基于数字孪生的生产性能优化通过对生产性能产生影响的全要素进行数字孪生建模，利用所构建的数字孪生模型分析实际生产过程中各生产要素的性能，对生产过程进行实时和动态的优化，并能进行实时的反馈。
产线生产性能优化数字孪生数据映射可以驱动生产性能数字孪生内部的仿真运行进而推动生产性能分析，仿真分析的结论可以直接指导物理空间的控制与执行，从而形成完整的反馈闭环。产线生产性能优化数字孪生数据映射流程如下：
1. 物理空间生产线的数据采集与控制执行
物理空间中一个复杂的、动态变化的生产环境由生产线部分、数据采集部分、控制与执行部分组成。
生产线部分是产线生产性能数字孪生系统的基础，它是指真实的生产过程，内部含有工人、设备、物料、生产环境等生产要素，生产要素组成一个又一个生产活动，各个生产活动通过一定的规则组成完整的生产线。
数据采集部分是指对生产现场的数据进行实时的采集以及动态的更新。生产设备内的数据可以通过数据采集设备(RFID设备、传感器等)进行收集，通过工业互联网等技术将数据统一传输至虚拟空间。物理空间收集的数据是具有大量冗余的复杂数据，需要进行数据处理才能提高数据质量。
控制和执行部分是指依据数字孪生虚拟空间的生产指令对现场的设备进行控制，一般需要借助设备控制器或者工人来完成。
2. 虚拟空间生产线的数据预处理与组织管理
在生产线的数字孪生虚拟空间，主要包含了数据预处理、数据组织与管理以及生产性能数字孪生等部分。
数据预处理对物理车间采集的数据进行分析与统计，经过预处理的数据进行形式化组织与管理，将其分为数据建模、数据存储和数据加载与更新3个部分。数字孪生数据建模是将非结构化的数据进行结构化描述，明确数据之间的相关关系。数据存储则是依据数据模型构建数据库或者数据表格，将数据进行统一管理。数据加载与更新是指将数据库内的数据完整映射至虚拟仿真模型的过程，且不同类型的数据有不同的映射方法。
2.1 数据建模
数字孪生系统的数据建模部分是利用UML类图建立了制造车间虚拟仿真数据模型。基于构建好的数据模型，可以将搜集到的数据分类生成并存储在Excel数据表格中，便于虚拟仿真过程数据的直接调用。
2.2 数据存储
现场的生产仿真数据具有种类多、数量大、多冗余和非结构化等特点，从生产性能仿真需求角度可以将其分为静态仿真数据和动态仿真数据，其中静态仿真数据是仿真运行前指定、仿真过程中不会发生变化的数据，如机器的故障率；动态仿真数据指在系统中随时间变化而改变的数据，如流动在制品数量。
由于设备故障率、工艺实际加工时间等类型的静态仿真数据无法直接通过现场数据获取，数字孪生系统的数据预处理主要分为以下4个步骤：①冗余数据去除：从繁杂的原始数据中去除仿真目标不相关的数据字段。例如现场完整的产量数据表单含有设备名称、日期、小时产量、资源数量、班次、人员等数据类型，其中，日期、班次、人员对统计分析小时产量没有影响，作为冗余数据提前去除。②异常数据分析：根据数据代表的实际含义，分析样本数据规律并判断是否有异常数据。③异常数据剔除：对样本数据中存在的异常数据进行剔除，可以采用启发式剔除规则和箱型图等方法。④统计与拟合：根据仿真需求对样本数据进行统计计算，如均值、方差等，或对样本数据进行拟合，得到合理的概率分布函数。为了尽可能地准确描述生产现场的状态，面向生产性能仿真的现场数据一般都需要进行数据拟合。
2.3 生产仿真数据的实时加载与更新
仿真数据加载与更新是指将现场真实生产数据融入到仿真模型中生产逻辑模型的过程。
（1）静态仿真数据加载
静态仿真数据在模型内部多作为控制参数使用，如设备故障率。在建模过程中，利用数据读写技术，可以完全实现静态仿真数据的即时调用，即在实现模型参数化的过程中己经实现了静态仿真数据的映射。如利用Plant Simulation建模时，可以将数据写入模型内部的Data Table对象，仿真过程中即时调用。
（2）动态仿真数据更新
动态仿真数据分为运输在制品、工艺在制品、转线在制品以及工位的初始加工状态，这些数据都是生产过程中实时变化的数据，仿真前，必须把现场实际数据反映到模型中，才能实现数字孪生仿真。
3. 数据驱动仿真
数字孪生仿真数据模型与前期己建立的生产逻辑模型和几何可视化模型实现融合后，随即驱动仿真的运行，并且可对生产过程中的性能参数进行动态分析。仿真分析产生的决策将指导现场生产，实现完整的反馈闭环。
产线生产性能数字孪生仿真数据映射流程从物理生产线出发，数据经采集、预处理、组织与管理等环节，映射到仿真模型，驱动仿真运行并产生指令，从而指导物理车间的生产，并优化生产性能。
