随着大数据、物联网、3D 技术、人工智能和网络基础设施的不断发展，人们对于数字化的接触变得越来越多，想必“数字孪生”四个字大家并不陌生，但是你真的了解数字孪生么？你的企业真的用好数字孪生了么？今天就通过这篇文章，带您再深入地了解一下“数字孪生”。

一、什么是数字孪生？

数字孪生的概念可以追溯到 2002 年密歇根大学产品生命周期管理中心 (Product Lifecycle Management Center) 的成立。当时该中心向工业界人士介绍题为《PLM 的概念性设想》(Conceptual Ideal for PLM) 的演示稿。它拥有数字孪生的部分特征：现实空间、虚拟空间，从现实空间到虚拟空间的数据流连接，以及从虚拟空间到现实空间和虚拟子空间的信息流连接。

驱动该模型的前提是，每个系统都由两个系统组成：一个是一直存在的物理系统，另一个是包含了物理系统所有信息的新虚拟系统。这意味着在现实空间中存在的系统和虚拟空间中的系统之间存在一个镜像，反之亦然。

2002 年初，这一概念模型在密歇根大学第一期PLM 课程中使用，当时被称为镜像空间模型。而数字孪生这一概念的明确提出，则是在 2011 年 3 月，美国空军研究实验室 (AFRL，Air Force Research Laboratory) 结构力学部门做的一次演讲，题目为“基于状态的维护 + 结构完整性 & 战斗机机体数字孪生”，首次明确提到了数字孪生。当时，AFRL 希望实现战斗机维护工作的数字化，而数字孪生是他们想出来的创新方法。

数字孪生简单来讲，就是指物理产品在虚拟空间中的数字模型，包含了从产品构思到产品退市全生命周期的产品信息。这个“双胞胎”不仅与他真实空间中的孪生兄弟形似（包含产品规格，几何模型，材料性能，仿真数据等信息），能模拟产品实际运行，而且还能通过安装在产品上的传感器反馈回来的数据，反映产品运行状况，乃至改变产品状态，所以它将“表现”得与真实产品一模一样。

二、数字孪生的架构是什么？

一个典型的数字孪生系统包括用户域、数字孪生、测量与控制实体、现实产业物理域和跨域功能实体共五个层次。

第一层是使用数字孪生的用户域，包括人、人机接口、应用软件以及其他相关的数字孪生。

第二层是与物理实体目标对象对应的数字孪生。它是反映物理对象某一视角特征的数字模型，并提供建模管理、仿真服务和孪生共智三类功能。建模管理涉及物理对象的数字建模与展示、与物理对象模型同步和运行管理。仿真服务包括模型仿真、分析服务、报告生成和平台支持。孪生共智涉及共智孪生体等资源的接口、交互操作、在线插拔和安全访问。建模管理、仿真服务和孪生共智之间传递物理对象的状态感知、诊断和预测所需的信息。

第三层是产业物理域数字孪生组件，主要是指包含营销、供应链、研发、制造、物流、运维等全产业链各环节的各种物理实体对象以及相关的业务活动。

第四层是处于测量控制域、连接数字孪生和物理实体的测量与控制实体，实现物理对象的状态感知和控制功能。

第五层是与数字孪生对应的物理实体目标对象所处的产业物理域。测量与控制实体和产业物理域之间有测量数据流和控制信息流的传递。

测量与控制实体、数字孪生以及用户域之间的数据流和信息流传递，需要信息交换、数据保证、安全保障等跨域功能实体的支持。信息交换通过适当的协议实现数字孪生之间交换信息。安全保障负责数字孪生系统安保相关的认证、授权、保密和完整性。数据保证与安全保障一起确保数字孪生系统数据的准确和完整。

三、数字孪生的关键技术有哪些？

1、建模与仿真

建模，就是建立模型，就是为了理解事物而对事物做出的一种抽象，是对事物的一种无歧义的书面描述。

仿真是指利用模型复现实际系统中发生的本质过程，并通过对系统模型的实验来研究已存在的或设计中的系统，又称模拟。

从技术角度看，建模和仿真是一对伴生体：如果说建模是模型化人类对物理世界或问题的理解，那么仿真就是验证和确认这种理解的正确性和有效性。所以，数字化模型的仿真技术是创建和运行数字孪生、保证数字孪生与对应物理实体实现有效闭环的核心技术。

2、虚拟现实

虚拟现实（Virtual Reality，简称 VR）技术可以将系统的制造、运行、维修状态呈现出超现实的形式，对复杂系统的各个子系统进行多领域、多尺度的状态监测和评估，将智能监测和分析结果附加到系统的各个子系统、部件中，在完美复现实体系统的同时将数字分析结果以虚拟映射的方式叠加到所创造的孪生系统中，从视觉、声觉、触觉等各个方面提供沉浸式的虚拟现实体验，实现实时且连续的人机互动。

3、物联网

物联网（Internet of Things，简称 IoT）是指通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。通俗地讲，物联网就是“物物相连的互联网”，它包含两层含义：第一，物联网是互联网的延伸和扩展，其核心和基础仍然是互联网；第二，物联网的用户端不仅包括人，还包括物品，物联网实现了人与物品及物品之间信息的交换和通信。

4、云边协同计算

云计算（Cloud Computing）是一种计算资源交付模型，集成了各种服务器、应用程序、数据和其它资源，并通过互联网以服务的形式提供这些资源。通常对资源进行了虚拟化。边缘计算（Edge Computing）是一种分布式处理和存储的体系结构，它更接近数据的源头。例如，带有视觉处理功能的摄像头、通过蓝牙向手机发送数据的可穿戴医疗设备等都利用到了边缘计算。与云计算相比，边缘计算更靠近终端，存在诸多优良特性，因此，边缘计算和云计算的混合使用通常被认为是构建企业级物联网解决方案的最佳实践，这种方案便是云边协同计算。

5、大数据

大数据（Big Data）是指以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合。目前正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据必须采用分布式架构，对海量数据进行分布式数据挖掘，因此必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。大数据的主要特征为：数据量巨大，数据类型多，数据流动快，数据潜在价值大。

6、人工智能

人工智能（Artificial Intelligence，简称 AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的应用可能会出现在工业互联网的各个环节，尤其是在数据应用的环节。利用机器学习和预测分析算法，工业大数据可以在预测、维护等用例场景中产生价值（如预测和预防制造机器、飞机、汽车、火车、风力涡轮机、输油管道等出现的机器故障或组件故障），包括生产过程早期的产品质量预测和产品质量优化（如钢铁行业），连续生产过程中的关键情况预测、预防（如化学工业），产品寿命预测（如汽车发动机、风力涡轮机部件、电池等）以及能源需求预测、价格预测等。

7、区块链

区块链（Blockchain）技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。区块链的核心技术包括:（1）点对点分布式技术；（2）共识机制；（3）智能合约；（4）非对称加密技术。

8、第五代移动通信技术

第五代移动通信技术（5th Generation Mobile Communication Technology，简称 5G）是具有高速率、低时延和大连接特点的新一代宽带移动通信技术，是实现人机物互联的网络基础设施。

四、企业应用数字孪生的实施路径有哪些？

1、企业根据自身的需求，选择希望建设的不同层级的指标体系，并建设与之相关的数字孪生应用。

2、通过数字孪生应用的建设，企业获得了对应指标体系的下钻和深度洞察的能力，从而帮助企业决策下一个需要重点投资并进行优化变革的方向。

3、企业在进行优化变革的过程中，通过指标体系以可视化的方式实时计算优化改进的效果，从而获得最佳 ROI。同时，这个过程会不断积累和丰富数字孪生的数据量，提高数据质量，持续更新数字孪生模型的有效性，从而帮助企业不断完善数字孪生应用。

4、通过基于区块链的数字化资产交易技术，在产业链上下游企业之间共享数字孪生，可以帮助整个产业计算产业的指标体系，挖掘产业效率洼地，指导企业优化产能，从而大幅提升产业效率。

五、数字孪生制造典型应用场景有哪些？

1. 产品的运行监控和智能运维

对于能够实现智能互联的复杂产品，尤其是高端智能装备。在装备运行过程中，将实时采集的传感器数据传递到其数字孪生模型进行仿真分析，对装备的健康状态和故障征兆进行诊断，并进行故障预测。如果产品运行的工况发生改变，对于拟采取的调整措施，可以先对其数字孪生模型在仿真云平台上进行虚拟验证，如果没有问题，再对实际产品的运行参数进行调整。

在复杂装备的运维方面，可以通过 AR 技术，基于产品的数字孪生模型生成产品操作、装配或拆卸的三维动画。在实物环境下，透过各种穿戴设备或移动终端进行示教。

2. 工厂运行状态的实时模拟和远程监控

对于正在运行的工厂，通过其数字孪生模型可以实现工厂运行的可视化。包括生产设备目前的状态，在加工什么订单，设备和产线的OEE、产量、质量与能耗等，还可以定位每一台物流装备的位置和状态。对于出现故障的设备，可以显示出具体的故障类型。

3. 生产线虚拟调试

虚拟调试技术在数字化环境中建立生产线的三维布局，包括工业机器人、自动化设备、PLC 和传感器等设备。在现场调试之前，可以直接在虚拟环境下，对生产线的数字孪生模型进行机械运动、工艺仿真和电气调试，让设备在未安装之前已经完成调试。

应用虚拟调试技术，在虚拟调试阶段，将控制设备连接到虚拟站线；完成虚拟调试后，控制设备可以快速切换到实际生产线；可随时切换到虚拟环境，分析、修正和验证正在运行的生产线上的问题，避免长时间且昂贵的生产停顿。

虚拟调试技术对企业的价值体现在：早期验证优化研发+工艺+制造的可行性，减少物理样机投入成本；减少去用户现场做机器人调试时间和出错率，节约出差成本；虚实融合后为整个工厂的数字孪生打好基础，工厂建成之后可以与 SCADA 系统融合，打造基于三维模型的可视化监控系统，实现工厂的数字孪生。

4. 机电软一体化复杂产品研发

对于高度复杂的机电软一体化产品，可以在研发阶段构建产品的数字孪生模型，并通过工程仿真技术的应用加速产品的研发，帮助企业以更少的成本和更快的速度将创新技术推向市场。运用数字孪生技术，能够综合利用结构、热学、电磁、流体和控制等仿真软件进行单物理场仿真和多场耦合仿真，对产品进行设计优化、确认和验证，还可以构建精确的综合仿真模型来分析实际产品的性能，实现持续创新。通过结合创成设计技术、增材制造技术、半实物仿真技术，可以显著缩短产品上市周期。

5. 数字营销

对于尚未上市的新产品，通过发布其概念阶段的数字孪生模型，让消费者选择更喜欢的设计方案，然后再进行详细设计和制造，这样有助于企业提升销售业绩。同时，通过构建基于数字孪生模型的在线配置器，可以帮助企业实现产品的在线选配，实现大批量定制。

六、数字孪生的发展趋势是怎样？

长期以来，使用虚拟的模型来优化流程、产品或服务的想法并不新鲜。但随着具有更复杂的仿真和建模能力、更好的互操作性和 IoT传感器以及电力系统可视化的数字化仿真平台和工具的广泛使用，使企业逐渐意识到创建更精细、更具动态感的数字化仿真模型成为可能。

目前，越来越多的企业，特别是从产品销售向“产品+服务”转变的企业，正在广泛应用数字孪生技术。数字孪生的大规模应用场景还比较有限，涉及的行业也有待继续拓展。仍然面临企业内、行业内数据采集能力层次不齐，底层关键数据无法得到有效感知等问题。此外，对于已采集的数据闲置度高，缺乏数据关联和挖掘相关的深度集成应用，难以发挥数据潜藏价值。从长远来看，要释放数字孪生技术的全部潜力，有赖于从底层向上层数据的有效贯通，并需要整合整个生态系统中的所有系统与数据。

从长远来看，要实现数字孪生技术的所有潜力，可能需要整合整个生态圈的系统和数据。建立完整的客户生命周期或供应链数字模拟，提供有洞察力的宏观运营观点，包括一线供应商及其自身供应商，但仍需要将外部实体集成到内部数字生态系统中。今天，大多数公司仍然不满意点对点连接以外的外部整合。克服这种犹豫也许是一个长期的挑战，但最终所有的付出都是值得的。将来，企业希望利用块链打破信息孤岛，验证信息并输入数字孪生。这将释放以前无法访问的大量数据，使模拟更加详细、动态化和潜在价值。