如今，对于“数字孪生”的说法有许多，是针对物理世界的实体，通过数字化手段构建一个数字世界中的“完整分身”、是物理空间和数字虚拟空间数字映射系统、是创造数字版的现实装备“克隆体”、数字孪生“双胞胎”的称呼等等。
用简单一个词来描述，就是复制，但又不仅仅是复制，它可以通过设计工具、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。
诞生后被“冷落”近10年
数字孪生概念诞生于在2002年，当时因使用成本昂贵、储存能力、通信能力、CPU计算能力等限制，导致无法满足其落地应用需求，并未受到太多关注。
到2011年，美国国家航空航天局（NASA）和美国空军实验室把数字孪生运用到飞行器的健康运维里，数字孪生才真正开始应用到航空航天、军品研发中。
2015年，数字孪生技术被人们从军品引入民品和日常生活中。
2020年疫情期间，数字孪生技术被加速应用到各行各业。
技术突破获“新生”
数字孪生概念从诞生到成为各行业的火热技术，期间经历近10年被“冷落”待遇后，才受到各行业的关注及应用，这与行业的发展密不可分。
人类共经历四次工业革命，从最早以蒸汽技术为代表的工业1.0，到如今以智能和互联网为代表的工业4.0，伴随互联网、大数据、人工智能、物联网等新技术不断取得重大突破，全球制造业都在探索突破瓶颈的新方法。
作为立国之本的制造业，其中产生的数据量级非常惊人，一类是管理数据，以结构化的SQL数据为主，如产品属性、工艺、生产、采购、订单、服务等数据，这类数据一般来自企业的ERP、SCM、PLM甚至MES等系统，数据量本身不大，却具有很大的挖掘价值；另一类则是工业设备运行和IoT的数据，以非结构化、流式数据居多，如设备工况（压力、温度、振动、应力等）、音视频、日志文本等数据，这类数据一般采集自设备PLC、SCADA以及部分外装传感器，数据量很大，采集频率高，需要结合边缘计算在本地做一些预处理。
如何有效利用数据助力智能制造成为企业新的发展方向，亦是当下大家都在思考的问题。正因如此，数字孪生的概念被重新拾起，成为研究热点，甚至成为企业数字化转型的一大助力。
另一大原因则是受益于各技术的突破。曾经因成本昂贵，且IT技术如储存能力、通信能力、CPU计算能力等，无法满足其落地应用需求，而被冷落。如今，随着云计算、数字化升级，AI的到来，数据挖掘技术与机器学习技术的融合赋予数字孪生“新生命”。
产品特性促发展
而数字孪生基于对象、产品、设备、人员、过程、供应链乃至整个业务生态系统的精确虚拟副本，将高度互联物理实体、设备和机器，从而产生的大量数据，进行有意义的分析、解读、连接和补充的技术特点，决定了其本身的价值和服务能力。
如今，已有越来越多的云服务商和企业数字化服务商，开始基于数据采集，提供数据层面的系统孪生服务，让数字孪生技术面世，并在各行各业落地应用。
引工业制造领域巨头相继入局
数字孪生最早应用于航空航天领域，例如在美国国家航空航天局（NASA）和美国空军实验室飞行器的健康运维中。后美国通用、西门子、达索、PTC、ESI、ANSYS等知名工业制造、软件企业开始关注数字孪生技术，并陆续发展技术构建、以及深入研究和拓展。时至今日，工业制造领域亦是数字孪生的主要战场。
随着制造向智造的转型，制造业对物联网和大数据布局与应用越来越多，数字孪生技术也逐渐成为制造业中的“流行”。
据大东时代智库（TD）预计，到2023年，数字孪生的全球市场将以38%的复合年增长率增长，达到160亿美元。
其价值体现在哪？
从近10年“冷落”到焕发“新生”，再引发工业制造领域各巨头相继入局，并逐渐成为行业“流行”，其原因究竟在哪？价值又体现在哪？
数字孪生在制造领域内的关键技术应用主要体现在，建模方面的CAD技术、仿真方面的CAE技术、工艺仿真技术、工厂仿真技术、工业控制技术、辅助制造CAM技术、制造执行MES技术、产品全生命期管理PLM技术和企业资源管理的ERP技术。
并由基础支撑层、数据互动层、模型构建与仿真分析层、共性应用层和行业应用层组成，在每个层面中各有作为。
产品设计：数字孪生在设计阶段可以是虚拟原型，可以进行调整以测试不同的仿真或设计，然后再投资购买实体原型。并且，设计人员可以通过验证虚拟产品快速地模拟运行状况，完成虚拟设计和虚拟运行。服务封装后，模型服务可以通过服务搜索，匹配，调度和调用来使用。
价值点：减少预期行为和设计行为的不一致产生的修改，大大缩短设计周期，降低设计成本。
工艺优化：生产线上的传感器可用于创建工艺过程的数字孪生并分析重要的性能指标。
价值点：对数字孪生体的调整可以被确定是优化产量、减少差异并帮助进行根本原因分析的一种新方法。
质量管理：在生产过程中监控和响应来自IoT传感器的数据对于保持最高质量和避免返工至关重要。
价值点：数字孪生模型可以对生产过程的每个部分进行建模，以识别发生误差的位置，或者可以使用更好的材料或流程。
供应链管理：供应链和物流/分销公司依靠数字孪生来跟踪和分析关键性能指标，例如包装性能、车队管理和路线效率。
价值点：它们对于零库存生产或按序生产以及分析分销路线特别有用。
制造设备管理：支持车间内设备告警分析、提示与处置。通过对接绑定产线上各类自动化智能设备的资产信息和实时采集数据，实现设备生产状态监控与智能分析。
价值点：生产过程数据的实时处置和存储，生产事件的关联性分析，支持针对指定事件进行回溯和关联性指标联动分析。
降低维护成本：通过采集不同风险因素、操作场景和框架配置的数据，重建模型来预测维护故障。
价值点：规避设备故障导致停工停产问题，降低成本，提高设备可靠性，减少停机时间，并延长设备使用寿命。
写在最后
数字孪生通过与工业制造企业相结合后，所带来的一系列效果非常不错。设计方面，通过以数字方式为物理对象创建高写实虚拟模型，并模拟、分析、预测其行为，为实现信息技术与制造业融合，助力企业向数字化转型道路高速迈进。
在生产方面，数字孪生通过利用数字孪生创新的员工将有能力扩大他们与在线设备的参与度，并以更高的持续性和准确性完成工作、各种业务流程改进，从在部署之前验证产品或系统设计的预期行为，到提高工厂的生产效率或优化产品的性能或维护场，还可以集成复杂的制造工艺，实现产品设计，制造和智能服务等闭环优化。
由此可见，数字孪生将成为未来数字化企业发展的关键技术之一。
