数字孪生对工业质量管理的影响机制研究综述

潘薇薇

（南京财经大学，江苏 南京 210046）

如何有效加强工业质量管理，提高工业生产的质量，是中国实现由制造大国向制造强国的关键问题。已有研究指出，数字孪生是由物理空间的物理实体和虚拟空间的虚拟实体两部分组成，通过将现实世界的物体进行数字化分析，模拟出动态的虚拟模型，从而判断其在物理世界中的行为，实现虚实相互融合、相互转化。数字孪生在工业制造领域具有极大的应用潜力，其能显著影响产品的设计及研发、制造和运行周期管理，全方面、多维度地提高工业生产链的质量[1]。研究者们试图从理论与实证两个角度探索数字孪生如何赋能工业质量管理，涉及诸多变量，因此有必要对数字孪生影响工业质量管理的作用机制进行梳理和总结，进一步打开数字孪生助力工业质量管理和工业智能化转型的黑箱，同时为相关研究者提供该领域的已有研究脉络，明确和拓展未来的研究方向。运用国际前沿的信息可视化软件CiteSpace，对2017-2022 年的617 篇相关文献进行可视化分析，通过对图谱信息的解读与分析，总结出该领域的主要研究机构与学术群体、研究热点和研究前沿等。

一、数据来源和研究方法

(一)数据来源和预处理

研究的数据来源主要是中国知网（CNKI），中国知网是具有权威性、覆盖学科广的综合性科研文献数据库，涵盖了自然科学、人为科学、社会科学等多个研究领域的学术文献。为了增强数据的准确性和学术专业性，我们限定期刊范围在SCI 来源期刊、EI 来源期刊、北大核心期刊、CSSCI 期刊和CSCD 期刊中，删除短评快讯和会议通知，经仔细筛选和除重，最终获得617 篇有效的样本文献，利用可视化软件生成图谱进行分析，见表1 所列。

表1 数据的获取方式

(二)研究方法

CiteSpace 是用来对数据进行可视化分析的应用软件，以知识域为分析对象，可显示科学知识发展的趋势与内部结构关系的一种图形[2]。对数据处理的步骤为：(1)将中国知网研究文献导出生成Refworks 文件；(2)将数据导入CiteSpace 进行转化;(3)建立新的项目课题，选择图谱制作的条件限制;(4)通过CiteSpace 构建关相关图谱。

二、影响机制研究的时空分布分析

(一)时间分布

近年来，鉴于数字孪生强大的虚拟和控制功能，各个业界都加大了对数字孪生技术研究和开发的力度，以数字孪生为主题的研究论文总体上呈现较快增长的趋势(如图1 所示)。

图1 文献时间分布

(二)空间分布分析

1.发文期刊分布

由于知网数据无法用于制作共引期刊知识图谱，所以此处分析使用Web of Science 核心集作为数据库，主题=digital twin，时间限于2017 年1 月-2022 年3 月。表2 是利用CiteSpace 对获得的2117 条样本数据进行共引期刊分析的结果。据表2，共引期刊较多的是《IEEE 访问》《国际先进制造技术》《国际生产工程科学院加工中心》《国际会计师联合会-论文在线》。其中，《IEEE 访问》是计算机科学的顶级期刊，《国际先进制造技术》《国际生产工程科学院加工中心》分别是工程技术和机械制造领域的顶级期刊，这些具有权威性的期刊为数字孪生在工业质量管理中的应用提供了强有力的技术支撑。

表2 高共引期刊的中心度

2.研究结构合作知识图谱

国内研究数字孪生在工业质量管理中的相关应用的机构主要包括北京航空航天大学自动化科学与电气工程学院、西安科技大学机械工程学院、北京理工大学机械与车辆学院、东南大学机械工程学院等，研究团队主要以陶飞、刘检华、程江峰、胡天亮、李浩为中心的科研团队（如图2、图3）。

图2 影响机制研究文献的研究机构合作知识图谱

图3 影响机制研究的作者合作知识图谱

三、研究热点的可视化分析

关键词是文献研究内容的高度浓缩，是一篇论文的核心内容。运用关键词识别研究热点的方法有关键词共现图谱法、高频关键词统计分析法和文献共被引聚类法等。采用基于CiteSpace 的关键词共现图谱法对研究热点进行分析，既能从数量上展现热点词汇，又能从结构上分析各大热点之间的联系。由图4 可以看出研究热点为：人工智能、智能制造、物联网、大数据、数据驱动如何与数字孪生相结合，共同赋能工业质量管理的优化。

图4 影响机制研究的研究热点合作知识图谱

四、研究前沿、关键节点及对应的知识基础分析

(一)研究前沿

运用CiteSpace 工具，选择关键词为网络节点，选取2017-2022 年为时间年限，使用突显词探测法得到9个突显词，突显词的具体信息见表3 所示。由此可知：该领域的研究前沿主要包括由数据分散处理到数据融合;突破原有的工业质量管理模式进行创新设计；注重区块链技术、仿真技术和5G 等新兴技术与数字孪生技术的紧密结合等。

表3 突显词信息

(二)研究的关键节点和知识基础分析

将数据导入CiteSpace 分析软件，选择被引文献作为网络节点，以2017-2022 年为时间期限，得到该领域的高被引文献和高中心性文献。这些高被引文献和高中心性文献共同构成了数字孪生如何应用于工业质量管理体系中的知识基础，是该领域的重要研究节点和重点研究内容。

2016 年，Stock T 根据研究和实践的最新进展，对全球化背景下工业4.0 的最新发展进行综述，概述了工业4.0 中可持续制造的不同机会。他同时将数字技术示例性地概述作为工业4.0 中可持续制造的特定机会的制造设备改造的用例，为后续各大研究机构和群体加强对数字孪生的研究力度奠定了思想引导[3]。

2017 年，密歇根大学的Grieves M 教授认为数字孪生是从微观原子级到宏观几何全面描述潜在生产或实际制造产品的虚拟信息结构，可用于产品数据的全生命周期管理[4]。Schleich B 则是基于皮肤模型，利用对偶原理以及不确定性的概念构建数字孪生的参考模型，将其运用到生产工程中，为我们研究数字孪生在工业质量管理中的应用提供有力的技术基础[5]。

2018 年，陶飞等人的团队从应用需求出发,基于提出的数字孪生五维结构模型,设计了数字孪生驱动的6条应用基本准则，并依据6 条基本准则,进一步探索了数字孪生驱动的14 类应用初步设想、与传统 (或现有) 方法的区别,以及数字孪生理念实施过程中所需突破的关键技术等，其中探讨的数字孪生在产品质量分析与追溯、故障预测与健康管理中的应用，有利于我们进一步加强对数字孪生在工业质量管理流程中应用的理解[6]。Kritzinger W 立足数字孪生的定义，注重区分数字孪生和数字模型(DM)、数字阴影(DS)的不同点，最终结果显示，关于最高发展阶段数字孪生的文献很少，而关于DM 和DS 的文献较多，为我们研究数字孪生提供了明确的界定，避免陷入理解误区[7]。

2019 年,陶飞的团队结合早期暗行扫描(Dark Trace)应用在产品设计、生产、预测和健康管理以及其他一些领域中的成功实施，强调数字孪生的特征在于网络空间与物理空间之间的无缝集成，使数字孪生的重要性被学术界和工业界越来越多地认识到[8]。Cimino C 特别关注建议数字孪生与物理系统控制的集成程度，特别是当生产系统基于自动化金字塔时与制造执行系统(MES)的集成程度，以及这些环境提供的服务，并将它们与参考环境进行比较，为我们更深入地了解数字孪生技术在工业质量管理中应用的环境适配性提供指导[9]。

五、研究结论与启示

(一)研究结论

以中国知网数据库中2017-2022 年617 篇有关数字孪生在工业质量管理中的应用的文献作为数据池，应用CiteSpace 这一可视化软件对该研究领域的主要研究机构和研究力量、研究热点、研究前沿等进行了可视化分析，同时以WoS 核心数据集中2017-2022 年2117 篇文献作为样本数据对共引期刊和被引文献进行知识图谱的制作。

1.只有将AI、区块链技术和5G 等新兴技术与数字孪生技术紧密结合，突破原有的工业质量管理模式进行数据融合，创新设计出“数字孪生+”的新模式，数字孪生才能在工业质量管理领域的应用中获得长远的纵向发展。

2.数字孪生赋能工业生产，很大程度上解决了工业质量管理中检测难度大、检测人力成本高、检测效率低的问题。使用机器视觉代替传统的人为把控，弥补了纯劳动力的缺点，提高了质量管理的效率。数字孪生主要作用于产品制作过程中的精准预测，通过对物理实体进行机器视觉扫描，从而进行仿真分析，监测和预测产品生产的状态，辅助工作人员做出正确的决策，从而判断产品是否达标，在源头上减少产品质量的低劣率。

(二)未来研究展望

在工业质量管理领域，数字孪生因其智能、稳定、安全、精准的特点备受关注。就目前的行业发展状况而言，数字孪生赋能工业生产能够有效减少工业生产线中质量问题出现的频率，以机器视觉代替人为监控，大大降低了人力成本，并将其转化为用于提高产品品质的资金储备，提高工业生产的竞争力。与此同时，我们仍要积极地把数字孪生技术与AI、5G 等智能技术巧妙地结合，只有创新设计出“数字孪生+”的新的发展模式，才能推动我国工业早日向数字化、智能化成功转型。