一篇读懂什么是数字孪生？

　　一、数字孪生的概念

　　数字孪生，顾名思义，是指针对物理世界中的物体，通过数字化的手段来构建一个数字世界中一模一样的的实体，藉此来实现对物理实体的了解、分析和优化。

　　从理论的概念来看，Digital Twin数字孪生：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。它是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

　　二、何时开始

　　2002年密歇根大学教授Dr. Michael Grieves在发表的一篇文章中第一次提出了数字孪生概念，他认为通过物理设备的数据，可以在虚拟（信息）空间构建一个可以表征该物理设备的虚拟实体和子系统，并且这种联系不是单向和静态的，而是在整个产品的生命周期中都联系在一起。最早由美国用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。

　　三、如何应用

　　数字孪生，有时候也用来指代将一个工厂的厂房及产线，在没有建造之前，就完成数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设。而工房和产线建成之后，在日常的运维中二者继续进行信息交互。

　　对于Digital Twin的极端需求，同时也将驱动着新材料开发，而所有可能影响到装备工作状态的异常，将被明确地进行考察、评估和监控。Digital Twin正是从内嵌的综合健康管理系统（IVHM）集成了传感器数据、历史维护数据，以及通过挖掘而产生的相关派生数据。通过对以上数据的整合，Digital Twin可以持续地预测装备或系统的健康状况、剩余使用寿命以及任务执行成功的概率，也可以预见关键安全事件的系统响应，通过与实体的系统响应进行对比，揭示装备研制中存在的未知问题。Digital Twin可能通过激活自愈的机制或者建议更改任务参数来减轻损害或进行系统的降级，从而提高寿命和任务执行成功的概率。

　　四、设计阶段的数字孪生

　　在产品的设计阶段，利用数字孪生可以提高设计的准确性，并验证产品在真实环境中的性能。

　　这个阶段的数字孪生，主要包括如下功能：

　　数字模型设计：使用CAD工具开发出满足技术规格的产品虚拟原型，精确的记录产品的各种物理参数，以可视化的方式展示出来，并通过一系列的验证手段来检验设计的精准程度；

　　模拟和仿真：通过一系列可重复、可变参数、可加速的仿真实验，来验证产品在不同外部环境下的性能和表现，在设计阶段就验证产品的适应性。

　　例如，在汽车设计过程中，由于对节能减排的要求，达索帮助包括宝马、特斯拉、丰田在内的汽车公司利用其CAD和CAE平台3D Experience，准确进行空气动力学、流体声学等方面的分析和仿真，在外形设计通过数据分析和仿真，大幅度地提升流线性，减少了空气阻力。

　　五、制造阶段的数字孪生

　　在产品的制造阶段，利用数字孪生可以加快产品导入的时间，提高产品设计的质量、降低产品的生产成本和提高产品的交付速度。

　　产品阶段的数字孪生是一个高度协同的过程，通过数字化手段构建起来的虚拟生产线，将产品本身的数字孪生同生产设备、生产过程等其他形态的数字孪生高度集成起来，实现如下的功能：

　　生产过程仿真：在产品生产之前，就可以通过虚拟生产的方式来模拟在不同产品、不同参数、不同外部条件下的生产过程，实现对产能、效率以及可能出现的生产瓶颈等问题的提前预判，加速新产品导入的过程;

　　数字化产线：将生产阶段的各种要素，如原材料、设备、工艺配方和工序要求，通过数字化的手段集成在一个紧密协作的生产过程中，并根据既定的规则，自动的完成在不同条件组合下的操作，实现自动化的生产过程；同时记录生产过程中的各类数据，为后续的分析和优化提供依据。

　　关键指标监控和过程能力评估：通过采集生产线上的各种生产设备的实时运行数据，实现全部生产过程的可视化监控，并且通过经验或者机器学习建立关键设备参数、检验指标的监控策略，对出现违背策略的异常情况进行及时处理和调整，实现稳定并不断优化的生产过程。

　　六、服务阶段的数字孪生

　　随着物联网技术的成熟和传感器成本的下降，很多工业产品，从大型装备到消费级产品，都使用了大量的传感器来采集产品运行阶段的环境和工作状态，并通过数据分析和优化来避免产品的故障，改善用户对产品的使用体验。

　　这个阶段的数字孪生，可以实现如下的功能：

　　远程监控和预测性维修：通过读取智能工业产品的传感器或者控制系统的各种实时参数，构建可视化的远程监控，并给予采集的历史数据，构建层次化的部件、子系统乃至整个设备的健康指标体系，并使用人工智能实现趋势预测；基于预测的结果，对维修策略以及备品备件的管理策略进行优化，降低和避免客户因为非计划停机带来的损失；

　　优化客户的生产指标：对于很多需要依赖工业装备来实现生产的工业客户，工业装备参数设置的合理性以及在不同生产条件下的适应性，往往决定了客户产品的质量和交付周期。而工业装备厂商可以通过海量采集的数据，构建起针对不同应用场景、不同生产过程的经验模型，帮助其客户优化参数配置，以改善客户的产品质量和生产效率。

　　产品使用反馈：通过采集智能工业产品的实时运行数据，工业产品制造商可以洞悉客户对产品的真实需求，不仅能够帮助客户加速对新产品的导入周期、避免产品错误使用导致的故障、提高产品参数配置的准确性，更能够精确的把握客户的需求，避免研发决策失误。