导语
数字孪生是一个对物理实体或流程的实时数字化镜像，以数据为线索实现对物理实体的全周期集成与管理，实现数据驱动的信息物理系统双向互控及混合智能决策，人工智能贯穿于整个系统。
数字孪生至少包含六个维度：系统仿真与多模型驱动（SM），数据线索与数据全周期（DT），知识模型与知识体系（KM），CPS双向自主控制（AC），混合智能决策（ID），全局人工智能（AI）。数字孪生内涵可基于六维度表达，数字孪生=。
正 文
1 数字孪生起源与发展
数字孪生(Digital Twin)的概念最早由密西根大学的Michael Grieves博士于2002年在产品全生命周期管理课程上提出（最初的名称叫“Conceptual Idealfor PLM”），至今有差不多有15年多的历史。当时的概念称为“与物理产品等价的虚拟数字化表达”，定义为一个或一组特定装置的数字复制品，能够抽象表达真实装置并能够以此为基础进行真实条件或模拟条件下的测试。这一概念在2003—2005年被称为“镜像的空间模型(Mirrored Spaced Model)”，2006—2010年被称为“信息镜像模型(Information Mirroring Model)”，可以看到其具有物理空间、虚拟空间以及两者之间的关联或接口这三个重要组成要素，是数字孪生概念的雏形。美国国家科学基金会（NSF，National Science Foundation）的Helen Gill在2006年创造了信息物理系统（CPS，Cyber-Physical Systems）概念，德国于2011年利用该概念提出了工业4.0（Industrie4.0）；美国Michael Grieves号称在2003年创造了数字孪生体（Digital Twin）概念，德国西门子在2016年就开始尝试利用数字孪生体来完善工业4.0应用。美国国防部最早提出将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。NASA将数字孪生的理念应用在阿波罗计划中，开发了两种相同的太空飞行器，以反映地球上太空的状况，进行训练和飞行准备。
在当前的概念内涵下，数字孪生作为一种充分利用模型、数据并集成多学科的技术，其面向产品全生命周期过程，发挥连接物理世界和信息世界的桥梁和纽带作用，从而提供更加实时、高效、智能的服务。目前，国防、工业、城市等领域都纷纷提出了对数字孪生的理解，并着手开发相应的系统。但直到目前为止，从全球范围看，数字孪生并未诞生被普遍认可的确切定义，数字孪生理论、技术、应用总体上处于起步阶段。
2 数字孪生在工业制造领域
数字孪生源自工业制造领域，从2014年开始，西门子、达索、PTC、ESI、ANSYS等知名工业软件公司，都在市场宣传中使用“Digital Twin”术语，并陆续在技术构建、概念内涵上做了很多深入研究和拓展。
数字孪生在工业制造领域的内涵与作用可总结如下：
（1）工艺流程仿真：数字孪生形象地称之为“数字化双胞胎”，是智能工厂的虚实互联技术，从构想、设计、测试、仿真、生产线、厂房规划等环节，可以虚拟和判断出生产或规划中所有的工艺流程，以及可能出现的矛盾、缺陷、不匹配，所有情况都可以用这种方式进行事先的仿真，缩短大量方案设计及安装调试时间，加快交付周期。
（2）三维数字模型：数字化双胞胎技术将带有三维数字模型的信息可以被拓展到整个生命周期中去，最终实现虚拟与物理数据同步和一致。
（3）人工智能融合：数字孪生集成了人工智能(AI)和机器学习(ML)等技术，将数据、算法和决策分析结合在一起，建立模拟，即物理对象的虚拟映射。在问题发生之前先发现问题，监控在虚拟模型西门子数字孪生体应用模型。
西门子数字孪生体应用模型
3 六维度数字孪生
数字孪生是一个对物理实体或流程的实时数字化镜像，以数据为线索实现对物理实体的全周期集成与管理，实现数据驱动的信息物理系统双向互控及混合智能决策，人工智能贯穿于整个系统。
数字孪生至少包含六个维度：系统仿真与多模型驱动（SM），数据线索与数据全周期（DT），知识模型与知识体系（KM），CPS双向自主控制（AC），混合智能决策（ID），全局人工智能（AI）。
数字孪生内涵可基于六维度表达，数字孪生=。
①系统仿真与多模型驱动（SM）
②数据线索与数据全周期（DT）
③知识模型与知识体系（KM）
④CPS双向自主控制（AC）
⑤混合智能决策（ID）
⑥全局人工智能（AI）
物理对象的变化，诊断基于人工智能的多维数据复杂处理与异常分析，并预测潜在风险，合理有效地规划或对相关设备进行维护。
（4）智慧建造：数字孪生，也用来指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，在日常运维中二者继续进行信息交互。
西门子应用数字孪生技术助力企业数字化转型。2017年底，西门子正式发布了完整的数字孪生体应用模型。
3.1系统仿真与多模型驱动
数字孪生与计算机辅助（CAX）软件（尤其是广义仿真软件）关系十分密切。在工业界，人们用软件来模仿和增强人的行为方式。人机交互技术发展成熟后，以下模仿行为出现：
用CAD软件模仿产品的结构与外观
CAE软件模仿产品在各种物理场情况下的力学性能
CAM软件模仿零部件和夹具在加工过程中的刀轨情况
CAPP软件模仿工艺过程
CAT软件模仿产品的测量/测试过程
OA软件模仿行政事务的管理过程
MES软件模仿车间生产的管理过程
SCM软件模仿企业的供应链管理
CRM软件模仿企业的销售管理过程
MRO软件模仿产品的维修过程管理
BIM软件模拟建筑构件及建筑工程管理
……
可以说，建模与仿真以及多类型模型驱动是数字孪生首当其中的核心要义。
波音F-15C飞机的多个数字孪生模型
3.2 数据线索与数据全周期（DT）
数字线索是数字孪生的核心技术。美空军认为，系统工程将在基于模型的基础上进一步经历数字线索变革。数字线索是基于模型的系统工程分析框架。数字线索的特点是“全部元素建模定义、全部数据采集分析、全部决策仿真评估”，能够量化并减少系统寿命周期中的各种不确定性，实现需求的自动跟踪、设计的快速迭代、生产的稳定控制和维护的实时管理。数字线索将变革传统产品和系统研制模式，实现产品和系统全生命周期管理。数字线索的应用，将大大提高基于模型系统工程的实施水平，实现“建造前运行”，颠覆传统“设计－制造－试验”模式，在数字空间中高效完成大部分分析试验，实现向“设计－虚拟综合－数字制造－物理制造”的新模式转变。基于数字线索和数字孪生可构建智能应用场景，典型的如：故障诊断、预测性维护等。
3.3 知识模型与知识体系（KM）
知识驱动是数字孪生系统的典型特征之一，知识工程是数字孪生工程中必不可少的一环。借助知识图谱、人工智能、大数据挖掘等技术，可建立通用知识体系和行业知识体系。知识体系能够有效吸纳、融合行业领域经验，将行业领域知识、经验、人、机器、专家等的智慧充分融合在一起，使定性的知识在信息系统中发挥更大价值。基于碎片化的知识，可构建系统化的知识体系。知识体系作为“核心驱动力”应具有自我学习、自我完善、自我进化能力，通过持续丰富和完善系统运行的一般规律，找到问题相关联的要素，以及要素间的相互影响关系。
AI知识图谱
3.4 CPS双向自主控制（AC）
数字孪生的本质是通过建模仿真，实现物理系统与赛博系统的相互控制，进而实现数据驱动的虚实一体互动和智慧决策支持。数字孪生的一个重要贡献是实现了物理系统向赛博空间数字化模型的反馈（逆向工程思维）。
数据驱动的CPS双向控制
3.5 混合智能决策（ID）
第三代人工智能的目标是要真正模拟人类的智能行为，人类智能行为的主要表现是随机应变、举一反三。为了做到这一点，我们必须充分地利用知识、数据、算法和算力，把四个因素充分利用起来，这样才能够解决不完全信息、不确定性环境和动态变化环境下面的问题，才能达到真正的人工智能。（张钹院士）
高度融合人工智能与人类智慧的混合智能决策是数字孪生的一个重要特征。这也凸显了数字孪生与第三代人工智能的高度吻合性。
3.6 全局人工智能（AI）
制造业本身已经扩展到了全生命周期，包括产品创新设计、加工制造、管理、营销、售后服务、报废处理等环节。AI融入产品全命周期当中任何一个环节，采用AI任何一种具体技术，横向提升制造业。AI融入制造业/城市/…的任何一个层级，采用AI任何一种具体技术，纵向提升产业和城市。AI无处不在的融合时数字孪生的一个重要特征。
4 以系统思维持续探索数字孪生
党的十八大以来，习近平总书记在推进政治、经济、军事、科学、文化等方面的思维和决策，表现出系统思维方法的科学性与系统性。主要体现在：注重用系统思维方法来推进党和国家治理体系的变革。注重系统的整体性和要素与要素的协同性。注重系统的开放性与环境的协调性。注重系统的重点突破与整体推进。注重解决非平衡问题，推进系统走向动态平衡。在系统思维的启发与指导下，数字孪生仍需结合实际应用持之以恒的探索，以使其发挥更大作用，为经济社会发展提供通用智能基础设施。
