数字孪生之旅，从工程仿真开启2002年，MichaelGrieves教授提出“与物理产品等价的虚拟数字化表达”模型，成为数字孪生（DigitalTwin）概念的前身。近年来，随着定制化、智能互联产品和服务模式越来越普及，数字孪生逐渐成为业界备受关注的热点，Gartner甚至连续三年将数字孪生列为十大新兴技术之一。通过建立物理产品的数字孪生，并基于产品使用过程中产生的数据形成闭环反馈和优化，“数字孪生”可以全面提升产品的全生命周期管理，打通研发、供应链、制造、营销等不同环节的数据，提升产品体验，降本增效。从实现过程看来，仿真是实现虚拟样机和监控/预测物理资产的决策依据，和数字孪生有着不可分割的关系，也是构成数字孪生不可或缺的技术。可以说，CAD/CAE等使能技术的发展，特别是仿真软件的普及为数字孪生的应用奠定了坚实基础。为进一步探究数字孪生与工程仿真之间的关联和内涵，e-works采访到AnsysCustomerExcellence总监PeymanDavoudabadi博士，Peyman分享了他对于数字孪生技术的见解与洞察。在Ansys工作的十余年里，Peyman领导Ansys数字孪生解决方案持续发展，并推动Ansys仿真技术与战略合作伙伴的技术结合。PeymanDavoudabadi博士，AnsysCustomerExcellence总监，负责北美地区仿真过程和数据管理（SPDM）、材料信息管理、过程集成和设计优化（PIDO）以及数字孪生平台团队和解决方案。平台团队帮助客户实现业务转型，是Ansys数字化转型解决方案的重点部署。Peyman已在Ansys任职超过13年。在担任当前职务之前，Peyman领导着Ansys在全球范围内的数字孪生解决方案，推动Ansys技术与GE、PTC、SAP、RockwellAutomation等战略合作伙伴的技术相结合。Peyman在芝加哥伊利诺伊大学获得机械工程博士学位，还拥有西北大学凯洛格商学院的MBA学位。在PeymanDavoudabadi博士接受e-works采访期间，JonathanKyle（Ansys数字孪生高级应用工程师）和TylerBruns（Ansys数字孪生首席应用工程师）对本文观点亦有贡献。从仿真视角认识数字孪生随着基于模型的定义MBD、产品数据管理PDM、模型轻量化技术、AR/VR等技术应用的日趋成熟，基于产品模型的数据表达越来越完善。这其中，采用仿真方法建立数字化模型的数字孪生——“基于仿真的数字孪生”，因其具有数据依赖性低、可深入洞察机理、模型扩展性好等优势，正成为数字孪生领域的应用热点。对于数字孪生的定义，PeymanDavoudabadi博士的解读与美国DAU大学给出的释义十分接近——由数字线程实现对既有系统的一种集成多物理场、多尺度的概率仿真，它使用最佳可用模型、传感器信息和输入数据来镜像和预测其相应物理孪生全生命周期内的活动/性能。（Anintegratedmultiphysics,multiscale,probabilisticsimulationofanas-builtsystem,enabledbyDigitalThread,thatusesthebestavailablemodels,sensorinformation,andinputdatatomirrorandpredictactivities/performanceoverthelifeofitscorrespondingphysicaltwin.）PeymanDavoudabadi博士认为，数字孪生模型是一个系统或子系统及其所有组成部分的多方面动态智能数字模型集，它们准确地描述了产品的设计、生产过程以及生产系统在运行中的性能。产品或过程的数字孪生可用于实时监控资产、实现预测性维护和优化运行中资产的性能，数字孪生还提供了可用在产品全生命周期中改进物理产品设计的数据。基于数字孪生技术，为企业资产和流程的高保真可视性带来了竞争优势，包括涌现新的商业模式、降低维护成本和运营成本以及更快的新产品上市时间等。从这个意义上来说，数字孪生战略不应该只是现有产品开发和部署流程的附属品。相反，它涉及在整个企业和产品全生命周期中注入仿真技术，包括概念设计、工程设计、制造、测试、服务、支持和客户运营等。数字孪生系统是基于模型的系统工程（MBSE）框架的自然延伸，因为它可以利用和重用仿真模型，将它们与来自资产的实时数据流连接起来，从而确定资产的当前配置和性能，在现场进行预测性分析和维护，并提供见解以改进未来的产品设计。传统上，工程仿真主要被用于新产品设计和虚拟测试，因此无需在产品发布前构建多个原型。随着工业物联网（IIoT）应用的普及，产品...
