数字孪生是指针对物理世界中的物体，通过数字化的手段构建一个在数字世界中一模一样的实体，借此来实现对物理实体的理解、分析和优化。从更加专业的角度来说，数字孪生集成了人工智能(AI)和机器学习(ML)等技术，将数据、算法和决策分析结合在一起建立模拟，即物理对象的虚拟映射，以期在问题发生之前先发现问题，监控物理对象在虚拟模型中的变化，诊断基于人工智能的多维数据复杂处理与异常分析，并预测潜在风险，合理有效地规划或对相关设备进行维护。数字孪生是形成物理世界中某一生产流程的模型及其在数字世界中的数字化镜像的过程和方法(图1)。数字孪生有五大驱动要素——物理世界的传感器、数据、集成、分析和促动器，以及持续更新的数字孪生应用程序。

图1 数字孪生是在数字世界对物理世界的映射

生产流程中配置的传感器可以发出信号，数字孪生可通过信号获取与实际流程相关的运营和环境数据。传感器提供的实际运营和环境数据将在聚合后与企业数据合并，企业数据包括物料清单、企业系统和设计规范等，其他类型的数据包括工程图纸、外部数据源及客户投诉记录等。传感器通过集成技术(包括边缘、通信接口和安全)达成物理世界与数字世界之间的数据传输。数字孪生利用分析技术开展算法模拟和可视化程序，进而分析数据、提供洞见，建立物理实体和流程的准实时数字化模型，数字孪生能够识别不同层面偏离理想状态的异常情况。若确定应当采取行动，则数字孪生将在人工干预的情况下通过促动器展开实际行动，推进实际流程的开展。当然，在实际操作中，流程(或物理实体)及其数字虚拟镜像明显比简单的模型或结构要复杂得多。图2是数字孪生的概念框架。

图2 数字孪生的概念框架

「 2. 数字孪生与数字纽带 」

伴随着数字孪生的发展，美国空军研究实验室和美国国家航空航天局同时提出了数字纽带(Digital Thread，也译为数字主线、数字线程、数字线、数字链等)的概念。数字纽带是种可扩展、可配置的企业级分析框架，在整个系统的生命周期中，通过提供访问、整合及将不同的、分散的数据转换为可操作信息的能力来通知决策制定者。通过分析和对比数字孪生和数字纽带的定义可以发现，数字孪生体是对象、模型和数据，而数字纽带是方法、通道、链接和接口，数字孪生体的相关信息是通过数字纽带进行交换、处理的。以产品设计和制造过程为例，产品数字孪生体与数字纽带的关系如图3所示。

仿真分析模型的参数可以传递至产品定义的全三维模型，再传递至数字化生产线加工/装配成真实的物理产品，继而通过在线的数字化检验/测量系统反映到产品定义模型中，进而反馈到仿真分析模型中。通过数字纽带实现了产品全生命周期各阶段的模型和关键数据双向交互，使产品全生命周期各阶段的模型保持一致性，最终实现闭环的产品全生命周期数据管理和模型管理。

「 3. 数字孪生关键技术说明 」

数字孪生的概念最早由密歇根大学的Michael Grieves博士于2002年提出(最初的名称为“Conceptual Ideal for PLM”)，至今有超过15年的历史。Michael Grieves与NASA长期合作。在航天领域，航天器的研发和运营必须依赖于数字化技术：在研发阶段，需要降低物理样机的成本；在运营阶段，需要对航天器进行远程状态监控和故障监测。这也是后来NASA把数字化双胞胎(即数字孪生)作为关键技术的原因。

数字孪生技术帮助企业在实际投入生产之前即能在虚拟环境中优化、仿真和测试，在生产过程中也可同步优化整个企业流程，最终实现高效的柔性生产、实现快速创新上市，锻造企业持久竞争力。数字孪生技术是制造企业迈向“工业4.0”战略目标的关键技术，通过掌握产品信息及其生命周期过程的数字思路将所有阶段(产品创意、设计、制造规划、生产和使用)衔接起来，并连接到可以理解这些信息并对其做出反应的生产智能设备。数字孪生将各专业技术集成为一个数据模型，并将PLM (产品生命周期管理软件)、MOM (生产运营系统)和TIA (全集成自动化)集成在统一的数据平台下，也可以根据需要将供应商纳入平台，实现价值链数据的整合，业务领域包括“产品数字孪生”“生产数字孪生”和“设备数字孪生”。

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的关键能力包含：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，精确地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，在设计阶段就可验证产品的适应性。产品数字孪生将在需求驱动下，建立基于模型的系统工程产品研发模式，实现“需求定义-系统仿真-功能设计-逻辑设计-物理设计-设计仿真-实物试验”全过程闭环管理，从细化领域将包含如下几个方面(图7)：

在产品的制造阶段，生产数字孪生的主要目的是确保产品可以被高效、高质量和低成本地生产，它所要设计、仿真和验证的对象主要是生产系统，包括制造工艺、制造设备、制造车间、管理控制系统等。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。产品生产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。

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。作为客户的设备资产，产品在运行过程中将设备运行信息实时传送到云端，以进行设备运行优化、可预测性维护与保养，并通过设备运行信息对产品设计、工艺和制造迭代优化(图9)。

通过工业物联网技术实现设备连接云端、行业云端算法库以及行业应用APP，以西门子MindSphere平台为例说明运营数字化双胞胎的架构(图10)。该架构包含连接层MindConnect:支持开放的设备连接标准，如OPCUA，实现西门子与第三方产品的即插即用，并对数据传输进行安全加密。平台层MindSphere：为客户个性化APP的开发提供开放式接口，并提供多种云基础设施，如SAP、AWS、Microsoft Azure，并提供公有云、私有云及现场部署。应用层MindApps：应用来自西门子与合作伙伴的APP，或由企业自主开发的APP，以获取设备透明度与深度分析报告。预测性服务可将大数据转变为智能数据。数字化技术的发展可让企业洞察机器与工厂的状况，从而在实际问题发生之前，对异常和偏离阈值的情况迅速做出响应。