以数字孪生技术为牵引，推动装备工业虚实结合与软硬兼备

刘晨曦 邵斌 左世全

一、数字孪生是我国装备工业数字化转型的“倍增器”

（一）数字孪生对装备工业发展起到重要赋能作用

数字孪生技术正在与装备工业深度结合，它具备的“数化保真、实时交互、先知先觉、共生共智”的功能，对装备工业转型升级起到重要赋能作用。

一是在产品研发过程中，数字孪生能够通过仿真工具、物联网技术、虚拟现实等各种数字化方式，集成尺度和学科多样性的仿真过程，模拟设备在真实场景下运转状态和具体参数，在虚拟空间中完成映射。如中国船级社开展船用泵组的智能检验系统的试点研究，企业建立用于设备典型状态分析的数字孪生系统，以此为基础，建立船用设备云检验平台并迅速投入使用。

二是在经营管理过程中，数字孪生能够建设实体业务的多维模型，对实体业务过程及线下操作程序，形成人员、机器、原料、方法、环境的统一整体实时管理，提升智能化管理水平，实现降本增效。如天津港集团所属“津港轮31” “津港轮32”两艘拖轮的智能系统更多地运用“智慧大脑”，通过船舶智能化让船舶控制变得更加简单和高效，减少人为的失误操作。

三是在产品的维护阶段，数字孪生技术能够相对准确地提供故障点和故障概率的相关信息。如中海石油（中国）有限公司深圳分公司首次进行了将数字孪生技术运用于海洋平台装备的运维阶段的尝试，利用数字孪生技术在数字空间构建了一个基于物理信息、历史数据、传感器数据的数字模型，对海洋平台进行安全健康管理，进行信息的实时反馈。

（二）数字孪生是驱动装备工业数字化转型的重要引擎

数字孪生技术正在驱动我国装备工业数字化转型，体现在以下三方面：一是面向产品的数字孪生助力产品全生命周期优化。如国家能源集团联合动力技术有限公司通过分析基于SCADA数据的机组状态参数之间的关系，挖掘数据包中的有效信息，开展了风电机组的故障诊断、状态评估的研究工作。二是面向车间的数字孪生应用在生产全过程管控。如海尔集团在生产过程中，对工厂进行三维可视化改造，能够观测产品的数量、质量以及生产设备的运维情况，从而起到调整品控、排查故障、降低损耗的目的。三是面向企业的数字孪生推动业务综合评估与管理。如中车四方股份有限公司在制造高铁转向架的过程中，通过对厂房等主要资源三维建模的搭建，建立主机厂的数字化车间虚拟环境，以实现生产系统的运行仿真，优化工艺布局，进行生产项目的综合统筹布局和管理。

二、数字孪生在我国装备工业应用过程中的“拦路虎”

（一）机理模型建模、感知传输、数据处理等重要技术尚未成熟

机理模型建模技术方面，我国装备工业现有模型的基础大多为二位、三维等几何模型，其物理、行为、规则模型的获取往往比较困难，对于部分现存装备甚至连精准几何模型也很难获取。机理模型构建中，面向行业的模型库较少，给快速建模带来极大的挑战。

数据处理技术方面，孪生数据具有多元、多维、时变、异构等特点，在存储、传输、融合等方面均存在挑战。具体如下：一是多源异构数据一致性较难实现。复杂的装备工业传感系统中，采集的数据涉及物理、几何、时间等多源异构数据，此类数据中既存在结构化数据，也存在大量离散型数据，如何实现多源异构多模数据集成、融合和统一管理，仍然是有待解决的问题。二是数据字典的缺失或不完善。不同维度模型的集成过程中，需要在不同系统和设备之间进行多类型数据传输和交互，因此要建立通信接口协议，并形成统一数据标准、数据语义及代码，而数据字典的缺失或不完善，导致工业数据语义不统一、传输不规范。

（二）数据孪生各项标准亟待完善

数据标准方面，由于数字孪生系统的输入数据包含不同来源渠道，如不同信息系统、不同社会主体、不同统计路径等，受数据录入方式、数据来源渠道、数据统计方式等因素影响，数据的准确性难以保障，数据的采集、传输与处理环节均缺乏相应的标准进行规范。

机理模型标准方面，装备工业数字孪生系统的核心是机理模型构建，但是机理模型的表达、封装与接口事关各数字孪生厂商的商业秘密，然后机理模型的不统一又影响了模型的扩展性，从而阻碍了各厂商的进一步发展。

算法库标准方面，各数字孪生系统开发商之间编程语言各不相同，数字孪生系统开发商、装备工业生产商与用户之间，所使用的模型标准、数据标准不同，难以构建统一标准的算法库，造成算法复用率低，重复劳动增加。

验收标准方面，装备工业数字孪生系统的验收工作通常以是否完成了合同约定的需求为准则，缺乏权威统一的装备工业数字孪生系统的验收标准，对系统的质量进行约束，从而规范装备工业数字孪生市场。

（三）專业及标准化人才较为缺失

一方面，核心软件技术由美国和德国等发达国家掌握，凭借在工业软件、仿真系统方面的技术领先优势，以及在传统工控网络、通信等方面的标准话语权，掌握了大量数字孪生的主导力量。当前各个行业的大量软硬件系统由国外企业提供，核心软件技术由国外人才主导，复杂的全球经济环境和贸易壁垒使得国内装备工业企业使用时存在运维成本高昂、技术标准不统一、数据采集困难、系统集成效率低等诸多问题。

另一方面，数字孪生在装备工业领域落地应用过程中缺乏标准的指导与参考，亟需一批具有国际视野的标准化研究专业人才。一些如国际标准化组织自动化系统与集成技术委员会（ISO/TC184）、IEEE数字孪生标准工作组（IEEE/P2806）等组织正在开展数字孪生标准体系的研究，但尚未有统一的数字孪生具体应用标准发布。我国亟须培养一批专业人才，着重针对共性基础标准、行业应用标准等问题进行研究，抢占新兴技术领域高地。

三、数字孪生在我国装备工业落地实现的“着力点”

（一）夯实数字孪生基础设施建设

一是完善网络基础设施建设。数字孪生的实现，是建立在连续采样、大体量的工业大数据基础上的，而大数据的传输、交互和共享，必然要求建立容量、带宽、存储与数据处理能力更强大的基础设施，要加快补齐云计算、边缘计算等计算短板，加快发展数字孪生算法，促进数据中心、服务器、感知设施的优化匹配和协同发展。二是扎牢装备工业数字化基础。加快新型传感器、智能仪器仪表等关键智能制造装置的研发与产业化，重点发展高端数控机床、工业机器人、增材制造（3D打印）装备、伺服驱动系统等智能制造装备及成套系统，着眼于装备工业转型升级带来的巨大需求，以企业为主体，以规模化应用和产业化为目标，着力提升国产装备的数字化水平。

（二）以试点示范带动智能制造模式推广

一是建议在全国范围内遴选出若干不同类型的试点示范企业，给予财税政策的支持，调动企业积极性，实现数字孪生“点”上的突破，形成有效的经验与模式，产生社会影响和导向效果，在各领域加以推广与应用。二是需要对“面”上更多的企业进行政策引导，通过推动两业融合等具体措施，鼓励装备制造业企业探索开展工业大数据平台建设、应用，建立试点企业互联互通的数据融合系统网络，并逐步扩大影响范围，为其他服务化企业提供参考，不断提升行业企业的数字化、网络化水平，为数字孪生的实现奠定基础，

（三）加强智能制造人才队伍建设

一是搭建合理的人才梯队。坚持以用为本，创新人才培养体制机制，针对我国数字孪生技术发展的实际需求，既要培养高水平的科技领军人才、科研人才、工程技术人才和产业化人才，又要培养从事技术推广和科研管理的专业人才，搭建合理的人才梯队。二是吸引海外高级人才。积极建设一批国家级高新技术攻关及产业化基地，不断引导和推进产业集聚发展，为海外人才发挥才能打造专属领地，搭建高层次学习交流平台，营造高端学术氛围，增强海外人才认同感，建立健全激励机制，为海外人才回国提供良好的居住以及生活环境。