30的企业将利用数字孪生提高25的收益钒铁

30%的企业将利用数字孪生提高25%的收益

数字孪生是德国工业4.0架构和美国工业互联参考架构的重要内容，是制造业数字化转型的关键技术。数字孪生是通过设计工具、仿真工具、虚拟现实等数字化技术，将物理世界的各种属性映射到数字世界中，形成实时同步、忠实映射、高保真度的数字镜像。据IDC预测，到2020年，30%的全球2000强企业将利用来自数字孪生的数据，提高产品创新能力和生产率，使企业收益提高25%。

1数字孪生是制造业数字化转型的关键技术

数字孪生构建虚实结合的数字空间。两化融合、互联+、工业互联都一直致力于弥合IT与OT之间的鸿沟，数字孪生恰好是IT与OT融合的桥梁。数字孪生由物理实体、数字孪生体以及他们之间的映射关系构成，物理实体是现实世界真实存在的实体，是数字孪生体的基础；数字孪生体是在数字空间中，利用大数据分析、数学、统计、图形、逻辑规则等不同方式进行仿真得到的模型。物理孪生体控制的“准确度”是由硬件电气控制所决定的和数字孪生体之间，通过实时通信和忠实映射，实现紧密结合。物理实体在现实世界的运行数据，同步传输到数字孪生体，数字孪生体利用这些数据实现对现实物理实体的模拟、分析和优化。

数字孪生催生 数据+机理 新型算法模型。数字孪生是实体和逻辑在数字空间全生命周期的动态复制体，其本质是对数据和逻辑的孪生，也可以说是对数据和机理的孪生。传统的算法模型大多是单独基于物理实体第一性原理构建的机理模型，或者基于大数据分析构建的数据驱动模型，两种算法模型之前存在割裂问题。在数字孪生体中，机理模型与数字驱动模型之间，实时交互，融合统一，催生出 数据+机理 新型算法模型，为解决工业机理模型建模难问题，提供了新的系统性方法和技术。

数字孪生推动工业软件迈向高端化。数字孪生以工业微服务的形式出现，数字孪生API不仅仅是将物理实体的运行数据进行简单别的1种或许的办法是在首次全部页面搜集后采集联，而且还嵌入了基于专业领域的知识和生产管理经验的诊断、预测、决策模型，进而输出企业工艺优化方案和运行管理决策的解决方案。工业软件通过直接调用一个或多个数字孪生API，可以直接获取物理实体全生命周期的运行诊断、预测和决策信息，提高工业软件开发、测试、部署的效率，实现基于数字孪生的高端化创新应用。

2数字孪生在工业领域的应用场景

边缘云：基于数字孪生开展面向设备的全状态健康管理。在边缘侧，面向设备数字孪生应用的时间最早，可以追溯到CAX仿真时期，发展较为成熟。通过对人、机、料、法、环等生产要素的数字化、模型化、代码化，构建物理实体设备的数字孪生模型，实现对设备的全状态健康管理。

在设备状态检测方面，通过对物理设备的几何形状、功能、历史运行数据、实时监测数据（如轴承振动、转轴转速、定子电流、功率等）进行数字孪生建模，改变了传统的实体设备运行的 黑箱 状态，实时监测设备的各部件的运行情况。例如，通用电气拥有3万个数字孪生的喷气发动机，可实时获取发动机的运行状态、维修配件供应情况，以及飞行的环境温度、灰尘条件等环境数据，为发动机安全运行提供保障。

在远程故障诊断方面，数字孪生体将实体设备的历史故障与维修数据、实时工况数据，与故障诊断知识库（通常包括故障类型、现象、原因、相关要素、恢复应对措施）相连，利用机器学习技术和知识图谱技术分析数字孪生体的情况，实现实体设备的故障检测、判断、定位与恢复。例如，美国空军在数字空间建立了战斗机的三维模型，每次飞行任务结束后，都会通过对数字孪生体进行远程分析，评估飞机结构的可靠性状况，以便远程诊断实体飞机部件是否存在故障。

在预测性维护方面，售后维护人员通过数字孪生体实时收集产品的各项内在性能参数，绘制工作状态与设计性能之间的关系曲线，分析各项性能偏差，提前预判产品零部件的损坏时间，主动、及时和提前提供维护服务，可避免设备非计划停机带来(5)不断扩大对外开放的损失。例如，Konecranes起重机公司利用数字孪生技术，结合客户的生产计划，在客户的计划停工时间对设备进行预测性维修，使设备失效水平降低10%，既降低了客户非计划停机带来的损失，又给公司增加了12%的维护服务收入。

私有云：基于数字孪生开展面向企业内部的全流程业务优化。在企业私有云，通过对企业研发、生产、管理等各环节的业务流程数字化、模型化、代码化，建立在数字空间的映射，对企业整个生态进行管理。

在精益研发方面，数字孪生可以在虚拟空间研发设计复杂多样的个性化产品，在没有生产实际产品的情况下，客户就可以模拟体验产品内外部结构及功能性能，开发者则可验证产品在真实环境中的性能。数字孪生还可提供沉浸式和差异化的购买体验来实现与顾客的互动。例如，达索公司建立了基于数字孪生的3D体验平台，将工程数据转换为真正沉浸式的产品体验和虚拟应用，使宝马、特斯拉的汽车用户获得模拟体验并感受汽车外观和内饰，通过用户反馈，形成闭环反馈系统以不断改进产品的设计模型，进而达到对物理实体的改进提升。

在智能生产方面，在新产品实际投入生产之前，利用数字孪生预先对生产计划排程、订单管理、质量管理、物料管理和设备管理进行建模测试，找出最优方案，可帮助企业缩短新产品导入周期，提高产品交付速度。例如，意大利玛莎拉蒂设计的Ghibli跑车，通过对虚拟的数字孪生体进行设计和测试，缩短了30%的新款车型设计开发时间，将跑车上市的时间缩短了16个月。

在精益管理方面，通过对企业管理各要素（人、机、料、流程、标准、制度）和各环节（开发、质量、物流、销售、售后）的数字孪生，一方面可以将生产现场数据实时传输给管理者，辅助管理者及时准确地决策，避免出现管理与生产两张皮、管理滞后于生产的问题。另一方面，通过分析数字孪生体，还可发现不合理和低效的管理流程，从而加以改善和优化，提高组织管理效率。例如，英国石油公司BP Amoco利用数字孪生APEX系统基于每口油井的流态和压力数据，结合物理学的水力模型，实时模拟原油采集和流动情况，通过将模型与实际数据配对，模拟分析作业的影响因素，向工程师展示如何调整流速、压力以及其他参数，实现持续优化生产。APEX将过去需要24小时才能完成的系统优化过程缩短到20分钟，2018年APEX使BP的基准产量每天增加了19000桶。

公有云：基于数字孪生开展面向产业链的全环节数字化管理。在公有云上，通过对整个产业链上下游、产业各要素的生产制造全过程、全生命周期的数字孪生，实现产业链全环节的数字化管理。

在络化协同方面，创建供应链流程和供应链上所中铝将带来其与吉祥汽车联合开发的混合动力车型的全铝车身亮相展会现场有企业相关业务信息的镜像，可以实时监控执行情况，识别具有差异或结构故障的低效运行的供应链流程，提出针对具体企业及整个供应链物理资源和人力资源的最佳利用方案，提高运行效率，实现产业价值链的增值。例如，轴承制造商SKF构建了全球供应链络的数字孪生模型，员工通过分析实时同步的、可视化的供应链运行情况，就可协调全球供应商的生产规模和运营计划，实现供应链的全球化协同。

在个性化定制方面，数字孪生可以优化整段定制旅程，提升用户体验。在营销、研发、生产阶段，数字孪生能够构建数字孪生人、数字孪生产品和数字孪生工厂，实现基于用户画像的个性化精准营销、基于虚拟产品体验的定制设计、基于预先虚拟生产的快速排产，从而发现目标客户、提高用户参与度和满意度，缩短生产时间，降低定制成本。例如，西门子根据顾客的体重、挥杆姿势、力量等个体元素，利用数字孪生量身定制了卡拉威高尔夫球杆，在虚拟环境中完成研发和预生产，球杆定制成本没有增加，上市周期从年缩短为个月，广受市场好评。

在服务化延伸方面，制造商售出实物产品时保留产品研发团队对产品数字孪生体的权限，研发团队可通过远程操控数字孪生体向实物产品写入新的功能，获取数据并提供服务。数字孪生使产品本身与产品服务之间的界限变得模糊，催生了按产品运营效果付费、按授权服务付费、按软件服务付费、按咨询服务付费，以及按物联金融付费等新的商业模式。例如，农业机械制造商约翰迪尔公司利用数字孪生技术，通过分析挖掘农业机械收集的设备状态数据以及气象、土壤、种子等数据，帮助农场主作出了科学的农耕决策，从出售产品变为出售全套的农耕服务。

3

建议和举措

夯实产业基础，突破数字孪生与工业互联平台融合的关键共性技术。集中优势资源，引导和支持龙头企业、科研院所、高校开展联合攻关。

一是在边缘层，开展对自动控制、智能传感、机器视觉、边缘计算，以及多源异构传感器协同测量和异构数据协议转换等关键基础技术攻关。

二是在Paas层，重点突破 数据+机理 建模、类脑计算建模、人工神经络、知识计算引擎与知识服务和大数据分析等核心技术。

三是在工业APP层，促进自然语言处理技术、虚拟现实、增强现实、群体智能技术和多维多尺度模型集成等技术在工业互联中的应用研究与探索。

聚焦示范应用，培育设备级、企业级、产业链级数字孪生应用新模式。

一是基于边缘云培育设备级数字孪生应用新模式，以示范应用为切入点，推动数字孪生在设备状态监测、远程故障诊断、预测性维护领域的试点示范。

二是基于私有云培育企业级数字孪生应用新模式，推动数字孪生在企业研发、生产、管理领域的示范应用，打造一批企业级应用解决方案和典型应用案例。

三是基于公有云培育产业链级数字孪生应用新模式，推动试点示范由特定设备、特定企业发力转向产业链全环节突破，加快推动数字孪生在络化协同、个性化定制、服务化延伸领域的落地推广和商业模式探索。

优化发展环境，构建工业数字空间治理新体系。

一是明确工业数据权属，划分企业内部数据和社会开放数据边界，促进数据的合理运用，保障数据安全。建立健全工业数据有序流动监管机制，完善相关法律法规，深入落实工业数据分级分类管理，防范数据安全风险。

二是完善工业数据管理体系。推动工业企业数据管理过程规范化，完善工业数据全生命周期内治理所需的机制、工具、流程、管理和评价规则，持续提升数据管理能力，不断提高数据质量。

三是强化工业数据安全防护，打造工业互联安全监测预警和防护处置平台，加强安全防护和监测处置技术手段建设，提升隐患排查、攻击发现、应急处置和攻击溯源等能力。

作者：徐 靖 硕士，管理科学与工程专业，供职于赛迪智库信软所工业互联研究室，长期致力于工业互联、信息化与工业化融合的科研工作，在工业互联、数字孪生、智能制造积累了丰富的实践经验。