何为数字孪生？

作者Paul Hanaphy

2023年 8月 2日

阅读时间 3 分钟

概要

随着AI、VR、三维扫描等先进科技逐渐融入制造行业，实体和虚拟之间的界线变得越发模糊，甚至有人认为，我们正在经历第四次工业革命。工业4.0的核心正是“数字孪生”，即部件、资产、系统或流程的虚拟副本，可用于跟踪或改进性能。本文，我们将介绍这些孪生模型的制造过程、应用领域及可能带来的机遇。

数字孪生类型

部件、资产、系统、流程

数字孪生技术

三维扫描、VR、AR及CAD、BIM、MRS、数字栾生程序

目标应用场景

虚拟产品测试、设施监控、工业流程优化、城市规划、库存数字化

简介

数字孪生不只是3D模型，它们还通过实时数据馈送与真实部件、资产、系统或流程相连接

数字孪生是有可能改变产品制造方式的几种新兴技术之一。但是，我们不能只看到它带来的机遇，还需要回答一个问题：数字孪生究竟是什么？

从根本上说，数字孪生概念紧紧围绕这样一个理念：产品、机器甚至更广泛的装置，都可以变成虚拟模型。无论是通过数据聚合研发，或利用三维扫描等技术捕获，都需注意，这些数字孪生不仅仅是数字副本。事实上，它们通过一系列附加传感器与现实中的实物交换数据。这种数据流可包含各种数据，从生产过程中的物体状态到机械能量输出，对制造商带来极大优势。

要点

数字孪生为制造商提供了宝贵手段，可以在车间铺开生产前对特定工作流程的提升进行测试。

有了系统或流程的数字孪生，人们就能监控它们的各个方面，并找到优化的方式。这些数据可用于机器维护和预防性维护，来避免故障、降低停机时间。数字孪生系统还为制造商提供了宝贵手段，能在车间铺开生产前，通过较小规模的模拟对特定工作流程的提升进行测试。

辅助动力装置（APU）数字孪生。图源：屯特大学

假设您想评估多个活动部件组成的资产在组装后的性能表现。利用数字孪生，您可以仔细检查该产品的各个组件如何相互作用，并找到可能的改进方案，从而避免在产品研发过程中出现大量试错。

把目光放远，我们甚至还能在城市规划过程中使用同样的方法。建筑师现在能以这些建筑数据为基础，分析实验性城市景观若真正完工，能否像预期的那样，提高建筑可持续性，提升市民生活品质。

要点

数字孪生并不仅仅是真实资产、系统、流程的3D模型，两者还通过实时数据流连接起来。

今天我们所熟知的数字孪生概念由密歇根大学的Michael Grieves于2002年首次提出，但直到8年后，美国国家航空航天局的John Vickers才将其命名为“数字孪生”。此后，这项技术从制造业小众名词变成了引领全球的顶尖工业技术之一。特别是数字孪生有望和AI、AR、3D打印技术一样，成为一项支持全面系统集成的技术（亦称“物联网”），持续不断地激发制造商放飞想象。

那么这一切在现实世界中究竟如何发挥作用？接下来，我们将详细介绍数字孪生的制作方法、三维扫描如何优化进一步优化、以及数字模型如何应用于不同行业。

数字孪生类型

部件与资产数字孪生

产品孪生大致可分为两种不同类型：部件与资产。部件指大型结构中最小、最基本的功能组件，如装配体的接头和横梁（也称为机械子装配体）。而资产指的是由两个或以上组件组成的产品，它们间的互动可通过数字孪生的虚拟形式进行分析。

为延长蒸汽轮机生命周期的数字孪生系统。图源：通用电气

系统数字孪生

继续放大，我们就有了系统数字孪生。这些模型既可以由组装完成、带有完整功能的部件或资产组成，也可以是用于生产这些部件或资产的机器。重要的是，这类数字孪生允许用户分析不同类型资产如何相互作用，并找到提升性能的方案。

流程数字孪生

若进一步延伸，数字孪生还能用于监控整个工厂。这些数字孪生让制造商得以同步工厂所有系统，无论是生产系统还是通风等辅助系统，还能确保它们始终高效运行。数字孪生还可以是得力的规划工具。例如，探究一台系统出现故障会对其他系统造成何种影响。

最终，对多项流程进行宏观监控，用户就能提前发现物料短缺和设备维护等问题，从而提前制定计划，最大限度地延长系统正常运行时间。

三维扫描有何作用？

以上就是对数字孪生的介绍。那三维扫描究竟起到什么作用？目前，这项技术是创建此类数字孪生模型的主流方法之一，属于“现实捕获”数字化过程中的环节之一。

虽然可以开发计算模型来收集数字孪生模拟所需数据，无需任何现实捕获技术，但这一工作流往往长达数月之久。而三维扫描获取这些数据的速度就快了很多。无论是一个零件还是整个流程链的数字化，既可用于实时分析，也能作为基础用于创建全集成数字孪生。

用于实时管理运行和感知数据的数字孪生

当然，还有其他现实捕获技术。例如，利用摄影测量法，可以用智能手机等日常设备拍摄多角度照片，根据相片的重叠区域创建数字孪生。但是，这项技术不够精准，使用起来也相当耗时，无法提供实时反馈，这就容易造成扫描数据的丢失。

此外，三维扫描还能提供线性测量，而摄影测量更容易失真。这是因为这项技术很大程度上依赖于图像质量，而图像质量会受到相机分辨率、运动模糊等诸多因素的影响。我们后面也会提到，准确度是创建实用数字孪生的重要前提，而这种偏差确实导致摄影测量技术难以用于数字孪生。

要点

三维扫描为制造商带来了更快、更多样的方式，来为产品和设备进行精准数字化。

相比之下，LiDAR激光扫描仍然是测量领域中广受欢迎、高度精准的大型结构建模方式。手持式三维扫描仪用途广泛，有些自带内置屏显，能让您边扫描边检查扫描数据。这些设备十分有效，扫描结果可作为创建CAD或BIM模型的基础，最终完成数字孪生。

总体而言，三维扫描技术的进步使之独具魅力，成为获得制造关键信息、加快创建数字孪生的得力工具。但是，如果您刚接触这项技术，那么在首次购买设备时，要考虑哪些差异化因素呢？下面，我们来详细了解下有关方面。

Artec Ray II

如果您需要为大型区域制作数字孪生，例如为工厂、房屋内部提供远程访问，您需要考虑扫描距离这一因素。Artec Ray II可安装在三脚架上，可快速捕获130米内的表面，10米处的3D点位精度高达1.9毫米。加上内置屏显，该设备能极大程度减少扫描数据与工厂之间的偏差，使数字孪生符合应用需求。

为真实再现设备细节，可能还需要使用手持扫描仪扫描精密部位，再与Artec Ray II捕获的数据合并，该操作可在Artec Studio中完成。无论是新采集还是预处理的数据，该平台都简化了点云数据对齐流程，以及整体联合配准过程，可建成分辨率和精准度极高的3D模型。

埃太科三维快如闪电的远距Ray II三维扫描仪

这一过程与行业无关，因此，可能是为堆满机器的车间、仓库进行数字化，但无论任何场景，这项优势都是显而易见的。实时追踪生产性能也便于尽早发现并解决瓶颈问题，无论这些问题是由设计缺陷造成的，还是后期制造故障造成的。

双重动力: Ray II + Leo

此外，如果您打算为资产而非流程制作数字孪生，那么速度和灵活度可能更重要。AI驱动的无线Artec Leo扫描仪同时满足了这两项要求，用户能在HD模式下，以3500万点/秒的速度采集数据，同时通过5.5英寸显示屏实时监控扫描进度。

Leo也不会因速度而牺牲分辨率，通过HD模式能更轻松地为中小型物体采集干净的高分辨率扫描。所有这些功能都使之成为创建数字孪生的可靠工具，可高度复现产品的复杂部位。

Artec Leo和Ray II合并后为管网创建细节丰富的数字孪生模型

若资产很小，即可考虑采用Artec Micro完成数字化。该设备精度高达10微米，能以极小的误差为螺丝钉、子装配部件等完成建模，这点对于数字孪生的制作基础而言至关重要，下文我们还将进一步解释。

尺寸公差

想让数字孪生成为衡量生产性能的有效工具，首先需要以准确的数据为基础。这是因为任何错误测量都有可能导致工作流程分析出现偏差。幸运的是，现在有几款三维扫描仪的精度可以达到数字孪生模型的要求。

如果您需要为中小型物体制作数字孪生，结构光三维扫描仪绝对是不二之选。在捕获工业紧固件和阀门等更复杂的部件时，扫描效果可能更多取决于“尺寸公差”，即按设计运作时可承受的最大偏差量。

Artec Space Spider这类计量级三维扫描仪能够实现这一目标，为微小、复杂的物体制作精准模型，也能为较大的物体完成截面模型，与真实尺寸的偏差最小低至0.05毫米。

数据处理

数字孪生另一个易被忽略的重要因素就是数据处理。扫描完成后，如何快速、轻松地处理生成的数据、并导出至其他平台，这点对工作流程的效率而言至关重要。在实际操作中，这就意味着能够在工业分析过程中以常用的兼容格式传输文件，同时保留重要的图像数据。

要点

使用合适的三维扫描软件，您就可以快速捕获产品、系统、面积，并将生成的3D网格直接导出至数字孪生平台。

在使用三维扫描制作数字孪生时，还要注意这些平台的使用难度。这时，Artec Studio就能体现出独特优势。软件不仅可以把采集的数据再现成虚拟区域或产品，支持将文件以STEP和IGES格式导出，还大幅简化了这一流程。

Artec Studio的自动曲面功能将有机形状一键转换为CAD模型

只需回答几个简单问题，Artec Studio的自动模式就能选定合适的算法来处理给定数据集。这有助于扫描新手快速掌握这项技术，自动完成扫描到网格的流程。但同时，软件也支持用户自行调整设置，可处理多达5亿个多边形的数据集，几乎涵盖所有物体和区域。

如何创建数字孪生

因此，数字孪生既可以用庞大的数据集来构建，也能基于真实区域或物体的三维扫描完成。那这些过程在实际操作中是怎样的呢？数据集方式往往依赖于相关资产、企业资源规划（ERP）系统以及其他文件（如CAD设计草图）所生成数据训练出来的算法。有了这些数据，数字孪生就能发现输入和输出之间的关系，并利用这些发现来预测未来的生产情况。

相比之下，现实捕获的数字孪生创建方式就更为简单明了。只需安装Ray II这类三脚架扫描仪，就能自动扫描工厂车间，也可以使用Leo这类手持式扫描仪，多角度快速捕获中小型物体。如此，便能将任何物体或结构轻松转化为数字模型，这是制作任何实用性数字孪生模型的先决条件。不过，若对应的实物发生变化，这些模型可能也需要重新扫描。

工程师安装Artec Ray II为大型户外集装箱创建数字孪生模型

在某些情况下，甚至可以结合使用两种方式，各取所长，完成混合数字孪生。选择哪种数字化方法很大程度上取决于上文列出的对应场景下的特定因素，如精度、速度和尺寸。但是，一旦完成了3D模型也不代表流程的终点，您仍然需要将传感器连接到实物上，建立数据连接。

同样，传感器的连接位置也取决于您的应用场景，如升力模型、异常模型、热模型和瞬态模型，每种模型都需要不同的数据输入才能发挥作用。同样，为充分利用数字孪生，如果您打算通过数据创建数字孪生，则可考虑添置分析和模拟程序，或考虑聘请数据专家。

数字孪生如何运作？

数字孪生不仅需要其外观和真实产品、系统、流程高度相似，还需要“行为”相似。这就需要将数字孪生与实物相连，便于实时监控并分析实物性能。

通过在产品关键部位连接传感器或执行器，就能在产品、数字孪生、现有制造执行系统（MES）之间来回共享数据。这种持续不断地信息流对制造商而言大有裨益，能帮助他们找到流程整改措施，监控系统的运行情况。

在产品开始批量生产之前，用户还能利用数据流来评估产品在生产过程以及终端使用场景下的性能。通过这种方式，数字孪生用户可以进行设计迭代，无需制作实物原型，这不仅能节省材料，还能让产品尽快问世。

数字孪生与物联网

说完数字孪生的工作原理，我们来看看使用它们有何好处。其中最常见的一个应用场景就是物联网（IoT）。这是一个广义概念，指任何相互连接的电子设备。在制造领域，物联网的趋势早已兴起，那究竟优势何在？

首先，整合工作流程可以实现更高程度的自动化，尤其现在还有了AI的参与。这就减少了操作过程中所需的人力投入，从而提高了生产率，同时将错误率降到最低，毕竟误差会会对生产品质造成极大影响。根据历史数据，物联网还能降低或提高产量，优化资源利用率，更好地满足客户需求。

概念图：数字孪生系统中，AI驱动的机械实现自动化耕作

同时，从长远来看，将特定设施中的每台机器连接到物联网络中，将释放出更多商机。随着对人工操作依赖度的降低，全自动熄灯工厂逐渐走红。此外，由于有关消费者偏好的信息越来越丰富，物联网工作流程让用户得以快速利用新兴趋势。所有这些都预示着数字孪生市场潜力巨大。

要点

随着数字孪生、三维扫描、VR、AI等先进技术的兴起，创建完全互联的物联网工作流程已成为可能。

数字孪生软件

这就是数字孪生的工作原理，但实践中人们是如何开发利用的呢？下面我们来看些主流平台如何帮助制造商将三维模型转换为数字孪生，优化相应工作流程。

Oracle IoT资产监控云服务

知名软件开发商Oracle的数字孪生专用资产监控云服务允许用户密切监控其资产利用率、位置和整体状态。只要有一组数据集或3D模型，可用于创建数字孪生，就能开始使用这一平台。支持JSON元数据格式、OBJ等常用建模文件，也支持Autocad或Sketchup等常用程序创建的文件。

Oracle用户上传模型后，就能利用软件来检查、定位，也可以用“Explode”功能分解资产。随后，即可一键将节点连接到子资产。不过，为了收集性能实时数据，必须在实物相关区域安装传感器。

Oracle表示，用户可利用该程序创建各种类型的模型，包括虚拟孪生、预测孪生，也能进行孪生投影。虚拟孪生模型主要使用语义为主的数据模型，来对比观测属性和期望属性间的匹配情况。用于叉车等车辆周围时，可有效监控刹车磨损、轮胎磨损、臂长，确保设备性能。

另一方面，Oracle的预测孪生依靠机器学习开发的分析和统计模型，能够不断适应工厂现场不断变化的环境。这意味着它们能利用实时数据监控资产、系统、流程性能，识别趋势和问题，找到解决方案，发现未来的维护需求。反过来，孪生投影帮助企业基于这些发现，引入补救措施，或在需要进一步分析时，将它们导出至其他Oracle程序。

亚马逊AWS IoT TwinMaker

也许一开始你很难把亚马逊和工业制造联系起来，但亚马逊子公司AWS在云服务领域其实早已颇有建树。AWS表示，通过其IoT TwinMaker平台，用户可以将现有3D模型和现实世界的数据结合起来，为工业设备乃至整条生产线创建数字孪生。

根据AWS的3D导入指南，人们可以将三维扫描平台导出的OBJ等文件轻松转换为兼容TwinMaker的GLTF。这种做法也有其他优势，例如缩短程序加载时间，简化屏幕或场景中模型的更新方式。

AWS IoT TwinMaker上的流程数字孪生实例。图源：亚马逊AWS

用户准备好数字孪生并将其连接至实物后，就可以利用AWS或合作产品的内置分析工具（包括西门子和Ansys等知名工业软件开发商），来全面了解生产流程。Ansys出售自己的数字孪生创建工具，提供非常实用的软件工具，用户可以测试资产、系统和流程升级后的完整虚拟原型，而无需冒险将其制作成实物。

Autodesk Digital Twin

Autodesk是三维软件领域的另一个主流品牌，同样提供数字孪生软件，不过，它的产品主要面向建筑行业。该品牌具备开发兼容建筑信息模型（BIM）的专有技术，并在此基础上推出了Autodesk Digital Twin，用户可以汇总设计、运营和施工数据。如此，用户便能更好地了解新基础设施的构建方式，做出更明智的决策，找到融入当地的最佳方式。

例如，测量并降低风险，通过优化资本支出提高投资回报率，或保证高效的设施维护。平台可集成至Autodesk其他程序，意味着支持更多文件交叉兼容，加速了数字孪生的创建过程。

Autodesk Tandem上的磁电流量计。图源：Autodesk

最后，不断积累和分析建筑数据必然可以帮助用户改进投资决策、预测规划需求、推测故障，因为数据掌握得越多，就越了解情况。当然，这也适用于市场上其他程序，但在特别容易出现超支的建筑行业，这项优势格外突出。

要点

许多平台兼容常用的三维扫描文件类型，这使得文件导出并创建数字孪生的流程变得更加容易。

数字孪生应用场景

制造业

在所有应用领域中，数字孪生在制造业的应用最为广泛，实时数据能用于提高车间性能、通过模拟保证产品质量，并安排未来维护时间，减少停机时间。虚拟仓储是帮助制造商管理资源的另一种方式，三维扫描提供了产品和备件数字化的高效手段。

数字孪生不仅可以作为数据收集的基础，也可以为备件和产品创建数字数据库。这类数据库可实现按需生产，无论是为满足内部维护需求还是突然增长的客户需求。提高数字化程度也能降低仓储成本，因为制造商可以减少库存。如此一来，这项技术就能带来短期与长期的经济效益，也越来越受到制造商的青睐。

汽车

工业制造领域体现的诸多优势，在汽车领域也同样存在。例如，在新型电动汽车与自动驾驶原型车全面投产前，这些设计都可以通过虚拟模拟进行验证，可节省昂贵的试错成本。除此之外，这项技术也同样为汽车行业带来了独特优势。

汽车生产线数字孪生。图源：西门子

大多数汽车都是通过高度复杂的生产线制造的，需要多个机械臂共同执行部件组装、焊接、喷涂、喷漆等任务。有了数字孪生技术，就可以在生产流程开启前，对部件如何组合进行模拟，以此来优化生产周期和生产率。这种孪生系统还有助于实现制造模块化，便于汽车制造商更改系统行为，根据客户需求定制限量款汽车。

此外，在终端性能方面，数字孪生使得制造商能够测试车辆在实际条件下的表现。事实上，汽车巨头雷诺已在正式投产前，对其公路用汽车进行风洞到碰撞的各种测试。因此，雷诺不需要冒任何风险，就能对发动机输出动力、空气动力学、齿轮情况等方面的表现有清晰了解。

航空航天

由于数字孪生最初是由美国国家航空航天局（NASA）命名的，那么，这项技术在航空航天，尤其是研发领域得到持续的广泛应用，似乎也就不足为奇了。由于可飞行部件的公差十分小，所以对其进行精准模拟，是防止关键故障和延长飞机寿命的重要环节。数字孪生系统能根据历史数据预测部件何时故障，从而简化了这一流程。

在航天业也是如此，NASA长期以来一直使用国际空间站上真实组件的虚拟模型来诊断和修复轨道故障。这项技术还有增强卫星的潜力，近年来，已成为一项深入研究的课题。随着研发的推进，人们认为数字孪生技术有朝一日可以让多个星座成为一个整体运行。这样即可建立一个真正的综合卫星网络，应用于电视、手机信号通讯、军事防御协调等领域。

要点

“数字孪生”起源于航空航天领域，在卫星集成技术上持续发力。

同样在这一领域，NASA的混合现实培训计划已经证明，三维扫描可以为宇航员前往其他星球做好准备。NASA同时使用Artec Eva和Space Spider，为几款先进工具成功制作了数字孪生，这些工具都将被带去未来的太空任务中。这些设备的副本十分逼真，学员们可以在VR中掌握如何实操。

为太空设计的工具（左）及其模拟环境下的数字孪生（右）。图源：NASA

医疗卫生

提到数字孪生，你可能不会第一个想到这个领域，但这项技术已经开始在医疗卫生领域得到广泛应用。在这一行业，这项技术被更多地应用于流程改进，而非优化产品性能。医院往往面临着平衡救治能力、医疗资源、护理模式、患者安全的压力，而数字孪生技术就能做到实时监控日程安排、床位变化、手术室使用情况。这些信息可以帮助管理层做出更明智的决策。

未来，数字孪生技术有望用于人体建模，医生可以更深入地了解每位患者的个体情况。有了这些宝贵信息，就有可能制定个性化诊疗方案。当然，要实现这一目标，还有不少困难尚需扫除。要获得建模所需数据，需要不断进行生理测试，而这种测试目前仍为侵入式，目前并不可行。

尽管如此，已有迹象表明，三维扫描可以帮助临床医生加深对人体的了解。例如，在蒙彼利埃医学院（Montpellier Medical University），学生们正利用Artec Space Spider创建的数字孪生VR模拟进行培训。通过这些逼真的模型，学生无需使用昂贵又稀有的大体标本就能进行手术练习。而且，从这些项目中汲取的经验，也有助于构建完整的患者数字孪生体。

Guillaume Captier教授正在与医学培训中的数字孪生互动

建筑

除了在制造业中创建数字孪生，Artec Ray II等激光扫描仪同样成为了建筑领域流行的建模手段。利用这种远距设备，人们可以为大型建筑工地捕获、创建实时模型，让项目规划人员能够和建筑物实现虚拟互动。如此便可简化资源管理以及各方沟通，同时也有助于做出更明智的决策。

要点

Ray II等激光扫描仪可创建数字孪生，以便获得施工规划的宝贵信息。

数字孪生能轻松集成至建筑工作流程，离不开数字孪生平台与CAD、BIM模型强大的兼容能力，这些模型在建筑领域尤为常见。与产品制造一样，您可以在结构模型的不同区域安装传感器，来规划供暖、通风、空调（HVAC），并监控建筑进展。

数字孪生面临的挑战

尽管我们已在上文中提到了数字孪生在各个领域内所面临的挑战，但这项技术是否还面临着一些共性的挑战，同样值得我们思考。目前，数字孪生最大的难题在于不够准确，一旦模型和实物之间存在重大偏差，就会严重影响生成的数据和分析结果。

使用类似Space Spider这样的高精度扫描仪，是确保计量级精度效果的重要方式，能增加数字孪生的成功几率。结构光和激光三维扫描技术还有助于解决数字孪生技术的另一个主要问题——成本。投资传统成像技术和其他数字孪生基本设施，成本可高达100万美元。

Artec Space Spider为复杂的金属部件创建数字孪生

与此同时，Artec Eva轻便易购得，Artec Leo采用突破式技术，这两款手持式扫描仪的价格远远低于100万美元，且用户可以根据自身需要升级设备功能。

第二个问题就是缺乏数据标准。诚然，构建数字孪生需要大量数据，但并非所有数据都能轻松获取，且数据格式可能各不相同。同样，孪生系统也会因应用场景不同、数据收集点之间相距多远等因素，体现出参差不齐的效果。

这些因素使得我们难以判定数字孪生的优势。但是，有了Artec Studio这样的平台，您至少可以享受自动处理模型数据的功能，简化并加快数据捕获，随后再将模型以常用格式导出。

要点

三维扫描技术的进步不断加快数字孪生的创建速度，并推动它们在各行各业中的应用。

数字孪生技术的未来

显然，数字孪生技术仍有一些障碍需要克服，才能真正颠覆主流制造领域或城市规划的现有做法。不过，数字孪生技术已经证明，它可以提高产量和可重复性，还能在更大范围的规划中提高流程效率，别忘了，这项技术还在持续不断的研发过程中。

数字孪生的创建会变得越来越容易，功能越来越强大，它们可能很快就能主动获取数据，成为物联网设置的一部分。与此同时，三维扫描仪的功能也会继续提升，用途更广，更易购得，进一步扩大各行各业的应用范围。在这种技术飞跃的推动下，越来越多的跨国公司开始进行数字孪生实验，诺基亚等电信巨头也在寻求新的方法来提高覆盖率，充分利用其掌握的海量数据。

除了工业应用外，“数字孪生”一词也被赋予了新的含义，不仅被用来描述产品的虚拟副本，也用来描述其他物体。元宇宙，人与企业共存的全新虚拟现实。尽管未来发展方向尚不明了，但随着元宇宙概念的不断推进，人们对真实人物、地点、物体的数字化需求会进一步增长。届时，元宇宙极有可能成为数字孪生技术的下一个新市场。