数字孪生（Digital Twin）在设计制造中的应用

一、背景

数字化转型的浪潮风起云涌，虽然各大国在制造业未来发展战略上的举措各不相同，但就其本质而言，其工作重点都是在推进工业化和信息化更为紧密的融合，在过去的近30年间，工业化与信息化之间的两化融合经历了简称为“A世界→B世界→C世界”的发展阶段。在先进的ICT技术支撑下，实现数字化虚拟世界和现实物理世界的无缝贯通和衔接，通过看不见的信息空间中数据的自动流动驱动可见物理世界中工作的高效执行，并通过物理世界中采集的信息反馈驱动虚拟世界中产品和业务流程定义的完善及优化，从而实现物理世界和虚拟世界两者之间的闭环且紧密联接。从虚拟世界和物理世界的融合紧密程度来看， C世界的核心使能技术就是CPS（赛博物理系统），CPS源于美国，却因为德国工业4.0而风靡全球。在我国CPS也得到高度重视，在《中国制造2025》中明确强调：“基于CPS的智能装备、智能工厂等智能制造正在引领制造方式变革”，CPS已经成为智能制造的核心支撑技术与重要抓手。

数字孪生（Digital Twin）是CPS体系的关键组成部份，以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为。作为一种充分利用模型、数据、智能并集成多学科的技术，数字孪生面向产品全生命周期过程，充当连接物理世界和信息世界的桥梁和纽带作用，提供更加实时、高效、智能的服务，为解决物理世界与信息世界的交互与共融提供有效的解决途径。

二、NASA定义的数字孪生内涵

随着信息处理技术以及工业建模、仿真和传感技术的发展，数字化的设计与制造走向前台，Digital Twin逐渐被航天航空行业引入作为飞行器数字化实体概念模型的基础，以实现物理世界与数字世界的互为参考和融合。为了持续推动外太空科学探索飞行器的发展，美国国家航空航天局（NASA，National Aeronautics and Space Administration）于2010年正式将Digital Twin的发展列入技术发展路线图，并在2011提出基于Digital Twin发展下一代战斗机和航天飞行器。

NASA在《The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles》以九宫格图形的方式解释了数字孪生具有的特性和内涵。为了解释的方便，我们将按照图形中的九个区域逐个解释各自所代表的含义：

图1 NASA定义的数字孪生图形表达

图格1

Digital Twin包含装备或组件完工配置中的精确模型，包括材料的微结构、缺陷、制造异常等。需要从少于微米到米这样不同的尺度上对装备的特性参数进行刻画。一旦这种精确的“基线”确定下来，这些高保真的模型将用于对装备未来的状态进行预测。

图格2

Digital Twin中内嵌的IVHM系统利用来自于传感器的数据更新这些基于物理的模型，对装备的健康程度和执行任务成功的可能性的预测不断进行优化，甚至可以通过改变任务的参数文件和装备未来的使用条件进行选项和影响分析。

图格3

Digital Twin的核心是装备及其系统的超高保真实体模型的集合，这些模型来自于一个或多个彼此依赖的装备系统，包括机身、推进系统、能量存储系统、生命支持系统、航电系统、热过载保护系统等。

图格4

Digital Twin中内嵌的IVHM系统利用来自于传感器的数据更新这些基于物理的模型，对装备的健康程度和执行任务成功的可能性的预测不断进行优化，甚至可以通过改变任务的参数文件和装备未来的使用条件进行选项和影响分析。

图格5

每一个Digital Twin均是针对特定的装备开发的，可以在设计和验证过程中“试飞”未来的任务，在飞行的过程中不断评估其健康程度，对潜在的影响或真实的损坏进行“现场取证”，虚拟地评估对任务潜在变更的影响。

图格6

Digital Twin集成了航次的数据、维护报告和其他的历史信息，通过数据挖掘和文本的挖掘进行装备的更深层次的仿真。

图格7

过去几十年以经验为主的设计惯例带来了大量无效的设计，而且设计的可靠性无法量化，Digital Twin依靠与单个装备相关的超高保真的仿真、传感系统和数据，使得虚拟的数字认证和装备的可持续发展成为可能。

图格8

Digital Twin通过传感器数据更新的方式不间断地评估装备的健康状况、确认结构化组件和系统的剩余使用寿命、预估任务成功的可能性，评估故障发生时是采用实时维修（自愈）、飞行中的故障缓解，或是机动载荷的消减策略，还是其他的飞行任务变更，并且对变更任务参数的影响以及之前未预见的后果进行评估。

图格9

Digital Twin利用对历史标准、制造装配报告和维护数据的评估，结合贝叶斯修正的高保真模型来执行“现场”取证，包括异常的探测和诊断、失效树分析（FTA）。

三、数字孪生的主要特征

在NASA定义的数字孪生图形表达的基础上，国睿信维基于多年在数字化研制领域的业务经验和积累，以及数字孪生在未来智能制造的运用，总结出数字孪生具有六大主要特征。

3.1、完整定义

完整定义的意思是企业的各种要素，包括产品、资源、流程、规划等都基于模型的方式进行描述和定义，所谓模型就是对现实世界（物理对象及过程）的抽象、表达与模拟，而模型化就是通过各种建模手段，针对企业中各类要素建立反映各要素特性、运行机理、工作过程等的模型，通过模型之间的链接反映不同要素之间的关联关系，不同层级、不同类型的模型链接关联在一起后即构成了一个错综复杂的模型网络。产品的功能、性能、物理特性，产品如何进行制造、装配、检验，产品如何进行使用、维修维护等都通过模型得到了表达，产品的功能、性能、行为通过该模型网络还可进行模拟、仿真及分析，通过不同模型之间的关联还可以实现信息的牵一发而动全身，即某一处发生更改时，可立即传播至其它相关地方而进行相应更新。

只有模型化以后，才能在计算机虚拟世界中对模型网络进行解析、演算、分析、验证，同时利用模型信息粒度小、关联全、语义丰等特性，才能为不同角色人员之间的协同、知识高效积累与重用、业务过程的有效管控奠定基础。美国空军研究实验室（AFRL）正试图构建一个集成了不同物理模型的机体数字孪生，从而实现对机体寿命的精准预测。

图 2 F15机身的数字孪生

数字孪生是物理产品在虚拟空间的真实反映，数字孪生在工业领域应用的成功程度取决于数字孪生模型的保真程度，即全息化程度。产品的每个物理特性都有其特定的模型，包括计算流体动力学模型、结构动力学模型、热力学模型、应力分析模型、疲劳损伤模型以及材料状态演化模型（如材料的刚度、强度、疲劳强度演化等）。

描述模型：通过结构化建模的方式表示整个系统的需求、行为、架构、性质以及相互关系的一种手段，主要通过其架构模型、行为模型、需求模型和参数模型来完成。

分析模型：主要是针对描述模型所定义的架构、场景、功能性能参数等，通过仿真的方式进行分析、验证；通过数学表达支撑系统的分析计算与仿真。最终实现对于技术/产品各层级数字化的验证，优化设计过程及设计结果。

如何将这些基于不同物理属性的模型关联在一起，是建立数字孪生、继而充分发挥数字孪生模拟、诊断、预测和控制作用的关键。

3.2、连续传递

传统以文件为载体的数据记录及传递方式有根本的区别，在以文档为载体的方式中，产品定义要素信息都分散在不同文件中，相互之间彼此割裂而难以关联，工程技术人员往往“只见树木不见森林”，信息之间难以联动，一致性无法保证。

图 3 基于模型数字量的连续传递

通过标准系统建模语言构建的需求模型、功能模型、架构模型，实现需求、功能到架构的分解和分配，通过模型执行实现系统需求和功能逻辑的“验证”和“确认”，并驱动联合仿真、产品设计、实现、测试、综合、验证和确认环节。基于模型方式传递的数字量，包括需求、结构、行为和参数在内的动态信息，可以使整个组织中各类专业工程和技术领域人员更加直观的理解和表达系统，跨研制阶段、跨单位主体、跨系统层级的模型的紧密耦合，有利于在产品的全生命周期内实现数字量的连续传递，模型一次建立，随处可用，确保全程传递和使用的是基于同一模型，这意味着，实现数字孪生需要重点需要打通“端到端”的数字化价值流，确保在该价值链条中数字信息无缝、连续地顺畅传递。

3.3、全面仿真

使用数字孪生技术可应对不断提高的产品复杂性，同时设计空间不断扩展，这些优势推动了更多的新用户使用仿真技术，从而在工作的产品之间建立联系。例如，产品研发团队可将数字孪生提供的信息直接运用到当前的产品研发工作中，这有望大幅加速新产品的创新和推出过程。可以说，我们正迎来全新的仿真时代，数字孪生将带领我们超越仿真驱动产品研发的范畴，逐渐扩展到仿真驱动的工程领域。数字孪生是多种物理结构模型、几何模型、材料模型等的多尺度、多层次集成模型，有利于从整体上对产品的结构特性和力学特性进行快速仿真与分析。

图 4 多物理学科和尺度的全面仿真

多物理学科仿真：数字孪生是基于物理特性的实体产品数字化映射模型，不仅需要描述实体产品的几何特性（如形状、尺寸、公差等），还需要描述实体产品的多种物理特性，包括结构动力学模型、热力学模型、应力分析模型、疲劳损伤模型以及产品组成材料的刚度、强度、硬度、疲劳强度等材料特性。

多物理尺度仿真：数字孪生不仅描述实体产品的宏观特性，如几何尺寸，也描述实体产品的微观特性，如材料的微观结构、表面粗糙度等。

基于多物理学科、多物理尺度集成模型的仿真结果能够更加精确的反映和镜像物理产品在现实环境中的真实状态和行为，使得在虚拟环境中检测物理产品的功能和性能并最终替代物理样机成为可能，并且能够解决基于传统方法（每个物理特性所对应的模型是单独分析的，没有耦合在一起）预测产品健康状况和剩余寿命所存在的时序和几何尺度等问题。

3.4、实时映射

数字孪生在全生命周期各阶段会通过与产品实体的不断交互而不断改变和完善，通过传感器、物联网等手段，充分运用物理模型、传感数据的更新，辅以历史运行数据，并集成多种维度的模拟仿真过程，在虚拟空间中完成映射，实时将现实物理世界中设备、产品等的运行状态信息传递至数字虚拟世界，进行物理世界的精准映射。例如：在产品制造阶段采集的产品制造数据（如检测数据、进度数据）会反映在虚拟空间的数字孪生中，同时基于数字孪生能够实现对产品制造状态和过程的实时、动态和可视化监控。

图 5实时映射反映物理实体的运行状态

展望未来，许许多多产品研制过程皆可通过数字孪生实现高精准度、高保真度的模拟仿真，从而利用经济实惠、安全的虚拟数字化环境，模拟各种特征、流程改变可能产生的连带影响，甚至进一步将虚拟现实（VR）、增强现实（AR）、混合现实（MR）等不同技术概念巧妙融合在一起，实现研制团队“身历其境”推动各种创新探索。

3.5、智能驱动

未来制造将是虚拟空间和物理空间相结合的制造，并将覆盖全部生产环节，使得整个制造过程进入数字网络世界。实体产品制造的全生命周期过程将在虚拟空间中产生映射，在虚拟空间中通过多物理量、多尺度、多概率的仿真过程完成对物理模型、传感器和智能参数等的更新，最终实现虚拟空间的优化结果在物理空间的及时反馈和智能优化运行。

图 6数字孪生驱动物理实体的运行

在数字虚拟世界中进行分析计算，通过虚实融合的手段，智能驱动现实物理世界中工作高效地运行。比方说在厂房或产线在尚未建构时，预先可以建立数字化模型，包括厂房和产线的三维布局、产线及设备规划、生产的节拍、人机工程模拟与作业模型等，通过在虚拟空间中对厂房或产线进行模拟仿真，可预先进行预演以排除并修正潜在的故障或瓶颈，同时把经过优化的参数，实现对厂房或产线设计方案的修正。工厂建成后在日常运维过程中，虚实世界两端也能进行信息交换，并且随着虚实融合能力的增强，虚拟制造空间所反映出的产品系统真实程度将不断增强，不仅企业产品设计质量、生产效率将大幅度提高，而且将引发面向全流程制造的变革。

四、数字孪生应用解决之道

对于以产品研发生产及运维保障为业务重点的装备制造类企业，要实现具有信息深度自感知、 智慧优化自决策、 精准控制自执行等功能的先进制造过程，国睿信维认为其根本之道是构建覆盖产品全生命周期的主要阶段和业务领域的模型网络，以“端到端、完整、闭环、顺畅连续”的数字链（Digital Thread）将各领域模型串联起来，形成模型彼此依赖，学科相互交织的有机体系，以实现数字孪生对物理实体映射和驱动的愿景。

图 7 主模型网络和数字链

在构建基于模型、连续、顺畅的“端到端”产品全生命周期数字链（Digital Thread）基础上，通过数字形式对物理形式映射不断地加强，构建完整反映现实物理世界功能、行为、特性等的数字虚拟世界，并能通过该数字虚拟世界驱动现实物理世界的运行和动作，当改变虚拟世界的映射状态时，物理世界的对象也会相应发生改变。当干系方和物理世界的对象发生交互时，虚拟世界也会发生变化。

综上所述，从看不见的“信息”的流动入手，通过低廉的信息比特（Bits）的运动来代替昂贵的物理原子（Atoms）的运动，利用信息消除产品从最初设计到最终处理整个生命周期内在时间、能量和物质方面的浪费，从而降低成本，同时提高工作效率和产品质量。

五、数字孪生的应用场景

5.1 基于数字样机的协同研制

数字样机（Digital Mock-up）技术是一种用数字样机代替原型样机进行产品的结构和功能展示、性能仿真、测试和评估的数字化设计技术。基于数字样机的绝大部分设计过程是在计算机上实现的，通过人机交互输入、多通道立体显示等多种方式，实现对数字模型的更加真实的模拟，具有综合集成、快速灵活和协同合作的特点。工程人员根据数字样机可以在原型样机制造之前掌握产品的综合性能和潜在的问题，提出设计变更和设计反馈，减少设计失误和大量的实物试验验证，从而达到缩短研制周期，降低研究成本和提高产品质量的目的。

传统的几何数字样机，重点包括装配信息、空间分析、运动特征、加工信息等，着重解决飞机在安装过程中的相关问题，系统和设备安装要求在详细设计阶段通过数字样机进行组装验证，功能性则更多通过实物调试，几何数字样机的运用已经日臻成熟。随着计算机以及数字化仿真技术的发展，数字样机逐渐地转向功能性能数字样机，强调逻辑控制、结构强度、气动散热、电磁兼容、疲劳寿命等特性的模拟，着重解决飞机使用相关的问题，对系统间或系统内的功能、性能的参数进行模拟，避免昂贵的实物调试和验证。

几何数字样机和功能性能数字样机形成了对物理产品的全方位的描述，更加强调学科集成、系统优化、功能链接等，其内部所包含的要素、基于模型的承载，已经与数字孪生的区别不大。数字孪生是从虚实融合的视角，来说明与物理实体的实时映射和驱动关系，是赛博物理系统（CPS）中的组成要素。

图 8 从几何样机到功能性能样机

泰雷兹、雷神、空客、洛克希德马丁以及国内的商飞等公司都在推广以数字样机为基础的MBSE（基于模型的系统工程）产品研发模式，推广以数字样机引领“高效并行协同”和“高度性能预测”为特征的“智能研发”。国睿信维基于数字样机的协同研制的解决方案正是构建“全维度”、 “全过程”、 “全层级”、 “全相关”的产品数字样机，对产品的功能、性能、行为、物理特性等进行全方位完整描述及仿真验证，并以数字样机作为载体支撑产品研发过程中不同角色、不同领域人员之间的高效并行协同工作。

5.2 基于数字孪生的“透明”工厂

在空客、波音等国际航空的先进企业，开始大力推广建设“透明”工厂，将人机互动、智能物流管理、3D打印等先进技术应用于整个产品生产过程，实现人、设备、产品等全面、深度地互联互通，实现准确的数字化信息传递、资源智能调度、制造装备的精准执行；利用多年积累的研发、制造、保障及运营等工业大数据，引入相关手段进行深度分析和可视化展示，并提供自动的决策支持，实现工业大数据驱动下的不同层级人员的自主决策，形成高度灵活、个性化、网络化的产业链，最终实现产品的智能制造。

图 9 基于数字孪生的“透明”工厂

国睿信维基于数字孪生的虚拟工厂的解决方案以系统仿真技术为核心，构建能真实模拟实际工厂运行的仿真运行环境，通过遍布全厂的海量传感器采集现实生产制造过程中的所有实时数据，这些数据数量非常巨大，可实时、快速地反映生产中的任何细节。基于这些生产数据，在计算机虚拟环境中，应用数字化模型、大数据分析、3D虚拟仿真等方法，可对整个生产过程进行仿真、评估和优化，使虚拟世界中的生产仿真与物理世界中的生产无缝融合，利用虚拟工厂的灵活可变优势，来促进现实生产。虚拟工厂与物理工厂实时同步运行，物理工厂生产时的数据参数、生产环境等都会通过传感系统在虚拟工厂进行真实反映，一方面利用三维可视化技术将生产场景真实展现出来，生产数据实时驱动三维场景中的设备，使其状态与真实生产场景一致，从而让管理者充分了解整个生产场景中各设备的运行状况；另外一方面将通过数字孪生中构建的虚拟工厂数字模型，帮助工厂制定更明智的决策，快速提高生产效率、降低成本和实现质量目标，完美支持生产制造中过程可控、可追溯和柔性化。

5.3 构建产品全生命期的自主式保障体系

美军在新一代战斗机F-35的研制中提出了“购买战斗力”的思想，强调经济可承受性，最大限度地降低寿命周期费用。经济承受性是JSF项目采办过程的核心，很大程度上借助于随同飞机一同交付的自主式保障系统（Autonomic Logistics）来实现。“自主”正是数字孪生构建的目标，通过对于战斗机的技术状态和使用健康数据的掌握，从而使其能够自主地做出复杂的使用、维修和保障决策。

传统上，为了预防故障，通常采用独立于战斗机状态的定期预防性维修方式对其进行维修和检查，整个维修维护的过程是被动反应式的，即首先发生故障，然后后勤保障系统（包括维修和供应）才发出响应。自主式保障模式将逐步取代传统的装备保障模式，事后维修、定时维修等保障策略进一步弱化，基于状态的保障策略将进一步加强，贯彻融合先进保障理念，例如“精确后勤”、“基于性能的后勤”、“感知与响应后勤”等，形成贯穿装备寿命周期、覆盖武器装备体系、综合多个军兵种、渗透各层次保障机构的“联合一体化自主式保障”模式。

图 10 洛马F-35的自主式保障体系

洛马F-35的自主式保障模式的应用和系统的开发是一个涉及装备全生命周期的完整过程，绝不仅限于工程研制阶段和使用阶段。在装备的方案阶段，考虑自主式保障模式因素构建相应的备选设计方案，其次在确定的装备设计方案的基础上，构建多个保障方案，通过权衡分析优选并确定最终保障方案；然后将设计方案与保障方案结合，相互影响并形成一体化的设计、保障方案；在工程研制阶段，需要从工程设计和制造人员的角度检验设计方案的可行性；针对某些自主式保障的关键技术进行攻关；在装备部署与使用阶段，探索与优化装备保障活动的规律以及保障系统的应用方法，逐步形成完善的自主式保障业务流程、规范和标准，过程中需要尤其注重使用过程数据和信息的积累，从自主式保障系统的改进人角度对研制各方进行信息反馈。

国睿信维基于多年的军工行业综合保障项目实施经验的积累，并基于洛马F-35自主式保障系统的先进理念形成了自主知识产权的综合保障解决方案，是一个完全基于信息和知识的后勤保障系统，保障过程中实现系统知识、关键使用、维修和保障数据收集与利用的自动化，把各种后勤保障要素无缝地整合成一个高度智能化的快速响应的自主系统，可以自动触发系统规定的相应操作，高效地管理战斗机的维修与后勤计划，用最小的后勤规模和最低的保障费用得到最大的出动架次率。

5.4 企业跨业务域的模型驱动与仿真

纵观大部分制造业企业，外向的产业链延伸、供应商、企业、客户还处在互相割裂的状态，供给与需求不能很好的匹配，无法真正满足客户的个性化定制需求；从内各管理业务域基本都在独立运作，产品的设计、制造、服务支持、质量和供应链业务上并未完全整合，在业务流程上并未做到一体化，从企业整体运营的角度，无法进行全面的权衡与决策。为了实现纵向横向的业务关联和数据整合，使得各管理业务域、产业链将成为更加紧密的整体，就需要在数字孪生的框架的支持下对各管理业务进行功能建模，通过系统的联接、分布式传感器的数据采集，以真正感知企业的整体运营状态，通过对于运营的建模和分析，指导企业不断地改进运营活动过程。

管理模型化的核心在于各管理域的功能建模，包括产品的设计、制造、服务支持、质量和供应链在内的方方面面，特别是在全球化制造的大背景下，每一项具体的业务功能都在分布式的协同制造网络下进行，不仅要求跨地域、跨层级、跨阶段数据和模型的紧密耦合，而且需要精准地协同各管理域的业务活动，其中关键的要素包括业务流程、业务规则与控制点、角色与职能。管理模型化，通过数字化建模技术的支持，能够实现传递模型与数据的连续传递。

图 11虚实结合的企业运营模型驱动和仿真

国睿信维认为无论是工业4.0，还是工业互联网，都强调对企业中各类模型的全面应用，强调企业内部各类要素的数字化、智能化。雷神、洛克希德马丁等国外先进军工企业等都提出了“基于模型的企业”（Model Based Enterprise）的建设目标为国内基于模型的企业建设提供指引，实现这一目标的最重要途径就是企业模型化。通过建立包括描述功能、性能、物理特性、工艺、保障等产品模型和描述企业经营活动和资源等的业务模型在内的全模型网络，利用模型的结构化组织、丰富语义表达、可解析、可演算等特性，最终实现实际企业在数字化世界中的描述、运行、验证、预测，最终达到的基于模型的业务驱动和仿真验证，实现数字化世界中的不断优化迭代，从而最大可能地消除物理运营中的缺陷和问题。