什么是“数字孪生”？这个工厂给出了一个完美的解释！

上周，有一个B站UP主火了，他把自己的自行车改造成了无人驾驶的“真·自行车”，给自行车装上了三个电机、一个激光雷达、一个AI运算核心等零件。

这些工作的第一步，是他把车的尺寸、结构精细地输入电脑，做出了一个类似CAD的结构图， 基于这辆虚拟的自行车，他定制加工了组件；随后，这辆数字车被输入游戏引擎，引入重力等因素，就可以用来初步调整各项参数，让只有两个轮子的自行车能稳稳地站在地上。

他把这辆软件中的自行车，称作现实中被改装的那辆车的“数字孪生”。

杨景诒、刘冬宇 | 作者

刘冬宇 | 编辑

放大灯团队 | 策划

这些游戏，都在尝试着在虚拟空间里创造某种真实性，这是一种“仿真”——而仿真的潜力，远不止于满足娱乐需求，在工业生产中更需要“模拟经营”，用仿真工具来低成本地验证某项设计是否有效，或者提前发现致命错误。

为了更容易理解，我们也可以把数字孪生叫做数字镜像，或者数字化映射。它利用3D建模、传感器、物联网等技术手段，在线上复制一个与现实几乎一致的“数字体”。这个数字体能够通过大量数据，记录现实中的一举一动，“投射”到系统中。

用人话总结一下，仿真是基于现实的规律，创造出虚拟的物体，而数字孪生，则是把真实世界的真实事物，可以是物体，也可以是某种过程，经过精确测量后，在虚拟空间创造出的可以反映真实情况的数码复制体。

共同之处是，他们都能成为人们的好帮手。

2009年，美国国防部提出“机身数字孪生”的概念，将数字孪生用于航空航天飞行器的维护。另外，通过飞行器身上的传感器，相关实验室还能收集到飞行器的飞行数据，用于后续研究[2]。2012年，NASA发布了一项“建模、仿真、信息技术和处理”路线图，数字孪生这才被更多人了解。

此后数年，数字孪生一直被美国空军所看好。

但它进入民用生产领域的历史并不长，直到2015年5月，通用电气推出数字化风电场，才把数字孪生技术推向商用。2017年，更多国际巨头先后涉足数字孪生技术：

• 西门子发布了数字孪生体应用模型；
• 美国参数技术公司推出基于数字孪生技术的IoT解决方案；
• 达索、通用电气等企业也开始宣传数字孪生技术。

2016~2020年，数字孪生连续四年入选分析公司Gartner的“十大战略科技发展趋势”。Gartner 的一份2019年的报告预测，到2021年，全球将有一半的大型工业企业，在生产中使用数字孪生技术，而这能使他们的生产效率提高10%。[6]

咨询公司MarketsandMarkets的数据则显示，全球数字孪生市场将在未来快速增长，规模从2019年的38亿美元，增长至2025年的358亿美元。此外，亚太地区市场规模增速也会远超其他地区。[7]

一汽红旗“繁荣工厂”

汽车工业，人类制造业的明珠之一。它是一种典型的离散制造：产品的生产过程通常被分解为很多零件，在不同的工厂甚至不同的企业里生产，生产过程更为复杂多变。而与之相对的则是流程制造，例如钢铁、水泥、服装等工厂，用一条生产线就将原料制成成品。

红旗繁荣工厂车间实拍

把工厂搬到虚拟空间里，有什么用？

对于车间的管理人员或者工程人员来说，偌大工厂的管理和生产安排变得没那么困难了。一汽新能源汽车工厂占地面积78万平方米，什么概念？相当于105个足球场那么大。

好在，数字孪生虚拟出来的工厂，与真实的生产环境1：1对应，人在办公室，就能看到生产现场一举一动。在数字孪生的应用中，管理人员能够看到每一个车间的工作情况，通过搜索定位、“拖拉拽”等简单交互，就能定位到生产线的每一个细节。

此外，数字孪生也降低了工人看懂数据的门槛。“它不需要你有什么CAD的经验、也不需要有太多专业知识。” 阿里云工业大脑数字孪生产品经理伍剑向放大灯介绍，就算拧螺丝的工人也看得懂。

除了实时性，“回放”也是数字孪生的重要功能。生产监管因此变得一目了然：借助数字孪生，工程师们可以快速追溯生产数据，甚至细化到当时螺丝的力矩，更容易分析故障的原因；在车辆交付给消费者后， “回放”仍然可以在售后服务中发挥作用。

但想让这一切科幻感的事情在工厂里发生，并不容易。传感器、通信模组、数采软件、算法等软硬件，它们是数字孪生的基础。

其次是三维技术。孪生世界要与物理世界完成“一一对应”，就意味着工程师要用大量三维技术还原工厂设备。“数字孪生”成为工业设计大奖的常客，就不奇怪了。（去年，阿里云的工业大脑数字孪生刚刚拿了中国设计智造大奖“金奖”。）

搭建好的三维模型，还要接入工厂的生产数据，才能把它们驱动起来。换句话说，这些三维模型不是用来观赏的，它要实实在在反映、指导生产动作。这需要特别精准、高性能的数据采集和处理技术。

如果回到原点，第一个环节就是对数据采集与监控系统的改造，排头兵就是异常复杂的连接设备传感器和PLC可编程逻辑控制器。

随着工厂自动化设备越来越多，设备接入点位和十年前相比，可能增加了二、三十倍。这些数据包括但不仅限于：

• 工厂的物流、仓储、内部控制环节产生的管理类数据；
• 温湿度计、机械臂等IoT类传感器产生的数据；
• 在进行安全管理、质量检查时，工厂还会借助视频手段，这些视频又是一类数据。

对行业来说，这是个新记录。

当然，对车企来说，数采的手段并不重要，重要的是数据拿到手之后，如何用起来。“数据采集后，关键在于对数据治理的环节，这是核心技术。”一汽集团工程与生产物流部总装工艺部总监、一汽红旗新能源工厂项目负责人董玮在先前的采访中曾经表示：“这些核心技术我们肯定希望掌握在自己的手里，来保证数据模型搭建的自主性。”

数字工厂中的数据流向。
图丨放大灯团队据采访整理

放大灯团队据采访信息整理

IoT数据采集，当然能测出拧这颗螺丝用了多大力、拧了多少度数——但这还不够，数据指标不能解决一切问题，因为每颗螺丝、每块钢板都存在微小的差异。工厂是个复杂的系统，综合考虑这些复杂的因素，就需要建立算法模型，对“拧好螺丝”这件小事作出判断。

这只是汽车数字工厂智能算法的一个缩影。类似的算法，被应用到冲压、焊接、涂装、总装、电池电驱各个关键环节中，即时对生产质量给出判断。

另外一类算法，则是对生产设备本身的预测性维护。

高速生产的流水线中，每一个环节掉链子，都会打乱整个生产节奏。

“繁荣工厂”设计的生产节拍是60JPH（jobs per hour），即每小时完成60个作业、每分钟就有一辆汽车整装下线。如果一年停工10次，每次停工3小时，就会减少1800台产量，实际损失上亿。提前发现问题、集中处置，减少产线停工的发生，正是这套预测性维护算法带来的直接提升。

红旗繁荣工厂车间实拍

下个时代的“T型车”，无法简单地从一堆机械臂中诞生，智能制造的浪潮已经到来。