1.数字孪生概念

数字孪生(英文名:Digital Twin)也被称为数字双胞胎和数字化映射。概念起源于产品全生命周期管理(PLM)，由美国密歇根大学教授迈克尔·格里夫斯(MichaelGrieves)于2002年提出，其定义为“数字孪生是以数字化方式创建物理对象的虚拟实体，借助历史数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体生命周期过程的技术手段”。

得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生的实施已逐渐普及。现阶段，数字孪生被广泛应用于航空航天领域、电力、船舶、城市管理、农业、建筑、制造、石油天然气、健康医疗、环境保护等行业。

特别是在工业领域，数字孪生被认为是一种实现制造信息世界与物理世界交互融合的有效手段。据IDC预测，到2022年70%的制造商将使用数字孪生技术进行流程仿真和场景评估，可见，未来数字孪生技术有望持续在工业界发挥作用，加快推动工业企业实现数字化转型。

2.数字孪生的技术特点

2.1 实时双向连接

数字孪生是对真实物理产品、设备或过程的实时动态的数据化表示，即数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，既能通过数字镜像掌握物理对象的映状态，也能对物理对象实施控制、下发指令，改变产品的状态。让很多原来由于物理条件限制、必须依赖于真实的物理实体而无法完成的操作变得触手可及，从而实现对干产品、设备或过程的相关要素资源的优化，并进一步激发数字化创新。

2.2 持续

数字孪生和物理对象之间的互动是不间断的，贯穿产品的全生命周期。在一定的程度上出来可以直接描述它对应实体对象的状态，确保我们对实体对象状态的可见。更重要的是帮助我们更深入地辨认发生的事件(如质量、故障)，理解其原因，并能对未来可能发生的事件提供预测，从而降低企业进行产品创新、模式创新中的成本、时间及风险，并目持续地推动产品优化，改善客户体验，极大地驱动了企业创新行为。

2.3 开发

通过数字孪生收集到的海量数据，单靠企业自身的力量来分析和挖掘其中的价值是不够的，企业需要将数据对第三方开放，借助外部合作伙伴的力量充分挖掘数字孪生的价值。

2.4 互联

数字孪生的意义不仅如此，还包括价值链上下游企业间的数据集成以及价值链端到端集成，本质是全价值链的协同。产品数字孪生作为全价值链的数据中心，其目标是实现全价值链的协同，因此不仅是要实现上下游企业间的数据集成和数据共享，也要实现上下游企业间的产品协同开发、协同制造和协同运维等。

3. 数字孪生与仿真的区别

3.1 数字孪生(Digital Twin)

3.1.1 具有资源优化的能力

3.1.2 具备实时双向连接、持续等特征。

3.1.3 通过各种技术手段对物理实体状态进行感知、诊断和预测，进而优化物理实体，同时进化自身的数字模型。

3.1.4 数字孪生必需依托并集成其他新技术，并与传感器共同在线以保证其保真性、实时性与闭环性，数字孪生对于资源优化有着更深远的帮助。

3.2 传统的仿真(Simulation)

3.2.1 具有资源优化的能力;

3.2.2 通常只是物理实体在数字空间单向和静态的映射;

3.2.3 仅仅能以离线的方式模拟物理世界;

3.2.4 不具备分析优化功能;

3.2.5 主要用于提升产品设计的效率，降低物理测试成本。

4. 数字孪生在工业领域的应用场景

工业数字孪生技术，可以应用到工业企业产品全生命周期的各个环节，构建数字化运营的解决方案，包括智能研发、智能制造、智能销售、智能服务与智能运营。

4.1 智能研发

在产品研发阶段，利用数字变生可以提高设计的准确性，并验证产品在直实环境中的性能。这个阶段的数字孪生应用主要体现在以下两个方面:

4.1.1 数字模型设计和模拟仿真

通过构建一个全三维标注的产品模型，包括“三维设计模型+产品制造信息(Product ManufacturingInformation，PMI)+关联属性”等，物理产品的几何尺寸、表面粗糙度、表面处理方法、焊接符号、技术要求、工艺注释及材料明细表等模拟仿真，一系列可重复、可变参数、可加速的仿真实验，验证产品在不同外部环境下的性能和表现，在设计阶段就能验证产品的适应性。

4.1.2 AI大数据研发

通过构建设备的全生命周期数字孪生体，可以采集到海量的设备使用过程数据，结合设备量产前丰富的试验测试数据，使用合适的算法，进行分析和优化。打通研发、试验、机器使用数据闭环链路，缩短研发周期，加速产品创新。

工业数字孪生智能研发解决方案：起重机数字孪生系统，借助设备大数据促进产品研发。

起重机的臂架是非常核心的一个部件，臂架都有他的使用寿命和负载能力设计的，臂架长时间处于满应力工作状态，只要超载一点就容易产生结构故障，对于安全生产至关重要，每年国内外都会因起重设备在作业中出现故障，造成大量的人员伤亡事故和经济损失。所以臂架的改良和增强是起重机产品研发中重点关注的部分。

以前，研发人员只能根据一些理论分析和推算，或者实验测试，来改进譬架。譬架分5段，以前往往是每一段都针对性的加强，比如都用更好的更厚的钢材。这样会导致产品成本上升，同时车辆重量增加后，油耗也会增加，间接增加了用户使用成本。

而现在，通过数字孪生采集的设备实时工况大数据，研发人员可以统计分析每一段臂架的应力曲线和超载使用情况，可以分析出，5段臂架中，每一段臂架在实际使用中的应力和负载情况与产品设计值的差异，知道哪节臂架应力和超载比较厉害，哪些比较合理。从而，在后续产品设计中，针对具体那段臂架进行改良设计，而不用盲目的对所有臂段都增强。不仅大大降低研发生产成本，更重要的是保证终端客户的安全生产。

4.2 智能制造

数字孪生在生产现场的应用非常广泛，覆盖了人、机、料、法、环各个要素。具体来说，主要体现在三个方面:

4.2.1 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、效率及可能出现的生产瓶颈等问题的预判，加速新产品导入过程的准确性和快速化。

4.2.2 数字化生产线

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完成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可靠的依据。

4.2.3 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，实现稳定并不断得到优化的生产过程

数字孪生智能制造解决方案：智慧工厂数字孪生三维可视化平台

灵图互动打造的智慧工厂数字孪生透明化管理平台，通过物联采集、视频集成、信息化系统集成等方式，对生产现场全域进行数字孪生建模，实物对象覆盖了人、车、设备、物料、成品、能耗(水、电、油、气)等。同时，基于数字孪生体的数据，构建了指标体系，对各个对象进行指标化评价和管理。为决策管理人员，提供了实时、准确的管理驾驶舱，提升决策的科学性和效率，为现场管理人员，提供可视化管理，通过视频叠加数据的呈现方式，对画面中实物对象(人、车、设备、物料、成品等)进行精准识别，对生产现场进行全面透视，提供科学、全面的数字化精益管理能力。

4.3 智能销售

在销售领域，可以基于工业数字孪生开展客户洞察与销量预测服务。客户洞察方面，基于设备使用者行为和设备实时状态数据，精准刻画优质客群，建立二次销售机会。销量预测方面，基于loT数据、销量数据及政策因素等多因子的AI大数据市场预测，指导营销策略、产销协同。

4.4 智能服务

随着物联网技术的成熟和传感器成本的下降，从大型装备到消费级的很多工业产品，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减少其至避免产品的故障，改善用户对产品的使用体验。在这个阶段中，数字孪生体主要有以下三方面应用:

4.4.1 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，并根据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，使用人工智能实现趋势预测。基于预测结果，对维修策略、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和矛盾。

4.4.2 优化客户的生产指标

对于需要依赖工业装备来实现生产的客户而言，工业装备来实现生产参数设置的合理性及在不同生产条件下的适应性决了客户产品的质量等级和交付周期的长短。工业装备厂商可以通过采集海量数据，构建针对不同应用场景、生产过程的经验模型帮助客户优化参数配置，改善客户的产品质量和生产效率。

4.4.3 品使用反馈

通过采集智能工业产品的实时运行数据，工业装备厂商可以洞悉客户对产品的真实需求，不仅能够帮助客户缩短新产品的导入周期、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，更能够精确把握客户的需求，从而避免研发决策失误。

4.5 智能运营

当产品报废/回收后，该产品数字孪生体包括的所有模型和数据都将成为同种类型产品组历史数据的一部分进行归档，为下一代产品的设计改进和创新、同类型产品的质量分析及预测、基于物理的产品仿真模型和分析模型的优化等提供数据支持。