劉曉冰，王姝婷，白朝陽(yáng)+

(1.大連理工大學(xué) 制造管理信息化技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室，遼寧 大連 116024； 2.大連理工大學(xué) 經(jīng)濟(jì)管理學(xué)院，遼寧 大連 116024)

0 引言

大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代信息技術(shù)的發(fā)展對(duì)制造業(yè)的數(shù)字化、網(wǎng)絡(luò)化、智能化進(jìn)程起到關(guān)鍵的推動(dòng)作用，隨著“工業(yè)互聯(lián)網(wǎng)”“工業(yè)4.0”“中國(guó)制造2025”等制造戰(zhàn)略的提出，以智能制造為主體的第四次工業(yè)革命已經(jīng)來(lái)臨。智能制造是制造業(yè)變革的潮流與趨勢(shì)，而數(shù)字孿生(digital twin)作為制造領(lǐng)域的前沿科學(xué)技術(shù)，已經(jīng)逐漸成為智能制造的關(guān)鍵使能技術(shù)。數(shù)字孿生指以數(shù)字化的方式構(gòu)建物理實(shí)體的虛擬模型，并對(duì)物理實(shí)體在現(xiàn)實(shí)環(huán)境中的行為進(jìn)行模擬，借助虛實(shí)交互反饋、數(shù)據(jù)融合分析、決策迭代優(yōu)化等手段擴(kuò)展物理實(shí)體的能力，為客戶提供更實(shí)時(shí)、更智能的服務(wù)。黨的十九大報(bào)告指出，要加快建設(shè)制造強(qiáng)國(guó)，推動(dòng)生產(chǎn)過(guò)程的智能化發(fā)展。在此背景下，數(shù)字孿生領(lǐng)域具有巨大的發(fā)展?jié)摿?，其定義、應(yīng)用范圍、研究熱點(diǎn)和演進(jìn)趨勢(shì)均是智能制造領(lǐng)域的研究熱點(diǎn)。

目前，已經(jīng)有部分學(xué)者采用文獻(xiàn)計(jì)量方法分析了數(shù)字孿生領(lǐng)域的研究進(jìn)展。管文玉等[1]對(duì)數(shù)字孿生領(lǐng)域的210篇文獻(xiàn)進(jìn)行分析，基于CiteSpace構(gòu)建了可視化知識(shí)圖譜，提出領(lǐng)域內(nèi)的趨勢(shì)及熱點(diǎn)；陳勇等[2]基于文獻(xiàn)計(jì)量的方法對(duì)486篇文獻(xiàn)的研究領(lǐng)域、期刊、關(guān)鍵詞等模塊進(jìn)行了詳細(xì)分析，探尋了數(shù)字孿生領(lǐng)域的應(yīng)用前景；郭洪飛等[3]擴(kuò)大檢索范圍，對(duì)Web of Science(WoS)和Google Scholar兩個(gè)數(shù)據(jù)庫(kù)中的文獻(xiàn)進(jìn)行檢索分析，提出未來(lái)數(shù)字孿生領(lǐng)域的研究應(yīng)聚焦于共享海量數(shù)據(jù)、統(tǒng)一建模標(biāo)準(zhǔn)、驅(qū)動(dòng)智能制造等方面。

數(shù)字孿生領(lǐng)域的理論探索與應(yīng)用推廣是一個(gè)長(zhǎng)期深化演進(jìn)的過(guò)程，現(xiàn)階段數(shù)字孿生正處于大發(fā)展時(shí)期，近兩年的文獻(xiàn)數(shù)量激增，亟需對(duì)現(xiàn)有研究成果進(jìn)行梳理，分析數(shù)字孿生領(lǐng)域的趨勢(shì)和發(fā)展脈絡(luò)，探尋領(lǐng)域內(nèi)的最新研究方向與熱點(diǎn)。因此，本文對(duì)數(shù)字孿生領(lǐng)域的研究成果進(jìn)行人工手動(dòng)清洗與梳理，同時(shí)采用科學(xué)計(jì)量理論中的算法與科學(xué)知識(shí)圖譜可視化軟件分析數(shù)字孿生領(lǐng)域的文獻(xiàn)總體發(fā)展趨勢(shì)及來(lái)源，梳理數(shù)字孿生領(lǐng)域的核心研究主題與學(xué)科知識(shí)結(jié)構(gòu)，探索領(lǐng)域內(nèi)研究熱點(diǎn)的演化趨勢(shì)，以期為數(shù)字孿生未來(lái)的發(fā)展提供建議，也為領(lǐng)域內(nèi)學(xué)者和企業(yè)實(shí)踐者提供參考。

1 數(shù)據(jù)來(lái)源與研究方法

為全面掌握數(shù)字孿生領(lǐng)域的研究脈絡(luò)，獲取高質(zhì)量的文獻(xiàn)數(shù)據(jù)，本文采用湯森路透旗下的WoS核心合集數(shù)據(jù)庫(kù)為檢索源，該數(shù)據(jù)庫(kù)是國(guó)際公認(rèn)的可反映科學(xué)研究水準(zhǔn)的數(shù)據(jù)庫(kù)，是科研人員掌握領(lǐng)域內(nèi)研究趨勢(shì)及最新進(jìn)展的重要工具。

2003年，Michael Grieves教授于美國(guó)密歇根大學(xué)的產(chǎn)品生命周期管理課程上提出“與物理產(chǎn)品等價(jià)的虛擬數(shù)字化表達(dá)”的概念[4]，這一概念后被稱為鏡像空間模型(mirrored spaced model)[5]與信息鏡像模型(information mirroring model)[6]，此時(shí)的模型已經(jīng)具備了數(shù)字孿生的基本組成要素，被視為數(shù)字孿生的雛形。2011年，Grieves教授正式提出數(shù)字孿生的概念[7]，其概念模型包括物理空間的產(chǎn)品、虛擬空間的產(chǎn)品以及二者間的信息數(shù)據(jù)接口。

因此，本文首先將“mirrored spaced model”與“information mirroring model”作為主題詞在WoS數(shù)據(jù)庫(kù)核心合集中進(jìn)行檢索，并未找到與之相關(guān)的有效文獻(xiàn)記錄。其次，數(shù)字孿生可以翻譯為digital twin或digital twins，因此將這兩個(gè)關(guān)鍵詞在WoS數(shù)據(jù)庫(kù)核心合集中作為主題詞進(jìn)行檢索。另外，由于數(shù)字孿生的概念于2011年提出，設(shè)定檢索時(shí)間跨度為2011年～2020年，檢索時(shí)間為2020年11月26日，共得到1 372條文獻(xiàn)記錄，篩除重復(fù)、信息不全的文獻(xiàn)，最終得到1 359條有效的文獻(xiàn)記錄。

在研究方法上，本文采用定性與定量相結(jié)合的方法，借助WoS數(shù)據(jù)庫(kù)分析工具統(tǒng)計(jì)數(shù)字孿生領(lǐng)域文獻(xiàn)的年度發(fā)文量，同時(shí)采用知識(shí)圖譜的方法，利用德雷賽爾大學(xué)陳超美教授開(kāi)發(fā)的CiteSpace系列應(yīng)用軟件對(duì)檢索到的文獻(xiàn)進(jìn)行可視化分析。CiteSpace主要基于共引分析理論和尋徑網(wǎng)絡(luò)算法對(duì)領(lǐng)域內(nèi)文獻(xiàn)進(jìn)行計(jì)量，從而探尋熱點(diǎn)演化的關(guān)鍵路徑和拐點(diǎn)，分析學(xué)科發(fā)展的潛在動(dòng)力機(jī)制和前沿。本文的整體研究設(shè)計(jì)如圖1所示。

2 數(shù)字孿生文獻(xiàn)總體趨勢(shì)分析

對(duì)1 359條文獻(xiàn)記錄的發(fā)表年份進(jìn)行統(tǒng)計(jì)整理，繪制數(shù)字孿生領(lǐng)域的文獻(xiàn)數(shù)量趨勢(shì)圖，如圖2所示。該圖將年份和該年發(fā)表的文獻(xiàn)數(shù)量對(duì)應(yīng)，同時(shí)添加了數(shù)字孿生領(lǐng)域的重要事件節(jié)點(diǎn)，2020年的全年發(fā)文數(shù)量因無(wú)法統(tǒng)計(jì)而未顯示在圖中。普萊斯文獻(xiàn)指數(shù)增長(zhǎng)規(guī)律指出，在某領(lǐng)域誕生初期，相關(guān)文獻(xiàn)數(shù)量的增長(zhǎng)處于不穩(wěn)定階段；在該領(lǐng)域的快速發(fā)展期，文獻(xiàn)數(shù)量呈指數(shù)增長(zhǎng)；當(dāng)該領(lǐng)域的理論處于成熟階段時(shí)，文獻(xiàn)數(shù)量的增長(zhǎng)相對(duì)緩慢，呈線性增長(zhǎng)；隨著該領(lǐng)域?qū)W科理論的完善，相關(guān)文獻(xiàn)數(shù)量日趨減少。數(shù)字孿生領(lǐng)域的文獻(xiàn)數(shù)量在近幾年呈指數(shù)增長(zhǎng)，因此處于大發(fā)展時(shí)期。

通過(guò)分析圖2中的文獻(xiàn)數(shù)量和重要事件節(jié)點(diǎn)，將數(shù)字孿生的發(fā)展劃分為3個(gè)階段：

(1)第1階段(2014年之前) 數(shù)字孿生的概念于2011年提出，當(dāng)時(shí)幾乎沒(méi)有相關(guān)的文獻(xiàn)，隨著美國(guó)工業(yè)互聯(lián)網(wǎng)聯(lián)盟將數(shù)字孿生作為工業(yè)互聯(lián)網(wǎng)落地的核心和關(guān)鍵，德國(guó)工業(yè)4.0參考架構(gòu)將數(shù)字孿生作為重要內(nèi)容，出現(xiàn)了部分關(guān)于數(shù)字孿生的研究，然而相關(guān)文獻(xiàn)數(shù)量非常少，此時(shí)的數(shù)字孿生并未受到廣泛關(guān)注，處于概念提出時(shí)期。

(2)第2階段(2014年～2016年) 該階段文獻(xiàn)數(shù)量在小范圍內(nèi)逐年增長(zhǎng)，相對(duì)應(yīng)的重要事件節(jié)點(diǎn)包括數(shù)字孿生第一份白皮書(shū)正式發(fā)表，國(guó)務(wù)院正式印發(fā)《中國(guó)制造2025》并指出“將智能制造作為兩化融合的主攻方向，推進(jìn)生產(chǎn)過(guò)程智能化，培育新型生產(chǎn)方式，提升企業(yè)研發(fā)、生產(chǎn)、管理和服務(wù)的智能化水平”。另外，考慮到文獻(xiàn)撰寫(xiě)和出版需要一定時(shí)間周期，文獻(xiàn)數(shù)量相對(duì)于重要時(shí)間節(jié)點(diǎn)存在滯后性，雖然文獻(xiàn)數(shù)量仍然不多，但是已經(jīng)出現(xiàn)明顯上升的趨勢(shì)。在此背景下，數(shù)字孿生作為未來(lái)數(shù)字化企業(yè)發(fā)展的關(guān)鍵技術(shù)已經(jīng)成為智能制造發(fā)展的新抓手。

(3)第3階段(2016年之后) 該階段數(shù)字孿生領(lǐng)域的文獻(xiàn)數(shù)量出現(xiàn)爆發(fā)性增長(zhǎng)，2018年和2019年相比上一年度的文獻(xiàn)數(shù)量增幅分別達(dá)266.2%與119.3%，數(shù)字孿生進(jìn)入快速發(fā)展時(shí)期，并受到領(lǐng)域內(nèi)咨詢公司、學(xué)術(shù)聯(lián)合體和工業(yè)企業(yè)的廣泛關(guān)注，西門(mén)子、達(dá)索、GE等企業(yè)開(kāi)始部署并使用數(shù)字孿生，同時(shí)數(shù)字孿生也逐步深入細(xì)化到多個(gè)專(zhuān)業(yè)領(lǐng)域的發(fā)展與規(guī)劃中。

3 數(shù)字孿生文獻(xiàn)來(lái)源情況分析

3.1 核心作者與作者間合作分析

通過(guò)分析領(lǐng)域內(nèi)高產(chǎn)作者及作者間合作關(guān)系可以找出該領(lǐng)域具有影響力的學(xué)者及其合作情況，便于追溯團(tuán)隊(duì)的研究脈絡(luò)。式(1)為學(xué)術(shù)界確定領(lǐng)域內(nèi)核心作者的普萊斯定律公式[8]：

(1)

式中：K1為該領(lǐng)域的核心作者發(fā)文量臨界值；μmax為發(fā)文量最高作者的論文數(shù)量。根據(jù)普萊斯定律，數(shù)字孿生領(lǐng)域發(fā)文數(shù)量最多的是學(xué)者陶飛，發(fā)表了17篇文獻(xiàn)，即μmax=17，用式(1)計(jì)算得K1=6.366 5，因此，發(fā)文量大于等于7的作者是該領(lǐng)域的核心作者，數(shù)字孿生領(lǐng)域的核心作者共8人，具體如表1所示。

表1 WoS數(shù)據(jù)庫(kù)數(shù)字孿生領(lǐng)域的核心作者統(tǒng)計(jì)

采用CiteSpace繪制數(shù)字孿生領(lǐng)域的作者合作網(wǎng)絡(luò)圖，如圖3所示?？梢?jiàn)，數(shù)字孿生領(lǐng)域存在部分研究團(tuán)隊(duì)，結(jié)合表1對(duì)核心作者的統(tǒng)計(jì)，將合作緊密的核心作者視為一個(gè)研究團(tuán)隊(duì)，通過(guò)梳理核心作者發(fā)表的文獻(xiàn)，總結(jié)出如下4個(gè)研究核心團(tuán)隊(duì)：

(1)以陶飛(FEI TAO)教授為核心，由戚慶林(QINGLIN QI)、張萌(MENG ZHANG)等學(xué)者組成的團(tuán)隊(duì)[9-11]提出了數(shù)字孿生車(chē)間的概念，研究了孿生車(chē)間的運(yùn)行機(jī)理和實(shí)現(xiàn)方法，討論了基于數(shù)字孿生的產(chǎn)品設(shè)計(jì)模式，構(gòu)建了數(shù)字孿生驅(qū)動(dòng)的產(chǎn)品設(shè)計(jì)框架，而且對(duì)數(shù)字孿生應(yīng)用領(lǐng)域及未來(lái)發(fā)展趨勢(shì)進(jìn)行了探索。

(2)由劉強(qiáng)(QIANG LIU)、冷杰武(JIEWU LENG)、陳新(XIN CHEN)等[12-14]學(xué)者組成的團(tuán)隊(duì)提出了數(shù)字孿生驅(qū)動(dòng)的自動(dòng)化流水車(chē)間制造系統(tǒng)快速個(gè)性化設(shè)計(jì)方法，同時(shí)將數(shù)字孿生應(yīng)用于大型自動(dòng)化高層倉(cāng)庫(kù)產(chǎn)品服務(wù)系統(tǒng)的優(yōu)化中，通過(guò)在線感知數(shù)據(jù)進(jìn)行聯(lián)合優(yōu)化決策，提升系統(tǒng)的利用率和效率，而且提出了應(yīng)用于智能車(chē)間并行控制的數(shù)字孿生制造網(wǎng)絡(luò)物理系統(tǒng)。

(3)由SODERBERG，WARMEFJORD，LINDKVIST等[15-17]學(xué)者組成的團(tuán)隊(duì)在研究中多聚焦于如何基于數(shù)字孿生提高產(chǎn)品的幾何質(zhì)量，該團(tuán)隊(duì)構(gòu)建了能夠確保產(chǎn)品具有良好幾何質(zhì)量的數(shù)字孿生模型，研究了數(shù)字孿生環(huán)境下識(shí)別幾何焊接點(diǎn)的方法，提出基于數(shù)字孿生的裝配夾具個(gè)性化定位調(diào)整方法，有效提升了裝配幾何質(zhì)量。

(4)由LIM，ZHENG，CHEN等[18-19]學(xué)者組成的團(tuán)隊(duì)系統(tǒng)分析了數(shù)字孿生領(lǐng)域的研究成果，構(gòu)建了數(shù)字孿生的參考模型，確定了數(shù)字孿生領(lǐng)域未來(lái)的8個(gè)前景，提出了基于數(shù)字模型、計(jì)算模型和圖形模型的產(chǎn)品級(jí)數(shù)字孿生開(kāi)發(fā)方法。

數(shù)字孿生領(lǐng)域8位核心作者發(fā)文總數(shù)量為83篇，占所有文獻(xiàn)數(shù)量的6.1%，遠(yuǎn)低于普萊斯定律中提出的“在同一主題中，半數(shù)的論文為一群高生產(chǎn)能力作者所撰”，說(shuō)明現(xiàn)階段數(shù)字孿生領(lǐng)域的學(xué)者間雖然存在合作交流，但是合作規(guī)模相對(duì)較小，未形成核心作者集群，不同團(tuán)隊(duì)的學(xué)者間應(yīng)增強(qiáng)合作，擴(kuò)大研究團(tuán)隊(duì)規(guī)模。

3.2 核心發(fā)文機(jī)構(gòu)與機(jī)構(gòu)間合作分析

通過(guò)分析科研機(jī)構(gòu)之間的合作網(wǎng)絡(luò)，可以更深入地研究知識(shí)的演化路徑，幫助學(xué)者們了解在該領(lǐng)域科研能力強(qiáng)、學(xué)術(shù)貢獻(xiàn)大的機(jī)構(gòu)，為機(jī)構(gòu)間尋求合作、深化和發(fā)展該領(lǐng)域?qū)W術(shù)研究提供幫助。表2統(tǒng)計(jì)了數(shù)字孿生領(lǐng)域發(fā)文數(shù)量最高的10個(gè)機(jī)構(gòu)，其中發(fā)文數(shù)量最高的3個(gè)機(jī)構(gòu)分別是德國(guó)亞琛工業(yè)大學(xué)、北京航空航天大學(xué)與查爾姆斯理工大學(xué)。

表2 WoS數(shù)據(jù)庫(kù)數(shù)字孿生領(lǐng)域文獻(xiàn)發(fā)文機(jī)構(gòu)統(tǒng)計(jì)

通過(guò)CiteSpace繪制數(shù)字孿生領(lǐng)域的發(fā)文機(jī)構(gòu)合作網(wǎng)絡(luò)圖，如圖4所示。從圖中可見(jiàn)，數(shù)字孿生領(lǐng)域的各機(jī)構(gòu)間存在一定合作關(guān)系，發(fā)文數(shù)量最多的德國(guó)亞琛工業(yè)大學(xué)(RWTH Aachen University)與德國(guó)凱澤斯勞滕大學(xué)(TU Kaiserslautern)、德國(guó)布倫瑞克工業(yè)大學(xué)(TU Braunschweig)、德國(guó)Fraunhofer IPT研究所等機(jī)構(gòu)均建立了合作關(guān)系；發(fā)文數(shù)量第二的北京航空航天大學(xué)與密歇根大學(xué)(The University of Michigan)、新南威爾士大學(xué)(The University of New South Wales)、新加坡國(guó)立大學(xué)(National University of Singapore)等機(jī)構(gòu)建立了國(guó)際合作關(guān)系；發(fā)文數(shù)量第三的查爾姆斯理工大學(xué)(Chalmers University of Technology)與發(fā)文數(shù)量第四的米蘭理工大學(xué)(Polytechnic University of Milan)建立了非常緊密的合作關(guān)系；此外，西門(mén)子公司(Siemens AG)作為數(shù)字孿生領(lǐng)域的典型應(yīng)用企業(yè)，與斯圖加特大學(xué)(University of Stuttgart)建立了非常緊密的校企合作關(guān)系，推動(dòng)數(shù)字孿生從概念模型向應(yīng)用領(lǐng)域轉(zhuǎn)換。因此，現(xiàn)階段數(shù)字孿生領(lǐng)域的各研究機(jī)構(gòu)間存在一定的國(guó)際合作交流，通過(guò)校企、校校間的國(guó)際合作交流可以使數(shù)字孿生向更深層次發(fā)展，各科研機(jī)構(gòu)應(yīng)繼續(xù)加強(qiáng)合作，進(jìn)一步深化數(shù)字孿生的框架模型，推動(dòng)其在企業(yè)層面的實(shí)施應(yīng)用。

3.3 來(lái)源出版物分析

統(tǒng)計(jì)來(lái)源出版物可以幫助相關(guān)領(lǐng)域?qū)W者找到搜集針對(duì)性資料的平臺(tái)，表3所示為數(shù)字孿生領(lǐng)域刊文量前10名的出版物名稱，為進(jìn)一步探尋數(shù)字孿生領(lǐng)域文獻(xiàn)在出版物中的分布規(guī)律，本文根據(jù)布拉德福定律計(jì)算領(lǐng)域內(nèi)的核心期刊，計(jì)算公式為

r0=2ln(eE×Y)。

(2)

式中：E為歐拉系數(shù)，E=0.577 2；Y為刊文量最大期刊的發(fā)表篇數(shù)。由此計(jì)算得r0≈9，即數(shù)字孿生領(lǐng)域刊文量前9的期刊處于核心區(qū)。由表3可知，核心區(qū)的出版物共刊文287篇，占發(fā)文總量的21.12%，低于布拉德福定律中核心區(qū)期刊所刊文獻(xiàn)量需占總刊文量1/3的要求，說(shuō)明當(dāng)前數(shù)字孿生領(lǐng)域文獻(xiàn)在出版物中的分布略顯分散，且發(fā)文數(shù)量較高的出版物多為會(huì)議論文，尚未形成領(lǐng)域內(nèi)的主流核心區(qū)期刊。

表3 WoS數(shù)據(jù)庫(kù)數(shù)字孿生領(lǐng)域來(lái)源出版物統(tǒng)計(jì)

續(xù)表3

3.4 學(xué)科分析

CiteSpace中的雙圖疊加分析旨在揭示某領(lǐng)域?qū)W科與全球科學(xué)文獻(xiàn)地圖的相關(guān)性。圖5所示為數(shù)字孿生所處的學(xué)科領(lǐng)域，其中：左側(cè)為施引文獻(xiàn)的期刊分布類(lèi)群，表示數(shù)字孿生領(lǐng)域的主要學(xué)科，數(shù)字孿生領(lǐng)域施引文獻(xiàn)主要來(lái)自mathematics,systems,mathematical；右側(cè)為被引期刊類(lèi)群，表示數(shù)字孿生領(lǐng)域主要引用了哪些學(xué)科，這些學(xué)科為數(shù)字孿生領(lǐng)域的研究基礎(chǔ)，數(shù)字孿生領(lǐng)域主要引用的學(xué)科是systems,computing,computer，因此計(jì)算機(jī)、系統(tǒng)學(xué)可以視為數(shù)字孿生領(lǐng)域的研究基礎(chǔ)。

4 數(shù)字孿生研究熱點(diǎn)分析

4.1 關(guān)鍵詞共現(xiàn)分析

關(guān)鍵詞共現(xiàn)分析是探索學(xué)科領(lǐng)域知識(shí)結(jié)構(gòu)的重要研究方法，該方法通過(guò)統(tǒng)計(jì)分析文獻(xiàn)中的關(guān)鍵詞探尋領(lǐng)域內(nèi)各主題間的聯(lián)系[20]。式(3)為根據(jù)齊普夫定律推導(dǎo)的高低詞頻臨界值模型，可計(jì)算領(lǐng)域內(nèi)的高低詞頻臨界值[21]：

(3)

式中I1為表示領(lǐng)域內(nèi)詞頻為1的關(guān)鍵詞數(shù)量。

運(yùn)行CiteSpace可提取數(shù)字孿生領(lǐng)域的407個(gè)關(guān)鍵詞，其中詞頻為1的關(guān)鍵詞有66個(gè)，通過(guò)式(3)計(jì)算得K2=11，即詞頻大于等于11的關(guān)鍵詞為該領(lǐng)域的高頻關(guān)鍵詞，因此數(shù)字孿生領(lǐng)域的高頻關(guān)鍵詞共65個(gè)，具體如表4所示。

表4 WoS數(shù)據(jù)庫(kù)數(shù)字孿生領(lǐng)域的高頻關(guān)鍵詞統(tǒng)計(jì)

續(xù)表4

采用CiteSpace軟件繪制數(shù)字孿生領(lǐng)域的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖，如圖6所示。關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖是以關(guān)鍵詞為十字形節(jié)點(diǎn)、共現(xiàn)關(guān)系為邊的網(wǎng)絡(luò)圖，節(jié)點(diǎn)大小表示關(guān)鍵詞的共現(xiàn)頻次，中介中心性指關(guān)鍵詞與其他關(guān)鍵詞的相關(guān)性，若某個(gè)節(jié)點(diǎn)中介中心性較高，則該節(jié)點(diǎn)在網(wǎng)絡(luò)圖中的連接能力較強(qiáng)，在該研究領(lǐng)域的作用較重要。數(shù)字孿生領(lǐng)域頻次和中介中心性較高的關(guān)鍵詞包括digital twin(748/0.12)，design(185/0.03)，industry 4.0(164/0.09)，simulation(131/0.04)，system(118/0.04)，cyber-physical system(111/0.08)。由此可見(jiàn)，數(shù)字孿生領(lǐng)域的研究熱點(diǎn)主要圍繞“仿真”“系統(tǒng)設(shè)計(jì)”等方面進(jìn)行，而且呈現(xiàn)出在“信息物理系統(tǒng)(Cyber-Physical Systems, CPS)”“工業(yè)4.0”等領(lǐng)域多元化發(fā)展的格局。

4.2 年度熱詞與突現(xiàn)詞分析

對(duì)數(shù)字孿生領(lǐng)域的407個(gè)關(guān)鍵詞進(jìn)行篩選，通過(guò)年份計(jì)數(shù)法歸類(lèi)統(tǒng)計(jì)詞頻大于等于11的關(guān)鍵詞，將其歸納到詞頻的出現(xiàn)年份，得到數(shù)字孿生領(lǐng)域的年度熱詞歸納表，如表5所示。

表5 數(shù)字孿生領(lǐng)域年度熱詞

由表5可知，數(shù)字孿生領(lǐng)域的研究主要在近5年展開(kāi)。2014年以前，數(shù)字孿生領(lǐng)域處于發(fā)展初期；2015年，學(xué)者們開(kāi)始設(shè)計(jì)數(shù)字孿生的基礎(chǔ)概念框架與管理模型；2016年，“工業(yè)4.0”對(duì)數(shù)字孿生的發(fā)展起到了推動(dòng)作用，學(xué)者們開(kāi)始聚焦于數(shù)字線程、數(shù)字化制造，探索產(chǎn)品全生命周期價(jià)值鏈模型，對(duì)數(shù)據(jù)源進(jìn)行統(tǒng)一，實(shí)現(xiàn)了各環(huán)節(jié)模型數(shù)據(jù)的雙向同步溝通，為數(shù)字孿生奠定了堅(jiān)實(shí)的技術(shù)基礎(chǔ)；2017年，以大數(shù)據(jù)、物聯(lián)網(wǎng)、建筑信息模型等技術(shù)為支撐的數(shù)字孿生系統(tǒng)設(shè)計(jì)得到發(fā)展，學(xué)者們提出將數(shù)字孿生應(yīng)用于智能工廠的生產(chǎn)系統(tǒng)；2018年，數(shù)字孿生相關(guān)的研究多與機(jī)器學(xué)習(xí)、本體、人工智能、虛擬現(xiàn)實(shí)等技術(shù)方法結(jié)合，主要對(duì)基于數(shù)字孿生的預(yù)測(cè)性維護(hù)、智慧城市構(gòu)建及制造業(yè)數(shù)字化實(shí)現(xiàn)進(jìn)行探索；2019年，區(qū)塊鏈、云、深度學(xué)習(xí)、遺傳算法等逐漸成為數(shù)字孿生領(lǐng)域的主要話題，在此基礎(chǔ)上，相關(guān)研究多聚焦于數(shù)字孿生互操作性的實(shí)現(xiàn)，以多樣的數(shù)字孿生體映射物理孿生體，數(shù)字孿生的概念開(kāi)始深入到供應(yīng)鏈領(lǐng)域，利用數(shù)字孿生可以實(shí)現(xiàn)對(duì)供應(yīng)鏈運(yùn)行狀態(tài)的監(jiān)控與管理。

Jon Kleinberg基于brust兩階段設(shè)計(jì)的跳躍檢測(cè)算法，可以從樣本數(shù)據(jù)中挖掘出突現(xiàn)詞[22]。突現(xiàn)詞指在某一時(shí)間段內(nèi)被引或共現(xiàn)頻次較大的關(guān)鍵詞，旨在揭示領(lǐng)域內(nèi)不同階段的研究熱點(diǎn)和演進(jìn)趨勢(shì)。本文基于brust算法，運(yùn)用CiteSpace軟件對(duì)1359篇文獻(xiàn)進(jìn)行分析，最終從407個(gè)關(guān)鍵詞中挖掘出5個(gè)突現(xiàn)詞，如表6所示。

表6 數(shù)字孿生領(lǐng)域突現(xiàn)詞

由表6可知，industry 4.0與smart factory的突現(xiàn)強(qiáng)度明顯高于其他突現(xiàn)詞，工業(yè)4.0在數(shù)字孿生領(lǐng)域的突現(xiàn)強(qiáng)度最大，出現(xiàn)年份最早，說(shuō)明其對(duì)數(shù)字孿生發(fā)展的影響尤為突出。工業(yè)4.0旨在充分利用信息通訊技術(shù)和網(wǎng)絡(luò)空間虛擬系統(tǒng)，將制造業(yè)向智能化轉(zhuǎn)型，因此數(shù)字孿生可視為實(shí)現(xiàn)工業(yè)4.0的熱門(mén)技術(shù)手段，咨詢公司德勤2018年初曾發(fā)布《工業(yè)4.0與數(shù)字孿生》研究報(bào)告，報(bào)告描述了數(shù)字孿生的定義、創(chuàng)建方式及現(xiàn)實(shí)應(yīng)用場(chǎng)景，并對(duì)企業(yè)如何著手部署創(chuàng)建數(shù)字孿生進(jìn)行探討。在智能工廠方面，數(shù)字孿生技術(shù)可以在虛擬環(huán)境中完全映射真實(shí)的工廠[23]，基于數(shù)字孿生的智能工廠可以全面感知廠內(nèi)運(yùn)行狀態(tài)，對(duì)生產(chǎn)過(guò)程進(jìn)行監(jiān)控，并通過(guò)挖掘分析生產(chǎn)過(guò)程中的實(shí)時(shí)數(shù)據(jù)為智能工廠的各決策層提供決策建議。另外，數(shù)字孿生領(lǐng)域的突現(xiàn)詞普遍持續(xù)時(shí)間較長(zhǎng)，爆發(fā)強(qiáng)度較高，未呈現(xiàn)出多個(gè)發(fā)展進(jìn)程，說(shuō)明現(xiàn)階段數(shù)字孿生領(lǐng)域處于研究意識(shí)覺(jué)醒期，隨著工業(yè)4.0的提出，學(xué)者們開(kāi)始積極探索數(shù)字孿生技術(shù)在智能制造、生產(chǎn)系統(tǒng)、智能工廠等領(lǐng)域的應(yīng)用。

4.3 可視化聚類(lèi)分析

對(duì)共被引網(wǎng)絡(luò)頂點(diǎn)進(jìn)行模塊化聚類(lèi)可以進(jìn)一步反映領(lǐng)域內(nèi)研究主題的分布情況，CiteSpace在聚類(lèi)標(biāo)簽的提取上提供了潛語(yǔ)義索引(Latent Semantic Indexing, LSI)、對(duì)數(shù)似然率(Log-Likelihood Ratio, LLR)、互信息(Mutual Information, MI)3種算法，其中LLR算法能夠有效推斷事件之間的聯(lián)系，在CiteSpace的聚類(lèi)分析中最為常用?；贚LR算法，采用CiteSpace軟件對(duì)1 359篇文獻(xiàn)進(jìn)行聚類(lèi)，得到數(shù)字孿生領(lǐng)域的可視化聚類(lèi)分析時(shí)間線圖(如圖7)，該領(lǐng)域文獻(xiàn)被分割成了7個(gè)核心類(lèi)群(如表7)，聚類(lèi)結(jié)果顯示，industry 4.0，production systems, service, vehicle routing problems with pick-up and delivery是最大的4個(gè)聚類(lèi)，它們體現(xiàn)了數(shù)字孿生領(lǐng)域的熱點(diǎn)主題，其中industry 4.0做為最大的聚類(lèi)，體現(xiàn)了其在數(shù)字孿生領(lǐng)域的突出地位。同時(shí)，對(duì)于表7中的聚類(lèi)平均輪廓值(Sihouette，簡(jiǎn)稱S值)，一般認(rèn)為，S>0.5時(shí)該聚類(lèi)可視為合理的聚類(lèi)，S>0.7時(shí)意味著該聚類(lèi)是令人信服的。因此，表7的7個(gè)聚類(lèi)均為合理聚類(lèi)，而且smart manufacturing, multimodal data acquisition, production systems, service, data exchange, vehicle routing problems with pick-up and delivery 6個(gè)聚類(lèi)是可信性更高的聚類(lèi)。另外，表中年份為該聚類(lèi)中文獻(xiàn)的平均發(fā)表年份，時(shí)間越晚的聚類(lèi)在領(lǐng)域內(nèi)越具有前沿性，smart manufacturing，industry 4.0，vehicle routing problems with pick-up and delivery等出現(xiàn)時(shí)間較晚的聚類(lèi)體現(xiàn)了數(shù)字孿生領(lǐng)域研究的前沿?zé)狳c(diǎn)。

表7 數(shù)字孿生領(lǐng)域聚類(lèi)名稱

4.4 研究熱點(diǎn)演進(jìn)分析

研究熱點(diǎn)的演進(jìn)分析可以幫助學(xué)者了解領(lǐng)域知識(shí)結(jié)構(gòu)和變化趨勢(shì)，本文將可視化分析得到的7個(gè)聚類(lèi)總結(jié)為3大類(lèi)，并對(duì)每個(gè)大類(lèi)主題中的高被引與高網(wǎng)絡(luò)密度文獻(xiàn)進(jìn)行梳理分析。

(1)數(shù)字孿生與智能化

industry 4.0(#0)和smart manufacturing (#7)均為智能化的核心戰(zhàn)略目標(biāo)，工業(yè)4.0的本質(zhì)是通過(guò)充分利用CPS將制造業(yè)向智能化轉(zhuǎn)型，而智能制造作為一種新的制造模式，是由智能設(shè)備和專(zhuān)家共同組成的人機(jī)一體化智能系統(tǒng)。工業(yè)4.0與智能制造分別做為數(shù)字孿生領(lǐng)域聚類(lèi)規(guī)模最大與S值最大的聚類(lèi)，與數(shù)字孿生有密切的聯(lián)系，數(shù)字孿生技術(shù)是實(shí)現(xiàn)工業(yè)4.0與智能制造的重要技術(shù)手段。TAO等[9]構(gòu)建了數(shù)字孿生車(chē)間，并對(duì)物理車(chē)間、虛擬車(chē)間、服務(wù)系統(tǒng)和孿生數(shù)據(jù)4個(gè)關(guān)鍵組成部分進(jìn)行討論，同時(shí)提出了孿生車(chē)間的運(yùn)行機(jī)制和實(shí)現(xiàn)方法，討論了其關(guān)鍵技術(shù)和所面臨的挑戰(zhàn)；SCHLEICH等[24]提出基于膚面形狀模型的綜合參考模型，作為設(shè)計(jì)與制造工程中產(chǎn)品的數(shù)字孿生模型；SADDIK等[25]分析了數(shù)字孿生的起源與特征，提出數(shù)字孿生的發(fā)展離不開(kāi)增強(qiáng)現(xiàn)實(shí)、虛擬現(xiàn)實(shí)、混合現(xiàn)實(shí)、云計(jì)算、5G等關(guān)鍵技術(shù)的支持，同時(shí)需要更多的研究來(lái)改進(jìn)傳統(tǒng)的數(shù)據(jù)收集和處理方法，構(gòu)建物理世界和虛擬世界之間的通信接口。

(2)數(shù)字孿生在智能工廠中的應(yīng)用

production systems(#1)，service(#2)，vehicle routing problems with pick-up and delivery(#3)均為智能工廠中的重要組成部分，因此將其歸為一個(gè)主題。ALCCER等[26]提出基于智能工廠的生產(chǎn)制造系統(tǒng)，其智能工廠的概念利用了物聯(lián)網(wǎng)、系統(tǒng)集成和網(wǎng)絡(luò)物理生產(chǎn)系統(tǒng)等組件；NEGRI等[27]梳理總結(jié)了數(shù)字孿生在CPS系統(tǒng)中應(yīng)用的相關(guān)文獻(xiàn)，數(shù)字孿生提供了系統(tǒng)在產(chǎn)品生命周期的虛擬表示，實(shí)現(xiàn)了數(shù)據(jù)的同步和實(shí)時(shí)更新，其優(yōu)化和決策依賴于CPS系統(tǒng)；PAN等[28]對(duì)車(chē)輛路徑問(wèn)題模型進(jìn)行改進(jìn)，提出一種數(shù)字孿生驅(qū)動(dòng)的決策信息體系，開(kāi)發(fā)了一種實(shí)時(shí)動(dòng)態(tài)的同步控制機(jī)制，使生產(chǎn)物流系統(tǒng)在運(yùn)輸中實(shí)現(xiàn)同步。

(3)數(shù)字孿生中的數(shù)據(jù)采集與交互

data exchange(#4)，multimodal data acquisition(#6)均為數(shù)據(jù)相關(guān)的聚類(lèi)，因此將其視為一個(gè)主題，數(shù)字孿生是物理世界與信息世界交互融合的主要技術(shù)手段，為了實(shí)現(xiàn)二者的連接交互，需要有效的數(shù)據(jù)采集與交互方法。ROSEN等[29]提出數(shù)字孿生的實(shí)現(xiàn)要了解生產(chǎn)系統(tǒng)的運(yùn)行狀態(tài)，并將采集的數(shù)據(jù)與仿真模型相結(jié)合，基于采集的數(shù)據(jù)給出良好的預(yù)測(cè)結(jié)果；UHLEMANN等[30]提出一種學(xué)習(xí)工廠的概念，以展示實(shí)時(shí)數(shù)據(jù)采集和基于仿真進(jìn)行數(shù)據(jù)處理的潛力和優(yōu)勢(shì)，進(jìn)而對(duì)多模態(tài)數(shù)據(jù)采集技術(shù)和本地獨(dú)立優(yōu)化環(huán)境進(jìn)行全面升級(jí)；SCHROEDER等[31]等構(gòu)建了基于數(shù)字孿生的自動(dòng)化數(shù)據(jù)模型以及數(shù)據(jù)交換的通信方法，同時(shí)利用數(shù)字孿生概念對(duì)工業(yè)設(shè)備的虛擬部分進(jìn)行建模，提出了一種基于Web服務(wù)的數(shù)據(jù)訪問(wèn)體系結(jié)構(gòu)。

5 總結(jié)與展望

本文采用文獻(xiàn)計(jì)量、科學(xué)知識(shí)圖譜分析等方法對(duì)WoS數(shù)據(jù)庫(kù)中數(shù)字孿生領(lǐng)域的文獻(xiàn)進(jìn)行分析，系統(tǒng)梳理了當(dāng)前數(shù)字孿生領(lǐng)域的文獻(xiàn)外部特征、研究熱點(diǎn)和前沿演進(jìn)過(guò)程，得到如下結(jié)論：

(1)文獻(xiàn)外部特征

首先，數(shù)字孿生領(lǐng)域的文獻(xiàn)數(shù)量總體呈上升趨勢(shì)，根據(jù)文獻(xiàn)發(fā)表數(shù)量趨勢(shì)圖，本文將數(shù)字孿生的發(fā)展分為3個(gè)階段，且自2016年之后的第3階段，領(lǐng)域內(nèi)的文獻(xiàn)數(shù)量呈指數(shù)增長(zhǎng)，說(shuō)明數(shù)字孿生領(lǐng)域現(xiàn)階段處于大發(fā)展時(shí)期；其次，數(shù)字孿生領(lǐng)域形成了諸多合作團(tuán)隊(duì)，陶飛、劉強(qiáng)、RIKARD SODERBERG、CHUNHSIEN CHEN等學(xué)者所在的研究團(tuán)隊(duì)在領(lǐng)域內(nèi)的貢獻(xiàn)比較突出。數(shù)字孿生領(lǐng)域發(fā)文數(shù)量最高的3個(gè)機(jī)構(gòu)分別是德國(guó)亞琛工業(yè)大學(xué)、北京航空航天大學(xué)與查爾姆斯理工大學(xué)，各研究機(jī)構(gòu)間存在一定的國(guó)際合作，但團(tuán)隊(duì)規(guī)模相對(duì)較小，校企之間的合作不夠緊密。在期刊方面，《Procedia CIRP》，《IEEE Access》，《IFAC-PapersOnline》，《Procedia Manufacturing》等期刊是數(shù)字孿生領(lǐng)域文獻(xiàn)的主要載體，但基于布拉福德定律，數(shù)字孿生領(lǐng)域文獻(xiàn)在期刊中的分布略顯分散，尚未形成領(lǐng)域內(nèi)的主流核心區(qū)期刊。在學(xué)科分析方面，計(jì)算機(jī)與系統(tǒng)學(xué)是數(shù)字孿生領(lǐng)域的主要研究基礎(chǔ)。

(2)領(lǐng)域研究熱點(diǎn)

通過(guò)對(duì)數(shù)字孿生領(lǐng)域關(guān)鍵詞共現(xiàn)、年度熱詞及突現(xiàn)詞的分析，領(lǐng)域內(nèi)的熱點(diǎn)研究主要圍繞“仿真”“CPS”“系統(tǒng)設(shè)計(jì)”等方面展開(kāi)，數(shù)字孿生如今雖然處于大發(fā)展時(shí)期，但是其研究與應(yīng)用尚處初級(jí)階段，如何將其與區(qū)塊鏈、云、深度學(xué)習(xí)等新一代信息技術(shù)融合，是研究數(shù)字孿生高速發(fā)展并從理論走向應(yīng)用的重點(diǎn)。同時(shí)，計(jì)量分析結(jié)果表明，當(dāng)前數(shù)字孿生領(lǐng)域的研究可以歸納為industry 4.0，production systems，service，vehicle routing problems with pick-up and delivery，data exchange，multimodal data acquisition，smart manufacturing 7個(gè)核心研究主題。industry 4.0和smart manufacturing分別做為數(shù)字孿生領(lǐng)域聚類(lèi)規(guī)模最大與S值最大的聚類(lèi)，與數(shù)字孿生有十分密切的聯(lián)系，而從主題發(fā)展年份的角度來(lái)看，智能制造與工業(yè)4.0下的數(shù)字孿生是近年來(lái)的研究熱點(diǎn)，數(shù)字孿生技術(shù)是實(shí)現(xiàn)工業(yè)4.0與智能制造重要的技術(shù)手段。

目前，數(shù)字孿生的研究與應(yīng)用仍存在諸多挑戰(zhàn)，基于對(duì)數(shù)字孿生發(fā)展現(xiàn)狀的分析，本文提出如下展望：

(1)數(shù)字孿生將與新一代信息技術(shù)深度融合

新一代信息技術(shù)的快速發(fā)展延伸了數(shù)字孿生的生命周期和價(jià)值鏈條，打通了數(shù)字孿生應(yīng)用和迭代優(yōu)化的路徑。數(shù)字孿生領(lǐng)域的發(fā)展離不開(kāi)新一代信息技術(shù)的支持，包括基于大數(shù)據(jù)與機(jī)器學(xué)習(xí)的孿生數(shù)據(jù)分析決策，基于區(qū)塊鏈的虛擬模型安全存儲(chǔ)與回放，基于云的數(shù)字孿生資源服務(wù)存儲(chǔ)與共享，基于數(shù)字線程技術(shù)的全生命周期、全業(yè)務(wù)流程管理以及數(shù)據(jù)的深度集成，基于物聯(lián)網(wǎng)的虛實(shí)產(chǎn)品互聯(lián)互通等。數(shù)字孿生與新一代信息技術(shù)的深度融合可以推動(dòng)領(lǐng)域內(nèi)信息物理數(shù)據(jù)的融合，構(gòu)建智能且安全的數(shù)字孿生模型，實(shí)現(xiàn)對(duì)孿生數(shù)據(jù)的智能學(xué)習(xí)分析與預(yù)測(cè)，并根據(jù)用戶的不同需求提供智能服務(wù)。

(2)數(shù)字孿生將在多領(lǐng)域?qū)崿F(xiàn)應(yīng)用擴(kuò)展

數(shù)字孿生的應(yīng)用最初始于航空航天領(lǐng)域，隨著領(lǐng)域內(nèi)關(guān)鍵技術(shù)應(yīng)用的發(fā)展與突破，現(xiàn)如今，數(shù)字孿生在空間通信網(wǎng)絡(luò)、船舶、車(chē)輛、飛機(jī)、復(fù)雜機(jī)電裝備、立體倉(cāng)庫(kù)、醫(yī)療、制造車(chē)間、智慧城市等多個(gè)領(lǐng)域都開(kāi)展了相關(guān)研究。數(shù)字孿生領(lǐng)域未來(lái)技術(shù)發(fā)展與應(yīng)用探索的關(guān)鍵是構(gòu)建適用于不同領(lǐng)域、不同行業(yè)的數(shù)字孿生模型，探尋數(shù)字孿生的發(fā)展范式，推動(dòng)社會(huì)治理與產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。如何應(yīng)用數(shù)字孿生技術(shù)實(shí)現(xiàn)復(fù)雜產(chǎn)品的健康管理，實(shí)現(xiàn)預(yù)測(cè)性維修，保證復(fù)雜產(chǎn)品的安全高效運(yùn)轉(zhuǎn)；如何構(gòu)建智能工廠的數(shù)字孿生體；如何利用產(chǎn)品生命周期中的物理數(shù)據(jù)、虛擬數(shù)據(jù)以及交互數(shù)據(jù)對(duì)產(chǎn)品狀態(tài)進(jìn)行實(shí)時(shí)映射，通過(guò)數(shù)字孿生的產(chǎn)品服務(wù)系統(tǒng)對(duì)產(chǎn)品的全生命周期進(jìn)行管理，實(shí)現(xiàn)產(chǎn)業(yè)鏈全環(huán)節(jié)的數(shù)字化管理，提升對(duì)市場(chǎng)需求的反映速度等，都是今后數(shù)字孿生領(lǐng)域的應(yīng)用研究重點(diǎn)。

(3)數(shù)字孿生將由虛擬驗(yàn)證向虛實(shí)交互優(yōu)化發(fā)展

數(shù)字孿生的發(fā)展需經(jīng)歷虛擬驗(yàn)證、智能決策、虛實(shí)交互3個(gè)階段。虛擬驗(yàn)證指以真實(shí)數(shù)據(jù)為基礎(chǔ)對(duì)場(chǎng)景或產(chǎn)品進(jìn)行模擬，在此基礎(chǔ)上提升真實(shí)場(chǎng)景的運(yùn)行效率；智能決策指在機(jī)理模型的基礎(chǔ)上與人工智能、物聯(lián)網(wǎng)等新一代信息技術(shù)結(jié)合，實(shí)現(xiàn)機(jī)理模型、仿真模型、數(shù)據(jù)模型的有效融合；虛實(shí)交互指在智能決策的基礎(chǔ)上加強(qiáng)數(shù)據(jù)交互，提升數(shù)據(jù)采集能力，進(jìn)行實(shí)時(shí)反饋與控制，真正實(shí)現(xiàn)虛實(shí)交互優(yōu)化。

(4)數(shù)字孿生將成為企業(yè)智能化、數(shù)字化發(fā)展的關(guān)鍵技術(shù)

數(shù)字孿生將成為實(shí)現(xiàn)智能制造與工業(yè)4.0的重要技術(shù)手段。利用數(shù)字孿生技術(shù)可以實(shí)現(xiàn)物理實(shí)體多模式數(shù)據(jù)與虛擬空間的有效集成，幫助工業(yè)人員在虛擬空間對(duì)產(chǎn)品設(shè)計(jì)、制造與服務(wù)進(jìn)行閉環(huán)優(yōu)化，同時(shí)通過(guò)在此過(guò)程中不斷積累相關(guān)知識(shí)，完成對(duì)知識(shí)的獲取、表示與推理，從而挖掘抽取人類(lèi)知識(shí)，實(shí)現(xiàn)人機(jī)協(xié)同交互及系統(tǒng)自主決策，逐步實(shí)現(xiàn)企業(yè)的智能化。

綜上所述，目前的數(shù)字孿生領(lǐng)域還有諸多研究課題亟需探索，且在多個(gè)領(lǐng)域有巨大的應(yīng)用前景，本文的可視化分析結(jié)果可為未來(lái)數(shù)字孿生領(lǐng)域的理論技術(shù)研究與應(yīng)用探索提供參考與借鑒。