数字孪生体技术白皮书_数字孪生技术白皮书

译者按：作为数字孪生领域的从业者，一直关注数字孪生技术的发展，该技术涉及的领域广泛，于是存在不同的解读，各有偏重。译者阅读大量技术文献后，选择将ENGINEERING网站的digital twin技术白皮书译为中文，希望能帮助对数字孪生感兴趣的朋友。

我们将讨论以下主题：

1、 何为数字孪生？

2、 为什么数字孪生很重要？

3、 数字孪生的价值与意义

4、 面临的挑战

5、 使能技术

6、 典型应用

7、 数字孪生与仿真模型的差异

前言

随着物联网、人工智能与先进建模等新兴技术的发展，促成人、万物与服务构成智能的、互联的与高度数字化的网络，也勾勒出一个新的商业概念——数字孪生。数字孪生已经超越了传统制造业的生态体系，延伸至汽车、医疗健康等诸多领域。近年来，Gartner连续将其列为未来十大关键技术，其重要性不言而喻。在这份技术白皮书中，我们致力于消除一些数字孪生的神话，聚焦于最本质的问题：数字孪生是什么？为什么重要？有什么价值？面临什么挑战？以及基本的建设模块？

何为数字孪生？

我们意识到：新的数字技术正在改变每个行业的流程与商业模式，颠覆现有的竞争格局或者重新开辟了新的“战场”，最好的应对策略是采用仿真模型去评估其在复杂环境中的影响，并随着时间推移监控与辅助决策。我们已经迎接挑战，得益于数字孪生技术，我们为客户提供高效的虚拟培训场景，使他们避免冒着真实环境的高风险，利用数字孪生体完成整个决策过程。

Engineering网站Industry, Services and Infrastructures部门经理 Alfredo Belsito

数字孪生的概念可以追溯至2002年密西根大学产品生命周期管理(PLM)课程，随着时间的推移，很多概念发生了改变，但数字孪生的概念却一如从前，它基于一个基本理念：可以构建一个独立于物理实体的数字实体，且数字实体与物理实体具有孪生关系，并且这对孪生兄弟在整个生命周期内紧密联系在一起，共同进化。因此，我们来给数字孪生下个定义：数字孪生就是针对一个潜在的或是实际存在的产品、系统或过程，从微观到宏观用一系列数字信息结构对其进行全面描述。在理想情况下，所有从物理实体上所能获取的信息，都能在数字孪生上获取。

数字孪生体可以从不同维度上实现：

• 微观或机器级：数控机床、燃气轮机、发动机等
• 中观或工厂级：转配线、电厂、游轮等
• 宏观或组织级：供应链、电力输送网络、运输系统等

尽管数字孪生不同维度的实现形式呈现不同的复杂性，但其基本概念、特征与挑战几乎一致，简而言之，数字孪生是可以描述真实物理系统的近乎实时运行的数字图景，并可以利用数字孪生体监控并优化业务性能。

数字孪生为什么重要？

未来的工业与社会将越来越复杂，创新周期却越来越短，如何应对不确定性成为很多行业的日常挑战，在这样的背景下，企业不得不尽可能多的收集信息以保证其竞争优势。

近年来，数字化普及使得数据采集能力极大增强，这一突破一方面可以弥补构建数字孪生体时的数据不足问题，但另一方面也对如何挖掘数据的潜在价值提出了新的挑战。

工业4.0积极拥抱数字化，并提出了一个工厂互联的图景，设备实时在线、智能化并能在垂直领域内进行协作。工业4.0极大地构建了一个数字空间，将所有不同来源的数据进行收集和融合，通过这些信息的交互、分析和利用使其驱动物理世界的智能进化。数字孪生就是这一概念的范例，并且在技术、信息、业务流程以及商业竞争力等不同方面影响着整个商业系统。

数字孪生的价值

数字孪生的价值恰恰就源自其内涵：真实世界的数字备份。在数字孪生体上的观察、思考与行动都是毫无风险的，数字孪生在其典型应用中带来一系列好处：

• 持续改进

实施数字孪生技术包含着许多数字化技术与创新，反过来，因为这些数字化基础，对了解物理世界的机理至关重要，对未来的改进提供了基础条件。

• 预测

通过各种建模技术(仿真驱动、数学驱动或数据驱动的建模方式)，构建数字孪生体，可以用来对未来的状态和可能的风险进行预测。

• 假设分析

通过设计适当接口，可以轻松的与数字孪生体互动，对不同场景进行仿真分析，并进行优化，直到达到最优状态，最终应用于物体实体。

• 可观性

数字孪生体可以增强机器和实体资产运行的透明度，对整个过程进行观测，同样针对更大的互联系统，如工厂和机场等，同样可以保证其可观性。

• 洞察

数字孪生模型可以作为理解和解释单个机器或是机器的组合行为的有效手段。

• 系统集成

正确的数字孪生模型，可以与后端的业务流程进行集成，从而实现包括制造、采购、仓储运输、物流、现场服务等业务的完整的供应链系统集成。

• 颠覆性商业模式

数字孪生不仅推动了传统商业模式和价值链，另外通过数据驱动产品及服务的商业模式创新，扩展新的商业价值体系，这些商业模式重新构建了一个新的生态系统，吸引了新的客户和合作伙伴，从而创造新的机会和收入来源。

面临的挑战

数字孪生技术带来了巨大的机遇，但同时也面临着一系列的挑战：

• 连接性

许多数字孪生体没有固定的应用场景，对总是处于移动状态或是地处偏远地区的数字孪生体保证实时连接充满挑战，同时，保持稳定的连接需要巨大的带宽与计算资源，这些也会成为不可忽视的问题。

• 硬件：

一个数字孪生项目需要大量的传感器，管理如此数量的传感器复杂而耗时，同时传感器网络的维护也是不小的挑战。

• 超长使用时长

许多数字孪生体要求具有较长的生命周期，其远远超过设计、仿真以及分析软件使用寿命，这意味着，从长远来看如何谨慎使用这些技术成为数字孪生技术的关键。

• 人员

成功的实施数字孪生技术需要对专业人员进行特定的培训，同时数字孪生技术的应用改变了某些业务领域的工作模式，这也赋予员工新的机会，使其成为数字化转型的参与者。

• 安全性

数字孪生所积累的数据和知识资本将越来越有价值，为了防止数据的丢失及其他可能的损坏，确保数据系统的安全变得异常重要。

使能技术

数字孪生技术绝非依赖单一的技术发展，需要诸多的技术协同。近年来，随着相关使能技术的发展，企业间的数字孪生技术进一步促进发展。事实上，影响数字孪生的三大使能技术分别是：万物互联、数字化与人工智能。

• 万物互联

传感器

传感器分布于各种流程与运行环境中，通过传感器可以获取物理世界的各种运行状况与环境数据。近年来，随着微机电系统(MEMS)技术的发展，极大的降低了传感器的价格。

大数据

将传感器采集的运行状态与环境数据，同企业内部的数据进行聚合分析，企业内部数据包含物料清单(BOM)、系统数据、设计规范等，也包含工程图纸、外部的数据源、客户的投诉日志等。随着大型数据库的运转与管理费用逐渐减少，越来越多的中小企业也能负担得起。

物联网

利用边缘计算、通信接口、信息安全等技术，实现物理世界与数字世界的互联互通，通过传感器实现了数据的相互传递。由于物联网技术的高速发展，促成了数字孪生技术的逐步落地。

• 数字化

仿真建模

数字孪生的“数字端”，是将物理对象或过程抽象为实时(准实时)的数字化模型，为了实现物理对象的建模，需要使用诸如CFD或FEM的仿真技术。而针对装配产线或其他复杂的流程，则需要使用如基于代理的建模或离散事件的建模手段。

数据驱动建模

与仿真建模类似，数据驱动构建的模型同样构成了数字孪生体的“数字端”，与基于物理实体机理构建仿真模型不同，数据驱动建模则利用数学和统计方法，利用输入和输出数据的关系来描述系统的特性。近年来，由于传感器与数据采集技术的快速发展，获取了大量的数据，使得数据驱动建模技术日益受到关注。

• 智能化

人工智能(AI)

人工智能技术使得机器不断从“经验”中学习，如人类一般适应新的外部输入，受益于诸如大数据处理、强化学习等技术的发展，人工智能技术能高效的感知环境、分析现状以及结合目标进行最优决策。人工智能技术能够应用于数字孪生的不同阶段，在不确定环境中保证数字孪生技术的最佳实践。

分析技术

分析技术是利用算法与可视化技术对传感器采集的数据进行实时分析，从而发现、解释与交互数据中的有效模式，辅助进行高效的决策。受益于机器学习技术的最新进展，出现许多成功的工程应用，使得对影响业务的关键因素进行了定性与定量的分析。

执行器技术

如果有必要在现实世界中完成某个动作，数字孪生技术背后的人工智能技术将在人类的干预作用下驱动执行器，从而触发现实的物理动作。这些必要的动作通常认为是操作指令，如动态控制系统中的指令。然而，可以触发更具战略意义的行为，如改变业务流程的商业决策等。

应用

数字孪生应用先驱是全球最著名的IT领导者，亚马逊、阿里巴巴、Facebook和谷歌，他们为顾客或者其他一些商业伙伴构建了“数字化角色”，即人或物的数字孪生体，他们对这些数字孪生体进行管理、分析与持续更新，构建完整的生态系统，合作伙伴能通过支付费用来访问并利用相关的数据。

相反，考虑到数字孪生体更广泛的含义，诸如特斯拉、福特、空客、卡特彼勒、通用电气、西门子、ABB和博世等企业，也逐步利用数字孪生技术来更新其传统价值链，提升其行业领导地位。以下将介绍数字孪生的典型应用领域：

• 制造业

数字孪生技术正逐步改变制造业当前的现状，数字孪生技术对产品的设计、制造和维护都产生了重大的影响，使得生产效率更加高效，缩短了生产时间。

• 汽车业

通过数字孪生技术可以构建连接实际车辆的虚拟模型，它能及时捕获车辆的行为和操作数据，有利于分析车辆的总体性能，同时数字孪生技术也有利于为客户提供真正的个性化定制服务。

• 零售业

良好的客户体验是零售业的关键，数字孪生技术同样发挥着重要作用，通过构建客户数字孪生体，并在数字孪生体对时装进行建模，增强客户的体验。另外数字孪生对店面规划、安全管理与能源管理等都能发挥作用。

• 医疗业

数字孪生在医疗领域发挥重要作用，利用医疗物联网数据，可以监测病人的健康状况、预防性干预以及提供个性化的治疗。

• 智慧城市

利用数字孪生与物联网数据来规划和构建智慧城市，将进一步促进经济增长，有效的资源管理，减少资源的浪费，并且提升居民的生活质量，通过智慧城市中的传感器网络与智慧系统可以提升城市规划者与决策者的洞察力，来自城市数字孪生体的数据将提升其决策能力。

• 工业物联网

实施数字孪生技术的工业企业可以利用数字孪生体对工业系统进行状态监控、跟踪与控制，除了运行数据外，数字孪生体还收集了位置、配置、财务模型等环境数据，有助于预测未来的运营与异常 状况。

仿真模型与数字孪生体的区别

仿真建模是为了在虚拟环境中再现非线性动态系统行为的求解问题方法，类似于数字化的试验台，能够模拟规定时间维度下不同方案的性能。

基于仿真建模的概念，很容易理解其与数字孪生体的联系，基于数学原理和基于数据的仿真模型，是数字孪生技术的决定性因素之一，如果没有仿真，那么数字孪生体的关键组成部分将缺失，从而无法形成完整的数字孪生体。

• To-Be 与 As-Is

仿真建模使决策者能评估他们的决策与行为是否能满足需求，然而，数字孪生体则在不同维度上识别出其与最佳状态的偏差，这种偏差是业务优化的信号，可以节约成本、提升质量或进一步提升效率，这些最终将通过数字孪生技术反作用于物理世界。

• 单次构建与持续更新

仿真建模通常是针对系统或过程单次构建，在需要功能更新或系统发生改变时进行扩展。与之对应，数字孪生体的构建与部署都是随着时间不断演化更新的、

• 单点聚焦与多点聚焦

仿真建模主要是为了解决系统或流程中一组特定的问题，属于单点聚焦。而数字孪生则针对不同的角色，聚焦于不同的问题，如维护、运营、战略或销售等不同领域。

• 离线与在线

仿真模型通常是离线运行的，当获得了必要的逻辑关系与数据后，就针对性构建仿真模型。与之相反，为了满足用户监控当前状态以及实施预测与分析需求，数字孪生体需要实时在线，不断收集系统或过程数据。

• 分析与行动

仿真建模主要是为了在过去或未来场景中，通过构建系统或过程的详细且准确的状态信息，满足分析或决策的需求。而数字孪生体不仅具备此功能，还可以根据不同状态，建议可能的动作并执行它们。

• 基于逻辑与数据密集

仿真建模通常是基于系统或过程的基本逻辑行为构建的。数字孪生体不仅基于了系统或过程的逻辑行为，同时也是融合其运行过程中产生的大量数据。

• 独立运行与实时连接

仿真模型通常在每个用户的单机系统中，计算平台不需要其他的系统连接。与之相反，数字孪生体则与云、边缘计算与物联网息息相关，保证数字孪生体实时连接。

结语

数字孪生技术正处于飞速发展的快车道，依托于工业软件厂商、世界IT巨头、物联网企业的协作，数字孪生必将成为新的创新高地，改变人类的生活。

欢迎对数字孪生感兴趣的朋友留言交流。