世界公认的数字孪生(Digital Twin)的概念最早是在2003年被美国密歇根大学教授Michael Grieves的提出，起初被命名为“信息镜像模型”(Information Mirroring Model)，而后不同领域及行业的研宄机构和学者开展了不同程度的研宄，数字孪生的概念逐渐得到完善

2012年美国航空航天局(NASA)：面向系统的、集成的、多物理场、多尺度、概率仿真的模型，通过物理模型、实时传感器数据和历史数据来反映实际状况。

2013年美国空军(USAF)：系统的虚拟表达，作为实际运行的单个系统实例在整个生命周期中应用的数据、模型和分析工具的集成系统。

2014年美国国防部(DoD)：数字线程支持的己建系统的多物理场、多尺度和概率集成仿真，通过使用最佳可用模型、传感器更新和输入数据来镜像和预测其对应物理实体全生命期内的活动和性能

2015年通用电气(GE)通过物理机械和分析技术的集成，资产和过程的软件表达，用于理解、预测和优化性能以改进业务产出

2015年美国参数技术(PTC)：由物、连接、数据管理和应用构成的函数，深度参与物联网平台的定义与构建

2017年国际商业机器公司(IBM)：对物理对象或系统在全生命期内的虚拟表达，并通过使用实时数据实现理解、学习和推理

2018年思爱普(SAP)：物理对象或系统的虚拟表达，使用数据、机器学习和物联网来帮助企业优化、创新和提供新服务。

2020年德勤公司(Deloitte)：一种对物理系统，资产或流程的数字仿真技术。通常与物联网技术配套，用于测试仿真系统，由数据科学和机器学习支撑，为现实世界的活动提供优化和洞察

中国航空工业发展研究中心刘亚威认为：从本质上来看，数字孪生是一个对物理实体或流程的数字化镜像。创建数字孪生的过程，集成了人工智能、机器学习和传感器数据，以建立一个可以实时更新的、现场感极强的“真实”模型，用来支撑物理产品生命周期各项活动的决策。

上海优也信息科技有限公司首席技术官林诗万博士对数字孪生的理解是，数字孪生体可有多种基于数字模型的表现形式，在图形上，有几何、高保真、高分辨率渲染、抽象简图等；在状态和行为上，有设备运行、受力、磨损、报警、宕机、事故等；在质地上，有材质、表面特性、微观材料结构等。

现在关于数字孪生广泛认同的定义是数字孪生是指现有或未来物理对象的数字模型，通过实际测量、模拟和数据分析，实时感知、诊断和预测物理对象的状态，通过优化和指令调整物理对象的行为，通过相关数字模型之间的相互学习进行自我进化，并在物理对象的生命周期内改善利益相关者的决策。

CFLP《数字孪生供应链白皮书》指出数字孪生是基于物理系统的实时数字化模型。

数字孪生技术最早在1969年被NASA应用于阿波罗计划中，用于构建航天飞行器的孪生体，反映航天器在轨工作状态，辅助紧急事件的处置。2003 年，数字孪生概念正式被密歇根大学的Grieves教授提出，美国密歌根大学教授Michael Grieves博士于2003提出产品生命周期管理( Product Lifecycle Management， PLM )理想状态“通过物理设备的数据，在虚拟(信息)空间构建个可以表征该物理设备的虚拟实体和子系统； 并且这种联系不是单向和静态的，而是在整个产品的生命周期中都联系在一起”，被认为是最早的数字孪生。其中包含了数字孪生的几个核心元素:真实空间、虚拟空间、从真实空间到虚拟空间的数据流连接，以及从虚拟空间向真实空间或者其他虚拟空间的信息流。Michael Grieves博士在2003年的一次高管培训上，提出了“物理产品的数字等同体或数字孪生体概念”。2011年3月，美国空军研究实验室结构力学部门的Pamela A. Kobryn和Eric J. Tuegel，做了一次演讲，题目是“Condition-based Maintenance Plus Structural Integrity (CBM+SI) &amp； the Airframe Digital Twin(基于状态的维护+结构完整性&；战斗机机体数字孪生)”，首次明确提到了数字孪生。关于数字孪生的基础元素，北京航空航天大学陶飞教授，基于Grieves教授的概念， 进步 提出了数字孪生的五维模型:物理实体，虚拟实体，连接，孪生数据，服务。

从数字孪生的定义可以看出，数字孪生具有以下几个典型特点^[1]:

(1)互操作性

数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，因此数字孪生具备以多样的数字模型映射物理实体的能力，具有能够在不同数字模型之间转换、合并和建立“ 表达”的等同性。

(2)可扩展性

数字孪生技术具备集成、添加和替换数字模型的能力，能够针对多尺度、多物理、多层级的模型内容进行扩展。

(3)实时性

数字孪生技术要求数字化，即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包括外观、状态、属性、内在机理，形成物理实体实时状态的数字虚体映射。

(4)保真性

数字孪生的保真性指描述数字虛体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真，在状态、相态和时态上也要仿真。值得一提的是在不同的数字孪生场景下，同一数字虚体的仿真程度可能不同。例如工况场景中可能只要求描述虚体的物理性质，并不需要关注化学结构细节。

(5)闭环性

数字孪生中的数字虚体，用于描述物理实体的可视化模型和内在机理，以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数，实现决策功能，即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性。

数字孪生的核心技术主要体现在6个方面，其中虚拟显示呈现是其中重要环节，帮助使用者通过数字孪生系统迅速地了解和学习目标系统的原理、构造、特性、变化趋势、健康状态等各种信息，并能启发其改进目标系统的设计和制造，为优化和创新提供灵感^[2]。

多领域、多尺度融合建模：在正常和非正常的情况下从最初的概念设计阶段开始实施，从不同领域、深层次的极力层面对物理系统进行跨领域的设计理解和建模

数据驱动与物理模型融合的状态评估：采用解析物理模型为主，利用数据驱动的方法对解析物理模型的参数进行修正；将采用解析物理模型和采用数据驱动并行使用，最后依据两者输出的可靠度进行加权，得到最后的评估结果

数据采集和传输：高精度传感器数据的采集和快速传输是整个数字孪生系统的基础，各个类型的传感器性能，包括温度、压力、震动等都要达到最优状态，以复现实体目标系统的运行状态

全生命周期数据管理：采用云服务器对西永的海量运行数据进行分布式管理，实现数据的高速读取和安全冗余备份，为数据智能解析算法提供充分可靠的数据来源

虚拟显示呈现：将系统的制造、运行、维修状态呈现出超现实的形式，对复杂系统的各个子系统进行多领域、多尺寸的状态监测和评估，将智能监测和分析结果附加到系统的各个子系统，在完美复现实体系统的同时将数字分析结果以虚拟映射的方式叠加到所创造的孪生系统中，从视觉、听觉、触觉等各个方面提供沉浸式的虚拟现实体验，实现实时、连续的人机互动

高性能计算：基于分布式计算的云服务平台是系统的重要保障，优化数据结构、算法结构等提高系统的任务执行速度是保障系统实时性的重要手段

从数据驱动的角度，数字孪生的功能是层次化的、丰富的，包括描述或者监控功能( Descriptive )、分析功能( Analytical )、诊断功能( Diagnostic )、预测功能( Predictive ).

规范化决策功能(Prescriptive )，乃至认知( Cognitive，突破人为设定的价值创造能力) ，具体地，其常见的应用价值大概总结如下:

实时远程监控和更高的安全性:数字孪生基于不中断的网络和设备连接，持续收集现实世界的数据，支持7*24小时无中断、远程的实时监控。进一步地，支持从设备和过程中提取数据，识别缺陷、定位故障、实现信息可视化，防止因为设备或者过程异常造成的损失；

更高的产品质量和安全性:数字孪生通过模拟仿真，能够减少实物试验次数，缩短产品设计周期，降低试验与测试成本，提高可行性、成功率，可以防止特定行业产品缺陷引发的危险和失误。在制造业，数字孪生使能虚拟的定制，使能制造商在投资之前解决问题，防止安装之后高成本的调整；

预测性维护:基于数字孪生，可以进行更多预测性的以及基于状态的检修，帮助长远实现性能提升。具体地，因为产品和生产过程的错误一 般能够由采集的错误的状态和指标导出来的，数字孪生基于预测性的状态观测，使能主动维护和支持，潜在有助于解决运营和维护出现的高成本宕机问题、缓解风险、避免突发的灾难性的破坏；

“主动式"；更有效的规划决策和效能优化:数字孪生积累了丰富高质的数据信息，使能企业基于数据驱动、主动分析优化决策质量。具体地，基于物理世界采集的数据，可以通过数据分析可视化呈现、数据仿真模拟智能决策等手段，实现有效的规划决策和既有资产的效能优化；

个性化、柔性的生产(更有效的控制执行):基于数字孪生的实时数据采集和控制决策交互，能够提升环境和需求敏感度，支持实时，精细化响应变化，同时，基于数字孪生的跨系统、全流程的协作机制，方便使能快速个性化柔性制造；

跨系统、全流程的有效协作:数字孪生能够方便使能跨系统、全流程的过程的协作，降低不同环节信息收集和关联的成本，支持跨系统、全流程的协同决策，也能够解决传统的团队间协同困难的问题。以生产计划和调度的优化为例，数字孪生通过通用接口自动从制造执行系统( Manufacturing Execution System， MES )和企业资源计划( Enterprise Resource Planning， ERP )等系统采集生产和资源数据、以及客户需求的波动，基于需求数据驱动实时的生产资源优化、降低生产计划迭代以及避免库存浪费；

数字孪生的生态系统架构趋于完善。数字孪生包括“基础支撑”、“数据互动”、“模型构建”、“仿真分析”、“共性应用”、“行业应用”六大核心模块，对应从设备、数据到行业应用的全生命周期。

基础支撑层是数字孪生的底层架构部分。基础支撑层主要包括芯片、传感器、边缘计算和监控，用于数字孪生中数据的采集和向网络发送。

数据互动层是数字孪生的信息互动部分。数据互动层为数字孪生提供软件定义的工具和平台支持，从而完成数字孪生中的的信息采集、信息传输与同步和信息增强。其中信息采集、信息传输与同步和信息增加分别对应着数据上云、数据对齐与融通、数据清洗与分类。

模型构建层是数字孪生的核心组成部分。模型构建层提供获取数据和建立数字化模型服务，包括测绘扫描、几何建模、网格剖分、系统建模、流程建模、组织建模等技术。

仿真分析层是数字孪生的动态预测部分。仿真分析层在数字模型中融入了物理规律和机理，根据物理对象当前的状态，通过物理学规律和机理来计算、分析和预测物理对象的未来状态。

共性应用层是数字孪生的具体应用部分。共性引用层借助数字孪生平台实现产品全生命周期的管理，进行描述、诊断、预测和决策，并且在这个过程中实现不同行业、应用的打通。

行业应用层是数字孪生的场景应用部分。行业应用层是数字孪生针对智慧城市、交通、水利、工程、工业生产、能源、自动驾驶、公共应急等领域的行业需求而提供的各 种应用服务，是数字孪生在不同场景的解决方案

航空航天应用数字孪生的驱动来自两个方面，一方面是核心产品的单品价值高，另一方面是试验的运行环境相对极端，不适用频繁进行。引入数字孪生，能够帮助降低实体尝试的昂贵成本，以及可能的高额损失；

制造业是资产密集行业，通过数字孪生能够进行产品的交叉验证，保证产品高质量的交付。特别地，数字孪生可以赋能增材制造( Additive Manufacturing )。通过运用计算机辅助设计( CAD)或三维物体扫描仪，支持以分层制造、逐层叠加的方法制造实体零件。数字孪生，辅助以3D打印等技术，能够快速制造出包括复杂几何图形的产品原型，从而减少了零件数量和装配时间，提升机械性能，使能小批量定制生产和“零库存"；管理。

工业，工业产品涉及复杂、单品价值昂贵的大型机械设施。这样的设施一旦出现故障，可能产生很大的损失。通过数字孪生，使能远程监控、维修和预测性维护，减少宕机，提升可靠性。

生命科学和健康护理，医疗和健康事业，涉及生命安全，一旦出错，则将造成人员伤亡。而生命科学和健康事业也是不断探索、非常复杂的过程，比如一方而需要验证新药解决新的疾病问题，另一方面即使是相对成熟的药品对不同的病人也有不同的效果。通过数字孪生，能够以最低的试错成本，以及最高的效率，为病人提供疾病处理和健康护理能源，以电力行业为例，涉及发电、输电、变电、配电、用电等多个环节，涉及到大量昂贵复杂的设施并且要求极高的可靠性。同时这些设施经常放置于偏远的区域。对设施的远程的状态监控、可视化、预测，具有较大的需求，而数字孪生可以帮忙实现这些相关的能力；

公共设施和城市规划，公共设施和城市规划，是复杂的工程，并且涉及大量的成本。基于数字孪生，能够在虚拟空间设计出性能和价格优化的方案；

建筑，建筑工程是不可逆的工程，并且建筑设计的合理性，将直接影响人员安全和建筑投资回报。同时，建筑施工过程还涉及到复杂的过程逻辑，以及施工安全等事项。总之，建筑设计是一项复杂、成本也较高的工程。数字孪生能在建筑设计和建筑施工，分别提供仿真建模评估优化决策，以及过程监督、安全管理和质量评估等功能^[3]。

参考资料：

[1]工信部：数字孪生应用白皮书-2020版(313页).pdf

[2]通信行业：雄狮少年元宇宙在汽车行业的探讨-211210（30页）.pdf

[3] ；CFLP：数字孪生供应链白皮书（42页）.pdf

相关报告：

工业互联网产业联盟：工业数字孪生白皮书（2021）（35页）.pdf

中国移动：5G行业网数字孪生白皮书（37页）.pdf

中国移动：面向数字孪生的5G现场网体系架构白皮书（26页）.pdf