「 1. 西门子的数字孪生实践 」
西门子公司紧跟德国工业4.0和智能制造的发展趋势，近年来高度重视数字孪生技术的研究与应用探索，通过最近两年时间的研发，已经把数字孪生融入到其数字化战略中去，并深入到解决方案中。2017年底，正式发布了完整的数字孪生应用模型，在西门子的数字孪生体应用模型中包括：
（1）数字孪生产品（digital twin product），可以使用数字孪生进行有效的新产品设计；
（2）数字孪生生产（digital twin production），在制造和生产规划中使用数字孪生；
（3）数字孪生体绩效（digital twin performance），使用数字孪生捕获、分析和践行操作数据，从而形成了一个完整的解决方案体系，并把西门子现有的产品及系统包揽其中，例如Teamcenter、PLM等。[1]
在车辆领域，西门子通过数字孪生将现实世界和虚拟世界无缝融合，通过产品的数字孪生，制造商可以对产品进行数字化设计、仿真和验证，包括机械以及其他物理特性，并且将电器和电子系统一体化集成，如图1所示。新的技术提供了新的汽车设计与制造模式，基于数字孪生制造商能够规划和验证生产过程、创造工厂布局、选择生产设备并且仿真与预测，并优化人员和制造过程的工作条件。在自动生成可编辑控制器的代码后，通过虚拟调试技术，即可字虚拟环境中验证自动化系统，从而实现快速高效的现场调试。随后，利用虚拟世界来控制物理世界，将可编辑控制器代码下载到车间的设备中，通过全集成自动化，可实现高效可靠生产；通过制造运营管理系统，可实现生产排成和生产执行及质量检测；通过Mindsphere可随时监控所有机器设备，构建生产和产品及性能的数字孪生，实现对实际生产的分析与评估（图2）。此外，通过物理世界可持续反馈至产品和生产的数字孪生，可实现了现实世界中生产和产品的不断改进，缩短产品设计优化的周期。
图1 西门子车辆数字孪生
图2 基于Mindsphere平台的西门子数字孪生[2]
我们大多数人认为呼吸是理所当然的，每天呼吸大约17000～23000次。目前，一些感染了COVID-19的患者在呼吸方面存在重大问题，并且难以维持生命。具有超过25000种的呼吸产品Vyaire Medical公司是医疗技术领域的全球市场领导者，能够提供用于诊断、治疗和监测生命各个阶段呼吸状况的服务。该公司利用西门子提供的技术支持，即使用Simcenter开发其产品的数字孪生，从而通过消除构建和测试物理原型的耗时过程来显着减少开发时间。在开发新产品的早期阶段，能够在仿真内部进行工作，而不是构建昂贵的物理原型，从而实现了缩短了时间周期并加快了工作进度的应用效果。[3]
此外，西门子在风力涡轮机方面也开展了相关应用。[4]当风力涡轮机或风力发电场开始运行时，会生成其他数据。记录与分析并返回操作性能数据，以作为反馈支持产品、运行过程的优化和风力涡轮机的优化等方面。基于数字孪生的特性能够提高工程效率、缩短上市时间、简化调试、优化流程并改善服务，其优势具体包含以下3个方面：
（1）数字孪生模型支持开始批量生产之前进行数字化设计并测试风能设备。风力涡轮机的数字孪生还可以在调试之前对关键阶段进行仿真，从而确保安全实施。此外，维修人员还可以在实际调试之前进行虚拟培训。
（2）数字孪生指导风力涡轮机的运行。因数字孪生能够连续记录运行和性能数据，并对该数据进行全面分析，从而可支持以可持续的方式优化风力发电机的生产和性能。
（3）数字孪生辅助设备维护和保养。为了确保最大程度地利用维护间隔，即维护时间不能过早，但同时也不能过晚，从而以避免任何计划外的停机时间，这样可以将停机时间降至最低。维护后或由于更换组件而对风力发电厂所做的更改直接记录在系统中，所有有关系统状况的文档始终保持最新的状态。
「 2. ANSYS的数字孪生实践 」
如图3所示，ANSYS构建了泵的数字孪生，首先在泵上布置了加速度计、压力传感器、流量计等传感器，与控制器采集的数据共同支撑泵数字孪生模型的构建，基于模型的动态交互等特点可提供实时检测与修复模拟等服务，通过泵的数字孪生有助于更好地理解和优化产品性能，并辅助故障检测与个性化维修指导。例如，通过泵的数字孪生模型发现了对某异常振动的根本原因的分析，即压力下降导致气蚀形成气泡，产生振动。[5]
图3 ANSYS构建的泵数字孪生[5]
ANSYS还将数字孪生应用于油气行业提供设备运维管理等服务。[6]石油和天然气行业一直在寻找降低能源生产成本的方法。为了实现此目标，油气行业可以将数字孪生应用于油气行业中的各种工业设备上。该行业可以基于数字孪生进行管道的实时监测，并使用数字孪生模型来预测腐蚀，腐蚀，屈曲和疲劳将如何影响实际资产。此外，这些数据可用于优化未来设计、预测维护周期、防止泄漏、减少停机时间并提高吞吐量。
「 3. 达索的数字孪生实践 」
达索进行了一个项目“生命心脏项目”（LHP）[7]，以通过生物技术传感器和扫描技术为人类心脏建立数字孪生。数字孪生是具有电和肌肉特性的心脏的个性化全尺寸模型，可以模拟真实心脏的行为。它不仅可以支持各种操作，例如贴紧心脏起搏器，反转腔室，切割任何横截面以及运行假设，而且还可以对心脏进行虚拟分析，以便在疾病开始之前为心脏病患者提供护理。
此外，达索还开展了数字孪生城市的应用探索。[8]新加坡政府正在以3D形式构建城市的数字孪生，以供设计师，规划师和决策者探索未来。首次，真实世界的3D虚拟表示使官员更容易“解释和交流”，因为“3D是自然语言”。其次，官员可以鸟瞰城市，也可以选择放大区域的特定特征。在最广泛的层面上，虚拟新加坡将显示实际建筑物的地形，形状和位置，这对于洪水分析非常有用。此外，规划人员还可以获取建筑物的详细视图，包括纹理，屋顶和窗户，以进行诸如规划太阳能电池板屋顶或紧急疏散路线之类的事情。单击建筑物可以显示其消耗的电量。他们可以走到行人的高度，查看阴影通道的可及性，交通和可用性。新加坡的城市数字孪生拥有丰富的数据，包括关于交通信号灯和公交车站等位置的静态数据，以及诸如公交车位置和登革热簇等传感器的动态数据，此外还有有关人们行为方式的数据，例如有多少人进出公交车，从而实现对交通的优化。该数字孪生城市平台还将用于更长期的计划和决策。例如，新加坡人口老龄化将要求对基础设施进行重大更改。未来公民和企业也可以访问虚拟的新加坡，例如，公司可以使用虚拟新加坡测试无人驾驶汽车，而无需将其放置在交通繁忙的道路上。
「 4. PTC的数字孪生实践 」
PTC曾将数字孪生应用于自行车上。该自行车的数字孪生可以实时监控自行车的性能。此外，当自行车骑行并且其组成部件移动时，虚拟空间的自行车数字孪生模型也会同步移动，该原型的开发涉及三个主要步骤。第一步是组装带有零件的自行车；第二步是在这些组件和PTC的Thingworx IoT平台之间创建通信链接。第三步是将Thingworx输入连接到仪表板风格的界面，并以有意义的自行车性能信息的形式为用户提供了来自传感器的数据流的实时视图。该数字孪生能够通过分析现实世界中的产品使用情况和状况数据，以告知功能和功能需求，从而更好地适应市场并提供增值服务。此外，对于产品的设计也提供了数字的支持。[9]
T-Systems是全球领先的信息和通信技术提供商之一。随着基础架构的老化，T-Systems在客户端面临的最大挑战是数字转换。PTC与其合作创建了T-Systems数字孪生模型，在汽车行业中有效地设计和监控刹车片。在ThingWorx中收集和可视化现实数据，在Windchill PLM系统中，将这些实际数据链接到产品数据。通过利用PTC技术，T-Systems可以收集实时数据，并以有意义的方式反馈给客户。[10]
「 5. 微软的数字孪生实践 」
微软将Azure Digital Twins作为一个IoT平台[11]，可对环境的全面数字模型的构建赋能，其目标对象包括建筑物、工厂、能源网络，甚至是整个城市。通过构建数字孪生模型，以达到驱动更好的产品生产、优化操作流程、减少成本费用与提高客户体验等目的。Azure Digital Twins具有如下几方面的功能，使得Azure Digital Twins可实现从数据获取、数字孪生体建模、数字孪生体的实时表示，到孪生数据存储与分析的全流程业务。
（1）使用开放式语言构建数字孪生模型。在Azure Digital Twin中，使用“模型”将物理环境中的人、空间、事件等因素映射到相应的数字实体，并使用开放式的建模语言数字孪生定义语言（digital twins definition language, DTDL）进行模型的构建，其可以从状态属性、遥测事件、组件及关系等各方面进模型进行描述。在Azure Digital Twins模型构建中，可以使用模型继承的方法来构建新的模型，从而提高构建模型的效率与通用性。[11]
（2）保障数字孪生体对其实体的实时表示。在Azure Digital Twin中，可通过数据处理与业务逻辑以实现数字孪生体对其相应实时的实时表示。在该功能中，Azure Digital Twin可通过连接外部计算资料以保障数据处理的能力，同时可利用查询API实现对数字孪生体中各组分的属性值、关系、模型信息等条件 ，以深入了解数字孪生体。[11]
（3）丰富的数据来源。Azure Digital Twins可接收来自IoT及业务系统的输入作为驱动数字孪生体的数据。Azure Digital Twins可通过在其中新建IoT中心或将已有的IoT中心与可管理设备相连接，以实现IoT数据的接入；同时，Azure Digital Twins可通过相应的API接口或其它服务的连接器，实现从其它数据源中获取数据以驱动数字孪生体的运行。[11]
（4）完整的数据存储与处理服务提供。Azure Digital Twins可将数字孪生体中的数据传递到下游的Azure服务，以实现数据的存储及进一步处理，如使用Azure Data Lake存储数据，使用Azure Synapse Analytics或其它微软数据分析工具对数据进行分析。[11]
「 6. 空客的数字孪生实践 」
空中客车公司（以下简称空客）在飞机组装过程中使用数字孪生技术以提高自动化程度并减少交货时间。[12]
在碳纤维增强基复合材料（carbon fibre-reinforced polymer, CFRP）机身结构的组装过程中，因为CFRP组件的存在，在组装过程中要求剩余应力不得超过特定值。为达到减小剩余应力的目的，空客开发了应用数字孪生技术的大型配件装配系统，对装配过程进行自动控制以减少剩余应力。该系统的数字孪生模型具有以下几方面的特点：[12]
（1）建立数字孪生体的行为模型。在该装配系统中创建的数字孪生模型不仅仅是相应实际零部件的三维CAD模型，同时基于装备的传感器，也对各组件的行为模型进行建模，包括组件的力学行为模型及形变行为模型。
（2）建立不同层级的数字孪生体。在该装配系统中，不仅对各组件建立相应的数字孪生体模型，同时对系统本身也建立了相应的数字孪生模型。系统本身的数字孪生体用于系统设计，为每个装配过程提供预测性仿真。
（3）虚实交互与孪生体的协调工作。在装配过程中，多个定位单元均配备有传感器、驱动器与控制器，各个定位单元在收集传感器数据的同时，还需与相邻的定位单元相配合。传感器将获得的待装配体的形变数据与位置数据传输到定位单元的数字孪生体，孪生体通过对数据的处理以计算相应的校正位置，在有关剩余应力值的限制范围内引导组件的装配过程，如图4所示。
图4 各定位单元协同引导装配过程[12]
