《Proceedings of the Design Society》：Potentials and challenges of the digital twin for product development: a systematic literature review
编辑推荐：
构建和维护数字孪生需要大量的技术和资金投入。因此，其经济可行性取决于在整个产品生命周期中创造价值，以平衡初始成本。为此，研究人员采用系统性文献综述方法，考察了数字孪生在整个产品生命周期中的应用所产生的潜力和挑战，及其对产品开发的好处。识别出的因素被聚类并映射到
构建和维护数字孪生需要大量的技术和资金投入。因此，其经济可行性取决于在整个产品生命周期中创造价值，以平衡初始成本。为此，研究人员采用系统性文献综述方法，考察了数字孪生在整个产品生命周期中的应用所产生的潜力和挑战，及其对产品开发的好处。识别出的因素被聚类并映射到关键组件，突出了数字孪生各个组件的优缺点。
《Proceedings of the Design Society》发表的这篇论文针对数字孪生（Digital Twin, DT）在产品开发中的应用展开了深入研究。研究背景方面，持续的数字化转型深刻塑造了DT及相关数字概念的开发与使用。这些技术最初设计用于产品和过程的虚拟表示，能够实现物理世界与数字世界之间的有价值的交互，从而为产品开发释放了新的潜力。数字技术支持通过仿真测试不同场景，这不仅降低了成本，还缩短了开发时间并提高了产品质量。然而，这些好处伴随着巨大的开发工作量，构建和维护DT需要大量的资源和财务投资。为了确保DT的经济可行性，必须在其整个产品生命周期中最大化其价值，以抵消初始开发成本。因此，每个生命周期阶段都应在产品生命周期的整体背景下看待。由于产品开发是与DT相关的新兴生命周期阶段之一，这引出了本文的核心研究问题：在产品生命周期中使用DT会对产品开发产生哪些潜力和挑战？值得注意的是，DT的概念由Michael Grieves于2002年提出，并于2012年由NASA首次正式命名，此后出现了众多发展和解释，导致目前缺乏普遍接受的定义。本研究采用了Stark提出的定义，该定义认为DT与数字模型（Digital Model）有显著区别，但不要求双向连接。根据该定义，DT由数字主模型（Digital Master）、数字影子（Digital Shadow）以及它们之间的连接组成。数字影子提供了足够的表示来描述实体的状态，其基于从现场产品中收集的运行和使用数据；而数字主模型则包含描述产品的数字模型，如CAD数据或仿真模型。当数字影子的数据被纳入数字主模型的模型中时，便产生了两个组件之间的有意义链接。与其他解释不同，Stark的定义要求存在一个活跃产品作为DT的基础，而其他定义已经将具有成为产品意图的数字对象视为DT。这种区别使得DT在其各个组件中被置于整个产品生命周期中考量。为了回答研究问题，研究人员开展了一项系统性文献综述（Systematic Literature Review, SLR）。最终，研究人员得出以下结论：DT在产品开发中的核心价值目前被视为基于模型和数据的决策支持，特别是通过建立统一和结构化的数据基础来实现明智的决策。同时，数据质量和数据管理成为最关键的挑战，其中不足或不一致的数据质量是根本限制。这种紧密的依赖关系凸显了数据驱动决策支持的价值本质上受限于底层数据的可靠性和一致性。通过对识别出的潜力和挑战进行分类和映射，这项工作提供了当前研究状态的结构化概述，并突出了DT组件的关键优势和劣势。这一观点有助于更有针对性地解决已识别的挑战，进而更有效地利用DT在产品开发中的潜力。该研究具有重要意义，因为它明确了DT各组件的优势和弱点，为未来研究和实践提供了方向。
在研究方法上，研究人员遵循Kitchenham和Charter kit提出的SLR方法，分为规划、实施和报告三个阶段。首先使用PICOC方法制定研究问题，并迭代优化检索字符串，最终确定为（“digital twin” OR “digital model” OR “digital shadow” OR “digital master” OR “virtual twin”）AND（“product develop” OR “product design”）AND（“lifecycle” OR “life cycle” OR “PLC” OR “life-cycle”）。选择Scopus和Web of Science两个文献数据库，仅考虑2014年后发表的英文同行评审文章。经过去重后获得175篇论文，随后通过标题筛选、摘要筛选和全文筛选，最终纳入30篇文章。数据提取涵盖形式和内容方面，内容提取聚焦于识别作者使用的数字概念以及DT在产品开发中的挑战和潜在好处，捕获显式和隐式论点。随后进行归类，类别从数据中涌现而非预先定义，并将研究分配到子类别。最后，创建的主类别根据组件的能力分别映射到Stark定义的DT组件。
研究结果部分分为四个小节。3.1节数字概念参考，分析了综述文章中提到的数字概念，发现数字影子或数字主模型等术语很少被明确使用，但许多研究描述了与Stark定义的元素非常相似的概念，只是使用了不同的术语。此外，信息物理系统（Cyber-Physical Systems, CPS）和基于模型的系统工程（Model-Based Systems Engineering, MBSE）等技术偶尔作为构建DT的方法论或技术基础出现。3.2节潜力，提取的潜力分为四个主要类别（P1-P4）及子类。基于模型和数据驱动的决策支持与验证（P1）是最突出的主类别，其中为知情决策的统一结构化数据库（P1-1）出现频率最高，DT被描述为收集和整理跨生命周期大量数据的中心存储库，可防止数据丢失并通过人工智能（Artificial Intelligence, AI）或机器学习（Machine Learning, ML）分析模型增强决策支持。另一个高频子类是高效仿真与模型验证（P1-2），通过集成生命周期数据提高开发效率和验证准确性。从真实产品数据中获得的知识（P2）是第二大类别，其中从真实使用环境推导开发相关方面（P2-1）最为常见，历史使用数据可用于改进未来产品世代。改进的协作与透明度（P3）和虚拟产品开发效率提升（P4）也被提及。3.3节挑战，识别的挑战分为五个主要类别（C1-C5）。数据质量与数据管理（C1）是迄今为止最常被提及的挑战组，其中不足或不一致的数据质量（C1-1）是最常引用的单一挑战，传感器定位或测量错误导致的不准确数据直接影响DT可靠性。技术复杂性与系统限制（C2）包括缺失或不可靠的接口（C2-1），阻碍信息集成。经济与操作障碍（C3）涉及成本效益评估的不确定性（C3-1），缺乏确定模型保真度的合适框架。数据安全与风险（C4）以及缺乏方法论基础（C5），尤其是缺乏跨生命周期数据使用的标准化概念（C5-1），也是重要挑战。3.4节类别到数字孪生的分配，将潜力和挑战映射到DT组件，并强调它们之间的相互关系。数字主模型实现P1和P4，但面临C2、C1和C5的挑战；数字影子对P1和P2至关重要，但受限于C1、C2、C4和C5；两者间的接口是实现组合潜力的关键，但汇聚了C2-1、C1-2和C5-2等挑战。经济和操作挑战（C3）以及改进的协作与透明度（P3）与整个DT相关，未分配到单个组件。
讨论部分指出，最常提到的优势（特别是P1-1和P2）主要与数字影子相关，同样最常提到的挑战（C1）也是如此。因此，研究工作应特别关注数据管理和提高数据质量的方法，以充分释放数字影子的潜力。同时，数字主模型的价值也受益于改善的数据质量和数据管理。虽然基于理想化边界条件和人工数据的仿真模型确实有价值，但只有结合历史现场数据模拟真实运行条件时才能达到全部潜力。这种潜力（P1-5）很少被提及，表明数字主模型与数字影子之间的交互在产品开发中仍未得到充分利用。为了增强历史现场数据在仿真中的使用，重点关注促进这些交互的接口（C2-1）至关重要。结果建议优先发展数字影子组件，尤其是其与数字主模型的接口，以最大化DT的整体潜力。尽管本研究有助于更好地理解DT组件的各种潜力和挑战，但仍存在局限性，如从隐式和显式内容中提取带来的主观性，以及类别形成中的主观解释可能影响结果。
结论部分翻译如下：本研究通过SLR考察了DT在产品开发背景下的潜力和挑战。使用检索字符串检索的文献通过形式标准过滤并评估与研究问题的相关性，最终样本包含30篇出版物。识别出的潜力和挑战被聚类，各篇文章被分配到相应类别。此外，识别出的潜力和挑战被映射到DT的关键组件，并建立了它们之间的相互关系。研究结果表明，DT在产品开发中的核心价值目前被视为基于模型和数据的决策支持，特别是通过建立统一和结构化的数据基础来实现明智的决策。同时，数据质量和数据管理成为最关键的挑战，其中不足或不一致的数据质量是根本限制。这种紧密的依赖关系凸显了数据驱动决策支持的价值本质上受限于底层数据的可靠性和一致性。通过对识别出的潜力和挑战进行分类和映射，本工作提供了当前研究状态的结构化概述，并突出了DT组件的关键优势和劣势。这一视角有助于更有针对性地解决已识别的挑战，进而更有效地利用DT在产品开发中的潜力。在未来的工作中，需要进一步审视各个子类别及其内容，以更清楚地了解原因和可能的解决方案。例如，不足或不一致的数据质量可能有不同的原因，需要量身定制的方法来应对。用合适的解决方案应对每个挑战应能提高DT的适用性，最终带来更高的价值。此外，应开发方法来加强产品开发阶段中数字主模型与数字影子之间的联系，从而实现数字影子信息到后续产品世代开发中的结构化集成。
