工業(yè)企業(yè)的數字化轉型，需要面臨制造理念、組織方式和商業(yè)模式的多種變革。一個產品，從設計理念開始，經歷了制造、使用和報廢，跨越了時空，呈現(xiàn)出一個完整的生命周期。如果設想這種產品有一本履歷表，那么它將忠實地記錄了這個產品的各階段生命周期相關的數據。各種健康狀況和風險，都會一目了然，然而事實卻并非如此。對于制造商而言，各階段的數據通常呈現(xiàn)孤立、分散的特征，尤其是用戶對于產品使用過程中，基本就是黑匣子。數據的分裂，讓產品的各個階段，都成為一座座孤島而互不相連，數據失去了流動性，大大約束了人們的洞察力。
 
數字孿生，作為連接實體與數字空間的一種高保真、實時互動的可視化模型，隨著工業(yè)互聯(lián)網的發(fā)展，成為一種全新而有效的解決方案。工廠的設備，可以通過實時可視化的數字孿生，模擬機器在生產系統(tǒng)中的表現(xiàn)，通過虛實交互、數物融合和知識自動化，形成一線操作者和管理者的決策支撐系統(tǒng)，提供更加實時、高效、智能的服務。
 
數字孿生研究背景
 
企業(yè)數字化轉型，圍繞著數據驅動而來。而數據要真正產生的價值，需要靠企業(yè)知識體系來提供。因此，數字化轉型，首先需要面對的是企業(yè)知識的梳理。但是傳統(tǒng)的知識體系，往往呈現(xiàn)非常僵化的狀態(tài)。例如，工程圖檔往往是企業(yè)的重要知識資產，但很多制造企業(yè)都是采用傳統(tǒng)的圖紙檔案管理方式，以“底圖”或“藍圖”的形式，進行分類、分密級歸檔保存。而代表企業(yè)重要的知識體系，如工藝說明、操作手冊、工程文件等，已經隨著企業(yè)信息化應用的逐步發(fā)展，一般都是通過掃描后進行管理。

 
然而這些圖紙、電子文檔所保存的知識，都是靜態(tài)、分散和割裂的。顆粒度太大，缺乏語義的連接，無法實現(xiàn)相互之間的關聯(lián)，流動性很差。這種知識體系，只是被收藏起來，但卻無法高效重復使用。對于資深工程師而言，這只是一種儲存方式而已，因為信息查找而言，仍然非常低效；而對于經驗不足的員工而言，這些知識則像是被隱藏起來。
 
面臨數字化轉型，由于缺乏系統(tǒng)性的知識體系支撐，因此工業(yè)企業(yè)呈現(xiàn)出如下的困境：
 
1）工業(yè)場景復雜，存在海量多源異構的工業(yè)數據，多樣性、復雜性的工業(yè)數據，造成工業(yè)場景信息孤島化，數據利用價值低。
 
2）工業(yè)場景中，存在顯性知識與隱性知識，各種結構化、半結構化和非結構化知識，知識關聯(lián)性弱。
 
3）人工智能（AI）正在逐漸成為大數據分析的重要技術，但是傳統(tǒng)AI訓練，過度依賴人工開發(fā)算法。它無法關聯(lián)自然語言所對應的概念、屬性、關聯(lián)性等。
 
4）隨著工業(yè)數字化普及，海量的CAD、CAE文件以及數字化的各類文檔、說明書、操作手冊等，信息量暴增，給用戶決策帶來新的痛點。
 
5）工業(yè)知識專業(yè)性強，且涉及技術領域廣。零散化的知識晦澀難懂，工業(yè)術語解釋專業(yè)性強，經驗知識傳播、傳承困難。
 
而通過知識圖譜，可以將各種概念，通過編碼連接的方式，形成語義連接，將隱形的知識顯性化；而數字孿生技術，則可以在傳統(tǒng)靜態(tài)模型中，增加了實時運行數據的反饋，動態(tài)記錄，并且用可視化的方式進行展現(xiàn)。這將徹底改變原有的知識管理方式，激活沉默的知識資產，從而幫助人們重新認識、管理和控制機器世界