數字孿生是德國工業4.0架構和美國工業互聯網參考架構的重要內容，是制造業數字化轉型的關鍵技術。數字孿生是通過設計工具、仿真工具、虛擬現實等數字化技術，將物理世界的各種屬性映射到數字世界中，形成實時同步、忠實映射、高保真度的數字鏡像。據IDC預測，到2020年，30%的全球2000強企業將利用來自數字孿生的數據，提高產品創新能力和生產率，使企業收益提高25%。

1 數字孿生是制造業數字化轉型的關鍵技術

數字孿生構建虛實結合的數字空間。兩化融合、互聯網+、工業互聯網都一直致力于彌合IT與OT之間的鴻溝，數字孿生恰好是IT與OT融合的橋梁。數字孿生由物理實體、數字孿生體以及他們之間的映射關系構成，物理實體是現實世界真實存在的實體，是數字孿生體的基礎；數字孿生體是在數字空間中，利用大數據分析、數學、統計、圖形、邏輯規則等不同方式進行仿真得到的模型。物理孿生體和數字孿生體之間，通過實時通信和忠實映射，實現緊密結合。物理實體在現實世界的運行數據，同步傳輸到數字孿生體，數字孿生體利用這些數據實現對現實物理實體的模擬、分析和優化。

數字孿生催生“數據+機理”新型算法模型。數字孿生是實體和邏輯在數字空間全生命周期的動態復制體，其本質是對數據和邏輯的孿生，也可以說是對數據和機理的孿生。傳統的算法模型大多是單獨基于物理實體第一性原理構建的機理模型，或者基于大數據分析構建的數據驅動模型，兩種算法模型之前存在割裂問題。在數字孿生體中，機理模型與數字驅動模型之間，實時交互，融合統一，催生出“數據+機理”新型算法模型，為解決工業機理模型建模難問題，提供了新的系統性方法和技術。

數字孿生推動工業軟件邁向高端化。數字孿生以工業微服務的形式出現，數字孿生API不僅僅是將物理實體的運行數據進行簡單采集聯網，而且還嵌入了基于專業領域的知識和生產管理經驗的診斷、預測、決策模型，進而輸出企業工藝優化方案和運行管理決策的解決方案。工業軟件通過直接調用一個或多個數字孿生API，可以直接獲取物理實體全生命周期的運行診斷、預測和決策信息，提高工業軟件開發、測試、部署的效率，實現基于數字孿生的高端化創新應用。

2 數字孿生在工業領域的應用場景

邊緣云：基于數字孿生開展面向設備的全狀態健康管理。在邊緣側，面向設備數字孿生應用的時間最早，可以追溯到CAX仿真時期，發展較為成熟。通過對人、機、料、法、環等生產要素的數字化、模型化、代碼化，構建物理實體設備的數字孿生模型，實現對設備的全狀態健康管理。

在設備狀態檢測方面，通過對物理設備的幾何形狀、功能、歷史運行數據、實時監測數據（如軸承振動、轉軸轉速、定子電流、功率等）進行數字孿生建模，改變了傳統的實體設備運行的“黑箱”狀態，實時監測設備的各部件的運行情況。例如，通用電氣擁有3萬個數字孿生的噴氣發動機，可實時獲取發動機的運行狀態、維修配件供應情況，以及飛行的環境溫度、灰塵條件等環境數據，為發動機安全運行提供保障。

在遠程故障診斷方面，數字孿生體將實體設備的歷史故障與維修數據、實時工況數據，與故障診斷知識庫（通常包括故障類型、現象、原因、相關要素、恢復應對措施）相連，利用機器學習技術和知識圖譜技術分析數字孿生體的情況，實現實體設備的故障檢測、判斷、定位與恢復。例如，美國空軍在數字空間建立了戰斗機的三維模型，每次飛行任務結束后，都會通過對數字孿生體進行遠程分析，評估飛機結構的可靠性狀況，以便遠程診斷實體飛機部件是否存在故障。

在預測性維護方面，售后維護人員通過數字孿生體實時收集產品的各項內在性能參數，繪制工作狀態與設計性能之間的關系曲線，分析各項性能偏差，提前預判產品零部件的損壞時間，主動、及時和提前提供維護服務，可避免設備非計劃停機帶來的損失。例如，Konecranes起重機公司利用數字孿生技術，結合客戶的生產計劃，在客戶的計劃停工時間對設備進行預測性維修，使設備失效水平降低10%，既降低了客戶非計劃停機帶來的損失，又給公司增加了12%的維護服務收入。

私有云：基于數字孿生開展面向企業內部的全流程業務優化。在企業私有云，通過對企業研發、生產、管理等各環節的業務流程數字化、模型化、代碼化，建立在數字空間的映射，對企業整個生態進行管理。

在精益研發方面，數字孿生可以在虛擬空間研發設計復雜多樣的個性化產品，在沒有生產實際產品的情況下，客戶就可以模擬體驗產品內外部結構及功能性能，開發者則可驗證產品在真實環境中的性能。數字孿生還可提供沉浸式和差異化的購買體驗來實現與顧客的互動。例如，達索公司建立了基于數字孿生的3D體驗平臺，將工程數據轉換為真正沉浸式的產品體驗和虛擬應用，使寶馬、特斯拉的汽車用戶獲得模擬體驗并感受汽車外觀和內飾，通過用戶反饋，形成閉環反饋系統以不斷改進產品的設計模型，進而達到對物理實體的改進提升。

在智能生產方面，在新產品實際投入生產之前，利用數字孿生預先對生產計劃排程、訂單管理、質量管理、物料管理和設備管理進行建模測試，找出最優方案，可幫助企業縮短新產品導入周期，提高產品交付速度。例如，意大利瑪莎拉蒂設計的Ghibli跑車，通過對虛擬的數字孿生體進行設計和測試，縮短了30%的新款車型設計開發時間，將跑車上市的時間縮短了16個月。

在精益管理方面，通過對企業管理各要素（人、機、料、流程、標準、制度）和各環節（開發、質量、物流、銷售、售后）的數字孿生，一方面可以將生產現場數據實時傳輸給管理者，輔助管理者及時準確地決策，避免出現管理與生產兩張皮、管理滯后于生產的問題。另一方面，通過分析數字孿生體，還可發現不合理和低效的管理流程，從而加以改善和優化，提高組織管理效率。例如，英國石油公司BP Amoco利用數字孿生APEX系統基于每口油井的流態和壓力數據，結合物理學的水力模型，實時模擬原油采集和流動情況，通過將模型與實際數據配對，模擬分析作業的影響因素，向工程師展示如何調整流速、壓力以及其他參數，實現持續優化生產。APEX將過去需要24小時才能完成的系統優化過程縮短到20分鐘，2018年APEX使BP的基準產量每天增加了19000桶。

公有云：基于數字孿生開展面向產業鏈的全環節數字化管理。在公有云上，通過對整個產業鏈上下游、產業各要素的生產制造全過程、全生命周期的數字孿生，實現產業鏈全環節的數字化管理。

在網絡化協同方面，創建供應鏈流程和供應鏈上所有企業相關業務信息的鏡像，可以實時監控執行情況，識別具有差異或結構故障的低效運行的供應鏈流程，提出針對具體企業及整個供應鏈物理資源和人力資源的最佳利用方案，提高運行效率，實現產業價值鏈的增值。例如，軸承制造商SKF構建了全球供應鏈網絡的數字孿生模型，員工通過分析實時同步的、可視化的供應鏈運行情況，就可協調全球供應商的生產規模和運營計劃，實現供應鏈的全球化協同。

在個性化定制方面，數字孿生可以優化整段定制旅程，提升用戶體驗。在營銷、研發、生產階段，數字孿生能夠構建數字孿生人、數字孿生產品和數字孿生工廠，實現基于用戶畫像的個性化精準營銷、基于虛擬產品體驗的定制設計、基于預先虛擬生產的快速排產，從而發現目標客戶、提高用戶參與度和滿意度，縮短生產時間，降低定制成本。例如，西門子根據顧客的體重、揮桿姿勢、力量等個體元素，利用數字孿生量身定制了卡拉威高爾夫球桿，在虛擬環境中完成研發和預生產，球桿定制成本沒有增加，上市周期從2-3年縮短為10-16個月，廣受市場好評。

在服務化延伸方面，制造商售出實物產品時保留產品研發團隊對產品數字孿生體的編輯權限，研發團隊可通過遠程操控數字孿生體向實物產品寫入新的功能，獲取數據并提供服務。數字孿生使產品本身與產品服務之間的界限變得模糊，催生了按產品運營效果付費、按授權服務付費、按軟件服務付費、按咨詢服務付費，以及按物聯網金融付費等新的商業模式。例如，農業機械制造商約翰迪爾公司利用數字孿生技術，通過分析挖掘農業機械收集的設備狀態數據以及氣象、土壤、種子等數據，幫助農場主作出了科學的農耕決策，從出售產品變為出售全套的農耕服務。

3

建議和舉措

夯實產業基礎，突破數字孿生與工業互聯網平臺融合的關鍵共性技術。集中優勢資源，引導和支持龍頭企業、科研院所、高校開展聯合攻關。

一是在邊緣層，開展對自動控制、智能傳感、機器視覺、邊緣計算，以及多源異構傳感器協同測量和異構數據協議轉換等關鍵基礎技術攻關。

二是在Paas層，重點突破“數據+機理”建模、類腦計算建模、人工神經網絡、知識計算引擎與知識服務和大數據分析等核心技術。

三是在工業APP層，促進自然語言處理技術、虛擬現實、增強現實、群體智能技術和多維多尺度模型集成等技術在工業互聯網中的應用研究與探索。

聚焦示范應用，培育設備級、企業級、產業鏈級數字孿生應用新模式。

一是基于邊緣云培育設備級數字孿生應用新模式，以示范應用為切入點，推動數字孿生在設備狀態監測、遠程故障診斷、預測性維護領域的試點示范。

二是基于私有云培育企業級數字孿生應用新模式，推動數字孿生在企業研發、生產、管理領域的示范應用，打造一批企業級應用解決方案和典型應用案例。

三是基于公有云培育產業鏈級數字孿生應用新模式，推動試點示范由特定設備、特定企業發力轉向產業鏈全環節突破，加快推動數字孿生在網絡化協同、個性化定制、服務化延伸領域的落地推廣和商業模式探索。

優化發展環境，構建工業數字空間治理新體系。

一是明確工業數據權屬，劃分企業內部數據和社會開放數據邊界，促進數據的合理運用，保障數據安全。建立健全工業數據有序流動監管機制，完善相關法律法規，深入落實工業數據分級分類管理，防范數據安全風險。

二是完善工業數據管理體系。推動工業企業數據管理過程規范化，完善工業數據全生命周期內治理所需的機制、工具、流程、管理和評價規則，持續提升數據管理能力，不斷提高數據質量。

三是強化工業數據安全防護，打造工業互聯網安全監測預警和防護處置平臺，加強安全防護和監測處置技術手段建設，提升隱患排查、攻擊發現、應急處置和攻擊溯源等能力。

❒ 作者：徐 靖  碩士，管理科學與工程專業，供職于賽迪智庫信軟所工業互聯網研究室，長期致力于工業互聯網、信息化與工業化融合的科研工作，在工業互聯網、數字孿生、智能制造積累了豐富的實踐經驗。