīng)關(guān)系等，實(shí)現(xiàn)實(shí)體模型與孿生模型的初步融合，利用閉環(huán)反饋機(jī)制實(shí)現(xiàn)孿生模型的自?xún)?yōu)化。

2.3 基于DCNN的固定資產(chǎn)自主監(jiān)控關(guān)鍵技術(shù)

借助OPC UA 通信協(xié)議服務(wù)端提取的固定資產(chǎn)數(shù)字孿生物理狀態(tài)變量組，構(gòu)建具有顯著多源異構(gòu)屬性的固定資產(chǎn)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(luò)DCNN 對(duì)數(shù)字孿生隨動(dòng)系統(tǒng)進(jìn)行特征辨識(shí)，實(shí)現(xiàn)時(shí)間正序下的固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控。不失一般性，固定資產(chǎn)異常監(jiān)測(cè)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(dòng)作的獎(jiǎng)勵(lì)期望值[14]，為了保證算法迭代收斂速度跨數(shù)量級(jí)提升，引入面向固定資產(chǎn)數(shù)字孿生端自主監(jiān)控的經(jīng)驗(yàn)緩沖機(jī)制，從經(jīng)驗(yàn)緩沖因子池中隨機(jī)采樣Mini-batch 數(shù)據(jù)組，自主生成固定資產(chǎn)異常監(jiān)測(cè)物理映射信息框架并標(biāo)記，則固定資產(chǎn)異常監(jiān)測(cè)物理映射自生成機(jī)制表征為式（5）：

基于式（5）的融合共享效應(yīng)，多重Q網(wǎng)絡(luò)中的參數(shù)θQ具有較好的自主進(jìn)化性能，借助Qμ(s,μ(s))利用μ策略在s狀態(tài)選取動(dòng)作所獲取的回報(bào)期望值，自主生成固定資產(chǎn)異常監(jiān)測(cè)物理映射信息框架并標(biāo)記[15]，可以較好地實(shí)現(xiàn)大數(shù)據(jù)量級(jí)多源異常監(jiān)測(cè)數(shù)據(jù)物理映射自生成，又因?yàn)槭窃谶B續(xù)空間內(nèi)，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(luò)自主進(jìn)化機(jī)制，把面向公立醫(yī)院固定資產(chǎn)數(shù)字孿生自主監(jiān)控問(wèn)題視為連續(xù)動(dòng)態(tài)變動(dòng)場(chǎng)景下的自主感知與決策問(wèn)題，則公立醫(yī)院固定資產(chǎn)數(shù)字孿生自主監(jiān)控機(jī)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(xué)附屬曙光醫(yī)院固定資產(chǎn)管控?cái)?shù)據(jù)構(gòu)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(xùn)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(cè)試集，引入常用目標(biāo)優(yōu)化算法作為對(duì)照，利用Python 語(yǔ)言編程實(shí)現(xiàn)，在PyCharm 集成環(huán)境下進(jìn)行圖形化仿真，仿真結(jié)果如圖3 所示。固定資產(chǎn)數(shù)字孿生自主監(jiān)控問(wèn)題屬于連續(xù)動(dòng)作空間下的感知與決策問(wèn)題，引入16 層深度信念神經(jīng)網(wǎng)絡(luò)框架并利用緩沖池機(jī)制改善深度確定性策略梯度算法的感知收斂遲滯問(wèn)題。設(shè)置Target-action Value 神經(jīng)網(wǎng)絡(luò)以及Action Value 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)固定資產(chǎn)異常監(jiān)測(cè)及評(píng)估，利用Target-action Value 神經(jīng)網(wǎng)絡(luò)中輸入當(dāng)前狀態(tài)s可以輸出NextQ值，將當(dāng)前的狀態(tài)s輸入Action value 神經(jīng)網(wǎng)絡(luò)中獲得evalQ值，實(shí)現(xiàn)固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控。

圖3 基于DCNN的固定資產(chǎn)自主監(jiān)控關(guān)鍵技術(shù)性能仿真圖

3 固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)應(yīng)用驗(yàn)證

數(shù)字孿生隨動(dòng)系統(tǒng)屬于固定資產(chǎn)物理實(shí)體的三維可視高保真鏡像，通過(guò)內(nèi)置雙向數(shù)據(jù)耦合交互機(jī)制全景復(fù)現(xiàn)固定資產(chǎn)物理實(shí)體全要素和全流程的組織結(jié)構(gòu)和運(yùn)行邏輯，實(shí)現(xiàn)數(shù)字孿生虛擬鏡像與固定資產(chǎn)物理實(shí)體在狀態(tài)監(jiān)控推理決策層面保持動(dòng)態(tài)一致。依據(jù)圖3 傳達(dá)的顯著對(duì)比信息，基于可視化物聯(lián)網(wǎng)的公立醫(yī)院固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)在實(shí)現(xiàn)固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控有效率等層面的實(shí)際監(jiān)控效能有較大幅度改善，初步實(shí)現(xiàn)了固定資產(chǎn)復(fù)雜邏輯狀態(tài)準(zhǔn)確感知及屬性狀態(tài)可視化實(shí)時(shí)自主監(jiān)控，具有資產(chǎn)屬性動(dòng)態(tài)變化實(shí)時(shí)感知、多維因素約束下設(shè)備互聯(lián)與數(shù)字集成均衡、較長(zhǎng)周期內(nèi)故障自主預(yù)測(cè)機(jī)制較可靠等優(yōu)勢(shì)。為了驗(yàn)證文中所提固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)在一線(xiàn)工程應(yīng)用下的實(shí)際效能，以上海中醫(yī)藥大學(xué)附屬曙光醫(yī)院為驗(yàn)證載體，對(duì)模型進(jìn)行了工程應(yīng)用實(shí)踐驗(yàn)證，應(yīng)用驗(yàn)證布置邏輯圖如圖4 所示。資產(chǎn)實(shí)體數(shù)據(jù)層主要提供幾何模型實(shí)時(shí)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(chǎn)實(shí)體運(yùn)行屬性動(dòng)態(tài)一致；資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控層借助OPC UA通信協(xié)議服務(wù)端實(shí)現(xiàn)資產(chǎn)物理級(jí)、屬性級(jí)數(shù)據(jù)流與控制流集成，構(gòu)建面向固定資產(chǎn)可視自主監(jiān)控的全要素全流程關(guān)聯(lián)匹配機(jī)制[16]，利用機(jī)器學(xué)習(xí)算法對(duì)耦合交互數(shù)據(jù)進(jìn)行深度分析，借助深度卷積神經(jīng)網(wǎng)絡(luò)DCNN 框架實(shí)現(xiàn)時(shí)間正序下的固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控；可視化人機(jī)交互層實(shí)現(xiàn)友好的雙向人機(jī)交互，具備固定資產(chǎn)屬性狀態(tài)實(shí)況可視化推送、固定資產(chǎn)物理實(shí)體高保真虛實(shí)映射、固定資產(chǎn)物理實(shí)體數(shù)據(jù)及控制流全息展示等功能，支持固定資產(chǎn)高保真數(shù)字孿生虛擬鏡像的實(shí)時(shí)呈現(xiàn)。

圖4 固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)應(yīng)用驗(yàn)證布置邏輯圖

進(jìn)一步從定量層面對(duì)比分析固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)的工程化應(yīng)用效能，選取上海中醫(yī)藥大學(xué)附屬曙光醫(yī)院為效能評(píng)價(jià)載體，以上海中醫(yī)藥大學(xué)附屬曙光醫(yī)院國(guó)有資產(chǎn)管理部正在應(yīng)用的紫興科技醫(yī)院資產(chǎn)綜合追溯監(jiān)管系統(tǒng)為對(duì)照系統(tǒng)，選取上海中醫(yī)藥大學(xué)附屬曙光醫(yī)院大型醫(yī)療設(shè)備監(jiān)管為效能對(duì)比原始數(shù)據(jù)來(lái)源，從固定資產(chǎn)單位周期審計(jì)成本比值（SJ）、固定資產(chǎn)單位周期效益產(chǎn)出比值（CH）、固定資產(chǎn)可視化實(shí)時(shí)自主監(jiān)控有效率（YX）等方面進(jìn)行定量分析，圍繞固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)驗(yàn)證平臺(tái)工程化應(yīng)用人機(jī)交互友好性（YH）、數(shù)據(jù)集成實(shí)時(shí)有效性（SH）、動(dòng)態(tài)異常信息互聯(lián)推送（TS）等方面進(jìn)行定性分析，具體如表1 所示。通過(guò)表1 從定性和定量?jī)蓚€(gè)層面分析得出，該文所提固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)較好改善了基于電子標(biāo)簽集群的公立醫(yī)院固定資產(chǎn)管控平臺(tái)在工程實(shí)踐中日益凸顯的諸多不足，在固定資產(chǎn)審計(jì)成本、效益產(chǎn)出、故障預(yù)測(cè)等層面具有顯著定量化優(yōu)勢(shì)。

表1 固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)應(yīng)用驗(yàn)證對(duì)比表

4 結(jié)論

針對(duì)基于電子標(biāo)簽集群的固定資產(chǎn)管控平臺(tái)在工程實(shí)踐中日益凸顯的資產(chǎn)屬性動(dòng)態(tài)變化實(shí)時(shí)感知失效等諸多不足，構(gòu)建了基于可視化物聯(lián)網(wǎng)的公立醫(yī)院固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)，從體系架構(gòu)、關(guān)鍵技術(shù)、應(yīng)用驗(yàn)證等層面完整給出了平臺(tái)實(shí)現(xiàn)要素，為加快融合新興技術(shù)的新型固定資產(chǎn)管控平臺(tái)實(shí)際落地應(yīng)用進(jìn)行了階段性的實(shí)踐。采用軟件進(jìn)程接口擴(kuò)展的方式搭建了公立醫(yī)院固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)工程應(yīng)用實(shí)踐效能分析驗(yàn)證環(huán)境，開(kāi)展了固定資產(chǎn)數(shù)字孿生監(jiān)控平臺(tái)典型應(yīng)用環(huán)境下的效能仿真驗(yàn)證，從理論上驗(yàn)證了平臺(tái)實(shí)現(xiàn)要素的可行性及優(yōu)越性。系統(tǒng)進(jìn)行了平臺(tái)工程實(shí)踐應(yīng)用驗(yàn)證，從定性和定量?jī)蓚€(gè)角度驗(yàn)證了平臺(tái)的有效性，平臺(tái)在固定資產(chǎn)審計(jì)成本、效益產(chǎn)出、故障預(yù)測(cè)等層面具有顯著定量化優(yōu)勢(shì)，平臺(tái)滿(mǎn)足大中型公立醫(yī)院固定資產(chǎn)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(chǎn)可視化實(shí)時(shí)自主監(jiān)控機(jī)制。