數字孿生概念起源于產品全生命周期管理（PLM），由美國密歇根大學教授邁克爾·格里夫斯于2002年提出。數字孿生應用最早發(fā)生于航空航天領域，其中，美國國家航空航天局和美國空軍實驗室是第一批數字孿生應用企業(yè)。近年來，數字孿生應用已從航空航天領域向工業(yè)各領域全面拓展，西門子、通用電氣等工業(yè)巨頭紛紛打造數字孿生解決方案，并賦能工業(yè)企業(yè)。據IDC預測，到2022年，70%的制造商將使用數字孿生技術進行流程仿真和場景評估?？梢?，未來數字孿生技術有望持續(xù)在工業(yè)界發(fā)揮作用，加快推動工業(yè)企業(yè)實現數字化轉型。
工業(yè)數字孿生技術體系
工業(yè)數字孿生技術不是近期誕生的一項新技術，它是一系列數字化技術的集成融合和創(chuàng)新應用，技術體系涵蓋了感知控制、數據集成、建模分析、人機交互四大領域和基礎技術、核心技術兩大類型。一方面，基礎技術是構建數字孿生數據閉環(huán)的支撐保障，涵蓋面向感知控制領域的傳感技術和控制技術，面向數據集成領域的產品數據集成（PLM）和業(yè)務數據集成（BPM）技術，面向建模分析領域的物理建模、數據建模、業(yè)務建模技術，以及面向人機交互領域的AR/VR技術。另一方面，核心技術是數字孿生應用創(chuàng)新的動力引擎，集中在數據集成和建模分析兩個領域，涵蓋數字線程、模型融合、模型修正、管理殼技術。
數字孿生基礎技術發(fā)展趨勢
傳感技術向微型化和集成化發(fā)展，支撐數字孿生更深入地獲取物理對象數據。一是傳感器向微型化發(fā)展，能夠被集成到智能產品中，實現更深層次的數據感知。二是多類傳感能力集成至單個傳感模塊，支撐實現更豐富的數據感知獲取。多傳感器融合技術基于多數據融合分析提升決策水平。
物理建模工具創(chuàng)新應用，提升數字孿生模型構建效率。一是基于AI的創(chuàng)成式設計工具提升增量產品的幾何設計效率。二是基于三維掃描建模工具實現存量產品的自動化幾何建模。三是仿真工具通過融入無網格劃分功能縮短仿真時長。
傳統(tǒng)統(tǒng)計分析疊加人工智能技術，強化數字孿生預測建模能力。一是基于深度學習、強化學習等新興機器學習技術，建立深度分析模型，提高分析效率。二是基于知識圖譜構建全產業(yè)鏈、全領域的巨模型，大大拓展模型關聯范圍。三是基于遷移學習理論，提升模型通用性，不需要針對同領域、同類型、不同問題的對象多次建模。
虛擬現實技術發(fā)展帶來全新人機交互模式，提升數字孿生可視化效果。新興AR/VR技術具備三維可視化效果，正加快與幾何設計、仿真模擬融合，有望持續(xù)提升數字孿生應用效果。在“AR﹢CAD”“AR﹢三維掃面建?！薄癆R﹢仿真”等領域，目前都實現了應用落地。
數字孿生核心技術發(fā)展趨勢
數字線程技術拓展數字孿生數據集成范圍和深度。一是數字線程技術從基于PLM/ BPM的局部互聯向基于工業(yè)互聯網平臺的全面互聯演進。傳統(tǒng)PLM僅聚焦提供面向產品的數據集成能力，BPM聚焦提供商業(yè)數據集成能力，而借助IoT平臺的跨領域數據集成能力，能夠構建包含產品全生命周期、全業(yè)務流程的數字線程。如PTC利用ThingWorx平臺使creo（CAD）、windchill（PLM）、Vuforia（AR）以及其他多個軟件系統(tǒng)實現實時數據同步，構建全流程的數字線程。二是數字線程技術由單一領域向機械、軟件、電子多領域集成發(fā)展。傳統(tǒng)PLM僅管理機械領域數據，ALM管理IT軟件領域數據，EDA管理電子電控領域數據，而數字線程技術實現面向機械、軟件、電子等多領域數據深度集成。如西門子Xcelerator綜合集成了產品全生命周期管理（PLM）、電子設計自動化（EDA）、應用生命周期管理（ALM）、制造運營管理（MOM）、嵌入式軟件和物聯網（IoT）。
跨領域、跨尺度、跨類型模型融合技術支撐復雜孿生模型構建。一是多物理、多學科跨領域模型融合技術構建更全面、更完整的孿生模型。如ANSYS Simplorer提供多物理場建模仿真解決方案，能夠外部輸出復雜模型融合的數字孿生構建服務。貝加萊MapleSim Connector多學科聯合仿真統(tǒng)一不同領域仿真工具接口，構建系統(tǒng)級數字孿生應用。二是以降階模型技術為代表的跨類型模型融合技術，有效實現仿真模型和數據模型的互操作，極大縮短仿真求解時間。如ANSYS利用深度學習算法進行10次CFD仿真，獲得整個工作范圍內的流場分布降階模型，原先16個核的工作站需要計算2小時，現在筆記本電腦只需計算3秒鐘，極大縮短仿真模擬時間。三是多尺度建模技術通過建模工具融合不同時間、空間尺度的模型，使孿生模型能夠融合微觀和宏觀的多方面機理。如西門子自動駕駛汽車產品PAVE，集成了從芯片設計到軟硬件系統(tǒng)、整車模型以及交通流量等不同領域和尺度下的模型，形成不同尺度孿生模型融合能力。
模型修正技術不斷提升數字孿生模型精度?；趯嶋H運行數據持續(xù)修正模型參數，是保證數字孿生高精度的關鍵手段，目前數據科學和仿真模型均具備相應的模型動態(tài)調整技術。一是在線機器學習基于實時數據持續(xù)驅動數據模型完善，能夠有效對模型進行動態(tài)修正。如流行的Tensorflow、Scikitlearn等AI工具中都嵌入了在線機器學習模塊，基于實時數據動態(tài)更新模型。二是有限元仿真模型修正技術能夠基于試驗或者實測數據對原始有限元模型進行修正。如達索、ANSYS、MathWorks等領先廠商的有限元仿真工具中，均具備了有限元模型修正的接口或者模塊，支持用戶基于試驗數據對模型進行修正。
管理殼技術為數字孿生提供模塊化的管理框架。管理殼技術為數字孿生提供了一套數據互聯、信息互通、模型互操作的管理框架，為數字孿生提供從單元到系統(tǒng)的靈活組合能力。一是具備數據集成功能，實現不同設備、不同業(yè)務系統(tǒng)數據格式的統(tǒng)一。二是具備模型管理及融合功能，有效管理幾何模型、數據模型、仿真模型、業(yè)務模型等不同類型模型，支持模型間無縫互操作。三是具備標識解析功能，每個管理殼都有唯一標識，不同管理殼間能夠相互識別，進而實現管理殼間模型靈活抽取。四是具備工業(yè)通信功能、統(tǒng)一網絡協議，實現高效的數據共享。未來，管理殼技術有望通過疊加AI技術提升多智能體技術工程化應用，為數字孿生提供更智能的協同管理。
工業(yè)數字孿生前景展望
工業(yè)數字孿生是多類數字化技術的集成融合，其中工業(yè)仿真和新一代信息技術的融合應用是數字孿生發(fā)展的關鍵。工業(yè)數字孿生是復雜的系統(tǒng)工程，目前僅有少數工業(yè)巨頭能夠獨自構建數字孿生解決方案，大多數企業(yè)需要通過能力互補合作共同提供數字孿生服務。統(tǒng)一數據與模型的標準是數字孿生創(chuàng)新發(fā)展面臨的最重要挑戰(zhàn)，管理殼有望成為關鍵解決方案。平臺是數據集成、模型融合的關鍵載體，將成為數字孿生發(fā)展的重要基礎設施。
