获取更多资讯，赶快关注上面的公众号吧！

最近看群里的小伙伴在疯狂讨论数字孪生，今天我也谈谈自己的理解。

之前还在北航读博的时候，北航陶飞教授已经算是数字孪生领域的领军人物，也专门去学习了一下他们发表的一些文章，包括概念、框架以及与调度相结合的应用。

<,,,,>

有同学认为，数字孪生就是仿真的另一种表述，本人也做过一些使用plant simulation进行仿真的工作，因此我先从仿真讲起。

何为仿真

仿真就是输入一定的数据，按照仿真模型的逻辑执行，能得到与真实一样或接近的结果。比如：

计算器就是典型的一种仿真器，只要输入正确的数字和运算符（加减乘除）就能得到正确答案；

学机械的同学应该都知道，**CAE（计算机辅助工程）**是机械设计必备的技能，通过机械结构设计和外力输入进行结构强度、刚度、屈曲稳定性分析；

回到工厂或制造业，生产过程是不是也可以被仿真？答案是肯定的，像plant simulation和arena这类软件就可以根据离散事件和排队论等原理，计算得到整个工厂的产线利用率、交期达成、库存水位等指标。

可以看出，以上几个例子都包括了输入、模型和输出，其中模型一般是黑盒，背后有复杂的计算逻辑和领域知识（如计算器主要是简单的四则运算，CAE涉及材料力学，plant simulation是工厂物理学中的排队理论）。

所以，仿真是将物理模型映射到虚拟模型（输入到输出，体现的是信息流），通过运行仿真模型就能评估我们的设计是否合理或满足需求，而不需要将物理实体制造出来（如零件加工出来，产线搭建起来），从而大大降低物理实验的成本，可以说仿真的出现是人类的一大进步。

但是就到此为止了吗？如果仿真结果不能满足我们的需求怎么办？要么改输入，要么改模型计算逻辑！比如，通过CAE分析知目前这种机械结构不能满足强度要求，那么我们可以尝试通过加强筋的方式修改模型输入，重新运算仿真模型；通过plant simulation对订单生产进行仿真时发现不能满足交期要求，那么可以尝试改变排队策略（如从最短工时优先SPT变为最早交期优先EDD）。

注意看，我这里用了**“尝试”二字，意思是不确定和试错**，因为如果你不是一名资深的机械工程师或工业工程师，是很难短时间内做出模型更改的正确决策的！

所以，仿真只是第一步，决策才是最终目的。

何为数字孪生

数字孪生的本质就在于通过实时监测和仿真识别问题点，自主智能决策并影响物理世界！

数字孪生需要依靠计算机仿真、实测、数据分析、工业互联网等技术对物体状态进行感知、诊断和预测以优化设计。仿真技术作为创建和运行数字孪生的核心，是数字孪生实现数据交互与融合的基础，但仿真技术本身以离线方式模拟物体，不具备数字孪生的实时性、闭环性等特征及优化功能。在此基础上，数字孪生必须依托并集成其他新技术，与传感器共同在线才能实现保真性、实时性与闭环性。

因此，仿真技术是数字孪生实现的核心技术之一，数字孪生则是在仿真技术的基础上，通过集成其他技术，实现更高级别的实时性、闭环性和优化功能。

可以看出，数字孪生是在仿真模型信息流的基础上，通过智能优化和大数据分析等技术，实现实时的决策计算，物理世界执行决策结果的过程就是决策流。

比如通过监控（实时监测）发现设备发生故障（异常情况），该状况可实时输入到数字孪生模型，调度引擎重新制定调度策略（智能决策），并将导引AGV小车至新的目的地（物理世界发生改变）。

所以，数字孪生与其说是一种技术，还不如说是一种理念，其背后是一系列的技术支撑，包括统计学（概率论、数理统计等），机器学习（监督学习、强化学习等），IoT（物联网、传感器、实时感知）、管理科学（调度理论、工厂物理学等）等等。并且数字孪生也可以划分不同的应用层级：设备，车间，工厂，集团，层级越往上，涉及的环节越多，实现难度也就越大。

数字孪生与仿真的区别总结如下：

维度	仿真	数字孪生
模拟方式	离线	在线
实时监测	不支持	支持
优化决策	人工决策	智能决策
数据流动	信息流	信息流和决策流闭环
技术体系	统计学、模型理论、系统理论、信息技术等	在仿真技术基础上，融合传感器、大数据、物联网、机器学习、管理科学等