5G的快速部署必将进一步推动云计算、大数据和人工智能的发展，推动整个社会经济加速数字化，带来生活的数字化、工作的数字化、工业的数字化、农业的数字化、社会治理的数字化等。数字化的下一个阶段是数字孪生（DigitalTwin）[1]，任何被数字化的物体都会有一个数字化的镜像，我们可以称之为孪生体，其存在于网络空间当中。孪生体可以真实地反映被数字化的物体的当前状态，也可以记录和保存其所有的历史状态和相关信息。根据这些信息，可对未来状态进行预测，并对被数字化的物体进行预测性干预和维护，避免其偏离正常的状态和趋势。随着数字化程度的加深，未来整个世界都将逐步走向数字孪生。
3.1.1概念的提出
孪生，即双胞胎；数字孪生，顾名思义，就是数字形式的双胞胎。在“数字孪生”中，双胞胎中的一个是存在于现实世界的实体，小到零件，大到工厂，简单如螺丝，复杂如人体的结构，乃至整个社会；而双胞胎中的另一个则只存在于虚拟和数字世界之中，是利用数字技术营造的与现实世界对称的镜像，我们称之为数字孪生体。此外，这个数字孪生体不仅是对现实实体的虚拟再现，还可以模拟对象在现实环境中的行为，并对其未来发展状态和趋势进行预测，通过对数字孪生体的改变来实现对现实世界中实体的提前预测和干预。因此可以说，数字孪生体将物理对象以数字化方式在虚拟空间呈现，模拟其在现实环境中的行为特征[2]，并对其进行预测性维护和干预，以确保其按正常的轨迹运行。
数字孪生起源于工业生产制造，是在基于模型的定义（ModelBasedDefinition，MBD）基础上深入发展起来的，企业在实施基于模型的系统工程（Model-BasedSystemsEngineering，MBSE）的过程中产生了大量物理的、数学的模型，这些模型为数字孪生的发展奠定了基础[1]。
数字孪生可以通过设计工具、仿真工具、物联网、虚拟现实等各种数字化的手段，将物理设备的各种属性映射到虚拟空间中，形成可拆解、可复制、可转移、可修改、可删除、可重复操作的数字镜像，极大地加快了操作人员对物理实体的了解，方便了模拟仿真、批量复制、虚拟装配等设计活动[1]。
过去，没有数字化模型的帮助，制造一件产品要经历很多次迭代设计。现在，采用数字化模型的设计技术可以在虚拟的三维数字空间轻松地修改部件和产品的每一处尺寸和装配关系，这使得几何结构的验证工作和装配可行性的验证工作大为简化，大幅度减少了迭代过程中物理样机的制造次数，缩短了制造时间，并降低了生产成本[1-2]。
此外，数字孪生还可以通过采集有限的物理传感器指标的直接数据，借助大样本库，通过机器学习推测出一些原本无法直接测量的指标。由此实现对当前状态的评估、对过去发生问题的诊断以及对未来趋势的预测，并基于分析的结果，模拟各种可能性，提供更全面的决策支持[1-2]。
例如，针对大型设备运行过程中出现的各种故障特征，数字孪生可以将传感器的历史数据通过机器学习训练出针对不同故障现象的数字化特征模型，并结合专家处理的记录，形成对设备故障状态进行精准判决的依据，最终形成自治化的智能诊断和判决。
实现数字孪生的许多关键技术已经开发出来，比如多物理尺度和多物理量建模、结构化的健康管理、高性能计算等，但实现数字孪生需要集成和融合跨领域、跨专业的多项技术，从而对装备的健康状况进行有效评估，这与单个技术发展的愿景有着显著的区别。因此，数字孪生这样一个极具颠覆的概念[3]在相当长的时间内并没有实现足够的成熟度。
美国国防部最早提出将数字孪生技术用于航空航天飞行器的健康维护与保障[4]。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据飞机结构的现有情况和过往载荷，可及时分析评估是否需要维修、能否承受下次的任务载荷等。
2013年，美国空军研究实验室（AFRL）发布 Spiral1计划[3]，计划以当时美国空军装备 F15为测试台，集成最先进的技术，与当时具有的实际能力为测试基准，标识出物理实体和虚拟实体存在的差距。
当然，对于数字孪生这样一个好听好记的概念，许多公司已经迫不及待地将其
从尖端的领域拉到民众的眼前。通用电气公司（GE）将其作为工业互联网的一个重要概念[4]，力图通过大数据的分析，完整地透视物理世界机器实际运行的情况。而激进的产品生命周期管理（ProductLifecycleManagement，PLM）厂商 PTC（美国参数技术公司）则将其作为主推的“智能互联产品”的关键性环节：智能产品的每一个动作都会重新返回设计师的桌面，从而实现实时的反馈与革命性的优化策略。数字孪生突然赋予了设计师们全新的梦想，它正在引导人们穿越虚实界墙，在物理实体与数字模型之间*交互与行走。
西门子成功地将数字孪生用于产品的大规模个性化制造[1,4]。在 2016年的德国汉诺威工业博览会上，西门子CEO送给奥巴马一副卡拉威高尔夫球杆，它诞生于一个“数字化”世界。在设计阶段，“数字孪生”帮助它在虚拟环境中完成模拟和测试，使球杆的上市周期从 2～3年缩短为 10～16 个月。球杆可以根据顾客的体重、挥杆姿势和力量等所有相关因素量身定制，造价却与普通的球杆没有区别。这正是未来制造业的方向之一：满足用户的个性化需求，即所谓的“大规模定制化生产”。那么，制造业如何才能做到这样？西门子认为[1,4]，解决方案只有一个，那就是数字化。其核心技术在西门子被称为“数字孪生”。它背后的逻辑是这样的：当制造商想要开发一款新产品时，他首先通过软件在虚拟的数字世界中进行设计、仿真和测试；之后再进入数字化的生产流程，这意味着从原料采购、订单管理、生产制造到质量管理的每一个环节都可以收集数据，并互相打通；之后这些生产过程中的数据又可以回到虚拟的数字世界，进一步地优化产品性能和生产效率。在西门子数字化解决方案的帮助下，意大利汽车品牌玛莎拉蒂生产出了全新一代的 Ghibli跑车。通过对软件里的数字化模型进行设计和测试，玛莎拉蒂缩短了30%的新款车型设计开发时间，将跑车上市的时间缩短了 16个月，而采用了西门子生产执行系统（MES）后，Ghibli跑车的产量提升了 3倍，同时保持了不变的品质[3]。
3.1.2 数字孪生的应用
一般认为，数字孪生思想最早由密歇根大学的 MichaelGrieves命名为“信息镜像模型”（InformationMirroringModel），而后演变为“数字孪生”的术语。数字孪生也被称为数字化映射。MichaelGrieves教授在 2003年提出了“物理产品的数字表达”的概念，并指出物理产品的数字表达应能够抽象地表达物理产品，能够基于数字表达对物理产品进行真实条件或模拟条件下的测试。这个概念虽然没有被称作数字孪生，但是它具备数字孪生所具有的组成和功能，即创建物理实体的等价虚拟体，虚拟体能够对物理实体进行仿真分析和测试。MichaelGrieves教授提出的理论，可以被看作数字孪生在产品设计过程中的应用[3]。
2006年，美国国家科学基金会（NationalScienceFoundation，NSF）首先提出了信息物理系统（Cyber-PhysicalSystem，CPS）的概念[5]，CPS也可译为网络−实体系统或信息物理融合系统。信息物理系统被定义为由具备物理输入输出且可相互作用的元件组成的网络。它不同于互联网的独立设备，也不同于没有物理输入输出的单纯网络。
2011年 3 月，美国空军研究实验室结构力学部门的 PamelaAKobryn和EricJTuegel做了一次演讲，题目是“Condition-basedMaintenance PlusStructural Integrity(CBM+SI) &theAirframeDigitalTwin（基于状态的维护+结构完整性&战斗机机体数字孪生）”，演讲中首次明确提到了数字孪生。当时，AFRL 希望实现战斗机维护工作的数字化，而数字孪生是他们想出来的创新方法。
2011年，MichaelGrieves教授在《几乎完美：通过 PLM驱动创新和精益产品》中给出了数字孪生的 3 个组成部分：物理空间的实体产品、虚拟空间的虚拟产品、物理空间和虚拟空间之间的数据和信息交互接口[3]。
2012年，美国国家标准与技术研究院提出了基于模型的定义（MBD）和基于模型的企业（MBE）的概念，其核心思想是要创建企业和产品的数字模型，数字模型的仿真分析要贯穿产品设计、产品设计仿真、加工工艺仿真、生产过程仿真、产品的维修维护等整个产品的生命周期。MBE和 MBD的概念将数字孪生的内涵扩展到了产品的整个制造过程[4]。
2012年，美国国家航空航天局（NASA）给出了数字孪生的概念描述[5]：数字孪生是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体产品的镜像，反映了相对应物理实体产品的全生命周期过程。为了便于对数字孪生的理解，庄存波等人[6]提出了数字孪生体的概念，认为数字孪生是采用信息技术对物理实体的组成、特征、功能和性能进行数字化定义和建模的过程。数字孪生体是指在计算机虚拟空间存在的与物理实体完全等价的信息模型，可以基于数字孪生体对物理实体进行仿真分析和优化。数字孪生是技术、过程、方法，数字孪生体是对象、模型和数据。
数字孪生最重要的启发意义在于，它实现了现实物理系统向数字化空间中的数字化模型的反馈。这是工业领域中一次逆向思维的壮举。人们试图将物理世界发生的一切塞回到数字空间中。只有带有回路反馈的全生命跟踪，才是真正的全生命周期概念。这样，就可以真正在全生命周期范围内，保证数字与物理世界的协调一致。基于数字化模型进行的各类仿真、分析、数据积累、挖掘，甚至人工智能的应用，都能确保它与现实物理系统的适用性。这就是数字孪生对于智能制造的意义所在。
智能系统的智能首先要感知、建模，然后才进行分析推理。如果没有数字孪生对现实生产体系的准确模型化描述，所谓的智能制造系统就是无源之水，无法落实。
2013年，德国提出了“工业 4.0” ，其核心技术就是信息物理系统
（Cyber-PhysicalSystem）[1,5]。信息物理系统是一个综合计算、通信、控制、网络和物理环境的多维复杂系统，以大数据、网络与海量计算为依托，通过 3C（Computing、Communication、Control）技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS能够从物理空间（PhysicalSpace）、环境、活动进行大数据的采集、存储、建模、分析、挖掘、评估、预测、优化和协同，并与对象的设计、测试和运行性能表征相结合，使网络空间（CyberSpace）与物理空间深度融合、实时交互、互相耦合、互相更新；进而通过自感知、自记忆、自认知、自决策、自重构和智能支持促进工业资产的全面智能化。
2015年之后，世界各国分别提出国家层面的制造业转型战略[2]。这些战略的核心目标之一就是构建物理信息系统，实现物理工厂与信息化的虚拟工厂的交互和融合，从而实现智能制造，数字孪生作为实现物理工厂与虚拟工厂的交互融合的最佳途径，被国内外相关学术界和企业高度关注。从 CPS和数字孪生的内涵来看，它们都是为了描述信息空间与物理世界融合的状态，CPS更偏向科学原理的验证，数字孪生更适合工程应用的优化，更能够降低复杂工程系统建设的费用。参考文献[5]基于数字孪生提出了数字孪生车间的概念，并对车间管理要素进行分析，数字孪生车间的发展需要依次经过生产要素/生产活动/生产控制仅限于物理车间、物理车间与数字孪生车间相对独立、物理车间与数字孪生车间交互融合 3个阶段，之后才能够逐渐成熟。参考文献[2-3]认为数字孪生可整合企业的制造流程，实现产品从设计到维护全过程的数字化，通过信息集成实现生产过程可视化，形成从分析到控制再到分析的闭合回路，优化整个生产系统。GEDigital工业互联网创新与生态发展负责人 RobertPlana认为，数字孪生最重要的价值是预测在产品制造过程中出现问题时，可以基于数字孪生对生产策略进行分析，然后基于优化后的生产策略进行组织生产[1]。
在 2016年西门子工业论坛上[3]，西门子认为数字孪生的组成包括产品数字化孪生、生产工艺流程数字化孪生、设备数字化孪生，数字孪生完整真实地再现了整个企业。庄存波等人[6]也从产品的视角给出了数字孪生的主要组成，包括：产品设计数据、产品工艺数据、产品制造数据、产品服务数据以及产品退役和报废数据等。无论是西门子还是庄存波等人[6]都从产品的角度给出了数字孪生的组成，并且西门子以它的产品生命周期管理系统为基础，在制造企业推广它的数字孪生相关产品[3]。
陶飞等人[5,7-8]从车间组成的角度先给出了车间数字孪生的定义，然后提出了车间数字孪生的组成，主要包括物理车间、虚拟车间、车间服务系统、车间孪生数据。物理车间是真实存在的车间，主要从车间服务系统接收生产任务，并按照虚拟车间仿真优化后的执行策略，执行完成任务；虚拟车间是物理车间在计算机内的等价映射，主要负责对生产活动进行仿真分析和优化，并对物理车间的生产活动进行实时的监测、预测和调控；车间服务系统是车间各类软件系统的总称，主要负责车间数字孪生驱动物理车间的运行和接收物理车间的生产反馈[5]。
CPS被认为是支撑两化深度融合的综合技术体系，是推动制造业与互联网融合发展的重要抓手。CPS把人、机、物互联，实现实体与虚拟对象的双向连接，以虚控实，虚实融合。CPS内涵中的虚实双向动态连接，有两个步骤：
· 虚拟的实体化，如设计一件产品，先进行模拟、仿真，然后再制造出来；
· 实体的虚拟化，实体在制造、使用、运行的过程中，把状态反映到虚拟端，通过虚拟方式进行监控、判断、分析、预测和优化。
CPS通过构筑信息空间与物理空间数据交互的闭环通道，能够实现信息虚体与物理实体之间的交互联动。数字孪生体的出现为实现 CPS提供了清晰的思路、方法及实施途径。以物理实体建模产生的静态模型为基础，通过实时数据采集、数据集成和监控，动态跟踪物理实体的工作状态和工作进展（如采集测量结果、追溯信息等），将物理空间中的物理实体在信息空间进行全要素重建，形成具有感知、分析、决策、执行能力的数字孪生体。因此，从这个角度看，数字孪生体是 CPS的核心关键技术。数字孪生体与数字化生产线之间的关系如图3-1所示。
图 3-1数字孪生体与数字化生产线之间的关系[1]
数字孪生体与数字化生产线通过数字线程集成了生命周期全过程的模型，这些模型和实际的智能制造系统、数字化测量检测系统，进一步与嵌入式的CPS进行无缝的集成和同步，从而在这个数字化产品上看到实际物理产品可能发生的情况。