关于数字孪生内涵及应用的一点探讨
王爱民
北京理工大学
数字孪生是近几年得到重视的一个概念，尤其是与之前智能制造、CPS等相比，人们感觉数字孪生是更加落地或可以作为抓手的一个概念。一般对于概念来说是在研究过程当中，为了精炼准确说明某些事情，我们凝练出一个可能从来没有出现的概念。但对于数字孪生来说，我认为其更多的是一种提纲挈领的模式或机制的描述，一方面是面向实际的应用需求而衍生出这种总结性名词，另外一个方面是对既往一些做法的再次凝练和提升，或者可以认为是源于实践并追求高于实践吧。
对于数字孪生概念来说，我们追求的其实和应该是他的内涵。虽然从字面来说，“数字”、“孪生”是偏向于与物理实体相对应的“虚体”的含义，但既然涉及到“孪生”一定是有其物理实体对照物的，并且一定是与物理实体对照物具有关系的一种综合概念。比如我们从物理资源角度来说，利用资源管理壳等表达和互操作方式，实现与实际世界相对应的物理实体的孪生体特点等。当然，我们仍然可以尝试追求给出一个严格的定义，但我认为我们更应该追求的应该是他的本质内涵。笔者认为：数字孪生是基于物理实体和数字虚体之间的近真实孪生映射基础上的涵盖状态感知、实时采集、分析推理、精准执行的闭环控制关系，其中基于的建模与仿真的分析推理是当前数字孪生体所关注的重点。
本文将重点从数字孪生概念的4点判断、数字孪生的核心是基于工艺和管理知识的决策、数字孪生是软件定义制造实现的支撑，以及数字孪生与智能制造相关概念的关系等方面进行阐述，主要目的是对当前关于数字孪生认知与实践中的可商榷话题进行分析和总结。
一、数字孪生概念内涵的4点判断
（1）数字孪生是强调实时性的CPS
赛博物理系统（CPS）作为智能制造的核心模式，体现了动态感知、实时分析、自主决策、精准执行的闭环过程，支持了装备／系统的自适应、自组织的智能化发展理念。数字孪生是CPS的具体体现，重点是突出虚实融合下的数据处理、仿真分析、虚拟验证及运行决策等。其中的核心在于，对于业务对象而言，所谓的分析推理其实也是基于模型的，而这个模型是基于状态感知和实时采集基础所建立的，这个模型能够支持分析推理，虽然这种分析推理可能只是某个方面的，但也是对对象的某种数字孪生或者某种程度上的数字孪生。因此从这个角度而言，数字孪生其实是CPS的某个子集。数字孪生因为特意强调了“孪生”，不可避免的具有一定的实时性特点，而传统的CPS从理念角度是涵盖了实时和非实时两种情况的。
（2）可视化不等于数字孪生
数字孪生与可视化展示是“皮”与“毛”的关系。数组孪生一定是在某个方面反映物理实体的，这是毋庸置疑的。但这某个方面只是物理实体的某些特性，而未必是全部的特性，有些方面可能并不需要建立可视化展示。
比如我们通过APS来对车间的运行状态进行表达，并在此基础上给出进一步持续的资源优化配置方案，这个背后当然是有模型的，但这个模型未必是可以展示的。
比如对于复杂电子产品的研制，一般分为电讯总体和结构总体。对于复杂电子产品来说，电讯总体显然是更重要的，实际当中也是这个样子的。但是电讯总体更多的表达的是这个复杂电子产品内部的信号输入输出之间的关联关系，更多的是一种逻辑上的表达。笔者见过的一些单位就是通过MATLAB或者说利用商业化仿真软件的一些模型来进行表达。而结构总体才是真正的可见物理实体表达，是这个复杂电子产品各个组成部分可见的物理实体之间的关联关系。从最终的结局来说，我们这两个方面应该是都需要的，实际操作过程当中，这两个方面的一体化集成也是我们追求的目标。但现有复杂性和技术条件制约，分成两个部分来分别开展这方面的工作，是更为实用的一种做法。
数字孪生更多的强调内在关系而不是外部展示，同时，数字孪生在技术限制下，也可能只是对物理实体进行某个侧面的分析。
（3）三维模型不是数字孪生的必备
一般而言目前很多说数字孪生的都是基于三维的产品或产线模型，其实本不必如此的。只要这个模型能够有效地表达并支持进行产品或产线某方面分析的特性，我们就可以认为这就是一种数字孪生。比如，建立数学模型，并通过MATLAB进行数字化程序表达，这个能够求解的程序，我认为就是一种数字孪生；比如对于APS，属于基于车间当前状态的某种决策模型，虽然可以通过形式化的数学方式进行表达，但其更多的还是由某种软件系统表达的，通过这个程序系统或内在的分析模型，可以进行产线的产能评估、瓶颈分析、外协／分批决策等，我认为这也是一种数字孪生。但这些模型与传统所说的图形三维是没有关系的。是否支持决策是数字孪生的根本，其他的都是外在。其实从这个角度进一步思考，比如MES我就认为是一种大号的CPS，并非CPS一定是面向设备或单元的，这应该就是所谓的系统级CPS的本质含义了吧。
（4）数字孪生不是凭空来的
虽然数字孪生的概念很热，但数字孪生并不是凭空来的天赐之物。就如同工业界的很多好的理念，比如单元化、精益生产等，都是根据实际总结出来的一样。关于数字孪生乃至CPS，其实在概念没出来之前已经有很多实践了。人类有三种实践，物理实验只是其中一种，另外两个的理论推导和计算机模拟，其实都是现实实物的抽象，从这个角度而言，其实都算孪生，只是不都是数字化而已。但一般而言，计算机模拟在内涵上很大程度上也是由理论分析模型支持才能实现的。
二、数字孪生的核心是基于工艺和管理知识的决策
对于数字孪生而言，在物理实体和数字虚体之间，横亘着两个关系：一个是自下而上的状态感知和数据采集，一个是自上而下的实时控制，但这些仍然只是看得见的关联关系，更为核心的是所建立的数字虚体或者数字孪生体应该具有与物理实体相对应的孪生效果，当然这种孪生效果不能仅仅是形似，而是为了神似，而神似的目的就是要能够支持基于所采集的数据状态信息进行分类、分析、推理、决策和预测。
数字孪生的核心是决策，而执行这个的是数字孪生闭环关系中的数字孪生体，其核心重点是建模分析和推理。如果只是强调三维可视化展示，其实是有点舍本逐末，不仅不符合数字孪生所追求的分析推理，更是与数字孪生体要对物理实体进行干预的要求相去甚远。也许在很多情况下面，真正起决定作用或者说发挥更重要作用的，对于显示的要求并不是那么高。从以决策为核心出发，基于实际执行状态的APS，其实也可以认为是一种数字孪生，其中涉及大量的模型和算法，并且是对生产进行预测分析与优化，但可能连显示都没有。其实我们以前做各种各样的CAE分析，也是强调试验验证和模型校验的，只是这个反复迭代的过程比较冗长，与当前所提的数字孪生所强调的实时性不同。但其实这方面的努力，我认为也都是抓住了数字孪生最核心的决策要求，也为当前数字孪生体的发展提供了基础支持，从某种角度来说，这种工作更加有意义。
数字孪生的核心是决策，包括分析、推理、预测等，至于结果的展示并不一定是可视化。但现在见到的一些宣称数字孪生的，包括产品的或者产线的，基本都比较强调可视化的运用，可视化是可以有的，但从内核功能来说并不是必须的。数字孪生强调的是虚实同步映射，目前能做的大多体现为实向虚的映射，比如通过虚拟的产线模型反映实际产线的实际运行状态，但这个其实只是展示而已。数字孪生最重要的是分析推理及其之后对物理实体的干预，说的是内在相似而不是简单的外表。从这个角度来说，目前实向虚的技术和案例已经较多，但虚向实的优化干预仍需进一步努力。
（1）数字孪生体现了工艺知识的沉淀，能够有效的提升核心工艺能力
工艺是与产品质量和生产效率直接相关的专门知识，任何一个企业即使是在手工管理模式下，也应该是非常重视工艺的，所以我们在开展智能制造、工业互联网等方面的技术研究和探索应用的时候，工艺都是重要的目标服务对象。
其实很久以前，工业过程建模与仿真，这是大家耳熟能详的一个技术方向，也是一个范围很广的技术方向。但我感觉数字孪生，与之前的工业过程建模与仿真还是不一样的。传统的工艺过程建模与仿真，可能更多是脱离于实体的一种孤立的运行，而数字孪生是一种与实体双向连接的运行？如果简单来理解，可以理解成一个是在线，一个是离线。数字孪生更偏重于动态的在线。
但不管怎么样，数字孪生或者说为了实现数字孪生的第一步就是建模。我们需要进行建模。当前工业互联网技术的发展，为我们从实体上面来获取各种各样的实时状态提供了手段，也为建模及其应用提供了扩展空间。但这些工业互联网等都不是最主要的，只是外围支撑的手段而已，最主要的还是怎么使得这个模型能够表达的真实。在仿真领域，很久以前有一句话是这么说的，做虚拟仿真切忌“虚而不拟，仿而不真”，其实就是说的这个模型是否准确？是否能够反映实际？其实美国长期以来，从上个世纪五六十年代开始，就一直在国防先进制造等计划中持续的支持和发展建模与仿真。可能刚开始有些人觉得这方面比较虚，但是这个方面其实是对工艺机理进行深入探究的代名词。不论是解决实际问题，还是推动技术发展，甚至相关工业CAE软件的发展，都是极其需要和重要的。
工艺的类型是多种多样的，相关的数字孪生模型，也是多种多样的，所涉及到和所综合的学科知识也是不一样的，这才是真正的专业知识的沉淀凝练。我们说的智能制造在很大程度上是体现为数字孪生的综合运用的。
比如对切削加工来说，可以基于工艺推理模型，对工件的加工质量进行实时的评判，并能够根据决策分析结果，对相关的工艺参数进行及时有效的调整，这样就具有一种自适应的味道。
比如，笔者在针对某企业薄壁件加工变形控制方面的研究中，就综合运用了内部应力场重构控制、切削工艺建模与仿真分析、弱刚度变形补偿等措施，虽然是针对具体的零件来开展的，虽然里面也具有很多的经验的成分，当然也是融合了一些数字化定量的技术研究，但对于笔者来说，后续应该将这个过程进行沉淀，沉淀成一个分析推理的模板，后续只要按照这个步骤来做，任何薄壁零件的加工变形控制问题都可以得到解决或者一定程度的解决，这也是数字孪生的一种体现。
比如，笔者在针对另外一个项目中，针对某个复杂零件加工过程的精度保证问题，采取了自适应加工补偿的方式。也就是说，对每一次走刀之后的加工型面进行测量并进行曲面重构，同时与理想的型面进行比较分析，找出偏差进行补偿，调整刀位轨迹并生成数控程序，可以有效的提高加工精度。这个过程里面所开发的分析软件，其实也是一种数字孪生。
我们国家提出要建设百万工业APP，其实我感觉，拿出来一半来做工艺的数字孪生特点的工业APP，我感觉分量都嫌低。工艺数字孪生是夯实和提升我们制造实力的根本，从做大转向做强的必然途径。
（2）数字孪生体现了管理经验的知识沉淀，能够有效的提升智能管控水平
制造执行过程管控需要根据不同的企业类型及其生产特点，需要贯彻和综合不同的先进管理思想。但是一般来说这些管理思想，比如精益思想，很多企业甚至很多专家，还认为这只是一种指导性的方法论而已，从中理出来一些原则或者说是方法手段，对生产过程当中的某一点、某个业务进行实施应用。我认为这么理解是带有一定的片面性的，实际上来说也有感觉，这些先进管理思想，在实际当中的运用，更多的是一种割裂性的碎片化的实践。我认为，如果你做了或实施应用了一个制造执行系统，这个制造执行系统如果不体现先进的管理思想，那相当于这个制造执行系统，笔者认为，就是一个没有灵魂的系统。一般来说能解决问题简直就是个奇迹啊。
因此我们应该将各种先进的管理思想，把它细化落实或者凝炼成管理经验与知识，并且系统化而不是孤立的体现在生产管理当中，尤其是智能管控方面。这些经验和知识的沉淀或者说物化或者更明确的进行软件化，其实也是相当于建立了内部有机关联的决策模型。而这种决策模型，本质上来说，其实是制造执行过程的数字孪生，或者某个侧面指标或目标的数字孪生。
比如我们可以建立面向产线或者车间的排产调度模型，在这个里面体现TOC等思想，当然体现的不仅仅是TOC，还有很多其他的先进的排产调度思想。笔者一直也是从事APS技术研究与系统开发和实施应用的，在这个过程当中，也深深的感觉到，见到一个约束就进行处理，其实还是挺被动的，也不利于系统的发展。所以自己一直在揣摩，如果能够将一些先进的管理经验知识和管理思想，融合到APS当中，也许可以达到一种事半功倍的效果，应该是APS将来的一个重要的发展趋势。
比如在制造执行过程当中我们可以建立前后工序之间的精度链条模型，根据前道序的加工精度实现，等下一道工序基准的调整，这种分析，我认为就是数字孪生的一种体现，整个生产过程具有自组织的味道。这既是管理的思想，也是工艺的思想，相当于是一种融合。
三、数字孪生是软件定义制造实现的支撑
毫无疑问，自动化技术是智能制造发展的重要支撑技术之一。无可质疑，很多企业将自动化线建设视为智能制造的重要抓手。并且涌现出了一些“黑灯生产”、“无人工厂”的示范案例。本质上，或者大多数情况下，我们所说的自动线，更多的体现为物流周转基础上的联动动作时序的协调，可以视之为一系列离散硬件装置在特定动作序列约束下运行的生产线。传统的自动线是通过PLC梯形程序进行控制，或者通过专门的工控软件进行控制，不仅控制正常的流程，也应该具有一定程度的异常处理控制能力。
因此，结合目前很多企业在上马自动化线或已经建成自动化线的局面下，如何进行智能化提升，也是不得不和必须面对的问题，而这个过程其实与数字孪生也是不谋而合的。本部分从两个方面论述：一是德国工业4．0关于自动化柔性线的智能管控思路；二是融合APS的自动化柔性线智能提升步骤。
（1）德国工业4．0关于自动化柔性线的管控思路
在数字车间这个方面，德国工业4．0其实早就提出了这方面的理念，这种理念的核心含义就是软件定义制造，其手段主要是通过将物理实体或者物理生产线当中的每一个硬件实体，都抽离与其相对应的软件AGENT或者SERVICE，所谓的智能管控，就是对这些硬件资源的运行进行配置形成“务联网”，是服务的“务”而不是物体的“物”，“物联”只是最终的表现形式，其背后是通过“务联”实现业务的有序运转。
图1是德国工业4．0的典型资料图片，其所表达的含义是生产线中所有的硬件单元都有对应的软件形式的服务，比如传感器服务、控制服务、通讯服务、校验服务、信息服务等，整个CPS网络系统就是一个服务连接网络，具有“服务联网”的概念，这些服务有层次并且能够动态组合配置。所谓的智能管控，体现为硬件资源的离散化，通过服务化封装，实现业务资源链条的重构与控制，并可以进一步的支持“软件定义制造”理念的落地。其中如图1所示的生产线中的各种传感器、泵、阀、控制器、通讯装置等都有与其相对应的服务，而这种服务其实就是直接面对硬件资源的数字孪生，在此基础上构建的服务层级或者服务网络或者服务链条（ERP或MES的新型式），其实都是对数字孪生的进一步深入应用，其目的是支持实现自动化＋柔性的智能制造新局面。
图1 德国工业4．0关于自动化柔性线的管控思路
（2）融合APS的自动化柔性线智能提升步骤
德国工业4．0所宣传自动化柔性线智能管控的核心是实现资源的柔性配置，而这种配置的手段就是面向智能制造的APS的重要发展方向。融合APS的自动化柔性线智能提升步骤如下所述。
l 提升自动线构成要素装置的CPS独立控制能力：对于自动化产线线而言，一般都是连续的没有间断的按照时序执行动作。但这些动作时序的执行，也是需要依靠一些构成要素装置的，比如阀、泵等，或者是各种集成程度的独立装置等。对这些要素按照能够状态反馈、指令执行的方式，进行改造和提升，为后续的智能化柔性控制提供支持。
l 支持任何构成要素装置的必要性联动控制能力：这种联动控制并不是限定自动化产线中某两个装置的固定时序，其核心目的是增加柔性，目标是自动线上任何需要建立关联的构成要素装置能够实现联动控制。这方面的分析可以从产品的工艺流程角度入手，按照生产过程中各个构成要素装置时序关系进行分析。
l 以产品性能保证为核心的工艺知识沉淀及物化能力：产线对产品性能保证的技术提升无止境的，根据需要可以分析产品的性能指标的保证机制，比如引入机器视觉、比如引入自适应加工等，丰富自动线运行的知识基础上的智能化内涵。
l 多产品混线生产的关联控制与协调能力：只有当自动线能够支持多产品混线生产，自动线能够提供柔性的关联控制与协调能力，才能说这条线具有智能的味道。比如自动数控加工线，可以自动的获取状态并进行分析，可以下发指令进行硬件装置的工作参数调整；比如自动数控加工线，根据需要为不同的硬件装置传递不同的数控程序；比如不同产品的工艺流程不同，可以通过柔性的联动控制，实现生产路径的快速转换，以及不同品种产品在自动线上的混流交叉生产。
l 基于APS的软硬一体化控制的柔性控制：如果自动线只是生产一种产品，则所有的硬件要素装置锁定了某种动作指令序列而已。但如果自动线是多品种混线的，则动作指令序列将具有复杂的组合联调配置要求。如果这种组合判断比较简单，可以通过PLC或工控软件来实现。但如果这种组合判断比较复杂，尤其是加入了智能化体现的分析、推理、决策等内容，单纯的状态0－1式或阈值式判断将无法满足需求，需要引入复杂软件系统的形式进行控制，才能满足需求。并且，这种复杂软件控制系统，面对多产品混流生产的复杂的生产过程，将是目前传统的APS向软硬一体化紧密关联协调控制的重要转变和发展方向。
四、数字孪生与智能制造相关概念的关系
（1）数字孪生与工业互联网的关系
数字孪生是闭环CPS过程的典型体现，具有“虚实同步、以实融虚、以虚控时”特点，工业互联网／工业互联网资源状态及控制的泛在化基础设施能力是支持数字孪生得以实现的基础，同时数字孪生也是工业互联网平台贯通软硬环节的有效支撑。数字孪生所强调的物理实体的状态数据采集，尤其是实时的数据采集，就与当前工业互联网发生了密切的关系。即使在没有工业互联网之前，我们对于物理实体也总是想办法通过各种传感器来进行数据采集，只是比较繁琐，可能实时性也不够，更别说实现对物理实体指令驱动下干预运行的功能。因此对于工业互联网来说，从基础设施的角度，应该尽量的统一标准，否则的话也只是一种理念，看起来也很美好，其实很难做。当国内沉浸于智能制造和工业4．0的宏大理念的时候，其实不管是德国还是美国，都在发展工业互联网标准，比如德国为资产设备所施加的管理壳，或者提出的与实体相对应的代理AGENT，个人认为这才是应该我们认真注意的，否则又是在建空中楼阁，或者寄希望于单打独斗的建平台对抗国外的整个体系。
（2）数字孪生与建模仿真的关系
数字孪生的目标建立实现与物理实体安全相对应的数字孪生体，并在此基础上实现双向的数据采集和干预控制，强调的是闭环控制关系，但这个过程在实际中没有必要完全具备或其实也不能够一蹴而就。数字孪生的发展是随着技术进步而演进的，从而使得之前的一些想象有了变成现实的可能。比如我们在建模与仿真过程当中，我们需要对模型进行验证和校验，也许以前我们只是对所建的模型进行与实体相对应的某些特点的教研与验证，那随着技术手段的发展，我们越来越可以对模型对于实体的完全映射进行探索。我认为建模与仿真其实是对物理实体的单向预测分析，虽然能够走到这一步，也已经很不容易了，我们大量的CAE软件就是在做这些事情，但数字孪生所强调的是闭环关系，其核心在于对物理实体的实时干预执行，在工业互联网以及TSN等实时性的数据采集和控制技术的支持下，实现对物理实体的闭环控制也就有了可能。建模仿真的目的是为了评估，评估的目的是为了预测，预测的目的是为了决策，决策的目的是为了优化，优化的目的是为了实现对实体的纠偏干预，从而实现闭环的数字孪生控制，从这个角度来说，当前的建模与仿真也需要大踏步的前进，从离线走向在线，从软件为主走向软硬一体融合。
（3）数字孪生与工业软件或工业APP的关系
这两个本来不是一个维度的东西，数字孪生是从一个回路的角度所描述的闭环系统。但数字孪生闭环回路当中的决策分析环节，即体现为数字孪生体，一般都是以软件的形式作为展现载体。从这个角度来说，数字孪生体也是工业软件的一种，但就数字孪生来说，其本质上是扩展了工业软件的范围与内涵。同时，数字孪生体的本质是决策，如果只是局限于认为三维形式的产品或产线仿真推理分析才是数字孪生体，其实也是有失偏颇的。
数字孪生体其核心功能是基于知识经验沉淀的推理分析，内嵌了机理或者决策模型。比如我们经常见到的仿真分析系统，包括较为抽象的生产运营管理决策工具，都是常见的数字孪生体。由于数字孪生体直指企业工艺优化或者运行管理的决策，必须具备深厚的专业领域知识以及生产管理经验，其技术复杂度和开发的难度都是非常高的，我们一般说工业软件难以开发，更多的味道就在这个里面。
工业APP是在工业互联网语境下提出来的，通过建立工业互联网平台形成工业软件系统或模块的互操作机制。这种语境下的工业APP其实并不追求大而全，更多的是像一种插件一样，通过类似工业现场所用的各种总线那种概念的业务总线／中台和数据总线／中台的事件驱动与数据服务的方式，能够通过配置即可实现与其他工业APP的集成和互操作，从而形成支持业务运行的动态可重构系统。这种工业APP与传统的相对独立的工业软件是不一样的，是工业软件的一种新型形态。那种基于传统的工业软件，如MES、ERP等，通过云化就号称是工业APP，其实还是比较勉强的，也不是工业互联网语境下的工业APP的真实意思。所谓的工业互联网平台的核心应该是在这个方面，就是形成类似工业操作系统的一个平台，但是这方面现在看来其实还有很长的路要走的。
工业软件是产品研发过程中知识经验的软件物化，是工业APP所强调的服务化特点的源头支撑。数字孪生闭环过程中的数字孪生体是工业软件的重要体现方式，体现了对物理对象的几何、物理、行为、规则及约束的多维、不同粒度的多空间、推进演化／实时过程／外部干扰的多时间等尺度的综合
一般我们说某个企业能够在市场上长期立足更多的其实是在说都企业有自己的know－how，也就是知识，而这种知识更多的是体现在工艺人员的头脑或者经验中，比如我们经常提的大国工匠，其实更多的说的存在他们头脑中的经验知识。这些知识经验一般都是比较模糊的，想要把它提炼出来变成一个软件形式，其中最核心的就是建模，分析问题的内涵、表达问题的关联因素及其关系，描述这个问题的求解推理方式。
应该说企业在长期的发展过程当中大多并没有相关的工业软件，更多的是依靠人，有经验的人来来开展这个事情，但其实已经做得挺不错了或者有效的支撑了我们制造业的发展，解决了很多问题或者支撑了企业的工艺发展。虽然人具有最大的柔性，但这种局面也说明，可能在很大程度上面向实际问题的解决，其实并不是或需要那么精密，或者说在精确性上面来说一定要如同计算机的精密、精准的定量计算那样。其实这里面也暴露了一个最简单的道理，就是很多工业问题，可能最好的方式是只需要花20％的精力就能解决80％的问题。说这个呢，主要是想表明一下，工艺的建模，也应该本着这个目的，也未必一定要需要等到，好像所有的原理机理一定要彻底的清楚明白和表征，完全的精准的，精确的定量，才能够进行和开展，这应该是解决实际问题的一种可行的思路。这也是数字孪生发展的应有之义。
而对于企业来说，这些有知识和经验的，老工人或老师傅应该是企业的宝贵财富，记得之前有人提过进行智能制造好像就是机器换人，好吧，如果就算是做了这个事情，把人换下来之后来做啥？这是最关键的，就是要想办法把这些人的知识和经验能够物化地沉淀下来，虽然自动化做到了一部分，但自动化所物化或沉淀其实更多的还是一种简单的知识经验的沉淀。
（4）数字孪生与MBSE／数字主线的关系
基于模型的系统工程（MBSE）是实现全生命周期集成研发的核心思想，数字化孪生体将促进建模、仿真与优化技术无缝集成到产品全生命周期的各个阶段，也是面向加工、装配等DFX技术发展的重要使能基础，是推动MBSE核心思想发展的重要着力点。数字主线是从过程业务数据驱动的角度实现全生命周期集成的重要技术，从狭义角度而言，为全生命周期各阶段业务模型的处理提供数据衔接传递支持，从广义角度而言，为整个全生命周期链条提供统一的信息模型规范支持，是数字孪生体在不同尺度上的数据获取与分析方面的具体体现，是数字孪生闭环控制模型的重要支撑。
而对于数字主线来说，一般认为是面向全生命周期集成的产品模型在各阶段演化利用的沟通渠道，一般认为数字主线是依托于贯穿产品全生命周期的业务系统的，而这个业务系统是可以认为是广义上的CPS的。其实感觉这种区分是对一个CPS当中分析推理决策模型的内部细分，因为数字孪生体所代表的模型本来就是一个广义的复杂模型，总体模型内部也是可以分成多个小模型的，彼此之间具有关联（比如生产中的数字孪生体，这个模型应该是综合包括产品模型和装备模型的，这些状态融合在一起，才能够有效的分析推理决策产品的实时实际状态的），数字主线就是将这些小模型之间的关联关系进行明确和提供支持。因此从全生命周期这个广义的角度来说，数字主线是属于面向全生命周期的数字孪生体的。从另外一个角度来说，数据主线所依托的业务系统，在面向全生命周期的过程范畴，也可以视作是一个CPS闭环过程，就是所谓的系统之系统的CPS，其实从广义的角度来说，这也是一个数字孪生过程。
五、结论
数字孪生，说直白一些，其实也是一种理念、模式或机制，相对于CPS似乎更加能够引起大家的共鸣，这都是可以利用和引导大家发展的。我们对数字孪生的看法，也应该抱着一种开放的态度，这不是谁家的自留地，也不是单靠某几家就可以搞出来的，因为这本就不是一个具体的东西，只有百花齐放才能够落地结果。
另外，因为是公众号性质的文章，所以并没有过于刻意的雕琢文字，主要是表达出自己的一些思考和总结，模糊之处、疏漏之处，还请谅解。欢迎展开建设性的有益讨论。
作者信息：王爱民，北京理工大学数字化制造研究所所长，长期从事MES、APS等技术研究、系统开发与实施应用。
