《Journal of Industrial Information Integration》：An integrated digital twin framework for process industries: From data acquisition to industrial service validation
编辑推荐：
摘要数字孪生技术已成为现代工业智能化转型的重要手段。通过整合通信、仿真、物联网和人工智能等技术，数字孪生能够为各工业领域的监测、预测、优化和决策提供支持。流程工业以连续的生产流程和复杂的物理化学反应为特点，其中的质量控制、反应监控和工艺优化等核心场景具有应用数字孪生的巨大潜力。然
摘要
数字孪生技术已成为现代工业智能化转型的重要手段。通过整合通信、仿真、物联网和人工智能等技术，数字孪生能够为各工业领域的监测、预测、优化和决策提供支持。流程工业以连续的生产流程和复杂的物理化学反应为特点，其中的质量控制、反应监控和工艺优化等核心场景具有应用数字孪生的巨大潜力。然而，大规模的工业应用仍面临诸多挑战。现有的工业数字孪生研究较为零散，针对流程工业需求的综合框架也相当有限。为解决这些问题，本文提出了五层数字孪生框架，该框架将数据采集与治理、高精度建模、信息物理人交互、工业服务应用以及模型评估整合为一个有机整体，用于流程工业中的数字孪生应用。本文对现有的数字孪生相关研究进行了系统梳理，并总结了各类支撑技术。在此基础上，根据流程工业的特点和实施需求，对相关的数字孪生功能进行了整理和完善。通过三个典型案例分析，验证了所提出的五层框架在具体工业场景中的实用性和解释价值。
引言
流程工业长期以来依赖硬件驱动的自动化系统。可编程逻辑控制器和监控与数据采集系统等传统技术显著提升了大规模生产的效率。但数据分散的问题阻碍了设备之间的协同工作。此外，这些系统也难以满足现代制造业对生产灵活性和复杂人机协作的需求[1]。与传统制造模式相比，流程工业在生产过程中需要动态协调、毫秒级的实时响应以及对复杂物理化学参数的精准监测[2]。为此，将物理设备和操作逻辑映射到虚拟空间成为一项重要的技术路径。通过构建与实体实时同步的高精度模型，数字孪生能够呈现设备的运行状态、行为特征以及物理化学指标。借助实时数据分析，数字孪生不仅能实现预测性维护和工艺优化，还能为复杂的流程工业系统提供成本效益高的仿真环境[3]。
数字孪生这一概念最早由迈克尔·格里夫斯在题为“产品生命周期管理的理想概念”的演讲中提出。最初的数字孪生架构包含三个核心组成部分：物理空间、虚拟空间以及二者之间的交互[4]。近年来，人工智能、区块链、大数据、物联网、虚拟现实/增强现实以及移动通信技术等支撑技术发展迅速。这些技术的融合加速了数字孪生技术的发展与应用。数字孪生已广泛应用于多个领域。在离散制造领域，它能够覆盖产品生命周期的各个阶段，从研发到组装和质量控制，从而通过高精度建模提升生产灵活性[11]。在智慧城市中，数字孪生将地理信息系统与实时传感器网络相结合[13]，为基础设施监测、交通流量模拟和灾害预警提供决策支持[14]。此外，数字孪生还被应用于个性化医疗、自动驾驶以及农业和食品生产领域的可持续性监测中[15][16][17][18]。这些多样化的应用体现了数字孪生作为管理复杂系统重要工具的日益重要作用，同时也为流程制造业中集成框架的开发提供了有力的技术支持和设计思路。
流程工业以连续运转和复杂机制为特点，数字孪生的重要价值之一在于构建数字镜像。这种镜像并非简单的几何形态呈现，而是一种动态的信息处理工具，能够将双向反馈、多机制推理和实时可视化整合在一个统一的框架中[19]。数字孪生使工程师能够在成本效益高的虚拟测试环境中，对复杂的生化反应、材料配方和工艺流程进行基于仿真的优化。为此，流程制造业的数字孪生架构应具备三项关键特性。除了几何精度之外，数字孪生还需要能够表征反应机制，从而为制造过程建立精确的数字模型。同时，虚拟模型还需随着资产老化、催化剂失效以及运行状况的变化而动态调整，以确保在漫长的、变化多端的工艺周期中始终保持实时同步。最终，数字孪生的功能重点应从被动监测转向主动干预，从而使复杂的工业系统实现从“经验驱动”向“智能优化”的转变[20]。
近期的研究（2019–2025年）主要围绕两个主题展开：以数字孪生驱动的工业服务，以及数据采集、建模和虚实交互领域中支撑技术的应用。尽管这些研究提供了宝贵的工具和案例参考，但目前关于工业数字孪生的研究仍然相对零散，不同层级之间的相互作用和演进关系尚未得到充分阐明。此外，许多现有的数字孪生框架主要是为离散制造领域（如机器人技术、航空航天和汽车组装）开发的，并非针对流程工业设计[21]。流程工业具有连续的生产流程、复杂的物理化学反应、工艺变量之间的强耦合性，以及对安全和质量的高要求，这些特点对数据质量、模型精度、虚实同步速度以及持续模型评估都提出了更高的标准。为满足这些需求，本文提出了面向流程工业的五层数字孪生框架。该框架并非提出全新的数字孪生概念，而是通过对现有相关研究的整合，将相关的数字孪生功能划分为五个维度：数据采集与治理、高精度建模、信息物理人交互、工业服务应用以及模型评估。通过明确各层的作用及其相互关系，该框架为分析和发展流程工业中的数字孪生应用提供了结构化的参考。
本文的其余部分结构如下：第2节详细介绍了文献综述的方法，包括数据库选择策略、文献筛选标准以及文献分类方法。第3节深入介绍了数字孪生技术，回顾了其在工业领域的演变历程和科学定义。第4节按照所提出的框架，从数据到评估等方面，梳理了相关的支撑技术和最新进展。第5节通过典型应用案例分析了数字孪生在流程工业中的技术实现路径。第6节总结了当前数字孪生面临的主要挑战，并探讨了未来的研究方向。最后，第7节对全文进行总结。本文的结构如图1所示。
章节要点
方法论
工业数字孪生被视为工业系统中一种以应用为导向的数字孪生形式[22]，它通过整合工业资产、生产数据、控制系统和工艺模型，为工业运营中的监测、预测、优化和决策提供支持。本综述重点关注流程工业中的数字孪生应用。由于针对流程工业的专项研究相对较少，相关内容主要借鉴了更广泛的
工业数字孪生的发展与现状
本章旨在系统介绍数字孪生技术，首先阐述其发展历程和目前的概念模型，随后重点介绍其在工业领域的应用，详细说明分层映射标准及核心支撑技术，最后强调数字孪生在现代生产中的战略意义，尤其是其在流程工业中的变革价值。
面向流程工业的五层数字孪生框架
本章提出了五层数字孪生框架。如图4所示，该框架由五个核心模块组成：数据采集与治理、高精度建模、信息物理人交互、工业服务应用以及模型评估。
在该框架中，这五层并非独立的模块，而是通过闭环调度逻辑相互关联。数据流始于物理过程和工业环境，设计数据、传感器数据、配方信息等
典型案例分析
如图8所示，工业数字孪生通常可分为三个层次：单元级、生产线级和系统级。为进一步分析数字孪生在流程工业中的实际应用情况，本节利用所提出的五层框架，对比了单元级、生产线级和系统级三个典型案例。在现有的工业数字孪生应用中，本研究提出的五层结构并不总能在单个案例中完整体现，因此该框架
讨论与未来发展方向
尽管五层数字孪生框架为流程工业提供了结构化的参考框架，但在复杂的工业场景中仍面临诸多挑战。本节探讨了可能影响数字孪生在流程工业中发展和应用的关键问题，并指出了相应的未来研究方向。
结论
数字孪生已发展成为推动工业智能化转型的重要技术手段。通过系统梳理数字孪生的发展历程和当前现状，分析其在工业应用中的瓶颈问题以及未来的研究方向，可以发现，数字孪生的价值在于能够整合通信、仿真、物联网、人工智能以及数据驱动技术，为工业领域的监测、预测、优化和决策提供有力支持。
在
CRediT作者贡献说明
赵振宇：写作——审阅与编辑，写作——初稿撰写，研究工作。梅继鹏：写作——审阅与编辑，写作——初稿撰写。李海生：写作——审阅与编辑，指导监督，资金获取，概念构思。滕晓强：写作——审阅与编辑，研究工作。杜俊平：写作——审阅与编辑，形式分析。
利益冲突声明
作者声明不存在任何可能影响本文研究成果的已知利益冲突或个人关系。
致谢
本研究得到了国家自然科学基金（项目编号U25A20446、62277001、62302052）以及北京市自然科学基金（项目编号L233026）的资助。
Zhenyu Zhao|Jipeng Mei|Haisheng Li|Xiaoqiang Teng|Junping Du
