数字孪生技术最初是在20 世纪 60 年代美国国家航空航天局的阿波罗任务中提出的，现在已经从太空计划工具发展成为一个价值数十亿美元的产业，预计到 2028 年将达到 1101 亿美元。Michael Grieves 博士于 2002 年在密歇根大学正式引入了数字孪生技术。从那时起，数字孪生模拟和软件功能取得了显著进步。COVID-19 大流行加速了这一发展，并改变了各行业处理生产和维护的方式。现在，数字孪生技术为从即时监控到预测性维护的所有工作提供了支持。近 210 亿个数字连接的传感器为各类行业中的虚拟副本提供支持。
这本完整的指南将向您展示数字孪生 30 年来的非凡经验。您将了解到这项技术是如何从一个想法发展成为最先进的工业解决方案的命脉。本指南介绍了这项技术对不同行业的影响，以及数字孪生未来的发展方向。
数字孪生概念的诞生（20 世纪 90 年代-2002 年）
早在有人正式定义数字孪生概念之前，物理对象就已经有了虚拟复制品。美国国家航空航天局（NASA）的阿波罗任务在 20 世纪 60 年代奠定了基础。数字孪生技术的理论基础在 20 世纪 90 年代初变得更加清晰。
早期概念基础
数字孪生有几十年的历史。美国国家航空航天局（NASA）的阿波罗计划使用航天器系统的物理复制品作为孪生的早期形式，尽管这些复制品是物理的而不是数字的。计算机模拟标志着迈向数字表示的道路。数学家乔恩-冯-诺依曼（Jon Von Neumann）和斯坦尼斯瓦夫-乌拉姆（Stanislaw Ulam）用早期的计算机模型解决了中子行为问题。他们在二战期间从事的军事和航空航天工作创造了有助于建立数字孪生模拟的技术。
计算机科学家戴维-格伦特（David Gelernter）在 1991 年出版的《镜像世界》一书中取得了突破性进展，他在书中描述了 "代表现实某些部分的软件模型"。他的设想包括通过连续数据流来反映现实的详细数字模型。这项工作解释了软件如何能够创建地面物体的虚拟版本，并与物理对应物同步更新。
迈克尔-格里夫斯和第一个正式定义
2002 年，数字孪生技术达到了一个转折点，迈克尔-格里夫斯博士在美国制造工程师协会的一次会议上提出了这一概念。他将自己的想法命名为 "产品生命周期管理的理想概念"，之后又称之为 "镜像空间模型 "和 "信息镜像模型"。
格里夫斯的想法源于现实挑战。在计算机发展初期，他开始思考数字孪生的问题，当时他正在创建一个更好的系统，帮助当地电话公司阻止人们挖掘电话线。这一实际挑战促使他开始思考物理对象的虚拟呈现。
格里夫斯定义了数字孪生的三个核心要素：
- 虚拟孪生（数字呈现）
- 物理对应物（实际物体）
- 连接物理实体和虚拟实体的数据流循环
这三个要素至今仍是数字孪生的基本含义。请注意，研究人员仍未就数字孪生的定义达成一致。随着时间的推移，文献中至少出现了五个不同的定义组。
美国国家航空航天局和军事应用（2003-2010 年）
2003 年至 2010 年间，美国国家航空航天局（NASA）将学术理论转化为数字孪生的实际现实。他们数十年的模拟专长帮助数字孪生从抽象概念转变为工作系统，从而改变了全球各行各业。
阿波罗计划的物理双胞胎
阿波罗计划催生了我们现在所说的数字孪生技术。在 20 世纪 60 年代的太空任务中，NASA 在地球上建造了每个航天器的精确复制品。这些物理复制品让 NASA 团队能够测试并解决宇航员在太空中遇到的问题。
这种方法在1970 年 4 月的阿波罗 13 号任务中被证明是非常有价值的。在氧气罐爆炸损坏飞船后，NASA 使用多个模拟器寻找解决方案。各小组迅速更新模拟，使之与受损的航天器相匹配，并测试了不同的救援计划。这次危机显示了孪生技术如何在极端情况下解决问题。
机身数字孪生系统开发
在此期间，军事项目推动了数字孪生技术的发展。第 0002 号机身数字孪生任务订单制定了展示灵活数字孪生能力的计划。该项目为该技术未来的军事用途奠定了基础。到 2010 年，美国空军开始使用数字孪生技术来改进飞机维护和现代化。这些项目促成了 F-16 数字孪生项目，该项目创建了一个可调整的三维模型，以改进维护工作、降低生命周期成本并解决零部件报废问题。
工业 4.0 和数字孪生系统软件演变（2011-2015 年）
2011 年至 2015 年，数字孪生的发展发生了根本性的变化。这一概念超越了航空航天领域的专业应用，进入了主流工业应用领域。工业 4.0 为制造流程带来了数字技术。数字孪生开始显示出其超越 NASA 根源的商业价值。
与物联网平台集成
工业物联网（IIoT）成为当时帮助数字孪生发展的支柱。公司现在可以访问创建精确虚拟模型所需的即时数据流。这是因为工业设备中安装了更多的传感器。物联网设备不断收集物理资产的运行数据。这些设备创建了数据管道，使数字孪生与现实世界中的对应物保持同步。
在此期间，各公司实现了数字孪生数据收集方法的标准化。他们创建了标准数据模型--标准数据结构，让不同的系统以一种商定的格式进行对话。由于实现了标准化，数字孪生现在可以与现有业务系统协同工作。数字孪生的使用范围已经超出了工程团队。
早期的商业数字孪生解决方案
大型科技公司看到了市场潜力，创建了专门的数字孪生平台。这些平台使企业在没有 NASA 级资源的情况下更容易使用数字孪生技术。
早期的著名平台提供
- 基于云的服务，提供创建物理环境数字模型的工具
- 连接现有数据源和业务系统的集成功能
- 数字孪生互动的可视化工具
- 可进行预测和优化的分析功能
企业发现使用这些平台更容易实施数字孪生。这些平台可处理数据集成、可视化和处理等复杂任务，而这些任务过去需要定制开发。
制造业的采用
制造业成为航空航天和国防之外第一个采用数字孪生的行业。到 2015 年，先进行业中约有 75% 的公司使用了中等或更高复杂度的数字孪生。汽车制造商引领了这一趋势，航空航天和国防公司紧随其后。物流、基础设施和能源行业开始探索其首个数字孪生概念。
制造商首先使用数字孪生来改进产品开发。团队可以在无风险的虚拟环境中测试新设计，所需的物理原型更少。公司将开发时间缩短了 20-50%，从而降低了成本，加快了创新。使用数字孪生技术生产的产品在生产过程中出现的质量问题减少了 25%。由于功能和质量更好，销售额也提高了 3-5%。
数字孪生技术也改变了工厂运营。生产线的虚拟副本帮助制造商了解设备性能。他们找到了使流程变得更好的方法--这些能力将在未来几年内带来更先进的应用。
数字孪生模拟成熟度（2016-2020 年）
数字孪生技术在 2016 年至 2020 年间发生了转变。它从专门的工业工具发展成为服务于许多行业的灵活平台。这一时期，数字孪生技术在仿真、同步和跨行业应用方面取得了重大进展。
先进的建模能力
在这几年中，数字孪生建模能力增长迅速。基于物理的可执行数字孪生成为改变游戏规则的工具。它们使用数学模型，通过力学、热力学和流体力学来展示物理行为。这些孪生系统不仅仅是静态模型。它们可以模拟行为，自主决策，并运行闭环控制系统。
通过更好的模拟方法，双胞胎变得更加智能。制造商创建了详细的模型，以显示实物资产在不同条件下的性能。公司可以在花钱进行物理修改之前，虚拟测试设计变更。
实时同步的突破
最大的技术挑战是将实物与其数字版本实时同步。科学家们致力于解决物理环境的独特性--可变性、不确定性以及物理空间和虚拟空间的不同尺度--所造成的同步问题。
研究小组开发了基于动态优化的新方法来实时同步在线模拟。这些方法使数字双胞胎能够随着物理变化不断更新，从而创建出真正 "活 "的虚拟模型。科学家们在真实的电机设置上验证了状态同步方法，取得了重大突破。
超越制造业
数字孪生远不止局限于工厂。该技术在以下领域找到了新用途
- 医疗保健：为个性化医疗建模创建 "数字病人
- 城市规划：开发详细的城市模型，如新加坡的数字孪生模型
- 零售业实体店环境中的顾客行为建模
- 气候科学：预测极端天气模式，支持可持续发展决策
这一增长表明，"任何物体或流程都可以通过数字孪生中的测量和监测得到改进"。
基于云的数字孪生平台
云计算成为现代数字孪生的支柱。微软 Azure 和亚马逊网络服务推出了构建和部署数字孪生的专门服务。它们的平台帮助企业利用标准建模语言创建互联环境的详细数字模型。
云平台为数字孪生带来了许多优势。它们可以根据需要扩展资源，通过优化的虚拟机和容器利用强大的计算能力，存储更多数据，并使用先进的人工智能/ML 工具。云使数字孪生能够处理海量数据、运行复杂的模拟，并与各地的团队分享见解。
现状与未来轨迹（2021 年至今）
自 2021 年以来，全球数字孪生市场出现了大幅增长，预计年增长率约为 60%。这种快速增长改变了各行各业组织处理模拟、监控和决策的方式。
自主数字孪生
先进的数字双胞胎现在可以独立工作，在没有人类输入的情况下做出决策和调整。这些自主系统分析来自物理对应设备的即时数据，并自动优化制造业、汽车业和基础设施行业的运营。仅举一例，汽车测试使用了自主数字孪生系统，这样工程师就可以在物理原型面对现实条件之前，进行数百万英里的虚拟测试。这种方法大大缩短了开发时间，同时改进了高级驾驶辅助系统（ADAS）的安全验证。
数字孪生网络联盟
联合数字孪生--虚拟模型的互连网络--标志着开发工作向前迈出了一大步。新兴的联合数字孪生网络（IoFDT）希望创建一个完整的生态系统，在这个生态系统中，多个孪生体可以跨组织边界进行互动、共享数据和协同工作。这种联盟通过利益相关者之间的空间和温度数据交换，使共享数据集成为可能，从而提高质量监测和系统性能。这些互联网络最终构成了社会 5.0 的技术基础，在社会 5.0 中，高度集成的网络物理系统将改善经济和社会进步。
人工智能与机器学习集成
人工智能与数字孪生技术的整合创造了强大的组合。麦肯锡报告指出，75% 的大型企业积极投资数字孪生技术，以创建灵活的人工智能解决方案。生成式人工智能通过构建输入、合成输出以及为新的孪生系统创建代码，扩展了数字孪生系统。在实际实施之前，数字双胞胎为人工智能模型提供了弹性测试环境。通过这种合作关系，可以在各种工业应用中实现更准确的预测建模、自主决策和优化。
数字孪生标准化工作
由于数字孪生的广泛采用，数字孪生的标准化变得至关重要。美国国家标准与技术研究院（NIST）、国际标准化组织（ISO）和数字孪生联盟（Digital Twin Consortium）等组织制定了各种框架，以确保互操作性、网络安全和信任。ISO/IEC JTC 1 SC 41 小组委员会专门负责数字孪生的词汇、参考架构和成熟度模型标准。这些标准降低了实施成本，实现了跨平台兼容性，并通过通用技术语言和协议鼓励创新。
Simio 数字孪生软件处于领先地位
Simio 数字孪生软件站在帮助企业释放流程数字孪生技术全部潜力的最前沿。作为过去三十年中最重要的技术突破之一，数字孪生通过创建物理系统和流程的精密虚拟复制品，改变了各行各业。数字孪生最初受到美国国家航空航天局（NASA）在阿波罗任务中的物理复制品的启发，现已发展成为全球各行业创新和优化的重要工具--Simio 在流程设计、分析和优化以及运营级执行管理的计划和调度方面处于领先地位。
Simio 的平台提供先进的仿真和建模工具，可将物理系统和流程与其数字对应物实时无缝对接。无论是制造优化、仓库和材料处理优化、供应链优化，还是实时运营执行管理，Simio 都能帮助企业利用数字孪生的变革力量。通过实现实时数据集成，提供预测性和规范性见解，Simio 可帮助企业提高运营效率、降低成本并加快持续改进周期。
数字孪生的未来还将有更大的可能性，包括由人工智能和机器学习驱动的自主系统和联合网络。这些进步将改善决策和运营效率，推动该技术在各行各业的应用。预计到 2027 年，数字孪生的市场规模将达到735.0 亿美元，如今采用这项技术的公司正将自己定位为工业创新和数字化转型的领导者。
Simio 致力于数字孪生技术，确保企业做好准备，应对任何行业或业务领域在制造、仓储和供应链方面最复杂的挑战。通过提供经济实惠的尖端解决方案，Simio 帮助企业在快速发展、日益复杂和数字化日趋成熟的世界中保持竞争力。