当前，数字孪生（digital twin）是各界关注的热点。全球著名IT研究机构Gartner曾连续三年（2017—2019年）将数字孪生列为十大新兴技术之一。针对数字孪生概念及其应用，各研究机构、学术界以及众多数字化技术提供商都纷纷提出自己的见解和研究成果。近期，美国工业互联网联盟（IIC）、IDC、埃森哲、中国信通院、赛迪等研究机构相继发表了相关白皮书，我国从政府主管部门到企业也十分关注数字孪生技术。

 

 

 

Gartner自2017年开始，将数字孪生纳入其十大新兴技术专题进行了深入研究，以下是不同年度Gartner对数字孪生的解释：

 

2017年：数字孪生是实物或系统的动态软件模型，在3～5年内，数十亿计的实物将通过数字孪生来表达。通过应用实物的零部件运行和对环境做出反应的物理数据，以及来自传感器的数据，数字孪生可用于分析和模拟实际运行状况，应对变化，改善运营，实现增值。数字孪生所发挥的作用就像一个专业技师和传统的监控和控制器（例如压力表）的结合体。推进数字孪生应用需要进行文化变革，结合设备维护专家、数据科学家和IT专家的优势。将设备的数字孪生模型与生产设施、环境，以及人、业务和流程的数字表达结合起来，以实现对现实世界更加精确的数字表达，从而实现仿真、分析和控制。^[1]

 

2018年：数字孪生是现实世界实物或系统的数字化表达。随着物联网的广泛应用，数字孪生可以连接现实世界的对象，提供其状态信息，响应变化，改善运营并增加价值。到2020年，估计将有210亿个传感器和末端接入点连接在一起，在不久的将来，数十亿计物体将拥有数字孪生模型。Gartner公司副总裁David Cearley指出，通过维修、维护与运营（MRO）以及通过物联网提升设备运营绩效，有望节省数十亿美元。^[2]

 

2019年：数字孪生是现实生活中物体、流程或系统的数字镜像。大型系统，例如发电厂或城市也可以创建其数字孪生模型。数字孪生的想法并不新，可以回溯到用计算机辅助设计来表述产品，或者建立客户的在线档案，但是如今的数字孪生有以下4点不同：^[3]

 

（1）模型的健壮性，聚焦于如何支持特定的业务成果；

（2）与现实世界的连接，具有实现实时监控和控制的潜力；

（3）应用高级大数据分析和人工智能技术来获取新的商机；

（4）数字孪生模型与实物模型的交互，并评估各种场景如何应对的能力。

 

在Gartner2017年发布的新兴技术成熟度曲线中（图1），数字孪生处于创新萌发期，距离成熟应用还有5～10年时间。2018年Gartner发布的新兴技术成熟度曲线中可以看出（图2），数字孪生已经进入了过热期，其建设和预期出现了高峰，超出其当前能力，会形成投资泡沫。

 

 

 

 

从上述分析中可以看出，Gartner对于数字孪生的理解也有一个不断演进的过程，而数字孪生的应用主体也不局限于基于物联网来洞察和提升产品的运行绩效，而是延伸到更广阔的领域，例如工厂的数字孪生、城市的数字孪生，甚至组织的数字孪生。

全球著名PLM研究机构CIMdata认为：数字孪生模型不可能单独存在；可以有多个针对不同用途的数字孪生模型，每个都有其特定的特征，例如数据分析数字孪生模型、MRO数字孪生模型、财务数字孪生模型、工程孪生模型以及工程仿真数据孪生模型；每个数字孪生模型必须有一个对应的物理实体，数字孪生模型可以而且应该先于物理实体而存在；物理实体可以是工厂、船舶、基础设施、汽车或任何类型的产品；每个数字孪生模型必须与其对应物理实体有某些形式的数据交互，但不必是实时或电子形式。

 

GE Digital认为：数字孪生是资产和流程的软件表示，用于理解、预测和优化绩效以改善业务成果。数字孪生由三部分组成：数据模型、一组分析工具或算法，以及知识。^[4]

 

西门子认为：数字孪生是物理产品或流程的虚拟表示，用于理解和预测物理对象或产品的性能特征。数字孪生用于在产品的整个生命周期，在物理原型和资产投资之前模拟、预测和优化产品和生产系统。^[5]

 

SAP认为：数字孪生是物理对象或系统的虚拟表示，但其远远不仅是一个高科技的外观。数字孪生使用数据、机器学习和物联网来帮助企业优化、创新和提供新服务。^[6]

PTC认为：数字孪生（PTC翻译为数字映射）正在成为企业从数字化转型举措中获益的最佳途径。对于工业企业，数字孪生主要应用于产品的工程设计、运营和服务，带来重要的商业价值,并为整个企业的数字化转型奠定基础。^[7]

 

陶飞教授指出：当前对数字孪生存在多种不同认识和理解，目前尚未形成统一共识的定义，但物理实体、虚拟模型、数据、连接和服务是数字孪生的核心要素。不同阶段（如产品的不同生命周期）的数字孪生呈现出不同的特点，对数字孪生的认识与实践离不开具体对象、具体应用与具体需求。从应用和解决实际需求的角度出发，实际应用过程中不一定要求所建立的“数字孪生”具备所有理想特征，能满足用户的具体需求即可。

 

在赵敏先生和宁振波先生撰写的《铸魂：软件定义制造》一书中指出，数字孪生是实践先行，概念后成；数字孪生模型可以与实物模型高度相像，而不可能相等；数字孪生模型和实物模型也不是一个简单的一对一的对应关系，而可能存在一对多，多对一、多对多，甚至一对少，一对零和零对一等多种对应关系。

 

结合学术界和工业界的实践，e-works认为，数字孪生并不是一种单元的数字化技术，而是在多种使能技术迅速发展和交叉融合的基础上，通过构建物理实体所对应的数字孪生模型，并对数字孪生模型进行可视化、调试、体验、分析与优化，从而提升物理实体性能和运行绩效的综合性技术策略，是企业推进数字化转型的核心战略举措之一。

 

 

 

数字孪生的基本特征是虚实映射。通过对物理实体构建数字孪生模型，实现物理模型和数字孪生模型的双向映射。构建数字孪生模型不是目的，而是手段，需要通过对数字孪生模型的分析与优化，来改善其对应的物理实体的性能和运行绩效。

 

任何物理实体都可以创建其数字孪生模型，一个零件、一个部件、一个产品、一台设备、一把加工刀具、一条生产线、一个车间、一座工厂、一个建筑、一座城市，乃至一颗心脏、一个人体等。对于不同的物理实体，其数字孪生模型的用途和侧重点差异很大。例如，达索系统帮助新加坡构建了数字城市，建立了一座城市的数字孪生模型，不仅包括了地理信息的三维模型，各种建筑的三维模型，还包括了各种地下管线的三维模型。该模型作为城市的数字化档案，可以用于优化城市交通，便于各种公共设施的维护。Biodigital公司创建了生物数字人体模拟演示的在线平台，可以帮助医生和科学家研究人体构造，进行模拟试验。在太空探索的过程中，科学家通过数字孪生模型对远在太空的航天器，例如登陆火星的“好奇号”火星车进行远程监控、仿真与操控。显然，物理实体的结构越复杂，其对应的数字孪生模型也会越复杂，实现数字孪生应用的难度也更大。

 

 

 

不同物理实体的数字孪生应用重点差别很大。

 

产品数字孪生应用的重点在于复杂的机电软一体化装备，例如发电设备、工程机械、机械加工中心、高端医疗设备、航空发动机、飞机、卫星、船舶、轨道交通装备、电梯、通信设备，以及能够实现智能互联的通信终端产品。

 

在产品的设计制造生命周期，可以通过在实物样机上安装传感器，在样机测试的过程中，将传感器采集的数据传递到产品的数字孪生模型，通过对数字孪生模型进行仿真和优化，从而改进和提升最终定型产品的性能；还可以通过半实物仿真的方式，部分零部件采用数字孪生模型，部分零件采用物理模型来进行实时仿真和试验，验证和优化产品性能。另一方面，在产品创新设计时，大多数零部件会重用前一代产品的零部件，如果老产品已经建立了关键零部件的数字孪生模型，同样也应当进行重用，从而提升新产品研发效率和质量。

 

产品服役的生命周期是产品的数字孪生应用最核心的阶段。尤其是对于长寿命的复杂装备，通过工业物联网采集设备运行数据，并与其数字孪生模型在相同工况下的仿真结果进行比对，可以分析出该设备的运行是否正常，运行绩效如何，是否需要更换零部件，并可以结合人工智能技术分析设备的健康程度，进行故障预测等。对于高端装备产品，其数字孪生模型应当包括每一个实物产品服役的全生命周期数字化档案。

 

在产品的报废回收再利用生命周期，可以根据产品的使用履历、维修BOM和更换备品备件的记录，结合数字孪生模型的仿真结果，来判断哪些零件可以进行再利用和再制造。例如SpaceX公司的一级火箭实现了复用，结合数字孪生技术，可以更加准确地判断哪些零部件可以复用，从而大大降低了火箭发射的成本。

 

工厂的数字孪生应用也分为3个方面：在新工厂建设之前，可以通过数字化工厂仿真技术来构建工厂的数字孪生模型，并对自动化控制系统和产线进行虚拟调试；在工厂建设期间，数字孪生模型可以作为现场施工的指南，还可以应用增强现实等技术在施工现场指导施工；而在工厂建成之后正式运行期间，可以通过其数字孪生模型对实体工厂的生产设备、物流设备、检测与试验设备、产线和仪表的运行状态与绩效，以及生产质量、产量、能耗、工业安全等关键数据进行可视化，在此基础上进行分析与优化，从而帮助工厂提高产能、提升质量、降低能耗，并消除安全隐患，避免安全事故。

 

目前，已有很多企业建立了生产监控与指挥系统，对车间进行视频监控，显示设备状态（停机、正常、预警和报警等），展示各种分析报表和图表等。构建数字孪生工厂可以进一步提升工厂运行的透明度。然而，要构建工厂完整的高保真数字孪生模型，需要工厂的建筑、产线、设备和产品的数字孪生模型，难度很大。设备和产线的数字孪生模型构建，有赖于厂商提供相关数据，仅仅通过立体相机拍照，通过逆向工程构建的车间三维模型精度很低，而且也只包括外观的三维模型。但即便是仅仅基本的、示意性的、低精度的工厂数字孪生模型，对于工厂管理者实时洞察生产、质量和能耗

情况，尽早发现设备隐患，避免非计划停机，也具有实用价值。

 

需要强调的是，对于一个已经建成投产的工厂，在工厂运行过程中，其数字孪生工厂所显示的所有数据和状态信息，均来自真实的物理工厂，而非仿真结果。毫无疑问，要构建数字孪生工厂，需要实现设备数据采集和车间联网（M2M）。图3是美的集团的数字孪生工厂应用实例。

 

 

 

数字孪生工厂对于离散制造企业和流程制造企业都有十分重要的价值。在考察英国Aveva公司时，笔者观摩了该公司对于化工厂和无人海上钻井平台的数字孪生应用展示，数字孪生应用对于工厂的安全运营具有重要意义。 

 

产品数字孪生模型与工厂数字孪生模型在产品的制造过程中可以实现融合应用。在推进工厂的数字孪生应用时，如果有高保真的产品数字孪生模型，并且在此基础上能够构建产品的制造、装配、包装、测试等工艺的数字孪生模型，以及各种刀具和工装夹具的数字孪生模型，则可以在数字化工厂环境中，更加精准地对产品制造过程进行分析和优化。

 

 

 

IDC在2018年5月发表的《数字孪生网络》报告中指出，到2020年底，65%的制造企业将利用数字孪生运营产品和/或资产，降低质量缺陷成本和服务交付成本25%。图4是数字孪生对制造企业价值的分析。

 

 

 

产品数字孪生应用的价值是通过虚实融合、虚实映射，持续改进产品的性能，为客户提供更好的体验，提高产品运行的安全性、可靠性、稳定性，提升产品运行的“健康度”，在此基础上提升产品在市场上的竞争力。同时，通过对产品的结构、材料、制造工艺等各方面的改进，降低产品成本，帮助企业提高盈利能力；而工厂数字孪生应用的价值主要体现在构建透明工厂，提升工厂的运营管理水平，提高整体设备综合效率，降低能耗，促进安全生产等方面。要真正实现工厂数字孪生应用的价值，需要装备用户企业和装备制造企业进行深层次的合作。

 

参考文献：

[1] gartner.Artificial intelligence, machine learning, and smart things promise an intelligent future.[EB/OL].https://www.gartner.com/smarterwithgartner/gartners-top-10-technology-trends-2017/,2016.

[2] gartner.Artificial intelligence, immersive experiences, digital twins, event-thinking and continuous adaptive security create a foundation for the next generation of digital business models and ecosystems.[EB/OL].https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2018/,2017.

[3] gartner.Blockchain, quantum computing, augmented analytics and artificial intelligence will drive disruption and new business models.[EB/OL].https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019/,2018.

[4] GE.What is a digital twin?[EB/OL].https://www.ge.com/digital/applications/digital-twin,.

[5] siemens.Digital Twin[EB/OL].https://www.plm.automation.siemens.com/global/en/our-story/glossary/digital-twin/24465,.

[6] SAP.Digital Twin[EB/OL].https://www.sap.com/products/digital-supply-chain/digital-twin.html,.

[7] PTC.PTC Digital Twin Insights[EB/OL].https://www.ptc.com/en/industry-insights/digital-twin,.