孫明霞，桓明姣，劉 超，梁春華，潘若癡，蔚奪魁

（中國(guó)航發(fā)沈陽(yáng)發(fā)動(dòng)機(jī)研究所，沈陽(yáng) 110015）

0 引言

數(shù)字孿生（Digital Twin）也被稱(chēng)為數(shù)字雙胞胎，是一種新興事物。通過(guò)對(duì)國(guó)內(nèi)外有關(guān)數(shù)字孿生文獻(xiàn)[1-3]的研究發(fā)現(xiàn)，數(shù)字孿生[4-5]具有能夠在產(chǎn)品研制的全生命周期提供工程分析和支撐決策的能力，實(shí)現(xiàn)對(duì)過(guò)去知識(shí)和經(jīng)驗(yàn)的傳承與重用、對(duì)當(dāng)前狀態(tài)的評(píng)估與診斷、對(duì)未來(lái)發(fā)展的特性預(yù)估與趨勢(shì)預(yù)測(cè)，進(jìn)而達(dá)到縮短周期與降低成本的目的，并將成為越來(lái)越重要的航空發(fā)動(dòng)機(jī)輔助研制技術(shù)[6-7]。

2002年，美國(guó)密歇根大學(xué)Michael Grieves等[8]在Product Lifecycle Management課程上最早提出“與物理產(chǎn)品等價(jià)的虛擬數(shù)字化表達(dá)”的概念，這是數(shù)字孿生定義的萌芽；2010年，NASA在其技術(shù)路線(xiàn)圖中采用了這一概念[9]；2012年，數(shù)字孿生概念被提議用于NASA飛行器[10]和下一代戰(zhàn)斗機(jī)[11]；美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院提出了MBD（基于模型的定義）和MBE（基于模型的企業(yè)）的概念；2015年之后，世界各國(guó)分別提出國(guó)家層面的制造業(yè)轉(zhuǎn)型戰(zhàn)略。隨著對(duì)數(shù)字孿生的研究與認(rèn)識(shí)的不斷深化，美國(guó)的NASA、空軍等政府機(jī)構(gòu)、工業(yè)部門(mén)、大學(xué)以及咨詢(xún)機(jī)構(gòu)[12-14]，先后提出了數(shù)字孿生的定義[15-17]，但是該定義目前來(lái)看數(shù)量龐大但還未統(tǒng)一[18-20]。

通過(guò)對(duì)搜集到的64個(gè)典型數(shù)字孿生定義的文獻(xiàn)發(fā)表規(guī)律的統(tǒng)計(jì)分析發(fā)現(xiàn)，文獻(xiàn)發(fā)表數(shù)量隨時(shí)間的推移呈現(xiàn)逐步收斂的態(tài)勢(shì)；；通過(guò)對(duì)64個(gè)典型數(shù)字孿生定義內(nèi)容要素的統(tǒng)計(jì)分析發(fā)現(xiàn)，定義內(nèi)容要素基本一致。說(shuō)明通過(guò)統(tǒng)計(jì)分析獲得數(shù)字孿生定義的條件已經(jīng)基本具備。本文通過(guò)對(duì)數(shù)字孿生定義要素進(jìn)行統(tǒng)計(jì)分析和內(nèi)容研究，確定其定義的共性要素和核心要素，并建立基于共性要素的通用數(shù)字孿生定義模型，針對(duì)模型的核心要素進(jìn)行詞匯和詞頻的統(tǒng)計(jì)分析與詞匯聚類(lèi)，得到較為全面和相對(duì)準(zhǔn)確的數(shù)字孿生定義。

1 數(shù)字孿生定義的采樣

在EI數(shù)據(jù)庫(kù)中，輸入檢索式“TI=‘digital twin’OR‘digital twins’AND LA=English NOT CO=China”（題名包括“digital twin”或“digital twins”，語(yǔ)言為英語(yǔ)，國(guó)家排除中國(guó)），共檢索到包括期刊論文和會(huì)議論文等文獻(xiàn)載體的有關(guān)數(shù)字孿生的文獻(xiàn)2360篇。在互聯(lián)網(wǎng)搜索引擎以及中國(guó)知網(wǎng)、萬(wàn)方、重慶維普等數(shù)據(jù)庫(kù)中，輸入檢索式“‘?dāng)?shù)字孿生’或‘?dāng)?shù)字孿生體’”，共檢索到包括科技報(bào)告、企業(yè)白皮書(shū)、標(biāo)準(zhǔn)等文獻(xiàn)載體的有關(guān)數(shù)字孿生的文獻(xiàn)99篇。從這些文獻(xiàn)中，提取出典型的數(shù)字孿生定義64個(gè)，其定義的具體內(nèi)容和來(lái)源機(jī)構(gòu)見(jiàn)表1。在64個(gè)定義中，雖然有一些定義是來(lái)自同一個(gè)機(jī)構(gòu)，但是卻代表了這一機(jī)構(gòu)不同時(shí)期不同提出人對(duì)數(shù)字孿生的理解和認(rèn)識(shí)。

表1 數(shù)字孿生定義采樣匯總（續(xù)表）

表1 數(shù)字孿生定義采樣匯總（續(xù)表）

表1 數(shù)字孿生定義采樣匯總（續(xù)表）

表1 數(shù)字孿生定義采樣匯總（續(xù)表）

表1 數(shù)字孿生定義采樣匯總（續(xù)表）

1.1 采樣統(tǒng)計(jì)的可行性

有關(guān)數(shù)字孿生文獻(xiàn)按發(fā)表時(shí)間的分布如圖1所示。從圖中可見(jiàn)，數(shù)字孿生的概念和內(nèi)涵研究目前可能已達(dá)到峰值，甚至有所回落。64個(gè)典型數(shù)字孿生定義采樣按發(fā)表時(shí)間的分布如圖2所示。從圖中可見(jiàn)，關(guān)于數(shù)字孿生定義的公開(kāi)發(fā)表時(shí)間主要集中于2017～2019年，2020年之后的文獻(xiàn)數(shù)量明顯減少。對(duì)64個(gè)典型數(shù)字孿生定義內(nèi)容要素的統(tǒng)計(jì)分析發(fā)現(xiàn)，定義內(nèi)容要素基本一致。從文獻(xiàn)基本內(nèi)容來(lái)看，數(shù)字孿生已經(jīng)在航空航天、機(jī)械電子、城市運(yùn)行等行業(yè)從概念討論發(fā)展到應(yīng)用探索階段，大量文獻(xiàn)的研究重心已經(jīng)從概念闡釋向應(yīng)用實(shí)踐方向轉(zhuǎn)移。此外，隨著數(shù)字孿生如火如荼的發(fā)展，在2020年之后美國(guó)和俄羅斯相繼發(fā)布了國(guó)家標(biāo)準(zhǔn)和行業(yè)標(biāo)準(zhǔn)。因此，綜合對(duì)數(shù)字孿生相關(guān)文獻(xiàn)發(fā)表規(guī)律、數(shù)字孿生定義文獻(xiàn)發(fā)表規(guī)律、數(shù)字孿生定義內(nèi)容要素的統(tǒng)計(jì)分析與內(nèi)容研究判斷，有關(guān)數(shù)字孿生定義的爭(zhēng)論和探索呈現(xiàn)收斂趨勢(shì)。說(shuō)明通過(guò)統(tǒng)計(jì)分析獲得數(shù)字孿生定義的條件已經(jīng)基本具備。

圖1 數(shù)字孿生文獻(xiàn)按發(fā)表時(shí)間的分布

圖2 數(shù)字孿生定義按采樣發(fā)表時(shí)間的分布

1.2 采樣統(tǒng)計(jì)的全面性和典型性

數(shù)字孿生64個(gè)定義來(lái)自于不同文獻(xiàn)類(lèi)型和不同來(lái)源單位，其分布如圖3所示。

圖3 數(shù)字孿生定義文獻(xiàn)類(lèi)型和來(lái)源單位的分布

在數(shù)字孿生定義的文獻(xiàn)載體中，論文占比46.9%，主要來(lái)自于政府實(shí)施數(shù)字孿生規(guī)劃、軍方引領(lǐng)行業(yè)發(fā)展和高校理論研究過(guò)程中關(guān)于數(shù)字孿生的總結(jié)；產(chǎn)品手冊(cè)、白皮書(shū)占比20.3%，主要來(lái)自于企業(yè)或咨詢(xún)機(jī)構(gòu)對(duì)數(shù)字孿生實(shí)踐過(guò)程中得到的實(shí)施數(shù)字孿生的經(jīng)驗(yàn)以及對(duì)數(shù)字孿生定義的總結(jié)；科技報(bào)告、PPT和講座占比12.5%，主要來(lái)自于學(xué)會(huì)和咨詢(xún)機(jī)構(gòu)基于不同目的對(duì)數(shù)字孿生定義進(jìn)行梳理和統(tǒng)計(jì)。在數(shù)字孿生定義的發(fā)布單位中，高校占比43.8，包括美國(guó)國(guó)防采辦大學(xué)、賓夕法尼亞大學(xué)、密歇根大學(xué)等；企業(yè)占比35.9%，包括西門(mén)子、GE和ANSYS等大型公司；學(xué)會(huì)和機(jī)構(gòu)占比14.1%，包括AIAA、德勤和IEEE等知名學(xué)會(huì)和咨詢(xún)機(jī)構(gòu)；政府和軍方占比6.3%，包括NASA、美國(guó)空軍和美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院等代表國(guó)家意愿的權(quán)威機(jī)構(gòu)。

從以上統(tǒng)計(jì)和分析可見(jiàn)，定義采樣樣本具有全面性和典型性。

2 數(shù)字孿生定義模型構(gòu)建

通過(guò)內(nèi)容分析對(duì)64個(gè)數(shù)字孿生定義中的實(shí)詞進(jìn)行拆分、歸類(lèi)和詞頻統(tǒng)計(jì)，發(fā)現(xiàn)在64個(gè)定義中有些內(nèi)容要素相對(duì)統(tǒng)一。這些內(nèi)容要素可以被視作為共性要素，主要集中在實(shí)體、虛體、動(dòng)作、數(shù)據(jù)、方法、技術(shù)和手段、模型特征、關(guān)鍵結(jié)果（KR）和目標(biāo)（O）共8種。數(shù)字孿生定義共性要素的詞頻統(tǒng)計(jì)結(jié)果見(jiàn)表2。

表2 數(shù)字孿生定義共性要素的詞頻統(tǒng)計(jì)結(jié)果

從表中可見(jiàn)，定義中涉及實(shí)體、虛體、動(dòng)作和數(shù)據(jù)的4種共性要素占比較高，可以被看作共性要素中的核心要素。嘗試建立基于共性要素的通用數(shù)字孿生定義結(jié)構(gòu)模型，如圖4所示。

圖4 數(shù)字孿生定義結(jié)構(gòu)模型

3 數(shù)字孿生定義統(tǒng)計(jì)與分析

由于自然語(yǔ)言沒(méi)有統(tǒng)一標(biāo)準(zhǔn)，在詞義相同或類(lèi)似的情況下可以相互替換使用，為便于統(tǒng)計(jì)分析，依據(jù)基于共性要素建立的通用定義模型，采用詞匯聚類(lèi)與文獻(xiàn)計(jì)量相結(jié)合的方法，對(duì)64個(gè)采樣定義中的8種要素——實(shí)體、虛體、動(dòng)作、數(shù)據(jù)、方法、技術(shù)和手段、模型特征、關(guān)鍵結(jié)果和目標(biāo)進(jìn)行詞頻和詞匯統(tǒng)計(jì)與分析。

3.1 實(shí)體部分

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)統(tǒng)計(jì)，涉及實(shí)體的數(shù)字孿生定義共47條，通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行提煉，得到論述內(nèi)容“物理實(shí)體、物理對(duì)象、物理系統(tǒng)、物理實(shí)例、產(chǎn)品實(shí)例、實(shí)體、實(shí)例、物體”等（共8項(xiàng)），數(shù)字孿生定義實(shí)體部分的統(tǒng)計(jì)結(jié)果見(jiàn)表3，表中序號(hào)為定義文獻(xiàn)的編號(hào)。

表3 數(shù)字孿生定義實(shí)體部分的統(tǒng)計(jì)結(jié)果

對(duì)整理結(jié)果進(jìn)行歸納，把“物理實(shí)體”、“物理實(shí)例”、“物理對(duì)象”歸納為“物理實(shí)體”；把“實(shí)體產(chǎn)品”、“實(shí)體”、“實(shí)例”、“物體”歸納為“實(shí)體”。數(shù)字孿生定義實(shí)體部分聚類(lèi)統(tǒng)計(jì)結(jié)果如圖5所示。根據(jù)各項(xiàng)內(nèi)容的詞頻及來(lái)源文獻(xiàn)的重要程度，把表達(dá)實(shí)體部分的詞匯最終統(tǒng)稱(chēng)為“物理實(shí)體”。

圖5 數(shù)字孿生定義實(shí)體部分聚類(lèi)統(tǒng)計(jì)結(jié)果

3.2 虛體部分

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及虛體的數(shù)字孿生定義共33條，得到論述內(nèi)容“虛擬產(chǎn)品、數(shù)字飛行器、虛擬表達(dá)、數(shù)字模型、數(shù)字化描述、飛機(jī)的數(shù)字孿生模型”。對(duì)原始數(shù)據(jù)進(jìn)行提煉，得到論述內(nèi)容“虛擬實(shí)體、虛擬模型、虛擬產(chǎn)品、虛擬表達(dá)、虛擬實(shí)例、虛擬系統(tǒng)、虛擬結(jié)構(gòu)、虛擬事物、數(shù)字實(shí)體、數(shù)字模型、數(shù)字表達(dá)、數(shù)字副本、數(shù)字系統(tǒng)、數(shù)字實(shí)例”等（共15項(xiàng)），數(shù)字孿生虛體部分統(tǒng)計(jì)結(jié)果見(jiàn)表4。其中，把“虛擬實(shí)體”、“虛擬實(shí)例”、“虛擬事物”、“虛擬結(jié)構(gòu)”、“虛擬產(chǎn)品”、“數(shù)字實(shí)體”、“數(shù)字實(shí)例”、“數(shù)字副本”歸納為“虛擬實(shí)體”；把“數(shù)字表達(dá)”、“數(shù)字表征”、“虛擬表達(dá)”、歸納為“數(shù)字表達(dá)”；把“虛擬模型”、“數(shù)字模型”、“虛擬系統(tǒng)”、“數(shù)字系統(tǒng)”歸納為“虛擬模型”。數(shù)字孿生虛體部分聚類(lèi)結(jié)果如圖6所示。根據(jù)各項(xiàng)內(nèi)容的詞頻及來(lái)源文獻(xiàn)的重要程度，把表達(dá)虛體部分的詞匯最終統(tǒng)稱(chēng)為“虛擬實(shí)體”。

圖6 數(shù)字孿生數(shù)據(jù)部分統(tǒng)計(jì)結(jié)果

表4 數(shù)字孿生虛體部分統(tǒng)計(jì)結(jié)果

3.3 動(dòng)作部分

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及動(dòng)作的數(shù)字孿生定義共28條，得到論述內(nèi)容“映射、連接、數(shù)字化映射、雙向映射、交互映射、交互與共融、超寫(xiě)實(shí)映射、數(shù)據(jù)交互、鏡像”等（共8項(xiàng)）。經(jīng)整理歸納，將論述內(nèi)容提煉為“連接、映射、交互、鏡像”，數(shù)字孿生動(dòng)作部分統(tǒng)計(jì)結(jié)果見(jiàn)表5。根據(jù)各項(xiàng)內(nèi)容的詞頻及來(lái)源文獻(xiàn)的重要程度，把表達(dá)動(dòng)作部分的詞匯最終統(tǒng)稱(chēng)為“映射和鏡像”。

表5 數(shù)字孿生動(dòng)作部分統(tǒng)計(jì)結(jié)果

3.4 數(shù)據(jù)部分

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及數(shù)據(jù)的數(shù)字孿生定義共25條，得到論述內(nèi)容“數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)、機(jī)隊(duì)歷史數(shù)據(jù)、數(shù)據(jù)源、數(shù)據(jù)和信息、機(jī)隊(duì)歷史、動(dòng)態(tài)數(shù)據(jù)、實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、數(shù)據(jù)/視圖、模擬數(shù)據(jù)、維護(hù)和健康狀態(tài)數(shù)據(jù)、飛行器狀態(tài)、環(huán)境和特定歷史數(shù)據(jù)、知識(shí)、歷史和當(dāng)前行為、歷史和當(dāng)前行為的數(shù)字概要文件”等（共15項(xiàng)）。經(jīng)過(guò)對(duì)原始數(shù)據(jù)進(jìn)行提煉，把“數(shù)據(jù)”、“實(shí)時(shí)數(shù)據(jù)”、“機(jī)隊(duì)歷史”、“機(jī)隊(duì)歷史數(shù)據(jù)”、“數(shù)據(jù)和信息”、“歷史和當(dāng)前行為”、“歷史和當(dāng)前行為的數(shù)字概要文件”、“動(dòng)態(tài)數(shù)據(jù)”、“實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)”、“數(shù)據(jù)/視圖”、“模擬數(shù)據(jù)”、“數(shù)據(jù)、信息”、“數(shù)據(jù)源”、“維護(hù)和健康狀態(tài)數(shù)據(jù)”、“飛行器狀態(tài)、環(huán)境和特定歷史數(shù)據(jù)”提煉為“數(shù)據(jù)”，此外“知識(shí)”僅出現(xiàn)1次，數(shù)字孿生數(shù)據(jù)部分統(tǒng)計(jì)結(jié)果見(jiàn)表6。由于大多數(shù)的表述都可以提煉為“數(shù)據(jù)”，因此把表達(dá)數(shù)據(jù)部分的詞匯最終統(tǒng)稱(chēng)為“數(shù)據(jù)”。

表6 數(shù)字孿生數(shù)據(jù)部分統(tǒng)計(jì)結(jié)果

3.5 方法、技術(shù)和手段

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及方法、技術(shù)和手段的數(shù)字孿生定義共17條，經(jīng)過(guò)對(duì)原始數(shù)據(jù)進(jìn)行提煉，得到論述內(nèi)容“數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)字技術(shù)、大數(shù)據(jù)、云計(jì)算、信息技術(shù)、可視化、移動(dòng)互聯(lián)網(wǎng)網(wǎng)、人工智能、仿真、建?！钡龋ü?2項(xiàng)），數(shù)字孿生方法、技術(shù)和手段統(tǒng)計(jì)結(jié)果見(jiàn)表7。經(jīng)過(guò)對(duì)各種手段的概念的理解，將“數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)字技術(shù)、大數(shù)據(jù)”歸納為“數(shù)據(jù)技術(shù)”；將“云計(jì)算、信息技術(shù)、可視化、移動(dòng)互聯(lián)、人工智能”歸納為“信息技術(shù)”；將“仿真、建模”歸納為建模與仿真技術(shù)。數(shù)字孿生定義方法、技術(shù)和手段部分的聚類(lèi)結(jié)果如圖7所示。根據(jù)各項(xiàng)內(nèi)容的詞頻及來(lái)源文獻(xiàn)的重要程度，方法、技術(shù)和手段部分歸納為“數(shù)據(jù)技術(shù)、信息技術(shù)和建模與仿真技術(shù)”。

圖7 數(shù)字孿生定義方法、技術(shù)和手段部分的聚類(lèi)結(jié)果

表7 數(shù)字孿生方法、技術(shù)和手段統(tǒng)計(jì)結(jié)果

3.6 模型特征

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及模型特征包括2方面內(nèi)容，即模型復(fù)雜度和模型精度。涉及模型復(fù)雜度的數(shù)字孿生定義共14條，得到論述內(nèi)容“多物理場(chǎng)、多尺度、多概率仿真”、“多物理場(chǎng)、多尺度、多學(xué)科”、“多維度、多尺度、多學(xué)科、多物理場(chǎng)”等（共3項(xiàng)），數(shù)字孿生模型復(fù)雜度部分統(tǒng)計(jì)結(jié)果見(jiàn)表8。根據(jù)模型復(fù)雜度部分歸納為“多學(xué)科、多尺度、多物理場(chǎng)”。

表8 數(shù)字孿生模型復(fù)雜度部分統(tǒng)計(jì)結(jié)果

對(duì)于模型精度部分，經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及模型精度的數(shù)字孿生定義共6條，論述內(nèi)容有“高保真、高保真度、完全和精確的”，經(jīng)過(guò)對(duì)原始數(shù)據(jù)進(jìn)行提煉，得到論述內(nèi)容“高保真”和“精確”，數(shù)字孿生模型精度部分統(tǒng)計(jì)結(jié)果見(jiàn)表9。由于“精確”強(qiáng)調(diào)的也是保真度高，模型精度部分最終歸納為“高保真度”。

表9 數(shù)字孿生模型精度部分統(tǒng)計(jì)結(jié)果

3.7 關(guān)鍵結(jié)果

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及關(guān)鍵結(jié)果的數(shù)字孿生定義共10條。經(jīng)過(guò)對(duì)原始數(shù)據(jù)進(jìn)行提煉，得到論述內(nèi)容“反映狀況、模擬行為、預(yù)測(cè)狀態(tài)、控制過(guò)程、指導(dǎo)實(shí)踐、支撐決策”等（共6項(xiàng)），數(shù)字孿生關(guān)鍵結(jié)果部分統(tǒng)計(jì)結(jié)果見(jiàn)表10。根據(jù)各項(xiàng)內(nèi)容的詞頻及來(lái)源文獻(xiàn)的重要程度，關(guān)鍵結(jié)果部分歸納為“預(yù)測(cè)狀態(tài)和支撐決策”。數(shù)字孿生關(guān)鍵結(jié)果部分聚類(lèi)統(tǒng)計(jì)結(jié)果如圖8所示。

圖8 數(shù)字孿生關(guān)鍵結(jié)果部分聚類(lèi)統(tǒng)計(jì)結(jié)果

表10 數(shù)字孿生關(guān)鍵結(jié)果部分統(tǒng)計(jì)結(jié)果

3.8 目標(biāo)

經(jīng)過(guò)對(duì)采樣數(shù)據(jù)的統(tǒng)計(jì)，涉及目標(biāo)的數(shù)字孿生定義共12條。經(jīng)過(guò)對(duì)原始數(shù)據(jù)進(jìn)行提煉，得到論述內(nèi)容“加快進(jìn)度、提升指標(biāo)、降低成本、提高效益”等（共4項(xiàng)），數(shù)字孿生目標(biāo)部分統(tǒng)計(jì)結(jié)果見(jiàn)表11。根據(jù)各項(xiàng)內(nèi)容的詞頻及來(lái)源文獻(xiàn)的重要程度，目標(biāo)結(jié)果部分歸納為“加快進(jìn)度、提升指標(biāo)、降低成本”。

表11 數(shù)字孿生目標(biāo)部分統(tǒng)計(jì)結(jié)果

4 結(jié)論

通過(guò)前文對(duì)64種定義的分析提煉，可以得出以下數(shù)字孿生定義。

由核心要素可以得到數(shù)字孿生宏觀(guān)定義：數(shù)字孿生是通過(guò)對(duì)物理實(shí)體建模與仿真，建立物理實(shí)體與虛擬實(shí)體的數(shù)據(jù)交互映射，從而以虛擬實(shí)體反映物理實(shí)體的狀態(tài)。

由所有要素可以得到數(shù)字孿生的微觀(guān)定義：數(shù)字孿生是采用先進(jìn)建模與信息技術(shù)對(duì)物理實(shí)體進(jìn)行多學(xué)科、多物理場(chǎng)、多尺度、多概率、高保真度的仿真，采用先進(jìn)數(shù)據(jù)技術(shù)和信息技術(shù)實(shí)現(xiàn)物理實(shí)體與虛擬實(shí)體全生命周期的數(shù)據(jù)交互映射，以預(yù)測(cè)物理實(shí)體狀態(tài)并支撐優(yōu)化決策，從而加快進(jìn)度、提高指標(biāo)、降低費(fèi)用。