起源

Michael Grieves

2002年，歇根大學的Michael Grieves教授在一次關于產品生命周期管理（PLM）的演講中提出了鏡像空間模型（Mirrored Spaces Model），模型中出現了現實空間、虛擬空間、從現實空間到虛擬空間的數據流、從虛擬空間到現實空間的信息流、以及虛擬子空間的表述，表達了產品生命周期管理不只是關注設計、開發、生產階段，還要關注產品的使用階段。

按Michael Grieves自己后來的說法，雖然當時沒有明確提出數字孿生的說法，但已經具備了數字孿生的所有要素，所以他一直聲稱“數字孿生”的理念是他發明的。

NASA

2010年，美國國家航空航天局（NASA）在其太空技術路線圖（Modelling SimulationInformation Technology & Processing Roadmap ：TechnologyArea 11）中首次引入了數字孿生的表述。當時給數字孿生的定義是：

“一個數字孿生，是一種集成化的多種物理量、多種空間尺度的運載工具或系統的仿真，該仿真使用了當前最為有效的物理模型、實時的傳感器數據和飛行的歷史數據等等，來鏡像出物理飛行器的生存狀態。”

NASA之所以提出數字孿生概念，大概率是源于一個Apollo 13登月飛行時發生的一次意外事故：

1970年4月，Apollo 13發射后兩天，宇宙飛船在遠離地球210,000英里時，生活艙中的一個氧氣罐發生了爆炸，爆炸嚴重地損壞了主推進器，并且失去大量氧氣和電力。更要命的是，每過一分鐘，受損的太空飛船就會飛離地球400英里。NASA地面指揮中心必須在很短的時間內制定出前所未有的返回地球的計劃。
所幸，NASA在地面還有一套完整的、高水準的模擬器。地面控制中心調整了模擬器的質量、重心、推力等參數以適配到Apollo 13當前的狀態。與登月艙制造廠商協同工作，確定了一個新的著陸過程。然后，安排后備宇航員在模擬器上進行操作演練，演練證明了方案的可行性，這極大地增加了地面控制中心與宇航員們的信心。最后，成功的讓宇航員們安全回家。

這次成功的應急讓NASA意識到構建孿生系統的重要性。但是物理孿生系統的成本過高，數據的完整性和時效性都不足，不能滿足未來深空探索的需求，必須找到一種全新的工作模式，這就是數字孿生系統的由來。NASA期望的數字孿生應該具備如下四類用途：

1. 發射前飛船未來任務清單的演練。可以用來研究各種任務參數下的結果，確定各種異常的后果，減輕故障、失效、損害的策略效果的驗證。此外，還可以確定發射任務最大概率成功的任務參數。
2. 鏡像飛行孿生的實際飛行過程。在此基礎上，監控并預測飛行孿生的狀體。
3. 完成可能的災難性故障或損害事件的現場取證工作。
4. 用作任務參數修改后結果的研究平臺。

NASA的數字孿生基于其之前的宇航任務實踐經驗，極其看重仿真的作用。NASA要完成的宇航任務，涉及天上、地下、材料、結構、機構、推進器、通訊、導航等眾多專業，是一個極其復雜的系統工程。所以，NASA更強調上述內容的集成化的仿真，從某種意義上，是其系統工程方法的落腳點。換個看問題的角度來講，NASA的數字孿生，就等同于其基于仿真的系統工程。

不過在實踐中，NASA首先采用的是物理孿生，構建了一比一的地面模擬器。如下圖：

隨著計算機、網絡技術的高速發展，特別是軟件技術與仿真技術的高度發展，使得各種物理孿生對象，從功能上行為上完全可以用計算機系統進行模擬替代，在此基礎上，NASA提出數字孿生的理念，就成為水到渠成的事了。

Gartner報告

數字孿生的定義

A digital twin is a virtual representation of a thing, person or process. Digital twins are designed to optimize the operation or use of such resources or any business decisions about them, such as improving maintenance or operational efficiency.

一個數字孿生體是某個物、某個人、甚至某件事的虛擬表現。設計數字孿生的目的是為了優化人們對資源的使用和業務決策，比如提高維護和運營效率。

數字孿生的分類

Gartner將數字孿生分類三類：
1. Discrete digital twins（離散數字孿生）
2. Composite digital twins（復合數字孿生）
3. Digital Twin Organization（組織數字孿生）

Discrete digital twins（離散數字孿生） are typically used to monitor and optimize the use of atomic resources such as people, individual products or pieces of equipment, and single process tasks.

離散數字孿生用于監控和優化“原子”資源，比如人、產品、設備部件或者單獨的流程。這里說的“原子”是指從管理視角無需進一步拆分或細化的業務對象。比如，如果只管理到服務器，那么服務器就是一個原子資源。如果要管理到服務器中的硬盤、CPU，那么服務器就是一個復合數字孿生，而其內部的硬盤、CPU是離散數字孿生。所以，離散數字孿生和復合數字孿生沒有嚴格意義上的區分，只是管理視角不同。

Composite digital twins（復合數字孿生） are typically designed to monitor and optimize the use of a related combination of discrete digital twins and atomic resources. For example, more composite equipment such as cars or industrial turbines, and whole and partial manufacturing or industrial processes.

多個離散數字孿生體能夠組合成一個復合數字孿生，比如多個汽車部件組合成一輛汽車，多臺生產設備組合成一條生產線，復合數字孿生的目的是通過整合原子資源對象的數據，讓人們更全面、準確的掌握整輛車、整條生產線的運行狀態，而不是迷失在各種離散的、甚至相互矛盾的數據中。（業務系統也是一個典型的復合數字孿生，它有多臺服務器構成，業務系統有自己的APM監控指標，這些監控指標又會被服務器的監控指標所影響）

Digital Twin Organization（組織數字孿生）are typically designed for the purpose of monitoring and optimizing higher-order,business-level outcomes. For example, optimizing overall manufacturing capacity based on changing go-to-market strategy, or maximizing business value for all corporate stakeholders.

多個復合數字孿生可以組合成一個組織數字孿生。組織數據孿生用于監控和優化組織績效，提升業務產出。例如，基于調整市場戰略來優化整體制造能力，或者為所有公司利益相關者最大化業務價值。 （優锘公司就是一個組織數字孿生，各種財務指標就是用于監控和優化公司的運行績效）

三種數字孿生在價值和數量方面的區別如下：

數字孿生的價值

Gartner認為數字孿生主要有兩方面的價值：
1. Improve Situation Awareness（態勢/情境感知）
2. Automate Your Response（自動響應）

Improve Situation Awareness: Functionally, all digital twins — at a minimum — monitor data from things (and often related contextual information) to improve our situational awareness. This improved insight alone — for example, “imminent failure of a robot on manufacturing line three,” “we have a patient in recovery approaching Code Blue,” or “excessive gas flares have exceeded our carbon footprint target” — can support better decision making.

為啥叫態勢感知？這和傳統監控有什么區別？有兩個區別，第一，傳統的物聯網監控主要面向離散數據，比如溫度傳感器只采集溫度數據、煙感探測器只采集煙霧告警數據。而態勢感知是從數字孿生體的視角將原本離散的監控數據進行聚合，從而可以通過多個監控指標綜合感知、判斷物理實體的運行狀態。這種判斷更加準確、直觀。類似任旭常說的當一個房間的煙感和溫感都出問題時，大概率能精準判斷是房間著火了。這個例子大概率是忽悠，但表達了數據聚合意義。第二個區別是傳統物聯網監控主要是處理當前的實時數據，而態勢感知則需要收集大量歷史數據，找出數字孿生體各項監控指標的歷史規律，進而發現異常情況，甚至預測未來運行趨勢，這也很類似IT運維中常說的“非閾值異常檢測”和“故障預測”。

Automate Your Response: To scale up our use of digital twins — e.g., for many pieces of equipment, many patients or dozens of corporate objectives — we will not always be able or willing to manually intervene. We will also need or want to automate (or semiautomate) our business responses.

大概意思是別一出事就在那兒傻喊，要基于定義好的響應流程，自動通知給正確的系統或人員來處理。注意，這里的用詞是response，強調響應，而響應不一定是處理，處理可以由專門的系統負責。

與原有業務系統的關系

數字孿生應該與企業原有業務系統集成，才能發揮最大的價值。而且不同的孿生體類別（離散、復合、組織）與不同的業務系統有交互關系。

最底層的離散數字孿生體分析發現某個物理設備發生異常時，可以觸發Field Service Management系統派單給現場服務人員修理設備。
復合數字孿生體可以將數據共享給Enterprise Asset Management系統，改善企業資產數據質量，優化資產配置結構。另外，復合數字孿生體也可以為ERP系統、MES系統提供更準確的車間生產數據，優化生產調度。
組織數字孿生體與CRM系統結合，以便更好的了解客戶的需求。（感覺有點糊弄，但英文的確是這么寫的）

數字孿生系統參考模型

數字孿生系統是一套企業級軟件系統，主要有4個核心要素和3個外部要素構成，這7要素就是用于指導企業構建真正數字孿生系統的參考模型，如下圖：

4個核心要素如下：

1. Entity metadata — Information to describe the twinned object, including its physical components, how they’re assembled, the object’s behavior and specifications, and so on (e.g., the composition and operation of a turbine).
2. Generated data — IoT sensor-based time-series data, external contextual data, and whatever other data is used by analytical models (e.g., the turbine’s speed, temperature and vibration).
3. Analytical models — Software algorithms that ingest generated data and produce events which increase situation awareness (e.g., turbine bearing No. 3 will fail in five-to-six hours).
4. Software components — Application logic, visualization tools and other functionality to act, based on events produced by analytical models (e.g., generate a “Fix-It” ticket for bearing No. 3).

3個外部要素如下：
1. Data sources — Any form of information used as input into a digital twin’s entity metadata or as input into a digital twin’s generated data. Data sources vary widely by use case.
2. Digital twin enabling technology — Whatever application infrastructure middleware is used for digital twin software development and runtime (i.e., development tools, runtime platform).
3. Related applications — Business applications — e.g., manufacturing execution systems, supply chain planners, ERP — that are integrated with digital twins (when needed) to make them act on events generated by digital twin analytics.

產業實踐

在NASA提出了數字孿生之后，影響巨大，得到了工業界的積極響應。這里重點介紹幾個工業軟件巨頭和行業組織，因為它們既是數字孿生的實踐者，又是數字孿生的獲利者，也是數字孿生的使能者。

西門子

西門子是比較早將數字孿生理念引入到其產品戰略中的，在市場上具有巨大的影響力。
在Realize your digital transformation now — The Digital Enterprise Suite for Product Manufacturers文章中，西門子數字工廠業務部門認為，數字孿生是產品或生產工廠的精確虛擬化模型，它展示了產品全生命周期的演進，用于預測行為，優化性能，并從設計和生產中獲得洞察力。

西門子認為，通過使用數字孿生，實現“如果怎樣-會怎樣”的場景，進而預測出未來的績效，會獲得巨大的價值。數字孿生的終極目標是實現由產品開發和生產規劃構成的虛擬世界，與由生產系統和產品績效構成的物理世界之間形成閉環連接。通過這種連接，人們可以從物理世界獲得切實可行的洞察力，在產品和生產運營的全生命周期做出明智的決定。

西門子的數字孿生由三種形式構成：產品數字孿生、生產數字孿生，以及產品和生產績效數字孿生。

1. 產品數字孿生，提供了虛-實連接，使企業可以分析一個產品在各種條件下性能如何，在虛擬世界里做出驗證和調整，以確保將來在現場使用的物理產品的性能表現得如同規劃中一樣。
2. 生產數字孿生可以在實際生產發生之前幫助企業驗證一個制造過程工作得如何。通過使用數字孿生來仿真生產過程，使用數字主線來分析事情為何會發生，企業能夠創建一個生產規程，在各種環境條件下依然有效。
3. 生產與產品績效數字孿生獲取來自運行中的產品與工廠的數據并進行分析，通過深入洞察做出有充分依據的決策。

tips：前兩個是虛擬世界的數字孿生，是產品和生產的設計態階段，主要用于設計和仿真。第三個是物理世界的數字孿生，采集真實的產品指標數據和生產指標數據。

西門子認為，自己能夠提供一體化解決方案，也就是端到端的數字孿生。見下圖：

需要注意的是，支持上圖的基礎還是西門子的CAD、CAE、仿真建模軟件、PLM、MES、工業物聯網平臺等業界耳熟能詳的軟件。這些傳統軟件在數字孿生的助推下發出更加耀眼的光芒。該圖最大的價值在于，用數字孿生的概念實現了數字化設計與設計交付物在概念上的緊耦合，借助于數字主線的概念實現了其眾多系列化軟件產品的概念集成和在戰略上的統一。

本質上，西門子將數字孿生作為一個說明其軟件運行機制的工具，但還沒有將其作為一種技術對其數字化工廠業務涉及到的軟件產品進行改造或重構。

那么，在沒有數字孿生概念之前的數字化工廠戰略整體上是如何表達的呢？相對而言體現的是更加具體的技術框架。見下圖：

這張圖對客戶、領導、投資人來說，就沒什么感覺了。

西門子認為，數字化企業套件是獨一無二的集成化軟件與自動化工具箱，用于把傳統的企業轉變為數字化企業。在一個完全虛擬的環境中進行仿真、測試與優化，減少投入市場的時間，提高靈活性、質量和效率。借助于MindSphere平臺獲得的洞察力，能夠反饋給整個價值鏈，使真實世界的生產與產品不斷優化成為可能。

達索

Dassault Systemes（達索系統）是可以與西門子比肩的另一個工業軟件巨頭，通過自主開發和并購，其產品線覆蓋了設計、仿真、PLM、ERP、MES、VR/AR等諸多制造業業務。

達索是3D起家，又深得VR/AR的精妙，所以達索系統其用三維體驗理念為其產品系列打上了與眾不同的標簽。自然而然地，在達索系統，數字孿生被稱為三維體驗孿生——3DEXPERIENCE Twin，與數字孿生相比，除了更具想象力之外，也確實更具感染力。

與其他廠家不同的是，達索將3DEXPERIENCE Twin作為其使用三維體驗平臺的核心內容。依托其3DEXPERIENCEplatform，可以創建物理對象的3D虛擬模型。這些3D模型既可以用平臺自身提供的工具創建，也可以用平臺本身的集成功能，從達索基于3DEXPERIENCE理念開發的自有產品或第三方應用中集成而來。在此基礎上，使用平臺工具進行三維體驗式的應用展示。

達索系統認為，三維體驗平臺基于單一的數據源，基于模型，可以用全數據的方式打通產品全生命周期的各個環節，打破文件孤島和部門墻，粉碎文件黑盒子，實現產品全生命周期的數字化連續。基于模型塑造單一的數字化孿生，支持產品全生命周期各項業務、實現多學科知識的數字化表達。

Ansys

作為全球工程仿真領域的領先企業，Ansys在眾多產品創新的過程中扮演著至關重要的角色。在其白皮書——How Simulation-Based Digital Twins and the Industrial Internet ofThings Can Improve Product and Process Performance中，Ansys認為，IOT以近乎實時、即時或重放方式，將仿真與產品或過程連接起來，有助于產品或過程的運作與維護。基于仿真的數字孿生概念融合了物理產品或過程、仿真模型和連接，有助于它們之間的交互。

數字孿生可以由一個仿真模型構成，該模型用于重現了產品或過程當前的狀況，比如可以將磨損或退化的性能指標融合于仿真模型之中。而來自連接到產品或過程的傳感器數據，可以被用于向數字孿生提供實時的邊界狀況。數字孿生給出的仿真結果，可以基于實際產品或過程的運作情況進行標定，從而使數字孿生的預測能力遠遠超出了產品設計過程中獲得的能力。由數字孿生做出的預測可以被用于確定性能問題的根源，評估當前控制策略的效果，確定優化后的維護日程等。數字孿生也可以提供產品或過程的不可能通過傳感器測得的相關信息，諸如通過內部通道的流速。結果是，數字孿生能夠被用于持續增加產品或過程的性能和可靠性，同時又降低它們的運作成本。
Ansys給出了數字孿生的體系如下圖：

Ansys以仿真著稱于世，但并沒有給出顯性的數字孿生的定義。除了指出數據孿生的益處之外，其同時強調，在數字孿生中引入IOT后，對仿真技術本身的改進作用。其實，即使沒有數字孿生概念，利用IOT完善仿真模型也是仿真廠家必須要經歷，或許正在經歷著的必由之路。

GE Digital

GE Digital在其官網（https://www.ge.com/digital/applications/digital-twin）的定義如下：

數字孿生是資產、過程的軟件表示（software representations），用于理解、預測和優化其績效，進而達到改進業務結果的目標。

GE認為數字孿生可以提高可靠性和可用性，降低風險，減少維護成本，改進生產，更快地獲取價值。數字孿生由三個組件構成：一個數學模型、一組分析方法或算法，以及知識。數字孿生使用歷史環境數據與運行結果數據以理解過去發生的一切，使用直接的和間接的數據來看待當前的狀態，并應用機器學習和知識來預測未來。

GE定義了一般意義下的數字孿生的層次化結構：組件、資產、系統和過程。通過了解一個數字孿生當前的狀況、預測其未來的狀態，人們可以有效地監控、仿真和控制一個資產或過程，并進行全生命周期的優化，無論其是否在線還是離線。

那么，GE是如何看待Predix平臺與數字孿生之間的關系呢？在文章The Digital Twin -Compressing time-to-value for digital industrial companies中，給出如下的Predix體系結構圖：

Predix平臺是以資產（即高端裝備）為核心的，而數字孿生成為資產描述的工具。數字孿生將關于資產的過去狀況、現在狀況和未來預測等信息規范化表達出來。應用可以利用這些規范表達，交付運維和設備健康，預防性維護，以及運營優化。

工業4.0

工業4.0平臺直接將其資產管理殼定義為數字孿生，而且強調，未來的數字孿生是工業4.0時代的數字孿生。

工業4.0平臺認為，數字孿生包含了從設計、物流、運營、維護到再利用與銷毀的資產全生命周期的有用信息。未來的數字孿生可以包含一個3D仿真模型，數百個屬性，歷史數據，手冊，安裝指南，專有的功能快，互鎖，狀態模型，報警與事件定義等等。數字孿生儲存在未來的工業4.0基礎設施中，與真實的對應物相關聯與連接。數字孿生將不會隱藏于專用的仿真工具中，數字孿生也可以獨立于真實的對應物而存在。總體結構如下：

未來的數字孿生/資產管理殼：一個在物理資產之上的包含數據與接口的軟件層

數字孿生將成為包含接口的功能強大的電子數據對象。未來的數字孿生包含數據與接口，類似于一個軟件的驅動程序。