1.5.3 數字孿生典型應用場景

本書從數字孿生制造、數字孿生建造、數字孿生城市、數字孿生醫療四個方面對數字孿生的應用做一個簡單介紹。

1 數字孿生制造

制造業是國民經濟的主體產業，也是實體經濟發展的核心。隨著智能制造推廣應用，數字孿生在制造行業的應用越來越廣泛。制造行業的數字孿生應用可以分成產品數字孿生和生產系統數字孿生。

（1）產品數字孿生

數字孿生的概念，就是從“航天器”的數字孿生應用而來的。所以產品數字孿生是數字孿生最開始的應用。隨著數字孿生技術的推廣，航空發動機、軌道交通列車、汽車等行業也開始推廣產品數字孿生。

產品數字孿生的應用是覆蓋產品全生命周期的，表現在幾個方面：

1）仿真映射。隨著基于模型的定義（MBD）技術不斷深入應用，復雜產品的MBD已經越來越普及，給基于模型的仿真提供了基礎。除了多學科產品仿真外，利用生產系統的數字模型，可以對產品的可制造性進行分析，提高了產品制造工藝的有效性，縮短了產品上市時間。

2）監控操縱。通過數字孿生的虛實映射，可以實現產品的有效監控和遠程操縱。例如，針對地鐵自動駕駛的支持，利用仿真模型構建各種交通場景，對自動駕駛控制策略進行訓練，在實際運行過程運用；針對航天器的狀態分析，模擬航天員對航天器的操作，評估最佳操作過程，發送給航天員執行。

3）診斷分析。基于產品運行過程的實時數據，結合計算模型，對產品狀態進行診斷。例如，美國針對F-15C戰斗機的維護數字化，實物飛機和其對應的數字模型一起交付，利用機載健康監測系統采集的數據，進行相同飛行剖面的虛擬飛行；虛擬飛行的模擬結果和實際傳感器數據進行比較，不斷校正模型。這樣，數字模型可以分析飛機的結構是否正常，何時需要維護。

4）預測優化。利用產品數字孿生體進行維護預測和優化方案分析。上述的F-15C飛機模型就可以用于預測性維護。還比如針對地鐵車輛的維護需求，通過基于多屬性數據映射的精細化高擬實的多維度多環境建模，推動多領域協同優化以及建模仿真與真實環境的融合交互，實現地鐵車輛在復雜運行系統和運行環境下的性能分析和行為預測；結合實時監測數據構建“車-地-網”虛擬運行系統，更精準地預測列車在復雜多樣化環境下的運行趨勢，優化控制策略；實現基于數字孿生的狀態修正、預測維護，包括事故主動預防、故障快速診斷及維護策略優化，滿足地鐵車輛30年生命周期內的高安全高可靠運行。

產品數字孿生覆蓋了從產品設計、制造、交付、運行維護乃至報廢的全生命周期，其目的是最大程度地滿足用戶的需求，保證在整個生命周期內產品的穩定和優化運行。

（2）生產系統數字孿生

生產系統的數字孿生應用，是為了更好、更快地生產出高附加值產品而構建數字孿生系統。生產系統的數字孿生應用包括：

1）仿真映射。隨著生產系統的越來越復雜，以及智能制造技術的應用，需要利用數字化工廠的方法以提高生產系統規劃設計的質量，包括布局設計、工藝設計以及生產過程的仿真分析。生產系統的數字孿生設計模型包含所有細節信息，包括機械、自動化、資源及人員等，并且和產品設計模型無縫連接。例如，利用專用模型庫實現車間的快速規劃設計；支持各類虛擬試驗仿真，與實際車間同步更新，更好地支持車間的迭代更新。

2）監控操縱。傳統的工廠或車間主要通過現場看板、手持設備、觸摸屏等二維的可視化平臺完成系統監測，無法完整展示系統的全方位信息與運行過程，可視化程度較低。基于機理模型和數據驅動方式建立的數字孿生工廠或車間具有高擬實性的特點，結合3R（VR，AR，MR）技術能將可視化模型從傳統的二維平面過渡到高保真度的三維模型，工廠中產品設計、生產制造、工藝優化、過程規劃、服務運維、回收處置等階段均能以較為直觀、完整的方式呈現給用戶。例如，趙浩然等針對目前數字孿生車間中的實時可視化監控難題，分析了數字孿生車間與三維可視化監控之間的關系，提出了一種多層次的三維可視化監控模式和實時數據驅動的虛擬車間運行模式，對虛擬車間幾何建模、車間實時數據管理、車間多層次三維可視化監控和車間狀態看板構建方法等四個關鍵技術進行了詳細闡述，并將該設計原型應用在北京衛星制造廠的制造車間中，以實現車間中物流、設備、人員、環境、產品、物料、庫存、訂單、進度、異常等全流程、全要素的動態三維可視化監控[16]。

3）診斷分析。傳統生產過程中難以對生產計劃執行過程中的實時狀態信息數據進行深入有效的分析，無法實時獲取即時生產狀態，導致對于生產的管理和控制缺乏實際數據的支撐，無法制定合理的資源調度和生產規劃策略，從而導致生產效率的下降。生產數字孿生系統可以提供對生產過程全方位的分析，找出潛在的瓶頸點，提前發出生產預警。

以調度為例，數字孿生驅動下的生產調度基于全要素的精準虛實映射，從生產計劃的制定到仿真、實時優化調整等均基于實際車間數據，使得生產調整具有更高的準確性與可執行性。數字孿生驅動下的生產調度主要分為：首先結合車間的實際生產資源情況及生產調度相關模型，制定初步的生產計劃，并將生產計劃傳送給虛擬車間進行仿真驗證；虛擬車間對制定的初步生產計劃進行仿真，在仿真過程中加入一些通過診斷分析得到的可能干擾因素，保證仿真的擬實性。根據仿真結果，結合相關生產調度模型、數據及算法對生產計劃進行調整，多次仿真迭代后，確定最終的生產計劃并下發給車間投入生產；在實際生產過程，將實時生產狀態數據與仿真過程數據進行對比，如果存在較大的不一致性，那么基于歷史數據、實時數據及相關算法模型進行分析預測、診斷、確定干擾因素，在線調整生產計劃，實現生產過程的實時優化。

4）預測優化。生產系統是一個開放的、受到多種因素影響的復雜系統，生產系統在運行過程中，會受到內部和外部的各項干擾。例如，內部干擾包括設備故障、殘次品的發生等；外部干擾包括原材料供應不及時、物流導致的出貨延期等。為了保證生產系統運行優化，需要及時應對各類干擾，提前做好應對措施。利用數字孿生模型，通過歷史數據結合預測模型，可以對一些突發事件進行預測，從而降低生產過程的不確定性。例如，針對設備的預防性維護，可降低因為設備故障帶來的干擾；針對物流、供應鏈的預測，可以減少因為原料采購、成品交付等環節可能帶來的不確定性。通過預測來提前應對一些擾動風險，優化系統運行。

2 數字孿生建造

建筑可以看作是一種特殊的產品，和一般的工業品不同，建筑更加注重個性化，而且其建造周期長，涉及的工藝比一般的工業產品多。建筑信息模型（BIM）是對建筑進行定義以及維護的模型基礎。建筑行業的數字孿生應用，可以看作是一種特殊的“產品數字孿生”，典型應用場景包括：

（1）仿真映射

基于BIM技術，構建建筑物的數字模型，可以對其建筑設計元素、結構參數進行分析和驗證，同時，也可以對施工方法進行設計和驗證。

例如，對于建筑物的安防設計，目前安防系統多是只關注于安防系統本身采集的安防信息，不能與三維建筑物布局融合。利用物聯網采集室內安防狀態數據，通過人員定位系統采集人員位置信息，并把這些信息與BIM進行結合，得到面向室內安防的數字孿生模型。利用機器學習算法、邏輯推理方法等對數字孿生模型中的室內人員、安防狀態、交通布局等信息進行分析，通過智能設備和報警設備把安防決策信息傳達給安防管理人員和室內受困人員，實現可視化安防數據綜合管理、安防危險分析及預警、安防處理輔助決策等服務功能。

對于裝配式建筑，其構件的運輸與存放的優化、吊裝過程安全風險控制、構件安裝質量問題是關鍵。通過采集構件和安裝過程的信息，包括構件出場時間、位置、尺寸型號、材料、力學性能、吊裝設備型號、功率、設備實時運行參數、溫濕度、風速、光照等，結合整個建筑的BIM，形成面向裝配式施工的數字孿生模型。在信息空間對數字孿生體虛擬模型進行分析和仿真，得到安裝構件的位置、路徑、施工設備參數等信息，發送給施工人員，可以實現構件運輸存放優化、施工過程安全風險管理、安裝過程質量控制等服務功能。

（2）監控操縱

建造活動在施工現場進行，受到環境影響大，而且施工過程的質量管理也不如車間內的工業生產那么嚴格。利用數字孿生模型，可以指導、跟蹤建筑施工過程，保證安全和質量。

例如，超高層建筑由于自身結構的特殊性，造成測點數量多、監測周期長、監測系統復雜等問題。目前的超高層結構監測還是單純地通過傳感器采集數據，利用二維監測界面查看數據，不能實現監測數據三維可視化，監測過程不能與三維建筑物BIM信息很好地融合。巨大的監測數據導致數據管理分散、綜合數據處理能力低，根據現場實時情況進行監測儀器安裝和采取緊急預警的能力差。基于數字孿生的超高層建筑結構監測方法應用數字孿生理念，通過物聯網采集結構施工狀態數據，實時數據結合結構模型進行有限元分析以獲得結構安全狀態信息。這些信息與BIM進行結合，得到面向超高層施工過程監測的數字孿生模型。利用超高層建筑智能監測平臺，將結構有限元信息、BIM信息、結構監測信息等通過智能設備傳達給監測人員和施工人員，實現三維可視化結構監測數據、結構實時預警準確定位、監測過程智能指導等數字孿生服務功能。

（3）診斷分析和預測優化

大型建筑通常有很高的運營維護成本，然而目前主流的運行和維護管理方式信息化程度低，對隱患的預防和突發事故的應對能力較差。數字孿生能夠利用各種技術實現實時的虛實交互和預測反饋，可以提高建筑運維管理的信息化程度和自動化程度。針對大型建筑運維階段的結構和設備健康管理問題，基于數字孿生的大型建筑運維管理方法，應用數字孿生理念，由包括BIM數據和設備參數數據在內的各種數據庫進行支撐，融合建筑結構和設備在運行和維護過程中產生的數據，形成建筑結構和設備的數字孿生體。建筑結構和設備實體與虛擬建筑結構和設備模型之間進行同步反饋和實時交互，以達到準確的建筑結構和設備故障預測與健康管理服務的目的，能夠快速感知到故障現象并準確定位。開展預防性維護研究，結合傳感器采集的數據，通過“虛擬巡檢”來發現建筑物內的安全隱患，及時進行維護。數字孿生模型對于建筑物隱蔽工程的檢查和維護最有幫助。

3 數字孿生城市

城市作為一個復雜巨系統，優化城市規劃、及時掌握城市運行狀態、有效應對突發事件是城市管理的關鍵。城市數字孿生系統可以為城市管理提供分析和優化模型，實現科學決策。城市數字孿生是一種“系統數字孿生”應用，典型應用場景包括：

（1）仿真映射

對于城市規劃而言，通過在城市信息模型（CIM）上模擬仿真“假設”分析和虛擬規劃，推動城市規劃有的放矢提前布局。在規劃前期和建設早期了解城市特性、評估規劃影響，避免在不切實際的規劃設計上浪費時間，防止在驗證階段重新進行設計，以更少的成本和更快的速度推動創新技術支撐的各種規劃方案落地。通過CIM以及可視化系統，以定量與定性方式，進行專題分析、模擬仿真、動態評估規劃方案以及對城市帶來的影響，保證規劃樓宇、綠地、公路、橋梁、公共設施時，綜合效益實現最優化。基于多源數據和多規融合實現規劃管控一張圖。整合所有基礎空間數據（城市現狀三維實景、地形地貌、地質等）、現狀數據（人口、土地、房屋、交通、產業等）、規劃成果（總規、控規、專項、城市設計、限建要素等）、地下空間數據（地下空間、管廊等）等城市規劃相關信息資源，在數字孿生空間實現合并疊加，解決潛在沖突差異，統一空間邊界控制，形成規劃管控的“一張藍圖”，以此為基礎進行規劃評估、多方協同、動態優化與實施監督。在充分保證“一張藍圖”實時性和有效性的前提下，通過對各種規劃方案及結果進行模擬仿真及可視化展示，實現方案的優化和比選。

（2）監控管理

利用數字孿生系統，可以對城市運行的各個系統進行有效的監控和管理。例如，針對城市交通，將物理世界中復雜的交通系統，使用云計算、物聯網、人工智能、大數據、實景三維、語義化等技術構建數字模型，形成數字孿生交通系統，融合多源/異構/多模態交通實時數據，構建交通信息知識圖譜，對交通時空大數據進行展示、挖掘、分析，從而實現對交通的監測預警、應急處理，以及擁堵治理、聯程聯運等功能，以保障交通安全、優化城市交通。

（3）診斷分析

數字孿生城市立足城市運行監測、管理、處理、決策等要求，將各行業數據進行有機整合，實時展示城市運行全貌，形成精準監測、主動發現、智能處置的城市“一盤棋”治理體系、城市運行“一張圖”管理。利用CIM和疊加在模型上的多元數據集合，打造精準、動態、可視化的數字孿生城市大腦，通過智能分析、模擬仿真，洞悉人類不易發現的城市復雜運行規律、城市問題內在關聯、自組織隱性秩序和影響機理，制定全局最優策略，解決城市各類頑疾，形成全局統一調度與協同治理模式。借助智能大屏、城市儀表盤、領導駕駛艙、數字沙盤、立體投影等形式，可一張圖全方位展示城市各領域綜合運行態勢，并根據不同主題分級分類呈現，幫助城市決策者、管理者、普通用戶從不同角度觀察和體驗城市發展現狀、分析趨勢規律。

（4）預測優化

利用數字孿生模型，對城市事件提前預測，提前做好應對方案。一些突發事件的發生往往措手不及，且事件的演變具有極大的不確定性，人類無法完全預測和消除事件的潛在威脅和現實的破壞，只能在力所能及的范圍內盡可能減少突發事件帶來的危害。基于城市數字孿生體的數字模型，可以對一些偶發事件進行提前預測；結合仿真模擬以及虛擬現實技術，可以給用戶模擬一個真實發生的突發事件的場景，例如火災或暴雪等事件，讓用戶猶如身臨其境，更加生動地體驗在緊急事件發生時每個行動所帶來的后果。通過應急現場環境快速還原、應急資源可視化管理、應急預案模擬演練等功能，為城市應急管理提供預案。

4 數字孿生醫療

醫療行業關系到每個人的健康和疾病治療，是新技術、新方法應用的一個重點行業。數字孿生在醫療行業的應用，可以包括對人的“數字孿生”應用，以及醫療系統的數字孿生應用。

人作為一個特殊的“物理實體”，和一般的工業產品不同，每個人都有其特殊性，其身體素質、生活習慣、環境、心理等都會影響到身體健康，身體的各項檢查指標能大致反映人的健康狀況。利用個人醫療檢查數據，構建個人健康評估數字模型，再結合個人社會大數據采集系統，可以全面地獲取個人的行為狀況，做出個人健康預測和預警。例如，可以從個人訂餐數據獲取其飲食偏好，從個人出行數據獲取其運動偏好等，這些數據都可以歸總到個人健康評估模型中。對個人的健康狀態進行分析和預估，及時提出健康預警。

醫療系統的數字孿生應用，參考文獻[17]給出了一個典型應用場景。該案例針對現代診療系統中的患者、醫療設備、治療方案三要素及其在狀態感知、機理模型、智能算法三方面存在的物理信息融合問題進行了探討，并提出了狀態感知、機理模型、智能算法的詳細構建方法，最后將該診療系統框架推廣到臨床診療、基礎醫學研究、教育培訓、醫療設備研發等領域。該文獻中提出的數字孿生診療系統（DTTS）的整體框架如圖1-5所示。

DTTS分為物理空間和數字空間，主要由物理實體、DTTS孿生數據、DTTS孿生機理模型和DTTS智能決策模塊四部分組成。其中，物理空間包括患者（消化、呼吸、循環、內分泌、神經、運動、泌尿以及生殖系統等）、醫療設備（診斷設備、治療設備和輔助類設備等）、傳感設備（各種生理傳感設備和設備的狀態傳感器等）以及用于物理實體（患者和醫療設備）狀態數據傳輸的信息交互平臺。數字空間包括DTTS孿生數據、DTTS孿生機理模型和DTTS智能決策模塊。DTTS孿生數據主要包括來自物理空間的感知數據，分為實時數據和存檔數據。DTTS孿生機理模型基于物理實體建立，與DTTS孿生數據共同實現對患者和醫療設備忠實的、數字化的鏡像。DTTS智能決策模塊負責完成輔助臨床判斷與決策。基于深度學習平臺，利用DTTS孿生數據和DTTS孿生機理模型單獨或者融合實現對患者、醫療設備的狀態識別以及不同應用場景的指導。

數字空間通過信息交互平臺獲取物理空間的狀態（包括患者的生理病理參數、設備的運行狀態等），實現虛實映射。數字空間的決策結果通過信息交互平臺反饋給醫療設備或者直接反饋給醫護人員形成治療方案，同時，物理空間中的患者和醫療設備接收來自醫護人員的醫囑并精確執行。