隨著人類進入信息化、數字化時代，人們對虛擬數字世界的好奇和探索從未停止,電影《黑客帝國》是此類題材的代表性作品。
今天，數字孿生已開始助力人類生產力的變革和升級，改變人們的生產和生活方式。
01 數字孿生的發展形勢和機遇
中國是制造業大國，產業的數字升級正在推進，數字孿生的應用有廣闊的空間，加之政策支持，數字孿生在中國迎來了快速發展的機遇期。
習近平總書記在致2019中國國際數字經濟博覽會的賀信中指出：中國高度重視發展數字經濟，在創新、協調、綠色、開放、共享的新發展理念指引下，中國正積極推進數字產業化、產業數字化，引導數字經濟和實體經濟深度融合，推動經濟高質量發展。
2020年4月，國家發改委、中央網信辦印發《關于推進“上云用數賦智”行動 培育新經濟發展實施方案》，方案中將數字孿生與大數據、人工智能、5G等并列，并專辟章節談“開展數字孿生創新計劃”，要求“引導各方參與提出數字孿生的解決方案”；同月，工信部在發布的《智能船舶標準體系建設指南》（征求意見稿）中，也明確將建設“數字孿生（體）”納入關鍵技術應用。
2020年8月，國資委下發《關于加快推進國有企業數字化轉型工作的通知》，要求國有企業在數字化轉型工作中，加快推進數字孿生、北斗通信等技術的應用。
業界對數字孿生的關注也熱度不減。全球IT研究與顧問咨詢公司Gartner在近年來的重要戰略科技趨勢報告中，多次關注數字孿生技術及其應用場景。今年10月發布的2021年重要戰略技術趨勢報告中提及的行為互聯網（Internet of Behaviors）、組裝式智能企業（Intelligent Composable Business）及超級自動化（Hyperautomation）等新科技趨勢，這些技術的發展也均需數字孿生技術體系的支持。
可見數字孿生已經滲透到未來技術應用的方方面面。
02 數字孿生的概念演進
“數字孿生”最早的概念模型由邁克爾·格里弗斯博士于2002年10月在美國制造工程協會管理論壇上提出。2009年，美國空軍相關實驗室第一次提出“機身數字孿生(Airframe Digital Twin)”概念。2010年,美國國家航空航天局（NASA）在《建模、仿真、信息技術和處理》和《材料、結構、機械系統和制造》兩份技術路線圖中開始直接使用“數字孿生(Digital Twin)”這一名稱。
近年來，學術和企業界對數字孿生的研究熱度不減，愈發深入，國際標準ISO23247（待發布）對數字孿生制造進行明確定義，界定了生產場景下的數字孿生。
縱觀數字孿生的發展歷程，伴隨著相關技術的迭代，數字孿生的內涵也不斷豐富：從簡單的對一個產品、一臺設備、一條生產線等的數字孿生演進到更為復雜的對一個企業組織、一座城市的數字孿生，英國和德國甚至提出“數字國家”這種更為宏觀的概念。
目前，學界和工業界對數字孿生概念的表述雖有差異，但正趨于達成共識：數字孿生是以特定目的為導向對物理世界現實對象的數字化表達。這一對象不僅包括產品、設備、建筑物等“實物”，也包括企業組織、城市等“實體”。通過對物理對象構建數字孿生模型，實現物理對象和數字孿生模型的雙向映射。
對于不同現實對象，其數字孿生模型構建的側重點和用途不盡相同；對于企業組織、城市等實體數字孿生，則更強調對廣域數據的聚合融通，著力于通過模擬仿真來優化全局決策、加強協同，這一用途也越來越得到企業管理者和政府的重視。
03 數字孿生關鍵技術的發展
數字孿生的技術實現依賴于諸多新技術的發展和高度集成以及跨學科知識的綜合應用，不僅是一個復雜的、協同的系統工程，涉及的關鍵技術方法還包括建模、大數據分析、機器學習、模擬仿真等。舉例而言，如果把數字孿生的構建比作“數字人”的創造，則其核心的建模過程相當于骨架的搭建過程；采集數據、開展數據治理和大數據分析，相當于生成人的肌肉組織；而數據在物理世界和賽博空間之間的雙向流動正如人體的血液，所提供的動能使數字機體不斷成長，對物理世界對象的映射更趨精準；模擬仿真使“數字人”具備智慧，從而使通過賽博空間高效率、低成本優化物理實體成為可能。
圖 | 數字孿生對象從“實物”演進到“實體”
1. 數字孿生建模技術經歷了從實物的“組件組裝”式建模到復雜實體的多維深度融合建模的發展。
建模是數字孿生落地應用的引擎。以前，數字孿生建模一般是通過將不同領域的獨立模型“組裝”成更大的模型來實現。產品、設備等實物通過“組裝”建模可以達到較好的效果，但復雜實體的建模往往是跨領域、跨類型、跨尺度，涉及多個維度，通過單一維度的“組件組裝”，建模效果欠佳。
多維深度融合建模技術的逐漸成熟，支撐更復雜的實體組織或智慧城市的孿生模型構建。多維度建模技術的引入，通過融合不同粒度的屬性、行為、特征等“多空間尺度”，以及刻畫物理對象隨時間推進的演化過程、實時動態運行過程、外部環境與干擾影響等“多時間尺度”模型，使數字孿生模型能夠同時反映建模對象在微觀和宏觀層面上的特征。
2. 深度學習、強化學習等新興機器學習技術的發展使得大數據分析能力顯著提升，這種分析能力是構建面向實體的復雜數字孿生體的基礎支撐。
當前，企業內部各部門數據統計口徑不一、數據的自采率和實時性不高等問題普遍存在，制約了企業數字孿生刻畫的準確度。隨著深度學習、強化學習等新興機器學習技術的引入，實現多維異構數據的深度特征提取，大大提高了數據分析效率，使得構建面向企業的復雜數字孿生體成為可能。
3. 模擬仿真技術從早期的有限元分析對物理場的仿真，發展到網絡模型對復雜實體組織的仿真。
有限元分析主要關注某個專業領域，比如實物的應力或疲勞等，但物理現象往往都不是單獨存在的，例如只要運動就會產生熱，而熱反過來又影響一些材料屬性。這種物理系統的耦合就是多物理場，分析復雜度要比單獨分析一個物理場大得多。而由于實體組織更加復雜，除了傳統的物理特性外，還涉及復雜的業務因素，如工業制造企業需要面向人、機、料、法、環、財等多個要素，且須考慮多要素間的復雜關系，需要依靠分布式仿真、交互式仿真、智能A g e n t等網絡模型不斷進行迭代發展。
04 數字孿生的應用場景
構建數字孿生模型不是目的，而是手段，人們寄希望于通過對數字孿生模型的分析，來改善其對應的現實對象的性能和運行效率。
圖 | 企業數字孿生驅動價值實現
1. 實物的數字孿生可以提升工業產品在研發、運維等全生命周期內的效益。
實物數字孿生應用的價值是通過虛實融合、虛實映射，持續改進產品的性能，提高產品運行的安全性、可靠性、穩定性，提升產品運行的“健康度”，從而提升產品在市場上的競爭力。同時，通過對產品的結構、材料、制造工藝等各方面的改進，降低產品成本，幫助企業提高盈利能力。例如美國通用公司在其工業互聯網平臺Predix上利用實物的數字孿生技術，對飛機發動機進行實時監控、故障檢測和預測性維護；在產品報廢回收再利用的生命周期中，可以根據產品的使用履歷、維修物料清單和更換備品備件的記錄，結合數字孿生模型的仿真結果，判斷零件的健康狀態。
2. 以企業組織實體為對象的數字孿生能大幅提升企業整體的數字化、智能化經營水平，實現降本增效。
很多企業在信息化建設過程中所使用的ERP、CRM、MES、FMS等條塊化的信息化系統數據上彼此獨立，事實上形成了企業內部大量的“數據孤島”，管理層很難及時了解企業經營的全貌?，F有的企業管理軟件設計思路多為模擬企業的實體業務過程及線下操作的動作，如各種單據、表樣、流程等，而不是建立實體業務的數字化模型。因此產生了大量的冗余數據，一致性也較差。通過多維建模，企業數字孿生通過建立企業實體業務的多維模型，實現對業務數據的實時分析，并基于業務動因實時預測業務結果，預警風險并及時調整，實現數據采集、建模仿真、分析預警、決策支持的實時一體化。
3. 數字孿生技術也正逐步在更廣泛的領域得以應用。
數字孿生城市已成為支撐智慧城市建設的技術體系，是虛實交融的城市未來的發展形態，如新加坡政府主導推動的“虛擬新加坡”項目，通過數字孿生實現動態三維城市模型和協作數據平臺。在英國推動的“數字英國”戰略項目中，信息管理框架成為英國國家級數字孿生體的核心技術載體。
05 數字孿生的創新發展的推動力
實體數字孿生應用部署時遇到系統負荷重、運算量大以及孿生體必須跟隨企業經營變化動態調整等諸多現實挑戰，影響落地效果。為應對這些挑戰，傲林科技通過深入分析工業制造、建筑施工、園區管理、城市運營等典型行業場景，首創了“事件網絡（EventNet）”技術。
事件網絡模型綜合了傳統Petri Net和基于事件的系統（EBS，Event-Based System）的優點，既能描述系統組成結構，也能描述事件的因果關系。事件網絡模型通過有向圖來反映復雜的業務關系，圖上的點代表網絡中不同層次的組件，點與點之間的連線表示組件間的業務流動、數據流動、資金流動或實體的流動。有向圖反映了企業已有的知識圖譜，并利用工作流機制，對圖上的狀態變化進行向前或向后的推演，通過點與連線的擴展，構建出數字孿生體的“神經系統”。
圖 | 事件網絡簡化數據分析
利用事件網絡構建實體數字孿生，能夠反映企業已有的知識圖譜和內在聯系，讓數據分析更加簡明快捷。實體數字孿生涉及行業KNOWHOW與大數據分析能力的充分融合，構建難度大，而通過事件網絡構件化封裝，可降低數字孿生體系構建的復雜度，也能夠以行業模型為基礎快速構建行業知識圖譜，通過基于歷史數據的智能調參，快速完成業務模擬仿真，大大降低運算量，提升了分析效率，節省了企業對硬件設備的投入。
在描述事件網絡時，“點”和“線”代表的實體單元和業務關系是單一的。通過節點的增減、連線的調整即可適應企業業務、架構的變化、經營管理者關注點的變化等，實現數字孿生與企業業務的快速匹配。
以事件網絡技術為核心，構建的企業數字孿生已在多個細分行業中發揮作用。以鋼鐵行業為例，它屬于大型復雜流程工業，全流程工序內部生產數據獲取困難，絕大部分為“黑盒”，而且生產主要呈現為孤島式、局部式、單點式控制，尚未形成全流程的一體化控制與各層面的協調優化。而鋼鐵行業又是生產工序內部高度相關的行業，亟須全流程一體化控制以加強生產數據整合、輔助經營決策。
“事件網絡”技術的運用，可以將鋼鐵生產制造裝備的各種屬性映射到虛擬空間中，形成可拆解、可修改、可重復操作的數字鏡像，使鋼鐵全流程“黑盒”透明化，并結合在生產工序、管理流程等方面的數據，構建起完整的企業數字孿生體，實現在賽博空間修改產線設備、產品工藝參數和工序間協同關系，通過模型計算獲得優化的策略，并通過指令反饋到物理生產線執行。同時，企業數字孿生還可為新控制功能測試、新產品開發提供高效、強力的支撐，幫助企業實現對采購、生產、銷售等各環節信號的快速響應，企業資源按需配置，并通過企業內部、產業鏈上下游的協同來實現整體效益最優。
在可以預見的將來，隨著新一代信息技術與實體經濟深度融合進程的加快，企業數字化轉型需求的提升，政策的持續支持，數字孿生將為工業制造、未來生活帶來無限的可能。
寫在最后
數字孿生當前的企業級應用還不多，還沒有形成體系化、規?；膽脠鼍?。但數字孿生將作為企業數字轉型的一項關鍵技術，在未來的數字化世界中將發揮越來越重要的作用。
