基于數據驅動的數字孿生技術研究現狀與展望

郭磊，張紅旗，程五四，陳亮希，查珊珊

基于數據驅動的數字孿生技術研究現狀與展望

郭磊1,2，張紅旗1,2，程五四1,2，陳亮希1,2，查珊珊1,2

（1.中國電子科技集團公司第三十八研究所，安徽 合肥 230088； 2.安徽省技術標準創新基地（智能設計與制造 智慧院所 軍民融合），安徽 合肥 230088）

通過構建物理實體的高保真虛擬模型，采集傳感器數據驅動虛擬對象與物理實體同步運動，數字孿生技術實現了物理世界和信息世界的深度融合和互聯互通，對推動制造業數字化、網絡化、智能化轉型具有重要意義。本文結合前期對數字孿生的研究與應用，概述了數字孿生的內涵，分析歸納了數字孿生技術服務方向和各行業應用現狀；總結了其在制造業領域的市場需求和不同細分市場的特點、痛點以及解決方案；并提出了數字孿生技術的發展策略，為推動數字孿生技術在各領域應用提供參考。

物理對象；高保真；傳感器數據；虛擬對象；數字孿生

隨著物聯網技術、先進控制技術、人工智能技術的不斷成熟，智能制造成為了工業發展的主流趨勢。智能制造強調的是物理世界和信息世界的融合[1-2]。數字孿生（Digital Twin，DT）技術的出現，為實現物理世界和信息世界的融合并指導生產提供了有效的解決方案[3-4]。通過搭建整合制造流程的數字孿生生產系統，能實現從產品設計、生產計劃到制造執行的全過程數字化，將產品創新、制造效率和有效性水平提升至一個新的高度[5-9]。

數字孿生概念由Griever教授[10]于2003年在PLM（Product Lifecycle Management）課程上提出。2010年，美空軍和美國航空航天局聯合提出了飛行器數字孿生[11-12]，并通過技術攻關，應用于飛行器狀態監控、故障診斷、健康管理及預測性維護等方面。洛克希德·馬丁[13-15]采用數字孿生技術，對F35生產過程進行實時監測，優化了工藝流程，保證了生產質量，提高了生產效率及決策時間；同時構建了F-35戰斗機的數字孿生系統，用于跟蹤在役飛行器結構狀態以及預測性維護。之后數字孿生技術得到了工業界的廣泛關注和研究應用，西門子、達索、ANSYS等公司紛紛開展數字孿生的工程應用，并提供完善的工業軟件解決方案。全球最具權威的IT研究與顧問咨詢公司Gartner連續三年（2017～2019年）將數字孿生列為當年十大戰略科技發展趨勢之一[16-18]。

近年來，受金融危機、新冠肺炎疫情等的影響，歐美等發達國家實施“再工業化”戰略，重塑制造業競爭新優勢，并紛紛布局智能制造領域，智能制造已成為新一代科技革命的和產業競爭的關鍵因素。而為了進一步推動實體經濟的數字化轉型升級，大力發展智能制造，《中國智能制造“十三五”規劃》明確指出，數字化建設需要在制造業轉型升級中發揮積極作用，高端智能制造需在制造業領域占據更大份額，伴隨著技術的逐漸完善，應用產業的不斷拓展，相關市場規模將持續增長。2015年，我國發布《中國制造2025》規劃，全面推進智能制造發展戰略，加快人機智能交互、工業機器人、智能物流管理等技術和裝備在生產過程中的應用，促進制造工藝的仿真優化、數字化控制、狀態信息實時監測和自適應控制。另外，德國“工業4.0”和美國工業互聯等都提出先進制造發展戰略，其目標之一就是借力新一代信息技術，提升數字技術應用覆蓋范圍，實現制造的物理世界和信息世界的互聯互通與智能化操作，進而實現智能制造。因此，基于數據驅動的數字孿生技術將成為智能制造發展的核心技術之一。

本文結合前期對數字孿生的研究與應用，對數字孿生技術的產業及市場現狀進行了分析與歸納，為中國制造業數字化轉型升級提供了有力的參考。

1 數字孿生技術內涵

數字孿生技術通過構建物理對象的虛擬鏡像，利用傳感器數據驅動物理對象與虛擬對象同步運行，實現在數字空間內對物理對象的狀態監控、分析預測、逆時復現等過程。隨著傳感器技術、大數據、物聯網、邊緣計算、人工智能及5G技術的快速發展與普及，數字孿生技術已開始在產品的設計、制造、裝配和服務等方面得到應用。在產品前期設計階段，借助產品全生命周期的孿生數據（如狀態數據、健康數據、歷史數據等）分析，設計師可快速實現產品的性能評價和優化，并對工藝流程進行改進，縮短決策時間。在產品制造和裝配過程中，通過構建面向車間現場的數字孿生監控系統，對產線的運行狀態實時監控和健康管理，可實現產品制造性和裝配性的虛擬仿真，同時對制造和裝配過程中采集的數據與三維設計軟件中的模型數據進行比對與分析，可有效改善產品質量，促進企業的數字化轉型。在產品服務過程中，構建面向產品的數字孿生系統，通過實時采集產品的運行數據，并利用大數據分析，可實現產品的故障定位、遠程診斷及預測性維護等，減少維修時間和成本，提升產品的使用壽命。與此同時，基于數字孿生技術，根據歷史數據可實現智能車間的快速化定制。其中，基于數字孿生車間的實時狀態數據和歷史數據，一方面可對車間的生產制造過程進行仿真與驗證，優化生產資源配置與管控，提升車間生產效率，另一方面，根據車間數據，可對新建的車間布局進行迭代優化與調整，并可根據NC代碼數據進行設備運行狀態的仿真分析，指導車間建設與設備調試工作，同時可根據車間的實時數據進行車間的健康管理。

如圖1所示，按照某汽車雷達智能裝配線的實際情況，首先在數字空間1:1的構建該物理對象高保真映射的虛擬對象，然后利用數據傳輸模塊實時采集車間各傳感器數據，并通過數據解析傳遞給數字孿生車間監控系統管理模塊，進而基于實時數據驅動虛擬模型運動、視角切換與控制、生產數據分析等過程，實現對制造資源三維可視化導航，車間的運動狀態的實時監控，并可有針對性地顯示、分析與管理車間現場設備狀態信息、生產工藝參數信息、車間物流過程、產品質量信息以及設備故障的管理診斷信息等，形成了面向車間裝配現場的實時可視化監控、分析預測、健康管理與遠程運維平臺，并且，根據歷史數據，復現車間裝配過程，實現裝配環節產品質量的追溯。

圖1 數字孿生車間監控系統

2 數字孿生技術產業分析

數字孿生技術利用物理實體在虛擬空間的實時映射，實現了物理實體狀態信息、故障診斷信息等的可視化顯示與處理。據Markets and Markets等報告顯示[19]，2022年全球數字孿生相關軟件和服務規模為69億美元左右，預計2023年達到175億美元，2027年達到735億美元，2022～2027年的復合年增長率為60.6%。為滿足企業的發展需求，國內外公司開始紛紛布局數字孿生領域，并行成了相關的軟件產品或服務。如西門子等公司借助其強大的軟硬件平臺，推出了數字孿生軟件系統，國內的企業也推出了其個性化的解決方案。

2.1 行業內相關公司產業現狀

（1）基于仿真的數字孿生個性服務

借助ANSYS的物理工程仿真、嵌入式軟件研發平臺與GE的工業云平臺即Predix平臺，ANSYS與GE聯合提出了基于模型的數字孿生云端解決方案。通過仿真數據和傳感器數據，幫助企業進行車間布局以及設備或產品的故障診斷、預測性維護、健康管理等，節約了企業的運維成本與故障響應時間，而且提升了ANSYS仿真效率，擴展了Predix平臺的應用領域。同時，ANSYS推出了ANSYS Twin Builder數字孿生軟件包，一方面協助工程師進行虛擬對象的構建、驗證以及部署，另一方面為客戶提供故障診斷的服務支持。

西門子則通過收購仿真軟件CD-adapco和數字化制造解決方案軟件Tecnomatix，完善了其Simcenter多學科仿真平臺，可為客戶提供高保真度的數字孿生模型，以及面向制造和裝配的工藝規劃與仿真等數字孿生服務，并且對采集的數據進行處理與分析，反饋于產品的設計、工藝的規劃等過程中，從而實現了產線實時孿生監控和產品全生命周期的數字化管理，優化了產品的性能，提升了產線的生產效率以及設備的使用壽命。

（2）面向物聯網的數字孿生軟件平臺

Altair作為仿真和優化技術領先的工程軟件供應商，通過收購電子設計自動化軟件供應商MODELiiS、物聯網（IoT）技術公司Carriots S.L、無網格仿真軟件SimSolid和數據智能提供商Datawatch，形成了面向設計、仿真分析、數據科學與優化、物聯網、云計算的完整解決方案，構建了面向物聯網的“多物理特性＋系統模型建立＋物聯網平臺Carriot”的數字孿生軟件平臺。

（3）面向車間的數字孿生解決方案

面向車間現場生產的數字孿生監控，達索構建了基于DELMIA軟件的數字孿生解決方案，實現了物理對象在虛擬環境中的映射。其中，通過數字孿生技術，在虛擬環境中進行車間布局設計、工藝規劃與仿真以及制造資源優化等工作，可以快速驗證物理車間的生產計劃與工藝流程，實現物理車間的快速化定制；同時，根據虛擬車間的仿真及預測數據等，對產品的設計與制造、企業的運營等過程進行迭代優化與調整，為物理車間的協同作業和動態調度提供了有效途徑。

面向整個數字孿生產業生態圈，以西門子為代表的先進制造企業推出了設備數據通信模塊、智能網關等數據采集產品，解決了數字孿生應用過程中的數據采集與傳輸，極大促進了數字孿生技術的發展。目前，國內數字孿生技術在理論研究方面取得了一定的成果，并且美云智數、上海湃睿等企業相繼推出了自己的數字孿生解決方案，但由于缺乏標準規范指導及軟硬件支撐，數字孿生技術大多用于虛擬仿真和車間監測等領域，其工程應用優勢不明顯。

2.2 下游行業應用現狀

數字孿生近期得到了廣泛和高度關注，并已經滲透到各產業鏈中，如航空航天的遠程監控和操作，以及城市規劃、建設、運行、管理及服務等。目前數字孿生軟件平臺主要運用于以下行業。

（1）制造業領域

數字孿生技術為制造業數字化轉型提供了一種有效的途徑。其中，在車間設計與規劃階段，幫助企業構建三維虛擬車間，并基于車間歷史運行數據、設備NC（數值控制，Numerical Control）數據等，通過編寫動作腳本，對車間規劃、設備布局、制造工藝等進行仿真、預測和評估，以優化設備參數配置，提升車間制造資源管控和生產調度，推進車間建設進度；另一方面，在車間生產制造階段，通過構建車間數字孿生監控與運維系統，采集車間現場的設備數據，驅動高保真的虛擬車間同步運行，實現了車間加工、裝配以及設備狀態的三維可視化監控；同時，通過對實時數采數據進行大數據分析，為產品加工與裝配質量管控、工藝優化、逆時復現以及車間設備故障診斷、預測性維護等提供了有力的數據支撐和技術保障。

廣東工業大學劉強教授[17]開發了一種數字孿生車間定制設計平臺，如圖2所示，幫助企業建立了中空玻璃深加工自動化產線定制設計與集成測試平臺、手機裝配線虛擬設計平臺等數字孿生監控平臺，解決了企業車間數字化、智能化的管控需求。中國電科38所[20]面向車間/裝備研發需求，開發了基于數據驅動的數字孿生監控與運維平臺，實現對車間/裝備的（毫秒級）實時鏡像、基于數據的計算預測、面向迭代需求的歷史復現等功能，并在車載防撞雷達自動化生產線和球載雷達浮空平臺上進行了應用部署，有效提升了車間的質量管控，降低了裝備的運維成本。

圖2 基于數字孿生的車間定制設計平臺

（2）航空航天領域

面對航空航天等復雜裝備的狀態評估與預測性維護等需求，數字孿生技術提供了一種有效的解決方案。通過構建多尺度、高保真的航空航天飛行器數字孿生模型、工作環境模型及功能模型，可針對不同的任務內容，基于歷史數據的驅動，在虛擬環境中進行各種工作狀態的模擬、測試、評估、預測和控制，以生成相應的解決方案，指導航空航天飛行器實際操作過程和前端模型設計與迭代優化，提高任務執行的成功率。另外，在執行任務過程中，通過采集航空航天飛行器上的傳感器數據，并實時映射到數字孿生航空航天飛行器中，可實現其狀態的實時可視化監控，同時，通過歷史數據和實時數據分析，可對航空航天飛行器進行故障定位與診斷、預測性維護以及遠程運維等工作，從而實現航空航天飛行器的智能健康管理，提升航空航天飛行器的使用壽命和工作效率。

美國空軍研究實驗室基于物理實體飛機，構建了超高保真的數字孿生模型，如圖3所示，然后通過歷史飛行數據驅動虛擬模型進行模擬飛行，以對飛機的結構性能開展健康管理與預測，提升飛機的安全性和維修效率[22-23]。通用電氣應用數字孿生技術，開展在役航空發動機的健康管理。它將傳感器數據映射到數字孿生模型上，以實時監控航空發動機的狀態，幫助客戶進行故障預測和遠程診斷，既提高了航空發動的使用壽命，又節約的運維成本。

圖3 機體數字孿生

（3）醫療領域

隨著5G、大數據、物聯網、邊緣計算、人工智能等技術的發展，數字孿生技術在醫療領域得到應用。在數字世界構建超高保真的人體、器官和醫療設備數字孿生模型，通過各種穿戴設備、檢測設備等采集數據，對身體健康進行管理、分析、評估和預測，可快速地找到病灶位置，幫助醫生了解病變情況，規劃和預演手術方案，以實現精準治療，將有效提高手術安全性和治療效率，并且可以通過基于數字孿生的三維可視化交互平臺，使患者了解手術過程及其風險，從而減輕患者和家屬的擔憂。另外，也可基于數字孿生技術開展個性化、定制化醫療器械設備設計與制造，并在虛擬環境中不斷地模擬、仿真與分析，指導物理醫療器械進行臨床應用、迭代優化、故障診斷以及遠程維修，為使用者提供更安全的產品和服務支持。

達索開展了一項Living Heart（數字心臟）項目[24]，如圖4所示，通過構建虛擬的數字孿生心臟，研究了心臟泵送血液的過程，以及降壓藥作用于心臟的機理等問題，并應用于臨床試驗。大連醫科大學附屬第一醫院骨科的李忠海等[25]構建了人體腰椎數字孿生，通過人體骨骼運動動作的實時模擬，實現骨骼的生物力學性能動態仿真分析、損傷預測和危險姿態預警等，為骨骼疾病預防和治療及骨骼健康的監測提供參考。

圖4 數字孿生心臟

（4）城市規劃、建設、管理領域

數字孿生技術為城市的規劃、建設以及管理提供一種新模式。在城市規劃方面，通過構建數字孿生城市模型設計、模擬、評估城市未來發展規模、交通和人口等，為城市規劃提供決策支持。在城市建設方面，通過數字孿生城市模型規劃施工方案，模擬施工流程，監測施工過程等，保證城市建設的效率與質量。在城市管理方面，構建基于數字孿生的城市數字運營管理平臺，對城市的建筑、交通、環境、安全、能耗等設施進行三維可視化監控、診斷和預測，并對采集到的城市數據進行分析與處理，實現城市各資源要素的優化配置動態調度，為城市運維與運營提供數據決策支持。

數字孿生城市（圖5[14]）推動了城市規劃、建設、管理的數字化、可視化、網絡化、智能化，是新型智慧城市研究的熱點。在物聯網、大數據等技術的支撐下，數字孿生城市將極大地提升城市服務水平。

3 數字孿生技術市場分析

3.1 市場需求分析

目前，全球范圍內經濟下行壓力巨大，如果通過購買新設備和軟件進行智能車間建設，對于企業來說，周期太長、成本太大，企業無法承受這么大的資金投入，特別是中小型企業和離散制造企業；如果僅僅購買解決方案，對車間進行數字化、信息化、智能化改造，其遷移成本巨大，而且后期服務費用昂貴，從長遠來說，對于流程制造企業（如汽車行業）來說是一種不錯的選擇，但要進行產品全生命周期的數字孿生改造，對企業的管理和運營都是一種挑戰，同時也會造成后期營運成本的提升，對于很多企業來說也難以抉擇。另外，現有的數字孿生解決方案也只是用于設計和制造流程的虛擬仿真。

數字孿生技術進入中國市場只有幾年的時間，目前還處于發展階段，產業化率低。而且我國傳統制造業目前仍處于“工業2.0”（電氣化）的后期階段，而航空航天、電子裝備等高端制造業車間設備自動化比較高，但未實現車間真正的智能化，依然存在生產狀態即時管控能力缺失、制造全流程數據鏈路斷裂、單點數字化孤島等問題現象。特別是隨著先進制造技術的快速發展，制造業正朝著個性化、定制化及服務化方向發展，這就要求企業必須摒棄傳統的大規模批量化生產模式，以消費者為核心，為其提供個性化服務，并快速地制造出符合消費者需求的產品。同時又要降低生產成本，提高資源利用率，只有這樣才能及時響應市場，才能在激烈的市場競爭中不斷發展。

目前，我國制造業正處于轉型升級的關鍵時期，國內制造企業中有60%擁有自動化產線，但其中近70%沒有進行制造產線的相關數字化建設，對產線運行狀態的監控和科學管理方面缺乏底層的軟件支撐。未來5年，至少40%以上的企業會對其自動化產線進行數字化改造，其中關于自動化產線的監控和健康管理是改造的首要工作，數字孿生相關技術軟件平臺需求量將急劇增長。同時，隨著人口紅利的消失、產業化轉型升級，企業對制造部門的自動化、智能化水平將進一步增高。據預測，到2030年，制造現場的數字化建設將為全球帶來14.2萬億美元的收入，為中國間接帶來1.8萬億美元的累計GDP增長。

3.2 市場細分

國外數字孿生解決方案具有以下特點：

優點：理論技術成熟；提供面向產品全生命周期的數字孿生解決方案；擁有強大的軟件技術和硬件設備。

缺點：對中小型企業和自動化程度低企業，數字孿生車間建設成本高，后期升級、維護費用高，增加了企業的運營成本；直接購廠商的軟硬件，車間改造周期長，對企業的運營和管理是一種挑戰周期長。

按照企業生產工藝組織方式的不同，將市場細分為離散制造業市場、流程制造業市場和混合型制造業市場。不同細分市場的特點、痛點，解決方案特點如表1所示。

表1 不同細分市場分析

（1）離散制造業市場

離散制造業是一個國家經濟發展的重要組成部分，其生產特點是多品種、單件、小批量生產模式。隨著新一代信息技術的快速發展，離散制造業進入了互聯網工業階段。

對于自動化程度低的離散制造業，企業的利潤低，產品的高附加值少，加上創新能力薄弱，轉型升級的任務十分緊迫。因此，可通過加裝傳感器、RFID讀寫器、攝像頭等測量與感知設備，采集數控機床設備的狀態信息和車間產品的加工信息等，并通過構建車間物聯管控平臺，實時了解車間生產狀況。對于自動化程度高的離散制造業，車間數控機床設備的自動化和信息化程度高，可以基于現有的數字孿生系統平臺，按照客戶的需求，提供定制化的解決方案提供，實現車間設備的實時健康監控、遠程運維及可視化展示等，并通過后期的功能擴展和軟件升級等，滿足客戶的不同需求，提高系統平臺的擴展性和普適性。同時，可通過數字孿生車間系統，將離散企業設備匯聚到云平臺，形成生產資源池，為大中型加工企業提供更優、更快的服務，進而提升離散企業設備利用率，優化大中型加工企業的生產流程，提高產品生產效率和質量，降低經營風險。

（2）流程制造業市場

流程制造業采用大規模自動化生產方式，車間設備滿負荷運行，使得設備故障率非常高，需要花費大量時間尋找故障點，導致長時間且昂貴的生產停頓。另外，流程制造業車間柔性差，難以滿足大規模定制化的市場需求。因此，考慮成本和生產效率等因素，可對關鍵設備進行數字孿生系統搭建，進而實現設備健康預測與維護，提升車間工作效率。這種市場比較大，并且實施周期短，利潤高。而有些流程企業提出了面向產品全生命周期的數字孿生系統構建，通過虛實映射和動態迭代，形成“監測－優化－反饋－改進”的閉環機制，以掌握產品設計、制造及運維和保障各階段的狀態信息，實現產品的快速迭代與市場響應，并希望在此基礎上，助力企業實現全要素數字化和虛擬化、管理實時化和可視化、運維協同化和智能化。這類市場的項目實施周期長，對數字孿生系統的兼容性和集成性要求高。

（3）混合型制造業市場

混合型制造業又稱為混合流程、半流程或離散－連續流程，是一種既具有連續生產過程又具有離散生產過程的復雜生產方式，是現代化生產中具有普遍意義的一種生產方式。這類企業對產品質量要求高，需要實現生產過程中的工藝狀態實時監控和可視化展示等，而數字孿生系統在車間狀態監控、工藝流程優化以及車間規劃和物流規劃等方面發揮著重要的作用，但是這類企業的產品生產過程復雜，導致現階段數字孿生車間建設周期長、成本高。

4 發展策略

數字孿生技術具有廣闊的應用前景，為企業“數字化、智能化”轉型提供了新理念、新方向。因此，應加強頂層設計、統籌規劃，突破核心軟硬件，完善標準體系，從而推動數字孿生產業化發展。

（1）加強頂層設計與交流合作

數字孿生技術在制造業轉型、城市管理、醫學診斷與治療等方面市場巨大，但由于缺乏頂層設計及政策指導，我國數字孿生主要應用在車間狀態監控中，其它方面應用較少。因此，政府應該統籌規劃，制定相關政策和激勵機制，引導企業開展數字孿生關鍵技術研究和標準制定，突破國外軟硬件限制，同時構建數字孿生公共服務平臺，保護知識產權，推進科技成果轉化，促進數字孿生技術專利化、標準化、產業化發展。對于企業，一方面加強產學研用合作，積極與國外專家和企業交流，吸收先進技術成果，提高研發水平與質量；另一方面借助大數據、物聯網、AR（增強現實，Augmented Reality）等技術與設備，構建數字孿生開發與遠程運維平臺，為客戶提供高效的售后服務與決策支持，促進數字孿生技術的產業化應用。

（2）突破核心軟硬件

以三維模型為基礎，建立統一的數據通信標準，保證數字孿生模型構建、簡化、渲染、集成等過程數據源的唯一性，并以此構建具有自主知識產權的數字孿生系統平臺，為企業提供實時狀態監控以及遠程運維等服務，促進國產軟件發展。另一方面，基于物聯網的數據采集、邊緣計算的數據處理以及人工智能的決策，開展關鍵技術研究，打破國外技術壁壘，實現芯片、傳感器等軟硬件國產化，進一步提升國內企業的市場競爭力。

（3）完善標準體系

標準是新技術規?；l展的基礎。目前由中國電子科集團公司第三十八研究所牽頭制定了SJ 21615－2021《軍用電子裝備數字孿生通用要求》等四項數字孿生行業標準[26-29]，解決了數字孿生模型構建、數據采集與處理等方面出現的多源數據，促進了數字孿生技術落地應用。未來應結合國內外數字孿生現狀，積極開展應用、服務、信息安全等方面的技術研究，制定數字孿生相關的國家、行業及團體標準等，完善數字孿生標準體系，同時積極參與數字孿生國際標準化組織和標準制定中，促進該技術推廣應用，加快企業的智能化轉型，并且有效提升中國數字孿生標準的國際話語權。

5 結論與展望

本文分析了當前數字孿生技術的產業現狀以及制造業數字孿生的市場需求，提出數字孿生技術的發展策略。數字孿生技術通過對物理空間對象的高保真映射，并采集實時傳感器數據驅動虛擬對象運動，實現了在數字空間內對物理對象狀態的實時監控。同時在物聯網、大數據、邊緣計算、5G等技術的支持下，實現對物體對象的故障診斷、分析預測以及健康管理等服務與決策支持。

數字孿生技術為車間生產、產品研發、城市管理等提供了新模式，目前處于快速發展階段，但在工程化應用中仍然還存在諸多挑戰：

（1）孿生模型構建與迭代優化

針對物理對象本體，如何在數字空間構建多尺度、高保真、可迭代與演化的孿生模型是數字孿生技術應用的重要基礎。

（2）多源異構數據采集與處理

構建物理對象與虛擬對象之間實時映射與交互，對多品牌、多接口等異構數據采集與處理提出了更高要求。

（3）反饋與控制

目前，受軟硬件和人工智能分析與決策等技術的限制，數字孿生技術大多應用于狀態監測和數據可視化展示，不能及時做出反饋控制，實現“以虛控實”。

因此，應統籌規劃，注重基礎研究，突破關鍵技術，制定標準規范，促進數字孿生技術的工程化應用，為企業的“數字化、智能化、網絡化”轉型升級提供有力的技術支撐

[1]周濟. 智能制造——“中國制造2025”的主攻方向[J]. 中國機械工程，2015，26（17）：2273-2284.

[2]唐堂，滕琳，吳杰，等. 全面實現數字化是通向智能制造的必由之路——解讀《智能制造之路：數字化工廠》[J]. 中國機械工程，2018，29（3）：366-377.

[3]陶飛，張萌，程江峰，等. 數字孿生車間：一種未來車間運行新模式[J]. 計算機集成制造系統，2017，23（1）：1-9.

[4]Tao F，Cheng J F，Qi Q L，et al. Digital twin-driven product design，manufacturing and service with big data[J]. The International Journal of Advanced Manufacturing Technology，2018，94（9-12）：3563-3576.

[5]Schleich B，Anwer N，Mathieu L，et al. Shaping the digital twin for design and production engineering[J]. CIRP Annals，2017，66（1）：141-144.

[6]Tao F，Sui F Y，Liu A，et al. Digital twin-driven product design framework[J]. International Journal of Production Research，2019，57（12）：3935-3953.

[7]莊存波，劉檢華，熊輝，等. 產品數字孿生體的內涵、體系結構及其發展趨勢[J]. 計算機集成制造系統，2017，23（4）：753-768.

[8]陶飛，劉蔚然，劉檢華，等. 數字孿生及其應用探索[J]. 計算機集成制造系統，2018，24（1）：4-21.

[9]李浩，文笑雨，張新生，等. 基于數字孿生的復雜產品設計制造一體化開發框架與關鍵技術[J]. 計算機集成制造系統，2019，25（6）：1320-1336.

[10]GRIEVES M，VICKERS J. Digital twin: mitigating unpredictable, undesirable emergent behavior in complex system [M]. Trans- disciplinary Perspectives on Complex Systems. Berlin, Germany：Springer-Verlag，2017.

[11]Tuegel E J，Ingraffea A R，Eason T G，et al. Reengineering Aircraft Structural Life Prediction Using a Digital Twin[J]. International Journal of Aerospace Engineering，2011：1-14.

[12]Glaessgen E，Stargel D. The Digital Twin Paradigm for Future NASA and U. S. Air Force Vehicles[C]. AIAA/ASME/ASCE/AHS/ ASC Structures, Structural Dynamics & Materials Conference ATAA/ASME/AHS Adaptive Structures Conference AIAA，2012.

[13]美歐軍工領域發力數字孿生技術應用[J]. 國防科技工業，2019，224（2）：36-37.

[14]李欣，劉秀，萬欣欣. 數字孿生應用及安全發展綜述[J]. 系統仿真學報，2019，31（3）：385-392.

[15]李鵬，潘凱，劉小川. 美國空軍機體數字孿生計劃的回顧與啟示[J]. 航空科學技術，2020，31（9）：1-10.

[16]Gartner’s Top 10 Strategic Technology Trends for 2017[EB/OL]. https://www.gartner.com/smarterwithgartner/gartners-top-10-technology-trends-2017/，2016-10-18.

[17]Gartner Top 10 Strategic Technology Trends for 2018[EB/OL]. https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2018/，2017-10-3.

[18]Gartner Top 10 Strategic Technology .Trends for 2019[EB/OL]. https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019/，2018-10-15.

[19]Digital Twin Market[EB/OL]. https://www.marketsandmarkets. com/Market-Reports/digital-twin-market-225269522.html#tab_default_2，2022-6.

[20]魏一雄，郭磊，陳亮希，等. 基于實時數據驅動的數字孿生車間研究及實現[J]. 計算機集成制造系統，2021，27（2）：352-363.

[21]Zhang Hao，Liu Qiang，Chen Xin，et al. A digital twin-based approach for designing and multi-objective optimization of hollow glass production line [J]. IEEE Access，2017（6）：26901-26911.

[22]Tuegel E. The Airframe Digital Twin：Some Challenges to Realization[C]. Aiaa/asme/asce/ahs/asc Structures, Structural Dynamics & Materials Conference Aiaa/asme/ahs Adaptive Structures Conference Aiaa，2013.

[23]劉永泉，黎旭，任文成，等. 數字孿生助力航空發動機跨越發展[J]. 航空動力，2021（2）：24-29.

[24]達索系統攜手FDA，共同拓展心血管與設備審批流程的合作，加速獲取新的治療方案[EB/OL].https://www.3ds.com/zh-hans/ newsroom/press-releases?wockw=%E5%BF%83%E8%84%8F，2019-6-24.

[25]宋學官，何西旺，李昆鵬，等. 人體骨骼數字孿生的構建方法及應用[J]. 機械工程學報，2022，58（18）：218-228.

[26]軍用電子裝備數字孿生通用要求：SJ 21615－2021[S].

[27]軍用電子裝備數字孿生模型構建要求：SJ 21616－2021[S].

[28]軍用電子裝備數字孿生數據采集與處理要求：SJ 21617－2021[S].

[29]軍用電子裝備數字孿生應用要求：SJ 21618－2021[S].

Research and Prospect of Data Driven Digital Twin Technology

GUO Lei1,2，ZHANG Hongqi1,2，CHENG Wusi1,2，CHEN Liangxi1,2，ZHA Shanshan1,2

( 1.No.38 Research Institute of CETC, Hefei 230088, China; 2.Anhui Technical Standard Innovation Base (Intelligent Design and Manufacturing, Intelligence Institute, Civil-Military Integration), Hefei 230088, China )

By constructing a high-fidelity virtual model of the physical entity and collecting the sensor data to drive the virtual objects to move synchronously with the physical entity, digital twin technology realizes the deep integration and interconnection of the physical world and the information world, which is of great significance for promoting the digital, networked, and intelligent transformation of the manufacturing industry. Combined with the previous research and application of digital twin, this paper outlines the connotation of digital twin, analyzes the direction of digital twin technology services and the current application status in various industries. And the market demand of digital twin in the manufacturing industry and the characteristics, pain points, and the solutions of different segmented markets are summarized. Finally, the development strategy of digital twin technology is proposed, which provides the reference for promoting the application of digital twin technology in various fields.

physical entity；high-fidelity；sensor data；virtual model；digital twin

TP301.6

A

10.3969/j.issn.1006-0316.2023.07.001

1006-0316 (2023) 07-0001-10

2022-09-22

國防基礎科研項目（JCKY2020210C005）；安徽省自然科學基金（2108085QE225）；安徽省重點研究與開發計劃項目（202104h04020032）

郭磊（1990－），男，陜西寶雞人，碩士，工程師，主要研究方向為數字化設計與制造、數字孿生、標準化等，E-mail：guol626@163.com。