潘薇薇

（南京財經(jīng)大學(xué)，江蘇 南京 210046）

如何有效加強工業(yè)質(zhì)量管理，提高工業(yè)生產(chǎn)的質(zhì)量，是中國實現(xiàn)由制造大國向制造強國的關(guān)鍵問題。已有研究指出，數(shù)字孿生是由物理空間的物理實體和虛擬空間的虛擬實體兩部分組成，通過將現(xiàn)實世界的物體進行數(shù)字化分析，模擬出動態(tài)的虛擬模型，從而判斷其在物理世界中的行為，實現(xiàn)虛實相互融合、相互轉(zhuǎn)化。數(shù)字孿生在工業(yè)制造領(lǐng)域具有極大的應(yīng)用潛力，其能顯著影響產(chǎn)品的設(shè)計及研發(fā)、制造和運行周期管理，全方面、多維度地提高工業(yè)生產(chǎn)鏈的質(zhì)量[1]。研究者們試圖從理論與實證兩個角度探索數(shù)字孿生如何賦能工業(yè)質(zhì)量管理，涉及諸多變量，因此有必要對數(shù)字孿生影響工業(yè)質(zhì)量管理的作用機制進行梳理和總結(jié)，進一步打開數(shù)字孿生助力工業(yè)質(zhì)量管理和工業(yè)智能化轉(zhuǎn)型的黑箱，同時為相關(guān)研究者提供該領(lǐng)域的已有研究脈絡(luò)，明確和拓展未來的研究方向。運用國際前沿的信息可視化軟件CiteSpace，對2017-2022 年的617 篇相關(guān)文獻進行可視化分析，通過對圖譜信息的解讀與分析，總結(jié)出該領(lǐng)域的主要研究機構(gòu)與學(xué)術(shù)群體、研究熱點和研究前沿等。

一、數(shù)據(jù)來源和研究方法

(一)數(shù)據(jù)來源和預(yù)處理

研究的數(shù)據(jù)來源主要是中國知網(wǎng)（CNKI），中國知網(wǎng)是具有權(quán)威性、覆蓋學(xué)科廣的綜合性科研文獻數(shù)據(jù)庫，涵蓋了自然科學(xué)、人為科學(xué)、社會科學(xué)等多個研究領(lǐng)域的學(xué)術(shù)文獻。為了增強數(shù)據(jù)的準(zhǔn)確性和學(xué)術(shù)專業(yè)性，我們限定期刊范圍在SCI 來源期刊、EI 來源期刊、北大核心期刊、CSSCI 期刊和CSCD 期刊中，刪除短評快訊和會議通知，經(jīng)仔細篩選和除重，最終獲得617 篇有效的樣本文獻，利用可視化軟件生成圖譜進行分析，見表1 所列。

表1 數(shù)據(jù)的獲取方式

(二)研究方法

CiteSpace 是用來對數(shù)據(jù)進行可視化分析的應(yīng)用軟件，以知識域為分析對象，可顯示科學(xué)知識發(fā)展的趨勢與內(nèi)部結(jié)構(gòu)關(guān)系的一種圖形[2]。對數(shù)據(jù)處理的步驟為：(1)將中國知網(wǎng)研究文獻導(dǎo)出生成Refworks 文件；(2)將數(shù)據(jù)導(dǎo)入CiteSpace 進行轉(zhuǎn)化;(3)建立新的項目課題，選擇圖譜制作的條件限制;(4)通過CiteSpace 構(gòu)建關(guān)相關(guān)圖譜。

二、影響機制研究的時空分布分析

(一)時間分布

近年來，鑒于數(shù)字孿生強大的虛擬和控制功能，各個業(yè)界都加大了對數(shù)字孿生技術(shù)研究和開發(fā)的力度，以數(shù)字孿生為主題的研究論文總體上呈現(xiàn)較快增長的趨勢(如圖1 所示)。

圖1 文獻時間分布

(二)空間分布分析

1.發(fā)文期刊分布

由于知網(wǎng)數(shù)據(jù)無法用于制作共引期刊知識圖譜，所以此處分析使用Web of Science 核心集作為數(shù)據(jù)庫，主題=digital twin，時間限于2017 年1 月-2022 年3 月。表2 是利用CiteSpace 對獲得的2117 條樣本數(shù)據(jù)進行共引期刊分析的結(jié)果。據(jù)表2，共引期刊較多的是《IEEE 訪問》《國際先進制造技術(shù)》《國際生產(chǎn)工程科學(xué)院加工中心》《國際會計師聯(lián)合會-論文在線》。其中，《IEEE 訪問》是計算機科學(xué)的頂級期刊，《國際先進制造技術(shù)》《國際生產(chǎn)工程科學(xué)院加工中心》分別是工程技術(shù)和機械制造領(lǐng)域的頂級期刊，這些具有權(quán)威性的期刊為數(shù)字孿生在工業(yè)質(zhì)量管理中的應(yīng)用提供了強有力的技術(shù)支撐。

表2 高共引期刊的中心度

2.研究結(jié)構(gòu)合作知識圖譜

國內(nèi)研究數(shù)字孿生在工業(yè)質(zhì)量管理中的相關(guān)應(yīng)用的機構(gòu)主要包括北京航空航天大學(xué)自動化科學(xué)與電氣工程學(xué)院、西安科技大學(xué)機械工程學(xué)院、北京理工大學(xué)機械與車輛學(xué)院、東南大學(xué)機械工程學(xué)院等，研究團隊主要以陶飛、劉檢華、程江峰、胡天亮、李浩為中心的科研團隊（如圖2、圖3）。

圖2 影響機制研究文獻的研究機構(gòu)合作知識圖譜

圖3 影響機制研究的作者合作知識圖譜

三、研究熱點的可視化分析

關(guān)鍵詞是文獻研究內(nèi)容的高度濃縮，是一篇論文的核心內(nèi)容。運用關(guān)鍵詞識別研究熱點的方法有關(guān)鍵詞共現(xiàn)圖譜法、高頻關(guān)鍵詞統(tǒng)計分析法和文獻共被引聚類法等。采用基于CiteSpace 的關(guān)鍵詞共現(xiàn)圖譜法對研究熱點進行分析，既能從數(shù)量上展現(xiàn)熱點詞匯，又能從結(jié)構(gòu)上分析各大熱點之間的聯(lián)系。由圖4 可以看出研究熱點為：人工智能、智能制造、物聯(lián)網(wǎng)、大數(shù)據(jù)、數(shù)據(jù)驅(qū)動如何與數(shù)字孿生相結(jié)合，共同賦能工業(yè)質(zhì)量管理的優(yōu)化。

圖4 影響機制研究的研究熱點合作知識圖譜

四、研究前沿、關(guān)鍵節(jié)點及對應(yīng)的知識基礎(chǔ)分析

(一)研究前沿

運用CiteSpace 工具，選擇關(guān)鍵詞為網(wǎng)絡(luò)節(jié)點，選取2017-2022 年為時間年限，使用突顯詞探測法得到9個突顯詞，突顯詞的具體信息見表3 所示。由此可知：該領(lǐng)域的研究前沿主要包括由數(shù)據(jù)分散處理到數(shù)據(jù)融合;突破原有的工業(yè)質(zhì)量管理模式進行創(chuàng)新設(shè)計；注重區(qū)塊鏈技術(shù)、仿真技術(shù)和5G 等新興技術(shù)與數(shù)字孿生技術(shù)的緊密結(jié)合等。

表3 突顯詞信息

(二)研究的關(guān)鍵節(jié)點和知識基礎(chǔ)分析

將數(shù)據(jù)導(dǎo)入CiteSpace 分析軟件，選擇被引文獻作為網(wǎng)絡(luò)節(jié)點，以2017-2022 年為時間期限，得到該領(lǐng)域的高被引文獻和高中心性文獻。這些高被引文獻和高中心性文獻共同構(gòu)成了數(shù)字孿生如何應(yīng)用于工業(yè)質(zhì)量管理體系中的知識基礎(chǔ)，是該領(lǐng)域的重要研究節(jié)點和重點研究內(nèi)容。

2016 年，Stock T 根據(jù)研究和實踐的最新進展，對全球化背景下工業(yè)4.0 的最新發(fā)展進行綜述，概述了工業(yè)4.0 中可持續(xù)制造的不同機會。他同時將數(shù)字技術(shù)示例性地概述作為工業(yè)4.0 中可持續(xù)制造的特定機會的制造設(shè)備改造的用例，為后續(xù)各大研究機構(gòu)和群體加強對數(shù)字孿生的研究力度奠定了思想引導(dǎo)[3]。

2017 年，密歇根大學(xué)的Grieves M 教授認(rèn)為數(shù)字孿生是從微觀原子級到宏觀幾何全面描述潛在生產(chǎn)或?qū)嶋H制造產(chǎn)品的虛擬信息結(jié)構(gòu)，可用于產(chǎn)品數(shù)據(jù)的全生命周期管理[4]。Schleich B 則是基于皮膚模型，利用對偶原理以及不確定性的概念構(gòu)建數(shù)字孿生的參考模型，將其運用到生產(chǎn)工程中，為我們研究數(shù)字孿生在工業(yè)質(zhì)量管理中的應(yīng)用提供有力的技術(shù)基礎(chǔ)[5]。

2018 年，陶飛等人的團隊從應(yīng)用需求出發(fā),基于提出的數(shù)字孿生五維結(jié)構(gòu)模型,設(shè)計了數(shù)字孿生驅(qū)動的6條應(yīng)用基本準(zhǔn)則，并依據(jù)6 條基本準(zhǔn)則,進一步探索了數(shù)字孿生驅(qū)動的14 類應(yīng)用初步設(shè)想、與傳統(tǒng) (或現(xiàn)有) 方法的區(qū)別,以及數(shù)字孿生理念實施過程中所需突破的關(guān)鍵技術(shù)等，其中探討的數(shù)字孿生在產(chǎn)品質(zhì)量分析與追溯、故障預(yù)測與健康管理中的應(yīng)用，有利于我們進一步加強對數(shù)字孿生在工業(yè)質(zhì)量管理流程中應(yīng)用的理解[6]。Kritzinger W 立足數(shù)字孿生的定義，注重區(qū)分?jǐn)?shù)字孿生和數(shù)字模型(DM)、數(shù)字陰影(DS)的不同點，最終結(jié)果顯示，關(guān)于最高發(fā)展階段數(shù)字孿生的文獻很少，而關(guān)于DM 和DS 的文獻較多，為我們研究數(shù)字孿生提供了明確的界定，避免陷入理解誤區(qū)[7]。

2019 年,陶飛的團隊結(jié)合早期暗行掃描(Dark Trace)應(yīng)用在產(chǎn)品設(shè)計、生產(chǎn)、預(yù)測和健康管理以及其他一些領(lǐng)域中的成功實施，強調(diào)數(shù)字孿生的特征在于網(wǎng)絡(luò)空間與物理空間之間的無縫集成，使數(shù)字孿生的重要性被學(xué)術(shù)界和工業(yè)界越來越多地認(rèn)識到[8]。Cimino C 特別關(guān)注建議數(shù)字孿生與物理系統(tǒng)控制的集成程度，特別是當(dāng)生產(chǎn)系統(tǒng)基于自動化金字塔時與制造執(zhí)行系統(tǒng)(MES)的集成程度，以及這些環(huán)境提供的服務(wù)，并將它們與參考環(huán)境進行比較，為我們更深入地了解數(shù)字孿生技術(shù)在工業(yè)質(zhì)量管理中應(yīng)用的環(huán)境適配性提供指導(dǎo)[9]。

五、研究結(jié)論與啟示

(一)研究結(jié)論

以中國知網(wǎng)數(shù)據(jù)庫中2017-2022 年617 篇有關(guān)數(shù)字孿生在工業(yè)質(zhì)量管理中的應(yīng)用的文獻作為數(shù)據(jù)池，應(yīng)用CiteSpace 這一可視化軟件對該研究領(lǐng)域的主要研究機構(gòu)和研究力量、研究熱點、研究前沿等進行了可視化分析，同時以WoS 核心數(shù)據(jù)集中2017-2022 年2117 篇文獻作為樣本數(shù)據(jù)對共引期刊和被引文獻進行知識圖譜的制作。

1.只有將AI、區(qū)塊鏈技術(shù)和5G 等新興技術(shù)與數(shù)字孿生技術(shù)緊密結(jié)合，突破原有的工業(yè)質(zhì)量管理模式進行數(shù)據(jù)融合，創(chuàng)新設(shè)計出“數(shù)字孿生+”的新模式，數(shù)字孿生才能在工業(yè)質(zhì)量管理領(lǐng)域的應(yīng)用中獲得長遠的縱向發(fā)展。

2.數(shù)字孿生賦能工業(yè)生產(chǎn)，很大程度上解決了工業(yè)質(zhì)量管理中檢測難度大、檢測人力成本高、檢測效率低的問題。使用機器視覺代替?zhèn)鹘y(tǒng)的人為把控，彌補了純勞動力的缺點，提高了質(zhì)量管理的效率。數(shù)字孿生主要作用于產(chǎn)品制作過程中的精準(zhǔn)預(yù)測，通過對物理實體進行機器視覺掃描，從而進行仿真分析，監(jiān)測和預(yù)測產(chǎn)品生產(chǎn)的狀態(tài)，輔助工作人員做出正確的決策，從而判斷產(chǎn)品是否達標(biāo)，在源頭上減少產(chǎn)品質(zhì)量的低劣率。

(二)未來研究展望

在工業(yè)質(zhì)量管理領(lǐng)域，數(shù)字孿生因其智能、穩(wěn)定、安全、精準(zhǔn)的特點備受關(guān)注。就目前的行業(yè)發(fā)展?fàn)顩r而言，數(shù)字孿生賦能工業(yè)生產(chǎn)能夠有效減少工業(yè)生產(chǎn)線中質(zhì)量問題出現(xiàn)的頻率，以機器視覺代替人為監(jiān)控，大大降低了人力成本，并將其轉(zhuǎn)化為用于提高產(chǎn)品品質(zhì)的資金儲備，提高工業(yè)生產(chǎn)的競爭力。與此同時，我們?nèi)砸e極地把數(shù)字孿生技術(shù)與AI、5G 等智能技術(shù)巧妙地結(jié)合，只有創(chuàng)新設(shè)計出“數(shù)字孿生+”的新的發(fā)展模式，才能推動我國工業(yè)早日向數(shù)字化、智能化成功轉(zhuǎn)型。