制造业数字孪生的系统分类：DT-MAT框架及其应用分析
摘要及关键词
摘要
数字孪生（DTs）通过将物理制造系统与数字系统相连接，革新了现代制造业。然而，由于数字孪生的定义缺乏统一共识且其应用领域尚未形成一致理解，其全部潜力难以充分释放，研究与应用间的协同效应亦难以识别。本文旨在通过开发一种面向制造领域数字孪生应用的分类体系以弥合此差距，从而促进对数字孪生应用的比较研究。采用元分析方法识别制造领域数字孪生应用的共性维度，并基于此构建名为“数字孪生-制造应用分类体系（DT-MAT）”的框架。该体系从制造系统层级（工厂、设备、工艺层级）、应用目的（分析、监控与控制、预测）及模型类型（黑箱、灰箱、白箱模型）三个维度对数字孪生应用进行区分。随后，通过对现有文献中数字孪生制造应用案例的综述验证该分类体系的适用性。研究结果梳理了数字孪生在制造业应用的最新进展，并提出了未来研究方向。
关键词
数字孪生；制造；分类体系；应用；文献综述
1.引言
数字孪生是物理实体的虚拟映射，通过双向实时数据交换实现系统分析、监控与预测，是 cyber-physical 生产系统（CPPS）的核心。早期研究聚焦框架构建，近年应用研究激增，但分类异质性导致比较困难。本文旨在开发标准化分类法，通过元分析提取关键维度，结构化文献 review 验证其有效性，为制造业数字孪生应用提供统一分析框架。
2.数字孪生及其分类
数字孪生起源于航空航天领域，后延伸至制造业，核心是物理与虚拟空间的双向集成。Kritzinger 等提出数字模型、数字影子与数字孪生的层级划分，强调数据集成度差异；Tao 等进一步扩展为五维框架（物理、虚拟、连接、数据、服务），突出数据与服务维度在制造中的应用。
图1 基于集成度的数字模型、数字影子与数字孪生区分
图2 数字孪生五维模型
文献中分类维度包括工程领域、集成度、时间维度、技术特征、应用目的、应用层级和模型设计等。例如，Enders 等按工业领域分类，Fuller 等区分数字模型与数字孪生的集成度，Hu 等关注生命周期阶段。但制造业需聚焦特定维度，排除跨行业无关因素。
基于文献综述，现有分类主要围绕七个维度展开：
工程领域：区分航空航天、能源等跨行业应用；
集成水平：按数据流自动化程度分为数字模型、数字影子、数字孪生；
时间属性：涵盖生命周期阶段（设计、制造、运维）及创建时序；
技术特征：包括硬件架构、通信协议等技术实现要素；
应用目标：聚焦监控、预测、优化等核心功能；
应用层级：从组件级到系统级的多粒度划分；
模型设计：涉及模型精度、抽象程度与维护策略。
现有分类的异质性凸显了构建统一体系的必要性。
3.分类维度的选择
在构建分类体系时，通过筛选与制造业强相关的维度，排除跨行业工程领域（如航空航天）、集成水平差异、时间属性（如生命周期阶段）及技术实现细节（如通信协议）最终保留三个核心维度，三者共同刻画数字孪生在制造业的应用本质特征。
3.1 功能目标：
3.2 系统层级：
匹配制造业分层管理结构（工厂级全局优化、设备级性能控制、工艺级参数调整）；
3.3 模型类型：
决定DT的底层逻辑（白箱模型依赖物理方程、黑箱模型基于数据驱动、灰箱模型融合二者优势）。
4.制造业数字孪生
分类体系（DT-MAT）
图6 数字孪生 — 制造应用分类法（DT-MAT）
5.分类体系适用性评估
功能分布：88.6%含监控功能，61.4%含预测功能，23.6%含分析功能；
层级覆盖：设备级应用最多（43.6%），工厂级（40%）与工艺级（29.3%）次之；
模型采用：白箱模型主导（56.4%），灰箱（27.9%）与黑箱（15.7%）逐步增长。
结果表明DT-MAT能有效分类现有应用，并揭示研究热点与盲区（如跨层级集成不足）。
6.讨论
系统文献综述验证了 DT-MAT 分类法对制造业数字孪生（DT）应用的适用性。
结果显示，监控与控制是最常见功能，机器级应用最多，白盒模型占主导。灰盒与黑盒模型随 AI 发展增长，跨层级集成因通信等问题不足。DT-MAT 存在结构僵化等局限，未来需加强分析功能、通信技术及模型创新研究。
7.未来研究方向
功能整合深化：强化历史数据分析与实时监控/预测的协同，通过数据融合提升DT动态响应能力；
通信技术突破：研发兼顾低时延、高带宽与经济性的工业通信方案（如5G增强版），解决OT/IT融合中的协议冲突与成本矛盾；
混合模型优化：拓展灰箱与黑箱模型在设备/工艺级的应用，替代传统白箱模型以降低计算复杂度，同时探索AI驱动的自适应建模方法；
智能技术融合：集成大语言模型（LLM）与生成式AI，简化DT设计流程，增强人机交互自然性与系统自主决策能力；
模型选择方法论：开发基于应用场景、复杂度与资源约束的模型选择框架，并纳入模型韧性评估指标；
可解释性增强：针对安全关键场景，构建黑箱/灰箱模型的解释层，通过输出逻辑可视化提升用户信任度；
分类体系扩展：验证DT-MAT在物流、产品开发等跨领域应用的适配性，推动数字孪生技术的标准化与跨行业知识迁移。
8.总结
本文提出制造业数字孪生（DT）三维分类体系DT-MAT，其核心维度包括：应用目的（分析、监控与控制、预测）、系统层级（工厂、设备、工艺）及模型类型（白箱、黑箱、灰箱），并以双向实时通信为技术基础。
DT-MAT 为制造业数字孪生应用提供了结构化分类框架，通过三个核心维度实现标准化比较与分析。当前应用以机器级监控、白盒模型为主，未来需在分析功能、跨层级集成与智能模型领域重点突破。该分类法可作为后续研究的基础，助力识别技术缺口与发展趋势。
