ABeam德硕-智能制造系列(5)：数字孪生（Digital Twin）× 智能制造

大家好，欢迎来到IT知识分享网。

始于航天军工领域的数字孪生技术，正处于行业渗透的发展阶段。近年来随着数字化转型的浪潮，电力、船舶、城市管理、农业、建筑、制造、石油天然气、健康医疗等行业已陆续运用数字孪生技术实现异常诊断、决策辅助、风险预测等。

本期作为智能制造新科技系列中的一篇，ABeam将着眼于数字孪生（Digital Twin） ×智能制造，对数字孪生在智能制造的应用场景进行简单剖析。

Part 01 数字孪生

数字孪生的概念

数字孪生是通过数字化手段，将物理世界的实体在数字世界中构建出“分身”，能够与在现实中的物理实体保持实时的交互联接。借助历史数据、实时数据以及算法模型、机器学习等，实现对物理实体的了解、分析和推理，以辅助决策。

数字孪生VS仿真

数字孪生与仿真类似，但是又有很大的差异。仿真技术①是应用仿真硬件和仿真软件通过仿真实验，借助某些数值计算和问题求解，反映系统行为或过程的仿真模型技术，主要用在研发和设计阶段，通常是研究某一个特定过程，并且不搭载分析优化功能，而数字孪生是模拟虚拟环境，具有实时同步等特征。

Part 02 数字孪生的行业全景

数字孪生 CPS × 行业图谱

Part 03 数字孪生在制造业中的场景应用

数字孪生和制造业的结合，可以分别从制造业产品的生命周期来看：

产品研发阶段

在工业制造领域，产品研发会经历构思、产品定义、原型设计、详细设计、验证测试等阶段，每一个环节都可能出现颠覆性错误，但这些阶段又存在信息量少、决策困难的痛点，往往需要反复尝试，耗费大量人力物力。利用数字孪生可以在虚拟世界中模拟产品的工艺及流程，通过预测结果支持产品持续改进，缩短新产品上市时间，有效识别关键部件对供应链的影响。

制造生产阶段

通过将生产过程虚拟化，在虚拟数字空间中进行生产流程可视化、工艺可预测优化、实时远程监控、设备故障诊断等，提高了企业对生产制造的管控水平，提升生产质量，同时生产流程可视化也增加了生产的稳定运营，减少了非必要的流程和操作变化。

数字孪生技术也促进生产链上下游企业间的数据集成，打造高度协同的供应链体系，优化资源配置，推动全产业链的增值。

产品交付阶段

除了设计生产等环节，产品交付阶段的物流、服务等环节也随着数字孪生技术的深入实现了企业降本增效，提高客户的用户体验。零部件以及原材料的数字档案，能有效管理不良产品以及溯源追踪。

设备远程运维

数字孪生技术的实时状态感知，监控数据的累计将带给企业大量的数据库资源，经过数据挖掘和智能分析，可以给企业提供更加准确的维护周期参考，缩短维护响应时间，提升运维管理效率。

Part 04 数字孪生的未来

数字孪生作为数字化转型的关键技术，近年来备受业界关注，随着资本不断注入，数字孪生技术体系不断发展，产生生态也不断完备，行业应用不断纵深。但是因为以下原因仍然存在落地困难的问题。

投入产出比低

数字孪生涉及到产品研发、生产、交付等流程，系统改造投入成本高，中小企业难以引进，而大型企业考虑到成本问题，可能也只会在关键流程部分应用数字孪生技术。

技术短板

数字孪生作为综合性集成融合技术，核心需要模型和数据的支持。尤其在制造业领域，细分行业之间工艺、流程和原料的差异大，模型的通用性较差，多源异构数据的采集以及跨平台集成成为技术难点，信息基础设施建设不均衡等问题也制约着数据的完整性。

而在向物理世界反向控制的部分，由于协议不同，设备不开放等原因，很多场景并无法真正打通物理世界和数字世界的壁垒。

商业模式限制

由于不同行业的模型数据差异大，导致目前市面上大部分的数字孪生企业仍然是以项目定制交付为主，解决方案无法大批量复制，未形成良好的商业模式闭环。

ABeam ×数字孪生（Digital Twin）

整体来看，数字孪生的产业链条长，技术体系复杂，需要跨领域之间的技术和产业融合，以此形成合力，加强行业纵深。

ABeam作为智能制造的参与者，我们希望能和数字孪生企业加深交流合作，进行需求对接，构建优势互补、协同共赢的产业生态，共同服务与推动全球客户的数字化转型。