数字孪生概念、模型及其应用浅析

【编者按】 数字孪生是对实体对象或过程的数字化复制，能够实现贯通复杂产品设计、制造、维护等全生命周期业务过程的数字空间和物理空间信息的双向共享交互和全面追溯，在智慧军工、智慧院所建设中具有广阔的应用前景，应坚持“统筹规划、依托生态、阶段推进、持续发展”的思路来推进数字孪生的落地。

数字孪生概念、模型及其应用浅析

北京神舟航天软件技术有限公司  耿建光

前言

随着云计算、物联网、大数据等IT技术，以及人工智能、机器学习等智能技术的持续发展和深化应用，各行各业贯彻加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合。国防军工企业进入以智慧（或智能）为标志的数字化转型阶段。数字化转型将通过数字技术与工业技术的融合来推动产品设计、工艺、制造、测试、交付、运维全环节的产品研制创新，通过数字技术与管理技术的融合来推动计划、进度、经费、合同、人员、财务、资源、交付、服务和市场全链条的企业管理创新。数字孪生作为重要的支撑理论和技术得到更多关注与认可。

一、数字孪生概念及发展

数字孪生概念在发展历程中随着认识深化经历了三个主要阶段：

（一）数字样机概念

数字样机是数字孪生的最初形态。数字样机概念是对机械产品整机或者具有独立功能的子系统的数字化描述。通过这种描述反映产品对象的几何属性，以及产品的功能和性能特性。在产业实践中，数字样机首先在设计阶段被定义为数字化产品定义（digital product definition，DPD），通过DPD来表达产品的设计信息，构建表征物理客体的数字化模型，此时的DPD因限定于产品定义阶段，所以对物理客体的全生命周期信息表达不全面，尤其是制造阶段和服务阶段的定义表达与应用管理问题日益突出。

（二）狭义数字孪生概念

因DPD存在对产品全生命周期信息表述不全面的问题，Grieves教授于2003年提出数字孪生的概念。此时的数字孪生统称为狭义数字孪生，其定义对象就是产品及产品全生命周期的数字化表征。Grieves将数字孪生定位为一套从微观原子级到宏观几何级全面描述潜在生产或者实际制造产品的虚拟信息结构[1]。由此可以看出数字孪生的概念首次在定义对象中明确为产品，在定义内容方面，从产品的设计阶段扩展到产品全生命周期。通过数字样机的概念延伸和扩展，实现对物理产品全生命周期信息的数字化描述，并有效管控产品全生命周期的数据信息。

（三）广义数字孪生概念

广义数字孪生在定义对象方面进行了较大延伸，从产品扩展到产品之外的更广泛领域。文献[2]给出的定义：数字孪生是以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力。作为一种充分利用模型、数据、智能并集成多学科的技术，数字孪生面向产品全生命周期过程，发挥连接物理世界和信息世界的桥梁和纽带作用，提供更加实时、高效、智能的服务。Gartner在2018年和2019年十大战略科技发展趋势中将数字孪生作为重要技术之一，其对数字孪生描述为：数字孪生是现实世界实体或系统的数字化表现[3]。由此可见，数字孪生成为任何信息系统或数字化系统的总称。

二、数字孪生能力模型

当把数字孪生视为现实世界实体或系统的数字化表现时，更注重架构引领、模型驱动、数据驱动、虚实融合要求。为此，从过程演化角度建立数字孪生的“定义、展现、交互、服务、进化”五维度能力模型（如图1所示）。其中，数据是整个能力模型的基础，五大能力围绕数据来发挥作用和效能。

图1  数字孪生的能力模型

（一）定义：软件的方式定义客体

定义是通过软件定义的方式将物理客体及其构成在数字空间实现客体属性、方法、行为等特性的数字化建模。构建程度可以是微观原子级，也可以是宏观几何级。数字孪生作为现实世界实体或系统的数字化表现，因人类社会尚有未发现的真理、未发明的技术、未掌握的知识技能，故对物理客体的认识本身始终是逐渐逼近真相的过程，因而数字孪生的构建能力是模型驱动的基础，是推动对客体认识的不断深入，不断定义的过程。

（二）展现：多维度的客体可视化

展现能力指利用文字、图形、图像以及特定展现格式呈现物理客体的组成及特性。数字孪生的展现能力要求对数字空间中定义的客体的动态和静态内容进行展示。静态内容包括客体属性、方法、行为相关数据及其关联，动态内容是根据客体可视化需要动态、快速、准确展示实时或准实时的可变信息，最终实现高逼真、高精度、高动态的信息展现，为更科学认知物理客体提供手段。

（三）交互：与物理客体的紧密融合

交互能力是数字孪生有别于传统信息化系统和数字应用的关键特性。数字孪生通过多种传感设备或终端实现与物理世界的动态交互，因为具有了动态交互能力才将物理世界与数字世界连接为整体，从而导致数字孪生可以实时、准确获取物理客体的信息，数字孪生依据定义模型和客体信息进行实时计算与分析，并将分析结果反馈给物理客体，为物理客体的执行提供信息参考，或为相应人员提供决策支持，从而可更准确、及时、客观把握客体状态并进一步增强与物理客体的耦合时效。

（四）服务：为物理客体增值赋能

服务能力是数字孪生对物理客体赋能的体现，在传统物理客体基础上，因为具有了数字孪生的支持，可以具备传统客体不具备的新的特性和能力，导致物理客体自身伴随数字孪生发生实质性变化。数字孪生利用先进的大数据分析和人工智能等技术，获得超出现有认知的新的信息，为人类认知客体提供更直观详实的佐证和依据，为人类再设计再优化客体提供支持，推动物理实体的改进和提升。同时，物理客体通过配备内置传感、物联及控制器件，实现对数字孪生中计算、分析的结果传递和信息的接收，使客体在数字感知、反馈、分析、自主决策水平方面得以提升。

（五）进化：基于数据的迭代优化

进化能力指可以随着客体的发展存亡，在广度和深度维度实现对物理客体详尽描述和记录，广度上的进化指可全面记录客体全生命周期内的状态、行为、过程等静态或动态信息，具备无限量信息接纳能力；深度上的进化指可随时复现客体任一时刻的状态，并可根据认知机理和规则推演或仿真未来时刻的“假设”场景，并预判其状态。另外，数字孪生具备自学习、自适应能力，可以对自身的各种能力实现迭代和优化。

三、数字孪生关键应用技术

数字孪生目前在学术和应用领域依然处于发展阶段，不仅缺乏系统性的数字孪生理论/技术支撑和应用准则指导，同时也存在数字孪生应用中比较优势不明、产品生命周期各阶段应用不全等问题，这些都有待进一步研究和实践。在智慧企业应用要求下，数字孪生涉及到以下关键应用技术。

（一）支撑系统的软件架构技术

数字孪生作为物理世界的数字化表现，具备对物理世界建模、管理、演进的相关要求。在数字孪生支撑系统的实现方面，软件架构是构建数字孪生支撑系统的基础。数字孪生首先要选择满足能力要求的软件架构。软件架构技术先后经历单体架构、C/S软件架构、B/S软件架构、SOA软件架构以及微服务架构等。在架构选择方面需综合考虑数字孪生系统在数据、集成、安全以及技术异构方面的复杂性，选择开放性好、兼容性强的微服务架构，基于最新的云原生技术、大数据技术、AI技术构建系统整体框架，并结合最新、活跃的开源社区成果，结合数字孪生应用针对性建设相应的数字孪生软件架构及其相关架构技术选型，为数字孪生支撑系统奠定持续发展的技术基础。

（二）全集数据管理及安全技术

数据的管理能力是数字孪生正确发挥作用的关键。提供可有效管理物理实体的全集数据的技术和机制是数字孪生的基础。全集数据管理技术包括数据采集、数据识别、数据融合和数据技术状态、数据安全等方面。在采集融合方面数字孪生需要将来自互联网、物联网、智联网等多种网络渠道的产品数据、运营数据、机器数据、价值链数据和其它外部数据等多源数据进行管理和辨识；在数据融合方面，需要将企业的各类数据进行精细化管理，如结构化、半结构化、非结构化数据的提取和同步技术，尤其是非结构化数据的提取和同步处理；在技术状态方面，当各类数据间存在较强一致性要求时（例如工业企业要求的严格的技术状态约束要求），维护数据间的关联及变化，保障数据的一致性是确保数据价值的重要要求；在安全方面，除日常的数据安全之外，当涉及业务、商业或者竞争需要而必须考虑数据权属要求时，数据的隐私和安全成为全集数据管理重要的应用技术。

（三）动态建模及模型驱动技术

模型是数字孪生实现模型驱动的关键。来自物理世界的不同客体对应不同的模型，这就导致数字建模需要具备适应类型多样、属性多样、关系多样的客观现实。数字孪生需要具备通用的、普适的建模及模型管理机制。建模与模型管理技术首先要对各种复杂对象、属性、关系的表达技术，满足静态以及随需的、动态的建模需要（如关系、属性的动态定义、计算属性等），以适应不同客体的定义需要；其次，需要具备模型的接入和适配技术，即不同的客体数据可以通过自动化或半自动化方式连接到数字孪生的定义模型中（如通过ETL工具或者定制的数据适配器），从而建立起模型驱动的业务模式。另外，异构模型互操作技术也是数字孪生所需的关键技术，尤其是在工程领域的场景下，产品MCAD模型、ECAD模型以及仿真分析模型之间的互操作技术就是影响领域专业数据管理和融合的重要技术。

（四）高效计算与靶向服务技术

为更好服务于物理客体的业务或商业目标，需要保证数字孪生可以准确、随需向物理实体提供被动或主动反馈。这就要求数字孪生使用快速高效的数据分析计算技术和精准服务技术。其中，数据分析技术包括分析场景与分析画像定义、基于画像的快速数据处理。数字孪生可以结合实际的业务类型、环境等要素快速识别、获取并定义场景，快速完成场景画像，建立获取专业服务的关键输入；其次再根据识别后的场景快速组织所需的各类数据，依据对应的领域模型，提供快速分析计算服务，并得到计算结果。目前在数据分析技术方面以外购数据采集、计算、存储、加工能力来进行数据处理分析的做法只是为数字孪生提供技术支撑能力，未来只有充分和业务强关联、强融合，建立结合业务的业务模型，从而通过数据和模型来驱动业务才可以进一步体现数据驱动、模型驱动的业务理念和价值。精准服务技术方面需要持续的知识自动化和智能化技术，要求不同业务环节不断进行知识积累和沉淀，将各类专业技术、专业技能、专业流程和专业服务数字化、结构化、软件化，继而实现针对业务环节的精准筛选和推介；最后，精准靶向还需要面向不同客体提供个性化智能服务技术，数字孪生可以根据客体不同（如人、设备和系统），将反馈结果推送到客体本身或指定中间环节（中间环节再计算或再处理），最终再形成满足客体需要的个性化服务。

（五）虚实融合的沉浸式体验技术

数字孪生强调体验技术，在体验方面除传统数字化系统常用的GUI、图表式、CAD/CAE模型及其他可视化展示方式之外，数字孪生将充分结合虚拟现实（VR）、增强现实（AR）和混合现实（MR）等多种感知技术，通过多模式多渠道体验来实现人们与数字世界的高效连接。如多声道体验将在这些多模式设备中动用所有人类感官以及先进的计算机器官（如热量、湿度和雷达）[3]。这种多体验环境将创造一种环境体验，真正向“环境就是计算机”的方向逐渐演化。尤其是感知和交互模型的组合将带来未来对物理客体的更全面的沉浸式体验，推动对物理客体的认知发展和提升，实现从考虑个人设备和分散的用户界面（UI）技术逐步向多模式多渠道的综合体验转变。

四、数字孪生的典型应用

数字孪生的应用，将为传统应用系统带来新的活力，为目前正在进行的智慧军工、智慧院所建设提供新的建设思路和建设模式支持。数字孪生在以下方面将带来成效。

（一）支撑工程产品研制业务全贯通

数字孪生在工业领域作为支持产品研发、设计、制造、营销和服务的支撑理论和技术，得到众多跨国企业的探索实践。如在设计领域，达索公司建立基于数字孪生的3D体验平台。在生产制造领域，西门子形成基于模型的虚拟企业和基于自动化技术的企业镜像，支持企业进行涵盖其整个价值链的整合及数字化转型[2]。随着工业企业数字孪生技术在工程产品研发领域的应用，将在现有工程研制条件下，利用平台化措施，建立起连接现有应用和数据的虚拟空间，在虚拟数字空间中，建立与产品需求分析、概念设计、详细设计、工艺设计、仿真分析、生产制造、试验验证、产品交付和运维保障相适应的业务模型，实现单一数据源驱动下的研制模式，改变传统“抛过墙”研发分工带来的数据割裂等诸多问题，实现产品模型驱动下的产品全生命周期协同创新。

（二）助力企业工程和管理的融合创新

通过建立企业级数字孪生，将来自工程产品和经营管理领域的数据在统一的标准规范下进行管理，企业生产经营活动中涉及到的人、财、物、环境等要素均通过动态建模手段实现建模，并根据产品研制、经营管理业务需要建立相应的业务模型，通过模型与数据的关联，构筑起模型驱动的新型企业流转模式。当数字孪生支撑系统感知到工程或管理活动的任何变化时均会根据建立的模型及其关系快速定位受影响环节，并及时完成消息传递，从而触发相关联的业务环节执行业务活动。这种工作方式动态建立并维护了产品研发和经营管理业务需要的动态业务时序，形成数据和消息驱动的工作新模式，改变了传统模式下以任务（或流程）驱动的工作方式，有力支撑工程和管理的融合和再创新，有助于丰富多样的企业级应用创新和繁荣。

（三）催生更多高水平的智能化应用

目前，智慧企业[4]、智慧政府[5]、智慧院所[6]、智慧城市[7]等各类智慧应用正在得到重视并推进，这些智慧应用均可视为相应的企业、政府、院所、城市对应的组织数字孪生（DTO），城市数字孪生应用。通过数字孪生建立“数字空间”，数字空间作为“大脑”指导物理空间，物理空间与数字空间高度融合，形成端到端的数据归集、汇聚和流动机制，建立贯穿各业务环节的、连续的、稳定的信息流，构建具备深度感知、万物互联、智慧决策、精准控制特性的全新应用形态。未来，随着企业数字资产的不断积累，利用知识自动化、专业分析算法等技术，快速洞察业务运行的内在规律，并通过机器学习等手段，实现自主学习和模型的自我进化，提升基于数据的主动服务水平和层次，推动应用从数字化、自动化向智能化迈进。逐步构建起人性化、体验化的，数据与模型驱动的沉浸式应用形态和氛围，推动智慧研发、智慧生产、智慧管理和智慧服务为代表的更丰富多彩的智能产业实践。

五、数字孪生的落地策略

数字孪生技术在国防军工领域的智慧军工、智慧院所应用过程中，建议坚持“统筹规划、依托生态、阶段推进、持续发展”的思路来推进数字孪生的落地。在战略层面，要制定明确的数字孪生的应用战略和目标，制定可行的工作要求和工作成效，从全组织层面统筹规划、搭建整体架构，合理进行技术选型；在执行层面，数字孪生作为一项广为关注的新技术不仅需要高性能高可用的应用架构技术、大数据、人工智能、边缘计算、物联网等广泛的支撑技术，更需要对业务深刻理解的深厚业务技能，因此，建设力量选择方面必须依托生态力量来共同完成，充分发挥生态体系下各专业力量的优势和效能；在建设步骤方面，数字孪生在数字化转型建设的总体规划指导下，需按阶段推动建设内容，分阶段保证建设成效的及时兑付，真正发挥IT、OT技术对业务转型升级的支撑效果，建议从推动既有数字资产集成与利用、基于数字孪生的平台建设，以及基于平台策略的数字智能应用三个阶段分批安排建设阶段和内容。另外，数字孪生在理论研究和应用探索方面仍需学术界和产业界持续推动，这注定数字孪生的应用将是长期持续的过程，要选择适应长期、可持续建设要求的技术、建设模式和运作模式，最终建立起符合数字孪生技术要求的组织数字孪生、工厂数字孪生，支撑现代化软件研发和服务，支撑企业数字化转型发展。

参考文献：

[1]戴晟， 赵罡， 于勇， 王伟， 数字化产品定义发展趋势：从样机到孪生[J]， 计算机辅助设计与图形学学报， 2018,8:1554-1558.

[2]陶飞， 刘蔚然等， 数字孪生及其应用探索[J]， 计算集成制造系统， 2018,1:1-18.

[3]2019年改变未来的十大战略性技术趋势[EB/OL]， http://www.sohu.com/a/283516895_120070819,2018.

[4]叶秀敏， 基于“工业4.0” 的智慧企业特征分析[J]， 北京工业大学学报（社会科学版） ， 2015,1:15-20.

[5]张锐昕， 电子政府概念的演进：从虚拟政府到智慧政府[J]， 上海行政学院学报， 2016,6:4-13.

[6]宋大晓， 韩龙宝， 智慧型军工科研院所：由概念走向现实[J]， 国防科技工业， 2015,2:55-56.

[7]马方， 闫俊武， “智慧城市” 与城市经济[J]， 经济师， 2017,3:66-67.

本文刊登于《网信军民融合》杂志2019年2月刊

声明：本文来自网信军民融合，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。