数字孪生制造范式的核心是数据驱动

在过去几年时间里，工业4.0研究院和数字孪生体联盟专注数字孪生体赛道，做了大量的分享，普及了“数字孪生体”（Digital Twin）的概念和应用。随着《数字孪生体》一书的发布，行业人士纷纷联系本人，希望对“数字孪生制造”做更多的介绍。

结合到工业4.0研究院“数字孪生体2020+计划”，在开通了数字孪生汽车、数字孪生船舶等公众号之后，启动了“数字孪生制造”（Digital Twin Manufacturing）公众号，以展现相关理论研究和实践应用。

数字孪生体概念具有望文生义的特征，容易被行业人士接受，但往往带来不深入、不全面和不准确的弊端，特别是数字孪生制造范式，很容易等同于“仿真驱动的数字制造”（Simulation-Driven Digital Manufacturing）。

毫无疑问，数字孪生制造跟所谓数字制造有较大的不同，当然，如果在数字制造体系中引入数字孪生体，它可以转化为“数字孪生制造”。

作为一种范式，数字孪生制造突出的特点即为“数据驱动”（Data-Driven）。按照大型国防供应商雷神公司（Raytheon）对此的介绍，数字孪生体和数字线程是为了构架“连接的数据架构”（LDA，Linked Data Architecture）。

需要注意的是，所谓连接的数据架构，需要保证数据来源的独立性和中立性，不能认为它一定来自概念或设计阶段，或者制造阶段，它可以来自任何阶段。通过设计“数据机制”（Data Mechanism），能够让各种数据实现交换、流动和分享即可。

传统制造范式的核心是高度集成，它规定了严格的数据格式和标准，这给制造整个生命周期来讲，各个环节的个性化需求很容易受制于这些要求，为此各个环节为了满足自身需求或实现创新，只好在子系统中开辟新规则，导致各个子系统之间的数据交换效率不高。

DARPA在2009年提出数字孪生体的时候，其目的就是为了构建一套开放架构，促使它在引入新技术的时候，具有较高的包容性，从而实现本人在《数字孪生体》一书中所提出的“前向兼容”的目的。

虽然传统数字制造已经采用了诸如数字样机（DMU，Digital Mock-Up）等概念，能够形成较好的数字流程，但数字孪生制造能够实现的目标远不止于此。

对于已有的产品或系统来讲，通过数字孪生化（Digital Twinning）可以构建一个数字孪生模型，把它们纳入到数字孪生基础设施的管理体系，为数据机制的实现提供基本条件。数字孪生化的实现不限于在概念/设计阶段或制造阶段，它也许来自已经服役的战斗机或军舰，这给利用存量装备和系统提供了便利，可以大大节省成本。

更有趣的是，有可能启动数字孪生化工作的部门还可能是人力资源部，他们在推进人员培训的时候，迫切希望建立一套数字孪生环境，便于员工快速掌握这些设备的操作方法，既可以随时进行训练，还能够降低成本。

工业4.0研究院认为，数字孪生制造是数字孪生体产业应用的主战场之一，但它的难度比较高，涉及到的领域比较广，需要做长期的理论研究，并通过测试床和试点示范，加强产业化应用的探索，才可能最终成为制造业的主流范式。

作者：胡权，工业4.0研究院院长，数字孪生体联盟理事长