導語

為了全面了解數字孿生研究進展，本文梳理了數字孿生的基本概念，綜述了其在航空航天、產品、制造設備及制造車間等階段的應用進展，重點分析了數字孿生與物聯網、大數據、CPS之間的聯系與區別，最后指出了數字孿生在制造領域的發展趨勢。

關鍵詞: 數字孿生；物聯網；大數據；信息物理系統

作者簡介：郭亮（1985-），副教授，博士，研究方向為云制造，智能制造，gl＠swpu.edu.cn

隨著信息技術與通信技術的快速發展，歐美各國推出以“工業互聯網”和“工業4.0”為核心的制造業升級計劃，我國也在2015年提出了“中國制2025”發展戰略，并將智能制造作為“中國制造2025”的主攻方向[1-2]。

為解決制造業向智能制造發展的關鍵技術問題，例如通訊、計算、數據采集與分析等問題，學術界圍繞物聯網(Internetofthings，IoT)、大數據(Bigdata)和信息物理系統(Cyber physical systems，CPS)等相關技術領域開展了大量的研究工作。數字孿生也越來越多的被學者和工業企業所研究與運用[3-5]，數字孿生是物理實體的數字化描述，它的出現使得企業可以對物理實體進行全方位實時監測與控制。近年來數字孿生的概念和應用已經逐漸在智能設備和智能工廠中得到體現，同時Gartner公司也201年起連續三年將數字孿生技術列為十大戰略技術趨勢。本文中將圍繞數字孿生概念、研究進展進行詳細綜述，隨后將數字孿生與其緊密相關的物聯網、大數據、CPS技術進行對比分析，最后指出數字孿生技術在制造領域的研究與應用趨勢。

01數字孿生技術

1 數字孿生技術

1.1 數字孿生的背景

數字孿生最早可以追溯到2003年密歇根大學Michael Grieves教授的產品全生命周期管理(Product lifecycle management，PLM)課程中[5]，初期的數字孿生包含三個部分：真實空間?虛擬空間以及兩者的數據流連接，如圖1所示。

圖1 數字孿生的構成[5]

但當時并未將此概念稱為數字孿生，Michael Grieves在2003~2005年將這一概念模型稱為“鏡像空間模型”(Mirrored space dmodel)，在2006~2010年將其稱為“信息鏡像模型”(Information Mirroring model)[3-4]。2011年，Michael Grieves與美國宇航局JohnVickers合著的《幾乎完美：通過PLM推動創新和精益產品》一書中正式將其命名為數字孿生[6]。

美國宇航局為了解決飛行器開發過程中的潛在問題，開發了飛行器的硬件數字孿生體——“鐵鳥”（飛控液壓系統綜合實驗臺架）作為飛行器的物理模型。隨著模擬仿真技術的快速發展，美國宇航局對“鐵鳥”進行了全面的數字化，工程師可以利用虛擬模型對過去所發生的事件進行分析或在飛行器建造前進行必要的測試[7-9]。

1.2 數字孿生的定義

自John Vickers與Michael Grieves提出數字孿生以來，學術界從產品設計?制造到全生命周期管理等角度對數字孿生進行了定義，但由于制造系統涉及物理對象的多樣性，因此很難給出數字孿生的具體定義。對于不同的物理對象，例如工件?制造設備?工廠和員工，需要匹配不同的數字孿生模型，以配合特定的結構、功能需求和建模策略。表1展示了學術界與工業界對數字孿生的相關定義。

表1 學術／工業界對數字孿生的定義

02數字孿生技術國內外應用現狀

2 數字孿生技術國內外應用現狀

基于Web of Science數據庫統計發現，數字孿生的相關研究在近年呈現快速增長趨勢，如圖2所示。數字孿生的應用探索首先出現在航空航天領域，其重點是結構力學[10]、材料科學[14]和對飛行器的長時間性能預測[15]。隨著工業4.0、智能制造等研究的深入，數字孿生的應用探索逐漸向產品、制造設備和制造車間轉移。

圖2 2013~2018年數字孿生文獻數量

表2總結了國內外學者從2011年至今數字孿生在飛行器、產品、制造設備和制造車間的相關研究情況。陶飛團隊將數字孿生劃分三個階段[16]，從2003年Grieves提出數字孿生的模糊概念開始到2011年是數字孿生的形成階段；從2012年NASA給出數字孿生的定義到2014年第一份數字孿生白皮書正式發表是數字孿生的孵化階段；2014年至今是數字孿生的發展階段。

表2 國內外數字孿生研究情況

2.1 數字孿生在飛行器中的應用

2011年美國空軍實驗室的EricJ.Tuegel等[10]利用超高保真的飛機數字孿生模型，根據飛行條件將飛機結構變形和溫度變化結合，在虛擬模型中模擬對飛機結構造成的局部損傷和組織變化，以保證飛機結構的完整性并對飛機結構進行壽命預測。

Hochhalter等[17]和Tuegel等[18]分別采用數字孿生與感官粒子技術（Sensory particles technology）結合和基于數字孿生的機體分析，實現了飛行器的實時檢測與維護，降低了飛行器的維護成本。Chen zhao Li等[19]利用動態貝氏網絡，開發出基于飛機的數字孿生模型，建立了一種通用的診斷和預測概率方法。

孿生模型通過收集每架飛機的制造與材料特性、任務歷史等來對飛機的健康狀況進行評估，并以飛機機翼疲勞裂紋擴展為例進行了分析。由于航空航天工業始終保持著相當高的自動化、數字化及仿真水平，因此數字孿生概念的產生和發展在過去很長一段時間都集中在航空航天領域，特別是利用數字孿生技術對飛行器進行故障預測和健康管理。但隨著美國、歐盟、中國、日韓等世界主要國家和地區紛紛開始進行以智能制造為核心的制造業升級，以及云計算、大數據、物聯網和傳感器等信息技術的快速發展，數字孿生技術的探索與研究逐漸向制造業深度推進。

2.2 數字孿生在產品制造中的應用

現今企業的生產模式逐漸由大批量制造向小批量、個性化制造轉變。實現個性化制造已成為智能制造的重要標志，而完成個性化制造的必要條件是實現制造產品的全面數字化。建立產品的數字孿生模型能夠減少產品在設計、生產過程中消耗的時間，滿足客戶定制的需要，并對產品進行全生命周期管理以提高對市場需求的反應速度。大多數產品在設計過程中由于設計者無法和客戶實現充分?快捷的溝通，設計者很難全方位考慮產品概念、美學以及主要功能的相互協調。陶飛等[20]提出了一種基于數字孿生的產品設計模式，其中包含概念設計?詳細設計和虛擬驗證，使產品設計?制造和服務更加高效、智能和可持續。Soderberg等[21]利用一種產品裝配過程的數字孿生模型，實現產品從規模生產到個性化生產的快速轉變。Jumyung Um等[22]研究了基于CPS的通用數字孿生模型。利用這一模型可以允許產品數據在產品模擬、生產和制造階段進行流通，以實現產品裝配和制造過程的可擴展與高度模塊化。

Schleich Benjamin等[23]提出了關于物理產品的數字孿生綜合參考模型，該綜合模型具備重要的模型屬性，如可伸縮性、互操作性、可擴展性和高保真度，并在產品設計與生產過程中能夠對模型進行組合?分解?轉換和評估。

產品數字孿生模型是在虛擬空間中對物理實體的實時映射，通過互聯網?物聯網獲取物理實體的實時數據[24]，以及產品全生命周期中產生的各種信息。這些數據與信息可以用來改進產品的設計和功能，同時產品數字孿生模型可以對復雜產品的裝配過程進行模擬，優化產品的設計參數。

2.3 數字孿生在制造設備中的應用

制造設備是生產加工過程的基本單元，對制造設備進行數字化、網絡化、智能化改造是發展智能制造的必經之路。目前能夠進行數字孿生改造的設備集中在數字化程度高?可以進行全自動或半自動加工的設備。DebRoyT等[25]探討了一種基于數字孿生的增材制造技術，數字孿生模型允許將材料的微觀結構變化、加熱和冷卻速率、凝固參數、殘余應力和變形等物理參數集成到一個可跟蹤的數值框架中，以減少部件的缺陷與實驗次數。CaiYi等[26]構建了一種數控機床的數字孿生模型，將制造數據和感官數據集成進孿生模型中，以提高物理機床的可靠性和加工能力。Bruno Scaglioni等[27]以Mandelli M5機床的數字孿生模型為研究點，探索了基于有限元分析的機床結構件柔度?切削過程模型?傳動鏈模型和控制系統模型。DaryaBotkina等[28]開發了切削刀具的數字孿生模型，通過收集刀具的數據信息來對刀具切削過程不斷進行優化。LuoWeichao等[29]設計了一種網絡化的機床狀態監測平臺。實現在移動設備上查看機床的三維模型和監控機床的實時狀態，同時利用增強現實技術為用戶提供機床加工過程的實時可視化。

目前基于數字孿生的制造設備研究主要是對現有的自動化設備進行數字孿生改造，從而使生產設備在故障預測和維護中比傳統自動化設備擁有更強的競爭力。傳統制造設備大多基于經驗，基于幾何?物理模型進行故障預測，但這些方法過于依賴經驗數據，對偶發性?不確定性事件響應率低，而基于數字孿生的設備可以通過幾何?物理?行為和規則建模來評估設備當前狀態。因此開發具有數字孿生功能的制造設備，對制造業產業升級實現智能制造具有巨大的推動作用。

2.4 數字孿生在制造車間中的應用

車間與生產線級的數字孿生系統已經得到實際的探索與研究。自動化流水線在生產過程中將產生大量的數據流，創建一個關于制造車間的數字孿生對不同來源的數據進行收集與分析，如物理尺寸?制造信息?操作數據和分析軟件的信息流等。如果運用得當，數字孿生模型可以非常精確地模擬實體制造及其運作方式。值得注意的是在某些復雜制造方案中單一產品的數字孿生模型并不適用，因此研究人員提出了過程數字孿生[30]這一概念，過程數字孿生是產品數字孿生的擴展和更高層次。過程數字孿生除包含單一產品外，還包括整個生產環境，并使用虛擬現實?人工智能和高性能計算機來優化制造設備和整個生產過程。

陶飛等[31-32]針對制造車間物理空間與虛擬空間的相互作用與融合，提出了數字孿生車間(DigitalTwinShopFloor，DTS)的概念，并將數字孿生車間分為實體車間?虛擬車間?車間服務系統和車間孿生數據四個部分，并提出了DTS的運行機制和實現方法。ZhangHao等[33]提出了一種基于數字孿生的中空玻璃生產線快速個性化設計方法，利用數字孿生模型融合系統模型和分布式實時過程數據，可以在生產前對系統進行權威的數字化設計。

由于成本或系統復雜性等問題，全自動數據采集系統或方法無法在中小制造企業中得到廣泛應用，但采集制造過程中的數據對數字孿生能否在制造企業中成功應用具有重要影響。中小企業由于在發展數字孿生方面的能力不足、發展優勢尚不明顯，導致中小企業進行數字孿生轉型升級積極性不足。

為此Thomas H J等[34]建立了以數字孿生為基礎的學習工廠，滿足中小企業對以數字孿生為基礎的易用?可擴展?面向服務的控制系統的學習需求。同時為將生產員工視為綜合控制系統的一部分，GraesslerIris等[35]開發出一種基于員工的數字孿生生產系統。除包含員工的技能與經驗外，還包括員工情緒?性格等個性化屬性，使系統具備更好的開放性和更高的舒適性。

03數字孿生與物聯網、大數據、CPS關系分析

3 數字孿生與物聯網、大數據、CPS關系分析

工業4.0是由物聯網?大數據和CPS等新一代信息技術推動的下一輪工業浪潮，數字孿生作為未來智能制造的戰略技術，能使企業具備實時洞察物理對象的能力。自數字孿生這一概念在航空航天工業正式提出和發展以來，數字孿生的概念隨著時間的推移在不斷的發生變化。一方面，有研究者認為數字孿生是仿真技術的下一代趨勢[36]。另一方面，有部分研究者則認為數字孿生代表了網絡物理系統（CPS）發展的必要條件[37]。本節在系統研究和調研的基礎上，探討了數字孿生與物聯網?大數據以及CPS之間的相互關系。

3.1 數字孿生與物聯網

近年來，隨著嵌入式傳感器?低功耗無線通信技術和高效信號處理技術的蓬勃發展[38-40]，物聯網技術得到了爆炸性的發展與壯大。在探討數字孿生與物聯網的相互關系時，可以發現在數字孿生的不同定義中都將數據連接作為數字孿生的核心要素之一。其原因是數字孿生虛擬模型需要實時更新物理實體的數字信息，處理后的信息也必須從虛擬模型傳輸到物理實體，以實現物理實體與虛擬模型的雙向實時映射。在數字孿生技術的基本應用中，實現虛擬模型與物理實體全方位同步是基本目標，在此基礎上數字孿生才能實現數據分析和產品/設備優化等更高層次的目標。由于物聯網技術具有識別?跟蹤設備與物理對象的能力，能夠提供設備的精確實時信息，降低通訊成本?簡化業務流程?提高信息準確性和效率[41-42]。因此基于現有的物聯網技術發展數字孿生將是一個十分便利途徑。

同時數字孿生虛擬模型需要實時更新物理實體的數字信息，由于虛擬模型對物理實體的行為做出分析與反饋的速度與信息流傳輸的速度密切相關，而物聯網技術可以為數字孿生提供實時全面的數據采集以及虛擬模型和物理實體之間的有效互聯互通。物聯網技術包含無線傳感器網絡?無線網狀網絡?無線局域網等多種異構網絡，這些連接網絡有利于提高數字孿生實體模型與虛擬模型間的通信能力?數據采集能力和數據存儲能力。因此物聯網技術是實現數字孿生的關鍵技術之一，圖3展示了數字孿生與物聯網之間的相互關系。此外，數字孿生技術還應集成人工智能、大數據分析和大數據可視化等技術，為設備操作者和設備供應商提供更具說明性和可靠性的實時監測與交互服務。

圖3 數字孿生與物聯網的內在聯系

3.2 數字孿生與大數據

根據國際數據公司（IDC）的報告，在2011年全世界創造和復制的數據量是1.8ZB(≈1021B)，并在過去五年中增漲了近9倍[43-44]。應該認識到大數據的重要性不僅在于數據量的巨大，而且在于數據中所蘊含的巨大價值。大數據起源于數據的指數級增長，而數字孿生則是為了滿足物理空間與虛擬空間之間的互聯互通。大數據與數字孿生產生的大背景是相同的，即新一代信息技術的應用和普及。國內北航陶飛團隊[45]將數字孿生與大數據的背景?概念?有益作用等進行了詳細的對比。大量結構化?半結構化和非結構化數據[46]可以通過大數據分析識別行為特征和模式，洞察行為趨勢?幫助用戶做出決策。

如圖4所示，數據也是數字孿生的重要組成部分，數字孿生在產品全生命周期的應用中，每一階段都需要物理實體與虛擬模型的持續互動和虛擬模型的迭代優化，而這一過程的媒介就是各種各樣的數據。在實際應用中，數字孿生與大數據對制造業產生的有益效果是高度重疊的，如提高生產?管理效率，預測產品?設備的故障風險及壽命預測等。

圖4 產品數字孿生需要收集?處理與分析的數據

大數據的數據融合是產品生命周期中單個階段各種數據的融合，設計者?制造者和維修人員不來自同一企業，因此某一階段的數據只能用于該階段。并且由于企業對自身利益和數據共享安全性的擔憂，使得大數據無法實現在產品全生命周期中數據的連續流動。而數字孿生則可以收集?記錄?積累和處理從產品設計到退役的所有數據，因此數字孿生不僅有利于產品的設計制造?使用和維修保養，也有助于下一代產品的開發[47]。數字孿生與大數據的差異在于，數字孿生能夠在虛擬世界中直觀地運行和驗證制造過程，在人機交互與產品全生命周期管理上比大數據更靈活更全面，而大數據在數據處理和分析上比數字孿生更專業、高效。

雖然大數據與數字孿生是兩種不同的應用技術，并各有其優點。但將大數據技術應用于孿生數據的處理和分析則可以實現大數據技術和數字孿生的優勢互補，共同促進數字孿生系統向智能化發展。因此本文將大數據技術作為實現數字孿生智能化的關鍵技術。

3.3 數字孿生與CPS

在探討數字孿生和CPS的關系時，有必要對CPS做一個簡短的概述。2006年美國國家科學基金會（National science foundation，NSF）正式提出CPS的概念，2008年Shankar Sastry[48]給出了一個復雜的CPS定義，CPS集成了計算?通信和存儲，可以監控和控制物理實體，同時必須可靠、安全、高效、實時。在制造領域，CPS是實現智能制造的關鍵技術，它與云計算?物聯網?大數據等技術有著密切關系。一個被學者所廣泛認同的觀點是，CPS主要包括兩個組成部分:

1）可靠的連接性，確保從物理世界獲得實時數據和從網絡空間獲得信息反饋；

2）以智能數據管理?分析和計算為核心的網絡空間。

CPS更加詳細的構成則包括：智能連接?數據分析?網絡連接?認知與決策?執行[49]。首先物理對象數據通過傳感器進行測量或從控制器和企業制造系統中直接獲取;數據分析將已獲得的數據轉化為可以理解和顯示的信息;網絡是CPS的信息中心，信息從單一信息匯聚成機器網絡；認知與決策幫助用戶利用已有的經驗和知識對結果做出正確的處理；最后通過執行層實現虛擬模型到物理實體的反饋并控制物理對象動作。

比較數字孿生與CPS的概念和定義時可以發現兩者都強調物理對象、虛擬系統數據以及物理對象與虛擬系統之間的互聯互通，最終目標都是對物理對象或過程進行優化。數字孿生更專注于物理實體與虛擬模型的實時映射，而CPS則是針對整個制造系統包括產品、設備和車間等的信息收集?處理和反饋控制。因此可以將數字孿生視為一種簡化的CPS系統，圖5展示了數字孿生與CPS的層級關系，即CPS的基本構成中包含了數字孿生是數字孿生的更高層次。

圖5 CPS的5C體系結構與數字孿生

數字孿生的發展需要經歷同步、數據分析、優化三個階段。

1）實現物理實體和虛擬模型的雙向實時映射是數字孿生的基本目標，這需要通過物聯網技術從設備主控系統和與設備直接相連的傳感器中獲取數據和傳遞數據；

2）獲取到物理實體和虛擬模型中的數據后，需要利用大數據處理方法來挖掘孿生數據的隱藏信息或分析物理對象的演變過程。尤其當數字孿生對象從單一設備跨越到整個生產車間或生產系統時，通過物聯網所獲取的數據將會是巨大和復雜的。因此利用大數據技術對孿生數據進行處理和分析將會得到更全面和更具價值的信息；

3）數字孿生對制造過程的優化，展現了CPS系統的部分目標：即構成一個綜合物理實體?網絡和計算的多維復雜系統，并對產品?設備和生產系統進行實時感知?動態控制與服務優化。

如圖6所示，物聯網即是實現數字孿生的關鍵技術也是實現CPS系統的關鍵技術，大數據作為一種數據處理和分析技術運用在數字孿生和CPS系統中，以實現更好的數據處理和分析，數字孿生則可以被視為是CPS系統的一部分。

圖6 數字孿生與物聯網、大數據和CPS系統的相互關系

04數字孿生發展趨勢

目前，數字孿生的研究與應用處于初級階段，在工業應用方面仍然存在許多研究挑戰，如建模技術?數據分析?信息安全和隱私保護等。數字孿生的發展離不開物聯網?大數據等新一代信息技術的支持，要實現數字孿生的高速發展，構建一個高效?健壯的數字孿生系統，應當將數字孿生與新一代信息技術進行融合。分析當前數字孿生的發展現狀，本文總結了數字孿生在技術層與應用層的發展趨勢。

4.1 數字孿生在技術層面發展趨勢

1）現有的建模與模擬技術無法兼容，也無法查看模型全生命周期的所有信息。目前缺乏一種專有格式將物理實體的工程數據與模型進行整合，因此怎樣構建一個涵蓋產品全生命周期管理、制造系統執行和車間運營管理的數字孿生模型將是一個重要的研究趨勢。

2）可以預見未來的孿生數據將具有多格式、高重復性和海量等特征，怎樣將大數據分析融入到數字孿生模型中，避免生產設備的實時數據對歷史數據的覆蓋，實現智能分析和預測。同時怎樣將不同部門，如機械設計?電氣設計?氣動結構和控制單元等不同結構的數據進行融合，實現基于孿生模型的虛擬調試將是另一個研究趨勢。

3）智能決策系統的構建也將是一個研究趨勢。數字孿生應當是一個可以不斷積累設計和制造知識的系統，這些知識可以重復使用和不斷改進。在虛擬模型與實際生產結果存在差異或物理實體與虛擬模型出現不同步時，決策系統需要根據已有的知識做出最優的反饋控制。

4）數字孿生系統的安全性也將是一個重要的研究趨勢。數字孿生擁有整個生產系統的所有核心數據，因此數字孿生系統或平臺極易被攻擊和竊取。典型的案例包括：2011年伊朗核設施遭到電腦病毒“震網”選擇性攻擊；2012年，Saudi Aramco石油和天然氣公司的3萬臺電腦被一種名為Shamon的惡意軟件感染和損壞[50]。因此，有必要認識到安全性不是數字孿生的一個附加功能，它必須從整個孿生系統設計階段就得到很好的開發與整合。

4.2 數字孿生在應用層面發展趨勢

1）在產品研發方向，如何利用數字孿生模型構建新型仿真系統，實現產品狀態信息與數字孿生模型同步更新，在產品開發過程中及時發現產品設計?生產的缺陷，實現產品設計優化；

2）在產品制造加工方向，如何構建工廠級別的設備集群數字孿生模型，實現產品全加工過程的實時監控、過程優化和遠程控制；

3）在產品運維方向，如何應用數字孿生實現產品運行維護，特別是機械系統的日常運行維護，比如電梯系統?汽車系統?大型裝備等；

4）同時應該注意到在許多制造企業，尤其是中小型制造企業并不具備完全數字化的能力，僅能對部分設備進行數字化，如智能倉庫或供應鏈管理。因此如何將數字孿生在弱數字化企業進行應用也將是一個重要的研究方向。