这是一篇发表于2020年12月的美国航空宇航协会和美国航空工业协会的白皮书或者观点文章（Position Paper），原题目为：数字孪生：定义和价值（DIGITALTWIN: DEFINITION & VALUE）。鉴于航空航天行业的应用是数字孪生应用的重要典范应用领域和数字孪生技术重要的起源点,本报告可能对数字孪生的应用和发展有一定的借鉴和指导作用，故将本报告进行了粗略翻译，供大家参考。

纵览这篇文章，其核心价值有两点：

1）文中通过案例提出一系列的航空业界数字孪生模型和考虑方面，这对于众多行业的数字孪生体系统建设具有提示和借鉴作用；

2）文中一再强调对决策的支持，这也是提醒我们在数字孪生体系统建设时，要有明确的目的性，不能为建而建，建而不用。

这篇文章对我国航空业数字孪生体理念的应用和系统建设借鉴作用尤其大，毕竟无论是AIAA还是AIA都是世界航空业界具有相当影响力的组织。

在本文中反复应用了若干个名称和专业术语，对这些名词在本处就个人的理解集中进行说明。

[名词注释]

1）AIAA（American Institute of Aeronautics andAstronautics），美国航天航空学会，1963年由美国火箭学会（成立于1930年）和航空航天科学研究所（成立于1933年）合并而成，拥有来自91个国家的近30000名个人会员和95名公司会员，是世界上最大的致力于全球航空航天行业的技术协会。

2）AIA（Aerospace Industries Association ofAmerica），美国航空航天工业协会，成立于1919年，截至2002年11月，美国航空航天工业协会有正式会员公司75家、准会员公司137家，涵盖了美国所有重要商业、军用和公务飞机、直升机、飞机发动机、导弹、空间飞机制造商以及部分航空材料、相关零部件和设备制造商。

3）认可过程（certification process），对于飞机的设计，尤其是民用飞机设计必须要通过适航认证，军用飞机也存在一系列的试飞过程。本人认为本文中反复出现的“certification process”一词应该是指这样一个过程。

4）FAA（Federal Aviation Administration），美国联邦航空管理局，美国航空业的官方管理机构。

5）MRO（Maintenance, Repair & Operations），指在实际的生产过程不直接构成产品，只用于维护、维修、运行设备的物料和服务。

6）DoD Digital Engineering Strategy，2018年6月，美国国防部发布一份报告。其中提出了5个目标和关键领域。

7）LOTAR（long-term archival and retrieval），一个由AIA、ASD-STAN（欧洲航空航天标准化组织）、AFNET（法国互联网用户联合会）、prostep ivip（一个位于德国达姆施塔特的致力于产品数据管理和虚拟化开发的国际组织）、PDES（一个致力于STEP标准应用的公司）组织的一个航空制造者国际联合体。主要致力于EN/NAS 9300系列标准制订。

 
摘要

传统设计技术远远落后于航空航天系统复杂性增长速度，系统复杂性不断增长导致飞机传统工作成本也在不断上涨，如物理原型、实物测试和外场/定期维护等。应用可以提供更高逼真度、速度和粒度的模拟物理环境的虚拟能力有望降低这些成本。数字孪生就是这样一个虚拟技术，图1和表1是数字孪生的定义和表示。

数字孪生概念：数字孪生是一个与物理资产相联系的虚拟表示。

图 1数字孪生概念表示

数字孪生体是一个与物理资产相连，并覆盖整个产品生命周期的虚拟表示，其价值在于可飞速将工作从真实环境转换到虚拟的能力和通过数字模型预测未来状态、或失效时间，这将大大减少设计、生产和保持飞机良好运转所需的资源。由学术界、工业界和政府官员共同编写本文的主要目的包括：1）为航空业提供一个数字孪生体的通用定义；2）通过一系列的应用和示例刻画数字孪生体的能力；3）讨论国防部数字工程战略与航空业数字孪生体观点之间的一致性；4）确定应用数字孪生体加速价值实现的未来重点领域和活动。特别是，本文建议建立一个跨学术界、工业界、美国政府和相关认证机构的数字孪生“卓越中心”，以解决识别业务、技术、文化方面的需求、差距和挑战。

目的

本文的目的是介绍航空行业（包括民用、军用和商用）的数字孪生体的观点和巨大价值，以及加速实现以数字转型为代表的第四次工业革命的基本原因。数字孪生体集成的基于模型的先进技术正在推动着数字转型，它将大大加快先进系统应用的研究步伐，使航空业通过创新产品、服务、客户体验和较低的全生命周期成本在全球市场获得竞争优势。

本文代表了航空业内多个组织在数字孪生体方面的共识。编写本文的AIAA和AIA是这些机构的代表，认为除了国防部数字工程战略之外还有一些其他观点，它们有助于对数字转型的价值有一个更复杂、全面地理解。虽然国防部数字工程战略最初是为军事应用而制定的，但其基本内容也完全适用于民用和商用航空。

在本文中，数字孪生体的定义主要通过其对整个航空业的潜在应用和价值来表述，并应用航空业和学术界两个不同角度的价值映射方法讨论了多个数字孪生应用，以说明数字孪生体如何帮助改进性能、经济性、可靠性和提高组织效率。

数字孪生定义

数字孪生体的定义为：

通过应用资产全生命周期内的数据动态更新模拟单个/唯一或一组物理资产的信息结构、关联关系和行为的虚拟信息结构，形成实现价值的决策。

代表航空业观点的这一定义来源于对该领域相关文献的广泛和深入理解。在这一过程中，采用了一个数据驱动方法用来识别描述数字孪生体特征的最常用的关键词。沿用这一方法，航空业界构造和投票选择了这个长定义。

数字孪生体的基本要素包括：一个虚拟体（模型）、一个物理实体（资产）以及一个两者之间的数据/信息交互（连接）。因此，数字孪生体必须有一个物理实体。

一个数字孪生体涵盖一个物理资产的整个产品生命周期，即设计和工程阶段（“设计”）、制造阶段（“制造”）和运行/维护阶段（“使用”和“维护”）。正因为这样，它能够实现更好的信息连接和知识连续性，并最终实现提高工作效率和效果，通过连续重定义设计和校准模型改进设计和制造。因此，虚拟体和物理资产的模型和数据是数字孪生系统的关键元素。模型确保资产正确表达，同时为产品生命周期提供分析、模拟和优化提供媒介，这些模型可以是纯数据驱动、纯物理/模拟驱动或两者的混合。数据在模型间进行交换，并通过最新的通信标准和协议及云平台完成物理资产的实时收集，因此，这些数据可用于生命周期内各阶段描述、诊断、预测和/或分析，以便进行决策。

如前所述，数字孪生体涵盖了系统生命周期中的每个具有物理资产应用的阶段。一个材料订单数字孪生系统由关联材料试验的多层次材料物理模型和用于材料的增值、综合、虚拟表示的机器学习方法组成，包括由于不完善的知识（认知不确定性）或由于固有的、不可分解的问题（固有不确定性）引起的不确定性的类型特征。组件和子系统的数字孪生系统的开发应包含增加有价值性能知识的物理原型和减少用于改进未来的设计所需物理原型数量。机械和电子部件的数字孪生系统也可以应用在硬件在环或软件在环环境中。系统的数字孪生系统可以应用在人-虚拟-结构一体训练模拟器中，用于增加资产的任务价值。制造过程的数字孪生系统可以通过已有或新增资产优化车间或工厂的质量和经济性。包含试飞员个体特征的试飞飞机数字孪生系统可以用来优化飞行试验点，以通过每次试飞获得最多的知识。

通过资产状态的定量化、提高操作性能（包括自主驾驶）、预测可持续能力和寿命、提升用户体验、在早期分析中获得下一代产品的知识和反馈数据等方法，一个数字孪生体可以用来创造资产的最大价值。另外，数字孪生体还可用于：（i）通过建模和仿真方法，强化物理测量和试验，同时也是减少认可过程的成本和时间的一种方法，（ii）建立更多生命周期评估，从在设、在造、在测阶段移动到服务阶段。因此，最终产品的数字孪生体不是一个附加功能，而是一个从初始概念、设计和开发，从组件到系统的连续的系统有机组成部分。通过数字孪生体期望获得的价值、创造价值需要的传感器和数据、为获得最终价值而进行的数字孪生体测试和验证等都是系统研发的要求。

为了使数字孪生的定义尽可能简单明了，它应该应用基本要素来定义--模型、资产和用于增值关联知识交互。在生命周期不同阶段，数字孪生的附加属性应伴随资产的性质，例如订单、组件、子系统、系统、飞行试验、制造过程、最终产品，图1为数字孪生的概念表示。

为了形成一个每个人都能理解的清晰表达的短定义，该短定义如下：

一个数字孪生体是一个连接的资产的虚拟表达。

数字孪生的能力

数字孪生体具有的能力是很多的，为简单起见，主要研究为两类：（i）通过建模和仿真来降低组件和子系统的认证时间和成本；（ii）应用整个生命周期获得的信息，对组件与子系统的当前和未来状态做出决策和向面向未来工程的机构设计实践和知识库提供反馈。

建模和仿真工具方面的最新进展已经实现了飞机研发过程、降低了飞机研发的成本和周期的可视化。已经有一系列软件工具可以帮助将工程图进行可视化，包括设计、制造、材料研发和性能、空气动力学、结构集成和性能分析等。更重要的是，这些工具可以集成在一起以加强原本就是需要的工程周期间的互连性和加快设计、分析、测试的迭代。通过将大量分析转变为可视化方式，可以减少昂贵的物理试验和设计迭代的次数，从而达到减少认可过程的时间和成本的目的。物理试验的数据（如试件试验、风洞试验、地面试验、飞行试验、航线试验等）也可以用来更新虚拟试验的相关条件。数字孪生并不能消除物理测量和测试，只是减少了数量和对此类信息的依赖。物理和虚拟信息相融合可以提供更鲁棒和更广泛的数据集，从而可以应用机器学习和数据科学方法进行决策。

在产品生命周期中需要做出的许多决策，传统上，这些决策都根据影响产品最终性能的因素凭经验做出。结果是，产品不确定性和外部影响因素进一步扩散，形成产品当前和未来性能的不确定性。数字孪生体应用在整个生命周期收集的信息可以更新和更好地构建实物的分析和决策过程。这些信息有很多形式，包括但不限于性能数据，几何数据、材料的微观结构和谱系信息、服务载荷谱、部件损坏和老化等。随着新型传感器技术的出现，这些数据/信息的数量和可信度将呈指数级增长。正在开发的状态、材料和结构健康监测和感知技术可以为单个产品或整个机队的维护、维修和大修决策提供信息。最后，通过获取整个产品生命周期的数据，并使其快速供设计师使用，基于从以前版本数据获得的知识，可以改进下一版本的特性、零件或子系统。

数字孪生应用和价值示例

表2.1 产品数字孪生应用（设计过程）

表2.2 产品数字孪生应用（制造过程）

表2.3 支持和服务的数字孪生应用（使用和维护）

 

表2.1-2.3并不是详尽列出，只是提供了代表性的数字孪生类型、应用和可预测价值的案例。例如数字孪生体也可用于培训应用（例如，将适当的FAA模拟系统与飞机数字孪生体连接，用以预测在不同操作场景下的飞行性能）。其他潜在的数字孪生应用包括可靠性、可用性、可维护性、安全预测，事故重建和库存预测及评估。所有的数字孪生潜在应用都待将来进一步开发。