2019年是各种新技术“元年”，5G、数字化等新技术不断涌现，全球进入技术驱动时代，数字经济得以加速推进。Digital Twin即数字孪生，成为时代的“弄潮儿”。从事大数据的人都知道传统数据建模仿真，那么数字孪生与其有何区别？
一、什么是数字孪生
传统的建模仿真M&S是一个独立单元建模仿真。而数字孪生需要数字主线，从设计、制造、运营、维护的整个流程，具体说，数字主线贯穿产品的创新设计环节，也包括制造环节的价值链条，以及运营维护的资产管理环节，是整体而非局部，是集成而非孤立，是包含物料、能量也包含价值的数字化集成，也即垂直、水平、端-端的数字化集成。
数字孪生是动态的，在数字对象与物理对象之间必须能够实现上下行的数据交互，这样才能让这个数字孪生运行具有持续改善的工业应用价值。上行与下行数据的交互与商业环境相比需要考虑周期性、数据接口与信息建模，以便提高效率。
数字孪生体用于解决传统机理模型无法解决的非线性、不确定性问题，数字孪生技术可以与机器学习、深度学习构成一个不断进化的系统。有两种数字优化，一种模型驱动（Model-Driven），一种数据驱动（Data-Driven），即我们可以将机理模型与/或强化学习构建一个适合工业应用的优化方法包。
再有，传统建模仿真和数字孪生存在不同的关注点，前者关注建模的保真度，也就是可否准确荒野物理对象特性和状态，后者关注动态中的变化关系。
二、数字孪生应对个性化挑战
在市场中存在不确定性环境、对实物对象描述和测控的不确定性，精细系统也有干扰、不可测量等变量，因此提高了不确定性，而数字孪生恰恰可以很好地应对这些不确定性。
三、数字孪生可以干什么？
数字孪生的用途就是建模，在产品、生产、维护各个环节实现建模，为数字化打下坚实基础。
应对个性化时代
个性化，使得产品设计变得多样、产线生产的频繁切换、运营维护的粒度变小，这些“变化”都需要进行早期验证，即，各种可能的变化都可以在产线投产，工艺切换前进行验证，因此，“虚拟”在这里帮助“现实”节省时间与成本。就是虚拟的、数字化的对象可以满足用户任意的创新想法，以往这种测试验证代价不菲，而今可以低成本实现验证。
采用AI方法解决不确定
以前，很多生产运营、控制都是基于机理模型，而对于无法进行有效建模的干扰、非线性就无法有效控制，使得系统无法必须付出较大的裕度来保障基本运行，造成浪费。机器学习，可以从物理对象中获得数据和建模的机理模型匹配协作，发现系统回归特性或关联关系，依据机理模型与数据驱动构建“白盒”可解释的训练模型及算法。
虚拟调试
以前，是由人员调试生产线，耗费时间精力，依赖于人的经验控制工程。而数字孪生，为工程师搭建的数字化平台提供了便利和高效的工具。
虚拟调试方法很多，如控制与工艺、设备与产线协同等，而功能实现、代码验证等可在虚拟环境中进行，无需实际生产测试验证，进而降低了风险，同时延长企业价值链。
数字孪生在生产运营服务中的应用
经过数字孪生体可实现远程诊断、维护指导、硬件更换，实现降低人员消耗，在工业互联网、智能制造中，数据可实现可视化、可监控、设备故障的学习/机理模型的预测性分析的。
数字化远程培训
构建数字孪生体时，可结合AR/VR技术实现虚拟教学，可操作机器，该机器人可远程或本地，可模拟到各种反馈，更为生动直观。
工欲善其事必先利其器
数字孪生是一种工具和方法，随着IT技术和传统数字建模及仿真技术，解决制造中出现的问题。而且，数字孪生必须建立在良好的创新设计思想下，数字建模为基础，有完整的体系，才能发挥作用，将改变制造业方向。
| 欢迎光临 信息谷 - ICITU (https://icitu.com/) | Powered by Discuz! X3.4 |