digitaltwin期刊

其实数字孪生并不算是完全的新技术，而是建模仿真技术在制造领域的新发展之一。与一般的建模仿真相比，数字孪生的模型是数字化、动态的，数字模型与其物理对象始终保持一致。

然而技术的发展历来逃不开一个重要命题，那就是能否创造实际价值。数字孪生作为对实体对象的动态仿真，其对于企业的价值创造也成为新晋热点。

数字孪生创造的商业价值是非常明确的，包括持续提升产品绩效、加快设计周期、发掘新的潜在收入来源，以及优化保修成本管理。

控制产品质量：数字孪生可以提升整体质量，预测并快速发现质量缺陷趋势，控制质量漏洞，判断何时会出现质量问题；

优化保修成本及客户体验：数字孪生能够了解当前设备配置，优化服务效率，判断保修与索赔问题，以降低总体保修成本，并改善客户体验；

减少运营成本：数字孪生则可以改善产品设计，有效实施工程变更，提升生产设备性能，减少操作与流程变化；

数据可追踪：数字孪生能够帮助创建数字档案，记录零部件与原材料编号，从而更有效地管理召回产品与质保申请，并进行强制追踪；

控制时间和总体成本：数字孪生将缩短新产品上市时间，降低新产品总体生产成本，有效识别交付周期较长的部件及其对供应链的影响；

提高效率，降低成本：对于收入增长机会来说，数字孪生则能够识别有待升级的产品，提升效率，降低成本，优化产品。

吴贝言学院：通信工程学院学号：20012100036【嵌牛导读】数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。【嵌牛鼻子】数字孪生，数字镜像，数字化映射，数字镜像模型【嵌牛提问】数字孪生的应用【嵌牛正文】数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在产品设计、产品制造、医学分析、工程建设等领域应用较多。目前在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。美国国防部最早提出利用Digital Twin技术，用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。数字孪生，有时候也用来指代将一个工厂的厂房及产线，在没有建造之前，就完成数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设。而工房和产线建成之后，在日常的运维中二者继续进行信息交互。值得注意的是：Digital Twin不是构型管理的工具，不是制成品的3D尺寸模型，不是制成品的MBD定义。[1]对于Digital Twin的极端需求，同时也将驱动着新材料开发，而所有可能影响到装备工作状态的异常，将被明确地进行考察、评估和监控。Digital Twin正是从内嵌的综合健康管理系统（IVHM）集成了传感器数据、历史维护数据，以及通过挖掘而产生的相关派生数据。通过对以上数据的整合，Digital Twin可以持续地预测装备或系统的健康状况、剩余使用寿命以及任务执行成功的概率，也可以预见关键安全事件的系统响应，通过与实体的系统响应进行对比，揭示装备研制中存在的未知问题。Digital Twin可能通过激活自愈的机制或者建议更改任务参数来减轻损害或进行系统的降级，从而提高寿命和任务执行成功的概率。从产品全生命周期管理、工程全生命周期管理、车间管控系统几个方面梳理目前数字孪生的应用场景如下：[2]最早，美国国家航空航天局使用数字孪生对空间飞行器进行仿真分析、检测和预测，辅助地面管控人员进行决策。[2]Michael Grieves 教授和西门子公司主要使用数字孪生进行产品数据的全生命周期管理。利用数字孪生对产品设计、产品功能、产品性能、加工工艺、维修维护等进行仿真分析。[2]以欧特克公司为代表的工程建设类软件供应商，将数字孪生技术应用于建筑、工厂、基础设施等建设领域，把建筑和基础设施看做产品进行全生命周期的管理。[2]北京航空航天大陶飞等人将数字孪生应用于车间的建设和管控，主要涉及基于数字孪生的产品设计、基于数字孪生的虚拟样机、基于数字孪生的车间快速设计、基于数字孪生的工艺规划、基于数字孪生的车间生产调度优化、基于数字孪生的生产物流精准配送、基于数字孪生的车间装备智能控制、基于数字孪生的车间人机交互、基于数字孪生的装配、基于数字孪生的测试/检测、基于数字孪生的制造能耗管理、基于数字孪生的产品质量分析与追溯、基于数字孪生的故障预测与健康管理、基于数字孪生的产品服务系统等。reference：baiduboxapp://swan/AZQtr4jkpf90T3X9QMWVLF1bkeV4LXxD/pages/lemma/lemma?lemmaTitle=%E6%95%B0%E5%AD%97%E5%AD%AA%E7%94%9F&lemmaId=22197545&fr=aladdin&_baiduboxapp=%7B%22from%22%3A%221081000900000000%22%2C%22ext%22%3A%7B%22tplname%22%3A%22bk_polysemy%22%2C%22srcid%22%3A1547%2C%22order%22%3A%221%22%2C%22token%22%3A%22swanubc%22%2C%22searchid%22%3A%2212054588898962432503%22%2C%22third_ext%22%3A%7B%22ivkSource%22%3A%22h5_schema%22%7D%2C%22searchQueryEnc%22%3A%22_u2Hfja42ijWuDWVFmOfKxBtrKjBbM-8C_new%22%7D%7D&callback=_bdbox_js_4476&oauthType=search&searchParams=%7B%22failUrl%22%3A%22https%3A%2F%

数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

数字孪生的进展

实现Digital Twin的许多关键技术都已经开发出来，比如多物理尺度和多物理量建模、结构化的健康管理、高性能计算等，但实现Digital Twin需要集成和融合这些跨领域、跨专业的多项技术，从而对装备的健康状况进行有效评估，这与单个技术发展的愿景有着显著的区别。

因此，可以设想Digital Twin这样一个极具颠覆的概念，在未来可以预见的时间内很难取得足够的成熟度，建立中间过程的里程碑目标就显得尤为必要。