作为在数据可视化领域的爱好者，也观察了众多HTML5/Web化、2D/3D化的项目在工业界的落地的情况。借此机会谈一谈想法和探究历程。
近年来，数字孪生（DigitalTwin）一词迅速蹿红，成为一个炙手可热的概念。但随着工业界和学术界对数字孪生的不断解读，其含义却越发扑朔迷离，和其他一些相关概念的界限也越来越模糊。数字孪生到底是什么，能做什么，边界在哪里，它和建模仿真是什么关系等等问题。
一、“数字孪生“从哪里来？
起初我们抱着“数字孪生”这个词是从哪里来的疑问？调查了文献和百科等资料，调查结果是“数字孪生”概念的萌芽最早可以追溯到二十世纪六七十年代的美国航天“阿波罗”项目，NASA制造完全相同的两个空间飞行器，一个用于执行飞行任务，另一个留在地球上，被称为“孪生体”，用于反映另一个飞行器的状态。
数字孪生
此时的孪生体还停留在仿真阶段。“孪生体”具备两个显著特征：孪生体与其所反映的实体在外表、内容、性质、性能等各方面完全相同；孪生体能够真实完全地反映另一实体的运行状况。此时的孪生体侧重“仿真”性能，其表现形式仍为物理实体。后来密歇根大学的迈克尔·格里夫斯教授在2003年提出“物理产品的数字表达”的观念，并强调物理产品的数字表达应能够抽象的表现物理产品，能够基于数字表达对物理产品进行真实条件或模拟条件下的测试。这个观念尽管在当时没有被称作数字孪生，但它具有数字孪生的组成和功能，即“构建物理实体的等价虚拟体”，虚拟体能够对物理实体进行仿真分析和测试，这个理论可以被看成是数字孪生在产品设计环节中的运用。
尽管再后来的这些描述概念不断变化，但其包含的组成要素与概念模型却基本保持一致，都突破了原来孪生体的物理空间限制，组成要素有物理空间、数字虚拟空间与两者之间的联接三部分，概念模型即实体产品、虚拟产品以及两个空间之间的数据信息交互接口。
二、“数字孪生“究竟是什么？
搞清楚来源之后再来研究一下当今社会对数字孪生的定义，现在由于各行各业都站在自己行业相关内的角度来考虑“数字孪生”所以已经赋予了数字孪生很多不同领域的定义。我这里列举两个我认为最具普遍性和代表性的定义。
首先第一个定义也是最初诞生“数字孪生”定义的航空业，由中国航空制造技术组提出、“科普中国”科学百科词条编写与应用工作项目组审核、百度百科认证的数字孪生定义：“数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统“。
第二个定义是美国和德国均提出了Cyber-Physical System（CPS）“信息-物理系统”中提到的关于他们对数字孪生的定义，首先简要说明一下，CPS作为美国和德国先进制造业的核心支撑技术，其目标就是实现物理世界和信息世界的交互融合，他们对数字孪生的定义：“数字孪生是在信息世界对物理世界的等价映射，通过大数据分析、人工智能等新一代信息技术在虚拟世界的仿真分析和预测，以最优的结果驱动物理世界的运行。”
所以我们认为数字孪生具有将虚拟空间和物理实体紧密融合的特点。对于现在，在大数据、5G等技术的支撑下，在各种虚拟现实引擎层出不穷、GIS技术高度成熟、三维影像能够更加快速生成的大环境下，数字孪生更容易落地；对于未来，物理世界中的各种事物都将可以使用数字孪生技术进行复制。
三、数字孪生技术的应用分析
在《数字孪生体（Digital Twin）是谁提出的？》一文中，工业4.0研究院院长胡权详细介绍了数字孪生体的历史渊源，通过详细的书面证据，指出美国空军研究实验室（AFRL，Air Force Research Laboratory）在2011年3月明确提出了数字孪生体这个概念（出于对战斗机进行仿真的需求，美国空军实验室与NASA合作，首次提出飞行器的数字孪生体概念，“利用当前可用物理模型、更新的传感器数据和历史数据等来反映与该模型对应的飞行实体的状态”）。随之其后，数字孪生不仅在航空领域逐渐获得了更多应用，一般工业企业也开始采用数字孪生体这个概念，但同时它们也逐渐呈现了往左走还是往右走的选择。
对于声称首先提出数字孪生体概念的Michael W.Grieves来讲（事实上没有任何证据），对物理设备进行建模（3Dmax、CAD等）是其核心价值；美国空军研究室实验室应用数字孪生体的目标是为武器装备提供运行维护数字化，这是往右走的选择。
德国HOMAG的数字孪生体应用案例，就行业应用数字孪生体的现状来看，美国通用电气（GE，General Electric）的选择是往右走，而德国西门子（Siemens）的选择是往左走。
国内大部分工业互联网企业，选择的大都是往右走，包括工业4.0研究院下属翼络工业互联网（重庆）有限公司，也主要选择往右走的策略；一些高校背景的企业，或者从传统工业设计外企出来创业的企业，大都接受了工信部政策的引导，选择往左走的策略。
为什么有两种迥然不同的选择？如果我们从数字孪生体的技术特点来看。数字孪生体本质上是对物理世界的数字映射，如果可以实现全保真映射，那么就能实现类似阿凡达一样的效果。据工业4.0研究院观察，就人类社会目前的数字化技术水平来讲，未来100年以内也很难实现阿凡达那样的水平。但是，这不意味着我们不可以利用数字孪生体技术。虽然不能高保真的对物理世界进行映射，但如果可以比目前简单的关键传感器部署方式更进一步，就已经能对传统的设计、生产、交付和维护等过程产生巨大的影响。
德国大众使用的PDM、PLM和BPM按照一些鼓吹利用数字孪生体技术实现产品生命周期管理（PLM，Product Lifecycle Management）的企业说法来看，实现产品全生命周期的数字化，当然是好事情，不过投入必然不菲。工业4.0研究院发现，具有一定规模的企业，实现产品数据管理（PDM，Product Data Management）就不错了，如果要实现产品生命周期管理，大部分在短期内是不经济的。
因此，往左走的数字孪生体选择，除了一些不计成本和代价的行业（例如航天军工），普通工业领域无需激进推行，可以等候相关技术及解决方案的成熟之后再选择。
对数字孪生体的态度，除了往左走，还有往右走的选择，这个选择就是在产品交付之后的维护过程，可以采用数字孪生体来实现。通过产品的数字化建模，针对运维过程需要监控的关键指标进行分析，能够了解产品的健康情况，在可能出现故障之前发现问题，及时进行修复。
美国通用电气的数字孪生体应用模型。就是所谓基于状态的维护，有的也称为预测性维护，对于通用电气来讲，它把这种业务发展为资产性能管理（APM，Assets Performance Management），从而形成一种智能服务。当然，西门子在重点推产品生命周期管理业务，但对于资产性能管理也投入了不少精力开发和推广。
毫无疑问，数字孪生体往右走的选择，体现了轻资产的业务创新逻辑，更适合互联网领域的创业团队介入，因为它较少涉及到复杂的生产现场，同时，数字孪生体在产品使用过程中的创新空间，也远远大于产品设计过程体现的机会。
通过前面的分析，我们可以看到，数字孪生体的应用场景层出不穷，但目前实用的典型场景主要有两大类，一是往左走的产品数字化设计，主要体现为产品生命周期管理解决方案，二是往右走的产品使用过程的数字化，主要服务模式是基于状态的维护。
四、数字孪生的意义
1、更便捷，更适合创新
数字孪生通过设计工具、仿真工具、物联网、虚拟现实等各种数字化的技术手段，将物理设备的各种属性映射到虚拟空间中，生成可拆解、可复制、可转移、可修改、可删除、可重复操作的数字镜像，这极大地加快了操作人员对物理实体的掌握，可以让许多原先基于物理条件限制、必须依赖真实的物理实体而难以完成的操作，如模拟仿真、批量复制、虚拟装配等，成为触手可及的工具，更能激发人们去探寻新的途径来优化设计、制造和服务。
2、更全面的分析和预测能力
目前的产品生命周期管理，极少可以实现精确的预测，因此通常难以对隐藏在表象下的问题提前进行预判。而数字孪生可以结合物联网的数据收集、大数据的处理和人工智能的建模分析，实现对当下状态的评估、对以往发生问题的诊断，及其对未来发展趋势的预测，并给予分析的结果，模拟各种可能性，提供更全面的决策支持。
3、经验的数字化
在传统的工业设计、制造和服务领域，经验通常是一种模糊而难以把握的状态，难以将其作为精确判决的依据。而数字孪生的一大关键性进步，是可以通过数字化的技术手段，将原先无法保存的专家经验进行数字化，并提供了保存、复制、修改和转移的能力。比如说，针对大型设备运作过程中出现的各种故障特征，可以将传感器的历史数据通过机器学习训练出针对不同故障现象的数字化特征模型，并结合专家处理的记录，将其生成未来对设备故障状态进行精确判决的依据，并可针对不同的形态的故障进行特征库的丰富和更新，最终生成自治化的智能化诊断和判决。
五、总结
数字孪生技术需要进行全域感知、运行监测，并整合历史积累数据进行运算，还要做到快速及时地输出信息，首先是高度依赖传感器所采集的数据和信息。其次软件上，需要更加先进的算法，各类软件的整合，例如利用人工智能、大数据、边缘计算等技术，对数据进行更加快速的分析处理，进行可视化呈现。数字孪生可以为各行各业、未来生活带来无限的可能。随着其他技术的发展，数字孪生将有更多想象空间。
