提示 ：点击上方 "机械工程学报 ↑ 关注我吧
论文
陶飞 , 张辰源 , 刘蔚然 , 张贺 , 马昕 , 高鹏飞, 张建康 . 数字工程及十个领域应用展望[J/OL]. 机械工程学报, 2023, 59(13): 193-215 [2023-08-09]. http://kns.cnki.net/kcms/detail/11.2187.TH.20230807.1540.026.html.
TAO Fei , ZHANG Chenyuan , LIU Weiran , ZHANG He , MA Xin , GAO Pengfei, ZHANG Jiankang . Digital Engineering and Its Ten Application Outlooks [J/OL]. Journal of Mechanical Engineering, 2023, 59(13): 193-215 [2023-08-09]. http://kns.cnki.net/kcms/detail/11.2187.TH.20230807.1540.026 .html.
http://kns.cnki.net/kcms/detail/11.2187.TH.20230807.1540.026.html
(戳链接，下载全文)
依赖物理手段规划、研究、设计、制造、试验和使用产品或系统，通常存在研制周期长、运营成本高、响应不及时、智能程度低、体系优化难等问题，数字工程为解决上述问题提供了新的思路和途径。 北京 航空航天大学陶飞教授团队通过总结近20多年数智化实践和分析未来发展趋势，从物理空间出发，提出基于“信息空间”提速增效、基于“数字空间”仿真分析、基于“数实空间”虚实交互、基于“数智空间”智能决策、基于“数智生态”体系优化的 数字工程演进历程和五等级成熟度模型 。在数字工程范畴下，定义了“数力 ”和“智力 ”，以及由“控全局、破孤岛、聚能力、跨时空、强智能、深协同”组成的数字工程“能力 ”，进而提出通过开发“数力”，运用“智力”，进而提升体系化解决问题和满足需求“能力”的数字工程新理解与系统思考 。分析了 NewIT 时代下数字工程的六大需求与挑战。设计提出以“智能中枢”为核心，以“物理线程、模型线程、数据线程、服务 线程”四线程为主线的数字工程体系架构 ，并阐述支撑数字工程的八类关键技术。最后结合团队科研实践，基于所提架构和技术，面向海陆空天复杂产品与装备研制，以及城市、医疗、能源等复杂系统工程重大需求，对核电厂数字工程、航空发动机数字工程、卫星互联网数字工程、海洋系统及海洋装备数字工程、风洞数字工程、未来战场数字工程、城市数字工程、高档数控机床数字工程、能源数字工程、车辆数字工程等重大领域进行应用展望 。
本文作为 《机械工程学报》创刊70周年特邀文章 （2023年第13期的封面文章）发表，期望相关工作为复杂产品或系统全生命周期科学组织、智能管控和体系优化，以及为数字中国建设与数字经济发展提供参考 。
通过总结分析当前各产业领域数字化转型相关研究与应用实践，结合信息化、数字化、网络化、智能化、体系化发展趋势，依据数字工程在物理域、信息域、过程域、知识域四域中的作用范围，四域开发利用与融合程度，以及数字工程能够赋予产品或系统不同程度的各种能力，提出数字工程五级成熟度模型：基于信息空间提速增效（数字工程1.0），基于数字空间仿真分析（数字工程2.0），基于数实空间虚实交互（数字工程3.0），基于数智空间智能决策（数字工程4.0），基于数智生态体系优化（数字工程5.0），如图1所示
图1 数字工程成熟度模型
（1）数字工程不是简单的物理对象数字化，而是全要素、全过程、全功能、全业务数字化，进而不断形成“数力”
式中，PD DE 表示数字化的要素（Digital element），指人员、装备、工具、产品、物料、环境等要素的数字化表示。DP 表示数字化的过程（Digital process），指要素在时间域上状态变化过程的数字化描述，例如飞机巡航飞行过程的数字化描述。DA 表示数字化的要素能力（Digital ability），指要素所具备能力的数字化描述。DB 表示数字化的业务（Digital business），指各种应用需求和任务的数字化描述 。
（2）数字工程不仅关注数字空间，还关注实际物理空间，更关注数实空间交互融合
（3）数字工程不仅需要“数力”和虚实融合，更需“智力”
式中，P I 表示“智力”（Intelligence power），即赋予物理产品或系统智慧的能力。“智力”由计算能力、算法性能、网络性能和存储能力组成，支撑物理产品或系统智能化功能的实现，使普通产品或系统升级为智能产品或智能系统。“智力”的强弱取决于计算能力、算法性能、网络性能和存储能力的强弱 。CP 表示算力（Computing power），指计算机和服务器等对数据的处理速度。 AP 表示算法性能（Algorithm performance），指算法求解问题的时间复杂度和空间复杂度，以及能够解决问题的复杂度和解决程度等。 NP 表示网络性能（Network performance），指带宽、时延、丢包率、安全性和可兼容数据接口类型数量等。表示存储能力（Storage capacity），指可存储的数据量、可存储的数据类型数量、数据安全性和数据读写能力等 。
（4）数字工程不是为了数智化而数智化，而是通过开发和利用“数力”与“智力”，提升体系化解决问题和满足需求的“能力” 。
式中，C 表示“能力”，即实现物理产品或系统实现所需功能，进而解决相应问题和满足各种应用需求的能力，主要包括六个方面：
① 控全局 （Overall control, OC ）：面向产品或系统全生命周期，综合考虑全业务、全功能、全要素，实现对产品或系统的全局感知、全局决策和全局管控的能力 。
② 破孤岛 （Island breaking, IB ）：融合海量多源异构数据，打破数据孤岛，实现各类信息完整汇聚与充分共享的能力 。
③ 跨时空 （Backtracking and prediction, BP ）：基于高保真模型和权威性数据，在数字空间中实现对物理产品或系统的回溯分析和推演预测的能力。
④ 聚能力 （Function integration, FI ）：集成并服务化产品、系统、软件等的虚实功能，面向全生命周期中动态变化的各种业务需求，及时提供所需功能服务的能力。
⑤ 强智能 （Strong intelligence, SI ）：利用强大算力和先进算法，基于模型和数据挖掘、表示和利用产品或系统知识，并以此为基础开发相应的智能功能，实现自治运行和迭代进化的能力。
⑥ 深协同 （Deep cooperation, DC ）：贯通产品或系统全生命周期各阶段，互联全部耦合要素，融合多学科与多物理场，实现体系整体在全过程中的一致性高效协同的能力。
（5）数字工程不是聚焦局部的单元工程，而是放眼全局的系统工程 。
（6）数字工程不仅强调全局优化，更强调通过数智化手段，缩小预期与实际的性能差距 。
① 阶段性性能差距 ：因产品或系统在研发、制造和使用过程中存在的诸多不确定性因素，造成产品或系统在全生命周期各阶段的性能层层衰退[21] 递减，最终导致产品或系统在运行过程中提供的实际性能无法满足应用需求 。
② 整体性性能差距 ：因复杂产品或系统全生命周期中的多尺度多物理量变量群与局部性能，以及局部性能与整体性能之间不精准的非线性耦合关系，造成产品或系统的整体性能与整体期望性能之间存在性能差距，导致产品或系统的整体性能不及预期 。
③ 时效性性能差距 ：因信息流通不畅或相关管控决策不及时，导致产品或系统提供的性能与产品或系统当前性能需求之间存在性能差距，无法满足产品或系统不断变化的性能需求 。
上述三类性能差距使工程效果无法得到保证，使产品或系统的性能无法满足预期需求。数字工程的目标之一就是通过信息化、数字化、网络化、智能化和体系化，实现对产品或系统全生命周期的科学组织和性能管理，并面向动态业务需求全局统筹优化和及时响应，使因环境的不确定性、系统的复杂性和需求的动态性等造成的各种性能差距最小化，逼近“设计即所需，设计即所得，所得即所需”的理想目标 。
（7）单一技术无法实现数字工程，需综合运用多种技术 。
（8）数字工程不能一蹴而就，需长时间积累和沉淀 。
（9）数字工程不是面子工程，而是统揽全局的一把手工程
（1 ） 全信息汇聚融合 。产品或系统在规划、研究、设计、验证、制造、试验、使用、维护、报废全生命周期各环节都需要各类数据的直接参与，产品或系统本身也在全生命周期中持续产生新的数据，这些数据中蕴涵着产品或系统的组成成分、结构特征、时变特征、功能、性能、当前状态、历史过程、服务对象、结果反馈等诸多有效信息，对于产品或系统设计、制造、运维等的智能化尤为重要。因此，需攻克①海量多源数据实时汇聚与存储、②海量异构数据高效处理与深度融合、③基于融合数据的知识高质量挖掘、表示、存储和利用等挑战，实现产品或系统的全信息汇聚融合，为数字工程“数力”和“智力”的形成提供数据、信息和知识基础。
（2） 全要素、全过程、全功能 、全业务精准刻画。在数字空间中实现对物理对象深入分析、智能决策和能力提升的前提，是利用模型、数据等表现形式精准刻画产品或系统相关要素、过程、功能和业务。因此，需攻克①全要素模型精准构建、②全过程模型精准构建、③全功能模型精准构建、④全业务模型精准构建四个挑战，保证数字空间中的数字产品或系统完备可靠，并结合产品或系统全信息，为数字工程提供强大“数力”。
（3） 全过程交互协作 。产品或系统的全生命周期包括设计、验证、制造、试验、使用、维护等多个环节，每个环节又涉及诸多串行和并行过程。为实现系统全过程多方高效交互与协作，亟需借力传感、通信、网络等先进技术，攻克①研制阶段的多学科领域、多方多人协同规划、研究、设计与验证，以及②使用阶段的全要素实时交互与高效协同两大挑战。
（4） 全功能智能优化 。复杂产品或系统通常具有多种功能，且需要根据运行环境和业务需求的变化而进行适应性调度和配置以发挥出满足应用需求的性能，但由于产品或系统在实际运行过程中，其性能与全要素之间呈现出高度非线性关系，且动态环境下需考虑和决策的问题繁多、复杂，由人来完成产品或系统配置及相关决策，难以兼顾全局并及时响应。因此，数字工程需有效组织算力，利用人工智能技术和相关先进算法，开发并运用“智力”，攻克①态势感知与认知、②动态智能决策、③决策方案分解与分布式协同控制等挑战，实现产品或系统的动态调度和智能决策，面向动态环境和需求变化力求寻得全局时效最优。
（5） 全业务软件定义 。产品或系统功能的开发通常面向业务需求，而业务需求则会随外界环境、服务对象、业务发展阶段等的变化而变化，这就导致需要不断调整产品或系统的部分功能，甚至是不断开发新的功能来满足随时变化的业务需求，而这种需求变化的频率在信息爆炸、竞争激烈、全球化特征明显的信息时代被大幅放大，激化了开发周期、运营成本和性能等之间的矛盾。因此，数字工程亟需通过攻克①产品或系统功能与硬件资源虚拟化、标准化、语义化、服务化封装，②服务动态重构与灵活配置，③软件功能跨平台、跨阶段、跨语言集成等挑战，实现全业务软件定义，解决业务需求变化响应速度慢、能力集成难的问题。
（6） 全生命周期可推演、可回溯 。 物理世界中的产品或系统在时域中不可逆，但在进行产品或系统的故障分析、问题回溯、迭代优化设计时，又迫切需要产品或系统再现历史状态；同时，物理产品或系统也无法以独立的时间流速快进，但在其进行设计验证、运行维护、调度控制时，却期望运行结果能够被预先知晓。为实现产品或系统全生命周期范围内的精准推演和回溯，助力产品或系统的研发、制造、运维等环节，亟需攻克①系统状态自由配置、②数据和模型的一致性联动仿真、③系统全生命周期各阶段融合贯通三个挑战 。
数字工程是一种面向产品或系统在设计、制造、运维等阶段的需求，从物理世界出发，通过利用新一代信息技术、数字技术、人工智能技术等开发利用“数力”和“智力”，逐步构建和完善数字世界，进而实现并提升体系化解决问题和满足需求“能力”的工程范式，如图2所示。
图2 数字工程抽象概念示意图
为实现数字工程“控全局、破孤岛、跨时空、聚能力、强智能、深协同”六大能力，赋能物理产品或系统，进而满足各类应用需求，提出以“智能中枢”为核心，以“物理线程、模型线程、数据线程、服务线程”四大线程为主线的数字工程体系架构，如图3所示 。
图3 数字工程体系架构
（1）物理线程 TP ）指物理产品或系统的全生命周期，包括需求分析、设计验证、生产制造、测试交付、部署配置和运维管控等阶段和环节。在这一系列物理过程中，总体应用需求被逐步分解降维，以此为依据，基于分布式合作模式并行开展各类产品或系统组件从无到有的研制过程。同时，对相关人员、环境、在用产品、在用系统等现有复杂产品或系统组件进行适应性改造和调整。根据系统建设方案依次部署和配置上述系统组件，实现其耦合关联和体系协同，并通过在全生命周期尺度下有效管控各组件性能，以及实现各组件的智能运维，使系统内各组件充分发挥各自功能的固有性能，进而使复杂产品或系统持续提供符合预期、满足应用需求的功能服务。
（2）模型线程 TM 。
（3）数据线程 （Data thread, TD ）指物理产品或系统全生命周期中的各种虚实数据，包括需求数据、设计数据、验证数据、工艺数据、生产数据、性能数据、测试数据、管控数据、配置数据、运维数据等，以及由上述数据挖掘得到的数据特征与相关知识。数据的形式包括但不限于数值、文本、图像、视频、音频。数据线程贯通数字工程的物理世界与数字世界，贯穿产品或系统的全生命周期，承载着从需求的提出到满足整个过程中的全部信息，其数据随着产品或系统全生命周期进程的推进不断积累和丰富。物理世界中产生的数据主要用于模型的构建、校验和运行，以及对物理产品或系统的管理和控制；数字世界中产生的数据主要用于方案和过程的分析、决策和优化。此外，数据线程还是物理产品或系统、模型和服务交互的桥梁，以及产品或系统智能化的基础，对于实现虚实一致性、功能智能性和服务时效性具有重要意义 。
（4）服务线程 TS ）指物理产品或系统全生命周期中依托各类软件和程序代码、插件等实现的各种功能和服务，包括感知通信服务、数化服务、仿真分析服务、智能决策服务、优化服务、安全管控服务等。服务的形式包括但不限于平台、软件、API、工具包、插件、功能块、功能函数和具有一定服务能力的物理与虚拟对象。感知通信服务指基于各种硬件资源实现的状态感知、信息获取、数据录入、数据传输等功能服务，用于支持物理产品或系统与环境、人、模型等之间的数据交互过程；数化服务指基于物理世界构建数字世界的相关服务，包括产品、系统、过程、业务、功能、环境等全要素模型的构建与校验；仿真分析服务包括回溯分析、预测分析、多场耦合分析等服务，基于数模联动，在数字世界中实现对物理产品或系统的结构、功能、运行过程以及相关现象和问题的深入分析；智能决策与优化服务包括知识挖掘、自主学习、实时决策、自适应、自优化等服务，为产品或系统的智能自治和持续优化进化提供基础；安全管控服务包括物理产品或系统的安全生产、安全部署、安全使用和安全控制等服务，用于实现产品或系统研制、交付、部署、使用和维护等物理过程，使产品或系统的能力和价值得到充分发挥和利用。
（5）智能中枢 IC ）由算力、算法、存储、网络等要素组成，是开发人工智能、赋能产品或系统智能升级、促进四大线程交互融合，以及实现人机交互与体系协同的重要支撑。其中，算力是实现大规模数据处理和高性能计算的关键要素，可以有效支持人工智能的实现，使得数字工程能够更好地解决数据密集型应用问题。以人工智能为代表的各种算法用于指导算力对海量数据进行高效处理和特征精准提取，同时也是基于大数据挖掘知识和提升产品或系统智能的基础。算力和算法为智能中枢提供数据处理能力，而存储则是为智能中枢提供海量数据、信息和知识的归类存储与快速吞吐能力，用于实现数据存储、信息汇聚和知识积累。网络是数字工程实现要素耦合关联、虚实交互融合、人机交互协同、远程精准管控和时效智能服务的重要支撑，网络能够通过连接物理产品、系统、模型、软件等的数据接口，保障数据、信息、知识、智慧的获取、传递与共享，并利用集中的智慧分布式管控各要素，解决其在各阶段过程中的相关问题。网络、存储、算力、算法相辅相成，共同支撑人工智能的实现与应用，共同构成数字工程的智能中枢，为数字工程提供强大“智力”。
数字工程的实现需要综合运用多种先进技术，为促进相关支撑技术集成融合应用，助力数字工程快速发展成熟，分析八类数字工程关键技术，提出数字工程技术体系，如图4所示。
图4 数字工程技术体系
面向海陆空天复杂产品与装备研制使用，以及城市、医疗、能源等复杂巨系统的建设运行等重大需求，对核电厂数字工程、航空发动机数字工程、卫星互联网数字工程、海洋系统及海洋装备数字工程、风洞数字工程、未来战场数字工程、城市数字工程、高档数控机床数字工程、能源数字工程、车辆数字工程等重大领域进行应用展望，给出了数字工程范式在不同领域的实例化应用参考，如图5~14所示 。
图5 基于数字工程的“五定四预”核电厂安全可靠运维
图6 基于数字工程的航空发动机协同正向闭环研制
图7 卫星互联网全生命周期数字工程
图8 海洋系统/海洋装备数字工程及服务应用
图9 基于风洞数字工程的“两洞三场”飞行器测试
图10 未来战场数字工程
图11 城市数字工程及应用
图12 基于数字工程的高档数控机床智能运维管控
图13 “减碳-析碳-管碳-储碳”能源数字工程
[21] 郭东明. 高性能制造[J ]. 机械工程学报， 2022，58(21)： 225-242 .
（1）数字工程通过开发和利用“数力”与“智力”，实现并提升体系化解决问题和满足需求的“能力”。数字孪生是数字工程的重要基础与载体。
（2）数字中国建设背景下，数字工程与数字孪生是助力各行业数智化转型升级，推动数字经济可持续发展，构筑国际竞争新优势的有效途径。
（3）团队提出了数字工程五级（1.0到5.0）成熟度模型，阐述了对数字工程的新思考与新理解，分析了数字工程将面临的需求与挑战，提出了数字工程体系架构与技术体系，并对十个重大领域进行了应用展望。
（4）未来，基于提出的数字工程体系架构，探索复杂产品/装备数字化设计-制造-运维与复杂巨系统规划-研究-设计-构建-运行，实现面向多元应用需求与难题体系化攻克的科学工程范式，具有一定理论研究与应用价值。
陶飞(1981-) 教育部长江学者特聘教授（2019），现任北航国际交叉科学研究院常务副院长、 北航党委人才办 副主任、国家智能制造 专家委员会委员 ，曾任北航自动化科学与电气工程学院副院长、北航高新技术办公室主任、北航科学技术研究院副院长兼基础研究处处长。主要从事智能制造与装备、数字孪生、数字工程、制造工业软件、绿色可持续制造等教研工作。第一作者出版专著5部，在Nature等期刊上发表30余篇ESI高被引论文；被引用3万余次；连续入选2019，2020，2021，2022年科睿唯安全球高被引学者、Elsevier中国高被引学者。国家重点研发计划、国家自然科学基金重点国际合作等项目负责人。作为第一作者完成 人带领团队获国家科技 进步二等奖、教育部自 然科学一等奖、中国机 械工业技术发明一等奖 、中国青年科技奖、北 京市教学成果二等奖等 。现任中国机械工程学会理事、RCIM副主编、CIRP通信会员。入选美国SME智能制造Top 20最具影响力学者（2021），创办《Digital Twin》国际期刊，发起数字孪生国际论坛和国际会议。
张辰源(1995-) 博士研究生，主要研究方向为数字孪生车间构建与车间运行优化
刘蔚然 博士研究生，主要研究方向为数字孪生、数字孪生卫星工程及应用 。
张贺 博士后，主要研究方向为数字孪生模型构建与智能制造 。
马昕 博士研究生，主要研究方向为数字孪生交互与数字孪生标准 。
高鹏飞 博士研究生，主要研究方向为数字孪生与面向制造的虚拟测试技术 。
张建康 博士研究生，主要研究方向为数字孪生、智能制造及数字孪生测试 。
北京航空航天大学数字孪生智能制造团队长期致力于智能制造、数字孪生与数字工程、制造工业软件方向研究。
[1] TAO F, QI Q. Make more digital twins[J]. Nature, 2019, 573(7775): 490-491 .
[2] TAO F, SUN X, CHENG J, et al. MakeTwin: A reference architecture for digital twin software platform[J]. Chinese Journal of Aeronautics, 2023 .
[3]TAO F, CHENG J, QI Q, et al. Digital twin-driven product design, manufacturing and service with big data[J]. The International Journal of Advanced Manufacturing Technology, 2018, 94(9): 3563-3576
[4]TAO F, QI Q, LIU A, et al. Data-driven smart manufacturing[J]. Journal of Manufacturing Systems, 2018, 48: 157-169
[5] 陶飞, 刘蔚然, 张萌, 等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统, 2019, 25(1): 1-18 .
[6] 陶飞, 张辰源, 戚庆林, 等. 数字孪生成熟度模型[J]. 计算机集成制造系统, 2022, 28(5): 1267-1281 .
[7]陶飞, 张萌, 程江峰, 等. 数字孪生车间——一种未来车间运行新模式[J]. 计算机集成制造系统, 2017, 23(1): 1-9
[8] 陶飞, 张辰源, 张贺, 等. 未来装备探索：数字孪生装备[J]. 计算机集成制造系统, 2022, 28(1): 1-16 .
[9]陶飞, 程颖, 程江峰, 等. 数字孪生车间信息物理融合理论与技术[J]. 计算机集成制造系统, 2017, 23(8): 1603-1611
[10] 陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18 .
JME学院简介
JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。
欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！
有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。
感谢关注我们！《机械工程学报》编辑部将努力为您打造一个 有态度、有深度、有温度 的学术媒体 ！
版权声明：
本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！
在公众号后台留言需要转载的文章题目 及要转载的公众号ID 以获取授权!
联系我们：
联系人：暖暖
电话：010-88379909
E-mail：jme@cmes.org
网 址：http://www.cjmenet.com.cn
官方微信号：jmewechat
长按图片，识别二维码，关注我哟
提示：点击上方"机械工程学报"↑关注我吧
引用论文
JME学院简介
