从PLM到Digital Twin：系统级建模技术演进与产业落地
数字孪生（Diqital Twin）是一种先进的建模技术，它通过创建一个物理实体的虚拟复 制品，以实时模拟、预测和优化实体的行为和性能。这个虚拟模型会同步收集和分析来自其物理对应物的数据，从而提供关于其运行状况、性能和潜在问题的实时反馈。数字孪生的使用可以跨越各种行业，包括制造业、航空航天、医疗保健和农业，使得企业能更有效地管理和优化其运营。
数字孪生结构图
资料来源：资产信息网 千际投行 头豹研究院
典型特征
（1）互操作性：数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，因此数字孪生具备以多样的数字模型映射物理实体的能力，具有能够在不同数字模型之间转换、合并和建立“表达”的等同性。
（2）可扩展性：数字孪生技术具备集成、添加和替换数字模型的能力，能够针对多尺度、多物理、多层级的模型内容进行扩展。
（3）实时性：数字孪生技术要求数字化，即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包括外观、状态、属性、内在机理，形成物理实体实时状态的数字虚体映射。
（4）保真性：数字孪生的保真性指描述数字虚体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真，在状态、相态和时态上也要仿真。值得一提的是在不同的数字孪生场景下，同一数字虚体的仿真程度可能不同。例如工况场景中可能只要求描述虚体的物理性质，并不需要关注化学结构细节。
（5）闭环性：数字孪生中的数字虚体，用于描述物理实体的可视化模型和内在机理，以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数，实现决策功能，即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性。
发展背景
2003年前后，美国密歇根大学 Michael Grieves 教授提出了一种称为”PLM 概念理想”用于现实产品生命周期管理的概念模型，并随后在他的文章中定义为”信息镜像模型”。这个概念虽然没有称作数字孪生，但是它具备了数字孪生的组成和功能，为数字孪生的提出打开了思想的闸门。
图PLM 概念理想
尽管如此，在该设想中数字孪生的基本思想已经有所体现，即在虚拟空间构建的数字模型与物理实体交互映射，忠实地描述物理实体全生命周期的运行轨迹。
直到2010年，数字孪生一词在NASA 的技术报告中被正式提出，并被定义为“集成了多物理量、多尺度、多概率的系统或飞行器仿真过程”。2011 年，美国空军探索了数字孪生在飞行器健康管理中的应用，并详细探讨了实施数字孪生的技术挑战。2012年，美国国家航空航天局与美国空军联合发表了关于数字孪生的论文，指出数字孪生是驱动未来飞行器发展的关键技术之一。在接下来的几年中，越来越多的研究将数字孪生应用于航空航天领域，包括机身设计与维修，飞行器能力评估，飞行器故障预测等。
近年来，数字孪生得到越来越广泛地传播。同时，得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生的实施已逐渐成为可能。现阶段，除了航空航天领域，数字孪生还被应用于电力、船舶、城市管理、农业、建筑、制造、石油天然气、健康医疗、环境保护等行业。特别是在智能制造领域，数字孪生被认为是一种实现制造信息世界与物理世界交互融合的有效手段。
现状
随着全球开始走上复苏之路，许多国家预计将实施数字孪生技术作为经济活动的一部分。数字孪生有助于建立预测模型，并在发布物理原型之前帮助检验成功。疫情加速了在制造业以外的多个领域(包括医疗保健、房地产、电信和零售)应用数字孪生技术，从而推动了市场的发展潜力。
通过结合人工智能、物联网和云计算等最新技术安装数字李生技术，预计将进一步推动市场增长。许多公司正在部署A1和I0T技术来收集和解释现有I0T设备和连接产品的行为数据，这些数据随后可以应用到数字孪生模型中，以复 制现有设备的使用和性能。这有助于产品工程师和设计师观察产品性能，识别任何问题，并预测常见问题的未来迭代。这些技术的部署还有助于组织提高操作和系统生产力，从而改善整体产品性能。
许多公司正在关注部署数字孪生解决方案，以优化他们的供应链和运营流程，从而恢复疫情引起的经济破坏。例如，像Microsoft Azure和Google Cloud这样的云公司正在专注于为行业玩家推出各种基于云的数字孪生解决方案，以实现易于访问和定制解决方案。例如，在2022年1月，GoogleCloud推出了一款供应链数字孪生，旨在为分销商和制造商提供前所未有的供应链运营视图。这样的创新解决方案以及对自动化的日益增长的需求预计将在预测期内触发对数字李生平台的需求。
根据信通院数据，数字孪生市场增长潜力大，具备广阔的发展空间。2022年全球数字孪生市场规模达到77亿美元，同比，增长57.1%，2020—2022年CAGR为57.6%。预计未来全球数字孪生市场仍保持高增速，2025年市场规模达到305亿美元，2022—2025年CAGR为35.7%。
资料来源：资产信息网 千际投行 信通院 艾瑞咨询
2022年中国数字孪生市场规模为104亿元，同比增长35.0%，2020—2022年CAGR为65.4%。随着各行业数字化转型的推 进，数字孪生渗透率也将上升，推动国内未来数字孪生市场规模增长，预计2025年国内市场规模将达375亿元，2022—2025年CAGR为54.3%。
资料来源：资产信息网 千际投行 信通院 艾瑞咨询
然而，云计算和物联网技术的增加部署也带来了安全和数据隐私威胁以及网络攻击的风险增加。基于云的数字孪生需要在线存储资产信息，从而导致安全和隐私问题。此外，专业人才的缺乏使得组织更难有效地开发和执行网络安全策略。因此，许多中小企业仍然对大量投资先进技术持谨慎态度，这预计会对数字孪生市场的增长构成挑战。
应用
数字孪生（Digital Twin）技术正被广泛地应用于工业制造、工程建设、智慧城市、汽车驾驶、政府机构、医学分析及文旅创意等诸多领域。数字孪生是一种“能将物理世界和数字世界打通实现虚实融合的复合技术，未来它的发展潜力巨大。
数字孪生具有将虚拟空间和物理实体紧密融合的特点，在5G技术下，数字孪生将更容易落地。
在工业领域，数字孪生的使用将大幅推动产品在设计、生产、维护及维修等环节的变革。通过数字孪生技术，不仅能够对工厂设备进行监测，实现故障预判和及时维修，还可以实现远程操控、远程维修，极大降低运营成本，提高安全性。
在医疗领域，个人的健康监测与管理通过数字孪生可以更清楚地了解身体的变化，对疾病做出及时预警。未来可通过各种新型医疗检测和扫描仪器以及可穿戴设备，完美地复 制出一个数字化身体。通过追踪这个数字化身体的运动与变化，来更好地进行健康监测和管理。
在智慧城市领域，无人机群将为城市提供基于图像扫描的城市数字模型，使街道、社区、娱乐、商业等各功能模块都可拥有数字模型，便于人类对城市智慧化管理。
技术发展
数字孪生的技术实现依赖于诸多新技术的发展和高度集成以及跨学科知识的综合应用，不仅是一个复杂的、协同的系统工程，涉及的关键技术方法还包括建模、大数据分析、机器学习、模拟仿真等。
资料来源：公开资料，艾瑞咨询研究院自主研究及绘制
举例而言，如果把数字孪生的构建比作“数字人”的创造，则其核心的建模过程相当于骨架的搭建过程：采集数据、开展数据治理和大数据分析，相当于生成人的肌肉组织；而数据在物理世界和赛博空间之间的双向流动正如人体的血液，所提供的动能使数字机体不断成长，对物理世界对象的映射更趋精准；模拟仿真使“数字人”具备智慧，从而使通过赛博空间高效率、低成本优化物理实体成为可能。
数字孪生技术体系
资料来源：资产信息网 千际投行 头豹研究院
（1）数字孪生建模技术经历了从实物的“组件组装”式建模到复杂实体的多维深度融合建模的发展。
建模是数字孪生落地应用的引擎。以前，数字孪生建模一般是通过将不同领域的独立模型“组装”成更大的模型来实现。产品、设备等实物通过“组装”建模可以达到较好的效果，但复杂实体的建模往往是跨领域、跨类型、跨尺度，涉及多个维度，通过单一维度的“组件组装”，建效果欠佳。
多维深度融合建模技术的逐渐成熟，支撑更复杂的实体组织或数字城市的孪生模型构建。多维度建模技术的引入，通过融合不同粒度的属性、行为、特征等“多空间尺度”，以及刻画物理对象随时间推进的演化过程、实时动态运行过程、外部环境与干扰影响等“多时间尺度”模型，使数字孪生模型能够同时反映建模对象在微观和宏观层面上的特征。
（2）深度学习、强化学习等新兴机器学习技术的发展使得大数据分析能力显著提升，这种分析能力是构建面向实体的复杂数字孪生体的基础支撑。
当前，企业内部各部门数据统计口径不一、数据的自采率和实时性不高等问题普遍存在，制约了企业数字孪生刻画的准确度。随着深度学习、强化学习等新兴机器学习技术的引入，实现多维异构数据的深度特征提取，大大提高了数据分析效率，使得构建面向企业的复杂数字孪生体成为可能。
（3）模拟仿真技术从早期的有限元分析对物理场的仿真，发展到网络模型对复杂实体组织的仿真。
有限元分析主要关注某个专业领域，比如实物的应力或疲劳等，但物理现象往往都不是单独存在的，例如只要运动就会产生热，而热反过来又影响一些材料属性。这种物理系统的耦合就是多物理场，分析复杂度要比单独分析一个物理场大得多。而由于实体组织更加复杂，除了传统的物理特性外，还涉及复杂的业务因素，如工业制造企业需要面向人、机、料、法、环、财等多个要素，且须考虑多要素间的复杂关系，需要依靠分布式仿真、交互式仿真、智能Agent等网络模型不断进行迭代发展。
来源：数字孪生体实验室
