1.5.3 数字孪生典型应用场景

本书从数字孪生制造、数字孪生建造、数字孪生城市、数字孪生医疗四个方面对数字孪生的应用做一个简单介绍。

1 数字孪生制造

制造业是国民经济的主体产业，也是实体经济发展的核心。随着智能制造推广应用，数字孪生在制造行业的应用越来越广泛。制造行业的数字孪生应用可以分成产品数字孪生和生产系统数字孪生。

（1）产品数字孪生

数字孪生的概念，就是从“航天器”的数字孪生应用而来的。所以产品数字孪生是数字孪生最开始的应用。随着数字孪生技术的推广，航空发动机、轨道交通列车、汽车等行业也开始推广产品数字孪生。

产品数字孪生的应用是覆盖产品全生命周期的，表现在几个方面：

1）仿真映射。随着基于模型的定义（MBD）技术不断深入应用，复杂产品的MBD已经越来越普及，给基于模型的仿真提供了基础。除了多学科产品仿真外，利用生产系统的数字模型，可以对产品的可制造性进行分析，提高了产品制造工艺的有效性，缩短了产品上市时间。

2）监控操纵。通过数字孪生的虚实映射，可以实现产品的有效监控和远程操纵。例如，针对地铁自动驾驶的支持，利用仿真模型构建各种交通场景，对自动驾驶控制策略进行训练，在实际运行过程运用；针对航天器的状态分析，模拟航天员对航天器的操作，评估最佳操作过程，发送给航天员执行。

3）诊断分析。基于产品运行过程的实时数据，结合计算模型，对产品状态进行诊断。例如，美国针对F-15C战斗机的维护数字化，实物飞机和其对应的数字模型一起交付，利用机载健康监测系统采集的数据，进行相同飞行剖面的虚拟飞行；虚拟飞行的模拟结果和实际传感器数据进行比较，不断校正模型。这样，数字模型可以分析飞机的结构是否正常，何时需要维护。

4）预测优化。利用产品数字孪生体进行维护预测和优化方案分析。上述的F-15C飞机模型就可以用于预测性维护。还比如针对地铁车辆的维护需求，通过基于多属性数据映射的精细化高拟实的多维度多环境建模，推动多领域协同优化以及建模仿真与真实环境的融合交互，实现地铁车辆在复杂运行系统和运行环境下的性能分析和行为预测；结合实时监测数据构建“车-地-网”虚拟运行系统，更精准地预测列车在复杂多样化环境下的运行趋势，优化控制策略；实现基于数字孪生的状态修正、预测维护，包括事故主动预防、故障快速诊断及维护策略优化，满足地铁车辆30年生命周期内的高安全高可靠运行。

产品数字孪生覆盖了从产品设计、制造、交付、运行维护乃至报废的全生命周期，其目的是最大程度地满足用户的需求，保证在整个生命周期内产品的稳定和优化运行。

（2）生产系统数字孪生

生产系统的数字孪生应用，是为了更好、更快地生产出高附加值产品而构建数字孪生系统。生产系统的数字孪生应用包括：

1）仿真映射。随着生产系统的越来越复杂，以及智能制造技术的应用，需要利用数字化工厂的方法以提高生产系统规划设计的质量，包括布局设计、工艺设计以及生产过程的仿真分析。生产系统的数字孪生设计模型包含所有细节信息，包括机械、自动化、资源及人员等，并且和产品设计模型无缝连接。例如，利用专用模型库实现车间的快速规划设计；支持各类虚拟试验仿真，与实际车间同步更新，更好地支持车间的迭代更新。

2）监控操纵。传统的工厂或车间主要通过现场看板、手持设备、触摸屏等二维的可视化平台完成系统监测，无法完整展示系统的全方位信息与运行过程，可视化程度较低。基于机理模型和数据驱动方式建立的数字孪生工厂或车间具有高拟实性的特点，结合3R（VR，AR，MR）技术能将可视化模型从传统的二维平面过渡到高保真度的三维模型，工厂中产品设计、生产制造、工艺优化、过程规划、服务运维、回收处置等阶段均能以较为直观、完整的方式呈现给用户。例如，赵浩然等针对目前数字孪生车间中的实时可视化监控难题，分析了数字孪生车间与三维可视化监控之间的关系，提出了一种多层次的三维可视化监控模式和实时数据驱动的虚拟车间运行模式，对虚拟车间几何建模、车间实时数据管理、车间多层次三维可视化监控和车间状态看板构建方法等四个关键技术进行了详细阐述，并将该设计原型应用在北京卫星制造厂的制造车间中，以实现车间中物流、设备、人员、环境、产品、物料、库存、订单、进度、异常等全流程、全要素的动态三维可视化监控[16]。

3）诊断分析。传统生产过程中难以对生产计划执行过程中的实时状态信息数据进行深入有效的分析，无法实时获取即时生产状态，导致对于生产的管理和控制缺乏实际数据的支撑，无法制定合理的资源调度和生产规划策略，从而导致生产效率的下降。生产数字孪生系统可以提供对生产过程全方位的分析，找出潜在的瓶颈点，提前发出生产预警。

以调度为例，数字孪生驱动下的生产调度基于全要素的精准虚实映射，从生产计划的制定到仿真、实时优化调整等均基于实际车间数据，使得生产调整具有更高的准确性与可执行性。数字孪生驱动下的生产调度主要分为：首先结合车间的实际生产资源情况及生产调度相关模型，制定初步的生产计划，并将生产计划传送给虚拟车间进行仿真验证；虚拟车间对制定的初步生产计划进行仿真，在仿真过程中加入一些通过诊断分析得到的可能干扰因素，保证仿真的拟实性。根据仿真结果，结合相关生产调度模型、数据及算法对生产计划进行调整，多次仿真迭代后，确定最终的生产计划并下发给车间投入生产；在实际生产过程，将实时生产状态数据与仿真过程数据进行对比，如果存在较大的不一致性，那么基于历史数据、实时数据及相关算法模型进行分析预测、诊断、确定干扰因素，在线调整生产计划，实现生产过程的实时优化。

4）预测优化。生产系统是一个开放的、受到多种因素影响的复杂系统，生产系统在运行过程中，会受到内部和外部的各项干扰。例如，内部干扰包括设备故障、残次品的发生等；外部干扰包括原材料供应不及时、物流导致的出货延期等。为了保证生产系统运行优化，需要及时应对各类干扰，提前做好应对措施。利用数字孪生模型，通过历史数据结合预测模型，可以对一些突发事件进行预测，从而降低生产过程的不确定性。例如，针对设备的预防性维护，可降低因为设备故障带来的干扰；针对物流、供应链的预测，可以减少因为原料采购、成品交付等环节可能带来的不确定性。通过预测来提前应对一些扰动风险，优化系统运行。

2 数字孪生建造

建筑可以看作是一种特殊的产品，和一般的工业品不同，建筑更加注重个性化，而且其建造周期长，涉及的工艺比一般的工业产品多。建筑信息模型（BIM）是对建筑进行定义以及维护的模型基础。建筑行业的数字孪生应用，可以看作是一种特殊的“产品数字孪生”，典型应用场景包括：

（1）仿真映射

基于BIM技术，构建建筑物的数字模型，可以对其建筑设计元素、结构参数进行分析和验证，同时，也可以对施工方法进行设计和验证。

例如，对于建筑物的安防设计，目前安防系统多是只关注于安防系统本身采集的安防信息，不能与三维建筑物布局融合。利用物联网采集室内安防状态数据，通过人员定位系统采集人员位置信息，并把这些信息与BIM进行结合，得到面向室内安防的数字孪生模型。利用机器学习算法、逻辑推理方法等对数字孪生模型中的室内人员、安防状态、交通布局等信息进行分析，通过智能设备和报警设备把安防决策信息传达给安防管理人员和室内受困人员，实现可视化安防数据综合管理、安防危险分析及预警、安防处理辅助决策等服务功能。

对于装配式建筑，其构件的运输与存放的优化、吊装过程安全风险控制、构件安装质量问题是关键。通过采集构件和安装过程的信息，包括构件出场时间、位置、尺寸型号、材料、力学性能、吊装设备型号、功率、设备实时运行参数、温湿度、风速、光照等，结合整个建筑的BIM，形成面向装配式施工的数字孪生模型。在信息空间对数字孪生体虚拟模型进行分析和仿真，得到安装构件的位置、路径、施工设备参数等信息，发送给施工人员，可以实现构件运输存放优化、施工过程安全风险管理、安装过程质量控制等服务功能。

（2）监控操纵

建造活动在施工现场进行，受到环境影响大，而且施工过程的质量管理也不如车间内的工业生产那么严格。利用数字孪生模型，可以指导、跟踪建筑施工过程，保证安全和质量。

例如，超高层建筑由于自身结构的特殊性，造成测点数量多、监测周期长、监测系统复杂等问题。目前的超高层结构监测还是单纯地通过传感器采集数据，利用二维监测界面查看数据，不能实现监测数据三维可视化，监测过程不能与三维建筑物BIM信息很好地融合。巨大的监测数据导致数据管理分散、综合数据处理能力低，根据现场实时情况进行监测仪器安装和采取紧急预警的能力差。基于数字孪生的超高层建筑结构监测方法应用数字孪生理念，通过物联网采集结构施工状态数据，实时数据结合结构模型进行有限元分析以获得结构安全状态信息。这些信息与BIM进行结合，得到面向超高层施工过程监测的数字孪生模型。利用超高层建筑智能监测平台，将结构有限元信息、BIM信息、结构监测信息等通过智能设备传达给监测人员和施工人员，实现三维可视化结构监测数据、结构实时预警准确定位、监测过程智能指导等数字孪生服务功能。

（3）诊断分析和预测优化

大型建筑通常有很高的运营维护成本，然而目前主流的运行和维护管理方式信息化程度低，对隐患的预防和突发事故的应对能力较差。数字孪生能够利用各种技术实现实时的虚实交互和预测反馈，可以提高建筑运维管理的信息化程度和自动化程度。针对大型建筑运维阶段的结构和设备健康管理问题，基于数字孪生的大型建筑运维管理方法，应用数字孪生理念，由包括BIM数据和设备参数数据在内的各种数据库进行支撑，融合建筑结构和设备在运行和维护过程中产生的数据，形成建筑结构和设备的数字孪生体。建筑结构和设备实体与虚拟建筑结构和设备模型之间进行同步反馈和实时交互，以达到准确的建筑结构和设备故障预测与健康管理服务的目的，能够快速感知到故障现象并准确定位。开展预防性维护研究，结合传感器采集的数据，通过“虚拟巡检”来发现建筑物内的安全隐患，及时进行维护。数字孪生模型对于建筑物隐蔽工程的检查和维护最有帮助。

3 数字孪生城市

城市作为一个复杂巨系统，优化城市规划、及时掌握城市运行状态、有效应对突发事件是城市管理的关键。城市数字孪生系统可以为城市管理提供分析和优化模型，实现科学决策。城市数字孪生是一种“系统数字孪生”应用，典型应用场景包括：

（1）仿真映射

对于城市规划而言，通过在城市信息模型（CIM）上模拟仿真“假设”分析和虚拟规划，推动城市规划有的放矢提前布局。在规划前期和建设早期了解城市特性、评估规划影响，避免在不切实际的规划设计上浪费时间，防止在验证阶段重新进行设计，以更少的成本和更快的速度推动创新技术支撑的各种规划方案落地。通过CIM以及可视化系统，以定量与定性方式，进行专题分析、模拟仿真、动态评估规划方案以及对城市带来的影响，保证规划楼宇、绿地、公路、桥梁、公共设施时，综合效益实现最优化。基于多源数据和多规融合实现规划管控一张图。整合所有基础空间数据（城市现状三维实景、地形地貌、地质等）、现状数据（人口、土地、房屋、交通、产业等）、规划成果（总规、控规、专项、城市设计、限建要素等）、地下空间数据（地下空间、管廊等）等城市规划相关信息资源，在数字孪生空间实现合并叠加，解决潜在冲突差异，统一空间边界控制，形成规划管控的“一张蓝图”，以此为基础进行规划评估、多方协同、动态优化与实施监督。在充分保证“一张蓝图”实时性和有效性的前提下，通过对各种规划方案及结果进行模拟仿真及可视化展示，实现方案的优化和比选。

（2）监控管理

利用数字孪生系统，可以对城市运行的各个系统进行有效的监控和管理。例如，针对城市交通，将物理世界中复杂的交通系统，使用云计算、物联网、人工智能、大数据、实景三维、语义化等技术构建数字模型，形成数字孪生交通系统，融合多源/异构/多模态交通实时数据，构建交通信息知识图谱，对交通时空大数据进行展示、挖掘、分析，从而实现对交通的监测预警、应急处理，以及拥堵治理、联程联运等功能，以保障交通安全、优化城市交通。

（3）诊断分析

数字孪生城市立足城市运行监测、管理、处理、决策等要求，将各行业数据进行有机整合，实时展示城市运行全貌，形成精准监测、主动发现、智能处置的城市“一盘棋”治理体系、城市运行“一张图”管理。利用CIM和叠加在模型上的多元数据集合，打造精准、动态、可视化的数字孪生城市大脑，通过智能分析、模拟仿真，洞悉人类不易发现的城市复杂运行规律、城市问题内在关联、自组织隐性秩序和影响机理，制定全局最优策略，解决城市各类顽疾，形成全局统一调度与协同治理模式。借助智能大屏、城市仪表盘、领导驾驶舱、数字沙盘、立体投影等形式，可一张图全方位展示城市各领域综合运行态势，并根据不同主题分级分类呈现，帮助城市决策者、管理者、普通用户从不同角度观察和体验城市发展现状、分析趋势规律。

（4）预测优化

利用数字孪生模型，对城市事件提前预测，提前做好应对方案。一些突发事件的发生往往措手不及，且事件的演变具有极大的不确定性，人类无法完全预测和消除事件的潜在威胁和现实的破坏，只能在力所能及的范围内尽可能减少突发事件带来的危害。基于城市数字孪生体的数字模型，可以对一些偶发事件进行提前预测；结合仿真模拟以及虚拟现实技术，可以给用户模拟一个真实发生的突发事件的场景，例如火灾或暴雪等事件，让用户犹如身临其境，更加生动地体验在紧急事件发生时每个行动所带来的后果。通过应急现场环境快速还原、应急资源可视化管理、应急预案模拟演练等功能，为城市应急管理提供预案。

4 数字孪生医疗

医疗行业关系到每个人的健康和疾病治疗，是新技术、新方法应用的一个重点行业。数字孪生在医疗行业的应用，可以包括对人的“数字孪生”应用，以及医疗系统的数字孪生应用。

人作为一个特殊的“物理实体”，和一般的工业产品不同，每个人都有其特殊性，其身体素质、生活习惯、环境、心理等都会影响到身体健康，身体的各项检查指标能大致反映人的健康状况。利用个人医疗检查数据，构建个人健康评估数字模型，再结合个人社会大数据采集系统，可以全面地获取个人的行为状况，做出个人健康预测和预警。例如，可以从个人订餐数据获取其饮食偏好，从个人出行数据获取其运动偏好等，这些数据都可以归总到个人健康评估模型中。对个人的健康状态进行分析和预估，及时提出健康预警。

医疗系统的数字孪生应用，参考文献[17]给出了一个典型应用场景。该案例针对现代诊疗系统中的患者、医疗设备、治疗方案三要素及其在状态感知、机理模型、智能算法三方面存在的物理信息融合问题进行了探讨，并提出了状态感知、机理模型、智能算法的详细构建方法，最后将该诊疗系统框架推广到临床诊疗、基础医学研究、教育培训、医疗设备研发等领域。该文献中提出的数字孪生诊疗系统（DTTS）的整体框架如图1-5所示。

DTTS分为物理空间和数字空间，主要由物理实体、DTTS孪生数据、DTTS孪生机理模型和DTTS智能决策模块四部分组成。其中，物理空间包括患者（消化、呼吸、循环、内分泌、神经、运动、泌尿以及生殖系统等）、医疗设备（诊断设备、治疗设备和辅助类设备等）、传感设备（各种生理传感设备和设备的状态传感器等）以及用于物理实体（患者和医疗设备）状态数据传输的信息交互平台。数字空间包括DTTS孪生数据、DTTS孪生机理模型和DTTS智能决策模块。DTTS孪生数据主要包括来自物理空间的感知数据，分为实时数据和存档数据。DTTS孪生机理模型基于物理实体建立，与DTTS孪生数据共同实现对患者和医疗设备忠实的、数字化的镜像。DTTS智能决策模块负责完成辅助临床判断与决策。基于深度学习平台，利用DTTS孪生数据和DTTS孪生机理模型单独或者融合实现对患者、医疗设备的状态识别以及不同应用场景的指导。

数字空间通过信息交互平台获取物理空间的状态（包括患者的生理病理参数、设备的运行状态等），实现虚实映射。数字空间的决策结果通过信息交互平台反馈给医疗设备或者直接反馈给医护人员形成治疗方案，同时，物理空间中的患者和医疗设备接收来自医护人员的医嘱并精确执行。