数字孪生是综合运用感知、计算、建模等信息技术，通过软件定义，对物理空间进行描述、诊断、预测、决策，进而实现物理空间与数字空间的交互映射。
数字孪生发展历程
2003年，数字孪生最初是在格里夫斯的产品生命周期管理（PLM）执行课程中提出，他将其定义为三个维度，包括一个“物理实体”、一个“数字对应物”和一个将两部分联系在一起的“连接”。
2010年，美国宇航局在《建模、仿真、信息技术》草案中详细阐述了航天飞行器数字孪生的定义和功能，“一个综合的多物理场、多尺度的飞行器或系统模拟，使用最佳可用的物理模型、传感器数据更新、历史数据等来反映其相应寿命”。
2011年，美国空军探索了数字孪生在飞机结构健康管理中的应用。
2012年，美国宇航局和美国空军联合发表了一篇关于数字孪生的论文，指出它是未来飞行器的关键技术。
2014年，数字孪生白皮书发表，其三维度结构得到广泛宣传。随后，它被引入航空航天工业以外的更多领域，如汽车、石油和天然气、医疗保健和医药等。
2020年，工信部牵头发布《数字孪生白皮书》。
数字孪生的价值
数字孪生的概念非常大。我们简单的看一下这个概念所提供的典型的好处:
1、可见性：数字孪生能够实现机器操作的可见性，以及制造工厂或者机场中大型的互联系统的可见性。
2、预测性：使用多种建模技术(基于物理和基于数学的)，数字孪生模型能够用于预测机器未来的状态。
3、假设分析：通过适当设计的接口，可以很容易的与模型进行交互，并且对模型询问假设问题，来模拟现实中无法创建的各种条件。
4、连接不同的系统：如果设计的正确，数字孪生模型能够用来连接后端的业务应用，在供应链运作中实现业务成果，包括制造、采购、仓储、运输、物流、现场服务等。
数字孪生的核心
1、模型
数字孪生对于每个物理对象，都有一个“数字镜像”存在于虚拟世界中，并与它在整个生命周期中一起“工作”。数字孪生的模型，不仅仅是3D模型，它包括几何尺寸、物理特性和行为等，具有实时同步、可靠映射和高保真等特点。
2、数据
数字孪生数据由五部分组成：一是来自物理实体的数据，主要包括运行状态和工作条件；二是来自虚拟镜像的数据，由模型参数和模型运行数据组成；三是来自服务应用的数据，描述服务的封装、组合、调用等；四是从收集的数据中挖掘或从现有数据库和系统中获取的领域知识；最后是以上数据的融合处理数据，可以通过数据融合算法（如神经网络、D-S算法和卡尔曼滤波）获得。
3、服务
服务又分为面向物理实体和面向虚拟镜像两种服务。这些服务通过实时调节使物理实体按预期工作，并通过物理实体与镜像模型的关系校准以及模型参数校准保持虚拟镜像的高保真度。
4、连接
从概念图可以看到，在五维数字孪生中的连接，不止于物理实体与虚拟镜像之间的连接，还包括他们与服务以及数字孪生数据之间的双向连接。由此也可以看出，数字孪生中服务和数据角色的增加，也带来了整个体系角色之间联系的复杂化。
当代数字孪生的五个维度概念
PE表示物理实体，VE表示虚拟实体，SS表示服务（应用），DD表示孪生数据，CN表示各组成部分间的连接。
智能制造数字孪生整体架构
近年来，数字孪生得到越来越广泛的传播。同时，得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展以及“工业4.0”的推进，数字孪生在智能制造领域已逐步开始落地。
智能制造领域的数字孪生体系框架主要分为六个层级，包括基础数据层、数据交互层、基础模型层、仿真分析层，功能层和应用层。
智能制造领域数字孪生体系框架
基础数据层 ：数据是基础，建立数字孪生要以大量相关数据为依据，需要从各方面获取数据来完善自身建模，建模的完整度与数据的完整性成正比。数据大致上可分为三类：
（1）设备数据，具体可分为行为特征数据（如振动、加工精度等），设备生产数据（如开机时长，作业时长等）和设备能耗数据（如耗电量等）；
（2）仪表数据，如温度、大气压力、湿度、泵压力等；
（3）流程数据。即描述各流程之间的逻辑关系的数据，如生产排程、物料拉动、出入库等 。
数据交互层 ：工业现场数据一般通过分布式控制系统（ DCS）、可编程逻辑控制器系统（ PLC）和智能检测仪表进行采集。近些年来，随着深度学习、视觉识别技术的发展，各类图像、声音采集设备也逐渐被应用于数据采集中 。
数据采集后就需要进行传输，数据传输是实现数字孪生至关重要的一部分。数字孪生模型是动态的，建模和控制基于实时上传的采样数据进行，对信息传输和处理时延有较高的要求。因此，数字孪生需要先进可靠的数据传输技术，具有更高的带宽、更低的时延、支持分布式信息汇总，并且具有更高的安全性，从而能够实现设备、生产流程和平台之间的无缝、实时的双向整合 / 互联。现今良好的网络通讯环境为数字孪生技术的应用提供基础技术支撑，包括更好的交互体验、海量的设备通信以及高可靠低延时的实时数据交互。
接收到关键数据后可进行数据仿真处理，即虚拟实体实时动态映射物理实体的状态，在虚拟空间通过仿真验证控制效果，根据产生的洞察反馈至物理资产和数字流程，形成数字孪生的落地闭环。数字孪生的交互包括物理 - 物理、虚拟 - 虚拟、 物理 - 虚拟、人机交互等交互方式 。
（1）物理物理交互：使物理设备间相互通信、协调与写作，以完成单设备无法完成的任务 ；
（2）虚拟 - 虚拟交互：以连接多个虚拟模型，形成信息共享网络
（3）物理 - 虚拟交互：虚拟模型与物理对象同步变化，并使物理对象可以根据虚拟模型的直接命令动态调整；
（4）人机交互：即用户和数字孪生系统之间的交互。使用者通过数字孪生系统迅速掌握物理系统的特性和实时性能，识别异常情况，获得分析决策的数据支持，并能便捷地向数字孪生系统下达指令。比如，通过数字孪生模型对设备控制器进行操作，或在管控供应链和订单行为的系统中进行更新。
数据建模与仿真层 ：建立数字孪生的过程包括建模与仿真。建模即建立物理实体虚拟映射的 3D 模型，这种模型真实地在虚拟空间再现物理实体的外观、几何、运动结构、几何关联等属性，并结合实体对象的空间运动规律而建立。仿真模型则是基于构建好的 3D 模型，结合结构、热学、电磁、流体等物理规律和机理，计算、分析和预测物理对象的未来状态。
智能制造数字孪生应用
数字孪生模型常用于以下几个方面：
1、仿真优化 ：使用天气、能源成本或性能因素等变量，触发模型运行成百上千个假设分析仿真，对当前状态的虚拟实体进行评估。 这样就能够在实验阶段中对虚拟实体进行优化或控制，从而缓解风险、降低成本和提高效率。
2、预测性维护 ：在工业 4.0 应用中，模型可以用来确定剩余使用寿命，通知运营部门在最适当的时间检修或更换设备。
3、异常检测 ：模型与实际资产并行运行，并会立即标记偏离预期（仿真）行为的运营行为。数字孪生模型会寻找运营行为中的异常现象，以帮助避免灾难性破坏。
4、故障隔离：异常可能触发一连串的仿真，以便隔离故障，识别根本原因，使工程师或系统能够采取适当措施。
实施系统架构
对于数字孪生的具体实施，根据不同案例的总结，其基本的系统架构如下，可在此基础上根据各项目需求的不同进行细化补充：
系统所需的数据大部分来自于底层PLC相关设备，最常用的数据集成方式就是通过OPC协议，当然也可通过Modbus、webservice等接口协议，上位根据需求开发相应接口，来建立连接。
孪生产线：依据现场实际布局，建立基于离散系统仿真的虚拟生产线，并建立通过接口可以接收调度 指令的控制模型和物流模型，用于与实际生产线的同步验证、虚拟调试。
仿真数据库：建立与实际生产数据库一致的仿真生产数据库，并仿真运行，保存产生的实时仿真生产数据。
应用案例
1、 工厂物流配送
-
三维设备模型建立
通过相关专业软件，完成设备的建模、轻量化和分解工作。
-
设备单元仿真模型建立
按照生产设备的单元输入参数，以单体设备为单元在仿真系统中建立虚拟仿真模型。
-
构建机理模型模型建立
根据业务场景需求，构建机理模型，实现基于生产过程实时数据驱动的仿真过程。
-
系统互连
通过 OPC UA 解决不同系统间的接口集成和信息协同的互操作问题。
-
试验分析与辅助决策
通过仿真及机理模型，对系统输入数据进行多参数多水平的仿真试 验分析，根据试验分析的结果进行辅助决策。
应用数字孪生技术能验证和优化库存容量水平、设备参数及参数等设计技术指标，还能校验信息系统中数据的准备性和完整性，不仅能发现物流规划方案中存在的问题，还可以进一步挖掘管理中存在的问题。
2、瓶装饮料工厂
饮料生产线一般的处理工艺为：储罐→过滤器→化糖锅→双联过滤→调配系统→双联过滤器→均质→脱气→杀菌机→保温罐→冲洗灌装封盖→上盖机→吹干机→喷码机→贴标机→纸箱包装。
根据其工厂设备布局及生产工艺构建虚拟孪生工厂车间，真实还原现实物理生产车间，并模拟生产过程，实现对各个生产流程的可视化，同时直观的反应出各流程的实时状态。
利用数字孪生可以加快产品导入的时间，提高产品设计的质量、降低产品的生产成本和提高产品的交付速度。在服务阶段，结合物联网技术和三维大数据可视化技术，采集产品运行阶段的环境和工作状态，并通过数据分析和优化来避免产品的故障，改善用户对产品的使用体验。
3、智能实验室
㠏康助力上海某国际独立第三方检测、检验和认证机构完成其智能实验室的落地。智能实验室是基于德国工业4.0参考架构模型来打造的，这标志着无人化、智能化、信息化、云端化，从TIC产业中从理论走向实际的完美呈现。
实验室主要是对办公座椅锥形压力管进行强度和疲劳测试，将通过专业测量仪器对管件以小于30HZ的频率进行300万次交变矩应力疲劳测试。完成后还将进行磁粉探伤测试。
通过数字化仿真平台，将智能实验室的整体工艺及自动化实现过程进行了完美复现。通过专家系统中的深层神经网络算法、数据分析、工艺参数优化等方法，提高了系统的自学习能力及效率。
同时通过㠏康ThingBelt平台进行数据采集、工况展示、异常展示统计、订单管理等功能。充分展现了“上下贯通，左右协同，资源共享”的工业4.0实验室特色。