【案例】基于数智融合孪生技术的智能制造应用探索

微信扫码，打开到小程序

邮电设计技术/2025/05 —————————— 收稿日期：2025-04-16 1 概述 当前，随着中国数字经济的飞速发展，产业数字 化进程的加快，数字技术对工业、服务业的渗透率不 断提高，对 5G、工业互联网、大数据中心、人工智能等 数字基础设施的需求日益增长。以 DeepSeek、Sora 等 为代表的 AI 大模型的蓬勃发展，前沿技术的快速演 进，在不断推动 AI 赋能万物数字化转型的同时，也对 当前的产业数字化、数字产业化发展提出了新的挑 战。 随着全球经济以及中国经济陆续迈入一个全新 历史时期，不确定性将成为这个新阶段的主旋律。我 国作为全球工业生产制造的领头羊，必须推进工业生 产制造转型升级，加速淘汰落后产能，基于数智融合 先进技术的智能制造能力建设已成为产业数字化转 型和推动产业高质量发展的必由之路。在全球数字 化快速发展的当下，智能制造不仅关乎企业未来的生 存，更成为推动我国经济发展的重要引擎。智能制造 将带来更高效、更灵活和更智能的生产制造方式，同 时也会促进企业技术创新和可持续发展，引领产业高 关键词： 数字经济；人工智能；数智融合孪生；产业数字化； 新质生产力 doi：10.12045/j.issn.1007-3043.2025.05.001 文章编号：1007-3043（2025）05-0001-06 中图分类号：TN919.2 文献标识码：A 开放科学（资源服务）标识码（OSID）： 摘 要： 数字经济的迅猛发展，带动了产业数字化和数字基础设施建设的快速推进，人 工智能、数字孪生等先进创新融合技术，已成为产业数字化转型升级的关键驱 动力。分析了数智融合孪生技术的产生背景，并围绕其赋能下一代智能制造工 厂建设展开探讨。产业实验说明，数智融合孪生技术对提高生产效率、优化成 本、提升竞争力及应对风险作用显著，作为智能制造核心支撑，正加速产业智能 化，助推新质生产力发展。 Abstract： The rapid development of the digital economy has led to the rapid advancement of industrial digitalization and digital infrastructure construction，and the development of advanced innovative integration technologies based on artificial intelligence and digital twins has become a key driving force for industrial digital transformation and upgrading. It analyzes the generation background of digital-intelligence twin fusion technology and and explores its empowerment for the construction of next-generation intelligent manufacturing factories. Industrial experiments show that the twin technology of digital intelligence integration plays a significant role in improving production efficiency，optimizing costs，enhancing competitiveness and coping with risks. As the core support of intelligent manufacturing，it is accelerating industrial intelligence and boosting the development of new quality productivity. Keywords： Digital economy；Artificial intelligence；Data intelligence fusion twin；Industrial digitization；New quality productivity 基于数智融 合孪生技术的智能制造应用探索 Application Exploration of Intelligent Manufacturing Based on Data Intelligence Fusion Twin Technology 刘 岩，赵 洋，张旅阳，路 稳（中国科学院信息工程研究所，北京 100085） Liu Yan，Zhao Yang，Zhang Lüyang，Lu Wen（Institute of Information Engineering，Chinese Academy of Sciences，Beijing 100085，Chi⁃ na） 刘 岩，赵 洋，张旅阳，路 稳 基于数智融合孪生技术的智能制造应用探索 本期专题 Monthly Topic 引用格式：刘岩，赵洋，张旅阳，等. 基于数智融合孪生技术的智能制造应用探索［J］. 邮电设计技术，2025（5）：1-6. 01 2025/05/DTPT 质量蓬勃发展。 2 数智融合孪生技术的产生背景 低成本曾是我国工业相关企业的重要竞争优势， 但如今，受社会需求、全球商贸环境以及全球政治格 局的影响，我国相关制造业企业正在大力推动企业创 新以及智能产品设计，加大研发投入。如表 1所示，中 国研发经费投入逐年增长，在 GDP 中的比重逐年增 加。从 2012 年到 2024 年，我国研发经费总量翻了 3 倍，突破 3.6 万亿元，位居世界第 2。我国已经不再满 足于“加工式”的创新，致力于摆脱对海外核心技术的 依赖，拥有世界首屈一指的创新力量。中国企业需要 在充分利用自身优势的同时，积极拥抱数字化转型的 趋势，将数字技术整合到业务各个领域，改变研发流 程，从而实现研发数字化，大力提升技术研发水平，为 企业持续发展提供动力。 2.1 数字孪生技术 数字孪生（Digital Twin）是指某一物理对象、系统 或过程的数字化虚拟模型，它与物理实体同步交互， 用于模拟、集成、测试、监控和维护等目的。它由物理 实体、数字映射模型以及两者之间的数据通信通道 （即“数字线索”）构成。数字孪生能够虚拟构建产品 数字化模型，并对该数字化模型进行仿真测试和验 证；在生产制造过程中，它能模拟设备运转，实时模拟 参数调整带来的变化，极大地降低物理原型制作的成 本和时间，有效实现设计过程中的降本增效。该技术 随着工业物联网和智能制造的兴起，在 21 世纪 10 年 代迅速发展，被广泛应用于产品全生命周期管理和工 业过程优化 ［1］。 当前，中国已成为全球数字孪生研究与应用最活 跃的地区之一。根据艾瑞咨询数据，2020 年至 2025 年，中国数字孪生市场规模逐年增长，持续保持高增 长率。2022 年中国数字孪生市场规模突破百亿，预计 到 2025 年将达到 375 亿元，年均复合增长率达 54.3% （见图 1）。从政策层面看， “十四五”期间国家先后发 布多项鼓励数字孪生发展的战略性文件，覆盖工业制 造、城市管理、水安全、碳中和等重点领域，这些文件 提供了清晰的技术导向和落地场景。此外，伴随工业 互联网与数字经济的深入推进，数字孪生被视为实现 产业智能化与数字化升级的核心工具和底座平台。 2.2 人工智能技术 人工智能（AI）作为以机器学习和深度学习为代 表的第 4 次工业革命的产物，具备从大量数据中学习 规律，并执行感知识别、预测决策等智能行为的能力。 在工业生产领域，AI技术具备广泛的应用基础。 在产品设计阶段，引入数字孪生技术构建产品和 生产流程的虚拟仿真模型，并通过 AI 技术模拟不同 图1 2020—2025年中国数字孪生市场规模 350 300 250 200 150 100 50 400 中国数字孪生市场规模/亿元 0 2020 2021 2022 2023e 2024e 2025e 100 80 60 40 20 0 120 同比增长率/% 同比增长率/% 102.7 38 35.0 77 104 60.9 167 51.2 253 48.2 375 表1 中国研发经费投入增长情况 年份 2012 2019 2020 2021 2022 2023 2024 研发经费投入/亿元 10 298.4 22 143.6 24 393.1 28 000.0 30 870.0 33 357.1 36 130.0 增长率/% 18.55 12.53 10.16 14.79 10.25 8.06 8.31 投入强度（经费/GDP）/% 1.83 2.23 2.40 2.44 2.50 2.65 2.68 刘 岩，赵 洋，张旅阳，路 稳 基于数智融合孪生技术的智能制造应用探索 本期专题 Monthly Topic 02 邮电设计技术/2025/05 设计方案在真实环境中的性能和生命周期 ［2］；对于庞 杂的企业内部知识，可将 AI大模型用于构建企业技术 知识库，通过检索增强生成（RAG）等方案，将企业积 累的技术规范、专利文档、设计图纸等接入大模型，进 而实现对研发资料的智能检索和问答 ［3］。此外，可利 用云端计算资源创建虚拟原型并进行仿真测试，以评 估设计方案的可行性和性能，降低物理原型制作的成 本和时间投入，有效实现设计过程中降本增效的目 标 ［4］。 2.3 融合人工智能的数字孪生技术 随着科技的进步，早期侧重于利用模拟模型和简 单规则进行离线分析的融合技术已不能满足工业制 造的智能化需求，实时数据驱动的智能闭环控制已成 为智能制造业发展的标准架构 ［5］。数据是 AI 算法的 核心要素，优质的数据是推动人工智能在工业界应用 的必要条件，而数字孪生与人工智能的创新交叉融合 已成为推动产业数字化、智能化的重要路径。在产业 数字化发展进程中，需实现数据驱动的智能应用创 新。 数智融合孪生技术面向真实业务场景，提供先行 先试的实验环境。该技术基于“实物孪生-数字孪生- 机理孪生-孪生推演”的逻辑路径，遵循“孪生-拟生- 派生-演生-新生”的路径层级，基于作业流程实现数 字技术与智能技术的融合应用，构建基于真实业务场 景下的数智融合孪生环境 ［6］。 2.4 数智融合孪生技术特点 数智融合孪生技术具有如下特点。 a）虚实融合（实时映射）。通过高精度模型和高 速通信，实现物理世界和数字世界的实时同步映射与 交互，打通数据链路，形成“镜像”关系。这使企业能 够在数字空间中直观监视和操控物理资产，真正做到 对生产现场的全局可视、可控、可测 ［7］。 b）智能决策。利用 AI 实时监控复杂系统的运行 状态，提前识别潜在风险，辅助或自动完成决策。充 分挖掘物理运行过程产生的数据，并结合 AI的模式识 别和推理能力，实现对运行状况的智慧解析，为优化 决策提供支持。利用智能化决策牵引优化作业流程， 显著提高业务运行的安全性和可靠性 ［8］。 c）预测性管理。通过对历史数据和实时数据进 行机器学习，数字孪生模型可以提前预测未来趋势和 潜在问题，实现预测性维护和主动干预。例如某企业 在数字化质量系统中引入 AI forecasting 预测技术，对 质量数据进行实时分析判断，一旦发现某工序的参数 或检测值出现偏离正常趋势的情况，系统会提前预 警，指导调整工艺以消除隐患 ［9］。 d）仿真优化。数字孪生允许对各种方案进行模 拟测试和优化，从而以较低成本进行研发与测试。企 业可以在虚拟模型上尝试不同的参数配置或流程调 整，观察其对产出、质量以及能耗等数据的影响，从而 选择最佳方案。例如，某企业通过部署制造执行系统 （MES）来实时监控与调度生产，并引入数字孪生等技 术对产线进行仿真优化，不断提升产能和产品良 率 ［10］。 数智融合孪生技术作为第 4次工业革命的创新产 物，通过数字技术与智能技术的融合，赋予了工业系 统前所未有的洞察力和灵活性，能够有效推动生产效 率提升、实现降本增效，已成为产业转型与升级的重 要驱动力，为产业数字化转型提供了核心支撑。 3 数智融合孪生技术在制造场景中的深度应用 随着新一轮科技革命和产业变革的深入推进，数 据作为关键生产要素的价值日益凸显，获取和处理海 量数据的需求愈发迫切，这也极大地促进了数智融合 先进技术的快速发展和产业深度应用。在底层数智 融合技术的支持下，业务数据的流动性、可用性逐步 提升，以数智慧融合技术驱动的数据处理和分析能够 为产业发展提供指引，突破了产业传统的生产协作模 式，帮助企业寻求新的盈利增长点 ［11］。另一方面，数 据的不断积累和应用，为人工智能大模型的训练和应 用提供了丰富的数据资源，进一步推动了数智融合技 术在实际产业中的深度应用。基于数智融合孪生技 术在灯塔工厂建设中的数字化用例如图 2 所示，本文 将针对图 2 所示用例，详细阐述数智融合孪生技术在 制造场景中的应用及价值。 3.1 基于数智融合孪生技术的预生产试验环境系统 排产、调度以及维护是生产制造环节中的 3 个重 要环节，对工厂的产出效率起着决定性作用。智能生 产制造环节已成为先进制造业的必要组成部分 ［12］。 当前，生产制造产业数字化程度普遍比较低下，生产 数据流转分析时效性差，生产效率提升面临瓶颈，难 以满足业务快速发展和产业升级的需求。 为了解决当前产业发展面临的问题，基于数智融 合孪生技术制定的预生产试验环境产品解决方案，通 过 100% 复刻真实产线构建预生产试验环境。在该试 刘 岩，赵 洋，张旅阳，路 稳 基于数智融合孪生技术的智能制造应用探索 本期专题 Monthly Topic 03 2025/05/DTPT 验环境中，构建了单向数据交互机制，产线所有生产 数据和设备运行数据会按照设计原则流入预生产试 验环境，进而实现整体运行状态的自动获取。通过数 据处理和异常识别技术，对产线运行情况进行实时监 控和告警；另一方面，单向数据交互机制可确保不会 让影响产线稳定运行的干扰数据流入产线，从而实现 整体设备的稳定运行和生产效率的提升，兼顾了生产 效率提升与安全保障。预生产试验环境产品方案的 数据作业流程如图 3 所示。通常使用设备综合效率 （OEE）、生产线平衡率（LOB）、时间稼动率和性能稼动 率来评价产线总体运行效率。 a）设备综合运行效率（OEE）：OEE是一种衡量生 产设备实际效率的指标。它通过 3 个核心维度（可用 性、性能和质量）来评估设备在运行中的损失。 b）生产线平衡率（LOB）：作为评估生产线平衡状 况的关键指标，LOB 旨在确保各生产工序所需时间的 均衡性，从而减少工序间的等待时间浪费，提高生产 效率。 表2 应用预生产试验环境系统单一车间产线OEE收益对比 （测试周期为12个月） 指标 设备综合运营效率提升/% 单线人力下降/人 单线日产能提升/个 10条线单车间年度收益/万元 应用前 91.15 50 5 735 535 应用后 93 49.8 6 508.33 改善幅度 1.85 0.2 773.33 c）时间稼动率：时间稼动率是指设备在计划运行 时间内实际处于运行状态的时间所占的比例。它主 要关注的是设备的可用性和利用率，即设备是否处于 运行状态以及运行了多长时间。 时间稼动率 = 实际运行时间 / 计划运行时间 × 100% d）性能稼动率。性能稼动率是指设备在实际运 行过程中，其性能达到或接近设计标准（或预期水平） 的时间所占的比例。它用于衡量设备运行时的效率 和质量，即设备是否是高效且稳定地工作。 性能稼动率 =（总生产量 / 理论最大生产量）× 100%（或在特定时间段内，设备实际输出与理论最大 输出的比值） 3.2 预生产试验环境系统对生产效率提升的影响评估 经过真实产线验证，配备预生产试验环境的产线 设备运行效率较未配备预生产试验环境的产线设备 运行效率提升了 1.85%。按照单一车间 10 条产线的 规模计算，应用预生产试验环境后，该车间总体收益 为 535万元。应用预生产试验环境系统前后产线基于 OEE提升收益数据对比如表2所示。 此外，通过接入预生产试验环境，还可以自动获 图2 数智融合孪生技术在智能制造中的应用场景示例 ③人力资源效率提升 ④智能动态安全管理能力提升 ②生产线平衡率LOB提升 ①设备综合运行效率OEE提升 刘 岩，赵 洋，张旅阳，路 稳 基于数智融合孪生技术的智能制造应用探索 本期专题 Monthly Topic 图3 预生产试验环境系统数据作业流程 ①异常解决确认 ②异常复盘 数据定义 数据统计 数据处理 异常识别 闭环处置 推送解决 ①计算逻辑与定义 ②异常分类 ①现场数据采集 ②数据存储格式转换 ①时间稼动率 ②性能稼动率 ③直通率 ④指标展示 ①时间稼动差异识别 ②性能稼动差异识别 ③直通率差异识别 ①异常差异推送 ②异常根因分析 04 邮电设计技术/2025/05 取并计算生产节拍，减少人工操作介入点，实现生产 节拍的实时统计以及问题的自动改善与纠偏，从而保 障产线运行的稳定性，有效提升产能。叠加 LOB 与 OEE 数字化用例后，产线各项指标均有明显提升。应 用预生产试验环境系统前后产线 OEE 叠加 LOB 提升 收益数据对比情况如表3所示。 3.3 预生产试验环境系统对人力资源效率提升的影响 评估 传统劳动密集型的生产制造模式，在数智技术快 速发展的当下，面临巨大的挑战，存在根本性重构的 迫切需求。新型技术赋能的业务系统和工业自动化 机器人的出现，正在改写依靠人力堆积实现快速发展 的业务逻辑。为了逐步提升产线自动化水平和人力 资源效率，解决人力需求与实际需求脱节、人岗不配 备等核心问题，将人力资源投入到重要的生产环节， 亟待建立一套人力透明度评价体系，实现自动化产线 排班，并与生产计划更新实时联动，从而精准进行资 源计划调度，防止人力与实际生产脱节，最大化提升 资源利用率和产出效率 ［13］。基于预生产试验环境系 统打造的人力资源透明度管理数字化用例作业流程 如图4所示。 从图 4 可以看到，通过系统的应用和作业流程优 化，可以有效实现生产计划和人力资源的有效匹配， 通过对岗位和人员技能的精准记录，可以建立一套先 图4 智能化人力资源透明度管理用例作业流程 ①建立人力优化项目 ②重新配置资源标准 标准人力配置计算 ①总计划人力需求表 ①总排产计划设计 ②制定车间排产计划 排产计划 人力需求 人力现状 人员配置 人员增