对于数字孪生技术而言，生成数字模型是第一步，而加入更多的数据集才是关键。未来，不会有哪家公司拥有生成现代化数字孪生模型所需的全部数据，OEM、MRO 企业、航空公司等各方都将面临数据 分享的挑战，而且要想进一步发挥数字孪生技术的潜能，数据存储、计算能力和机载连通性也需取得更 大的进步。

对工业互联网行业人士来说，数字孪生一词已经是老生常谈，它是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程，是一种超越现实的概念，可以被视为一个或多个重要的、 彼此依赖的装备系统的数字映射系统。数字线索（Digital Thread）和数字孪生 （Digital Twin）最早是由密西根大学教授 Grieves 提出的，美国空军在 2013 年发布的《全球地平线》顶层科技规划文件中，将其二者视为“改变游戏规则” 的颠覆性机遇。

近年来，“数字孪生”的热度不断提升，一度被认为是工业互联网关键技术和重要场景。尤其是在今年波音 737MAX8 飞机出现两次严重坠毁事故之后，飞机的安全问题再次引发了航空业对数字孪生技术的更大关注。但说到底，数字孪生的核心是模型和数据，即虚拟模型的创建和海量数据的分析。因此不久的将来，数字孪生模型的发展方向是与更多工具相结合，在多个维度上取得更好、更宽的扩展。

飞机组件的建模和监控最早被用于航空发动机，然后扩展到辅助动力装置（APU）。现已被扩展到其他组件上，比如机械、电气、液压、气动组件，甚 至在结构和航电组件方面也得到了应用。

在GE 和Infosys 公司合作的飞机综合健康管理项目中，他们还为起落架组 件建立了数字孪生模型。该模型包括飞机的前起落架和主起落架，以及驱动起落架收放的液压系统，被用于测试起落架结构、分析数据，以及开发诊断和预测模型。Infosys 公司认为，只要物理实体安装了采集数据的传感器，创建一个典型的数字孪生模型只需几个月的时间。

此外，GE 还将在飞机发动机方面的数字孪生技术经验运用到了其他多个 ATA 章节方面。GE 先进技术业务的负责人认为：“即使没有安装传感器的组件也可以使用数据科学技术和相关的数据集进行预测性分析。”

汉莎技术 (LHT) 公司正在研发飞机空气循环机和刹车转向控制系统的数字 孪生模型。该公司表示，数字孪生模型可让维修车间实现“以数据为中心的生 产”。即在飞机组件送修时，可以通过数字孪生模型更好地调整和监督维修工作的进度。但在此过程中需要实物的全寿命期数据，特别是运行和测试的数据，这些数据目前只有部分可用。

随着经验的积累和数据量的增加，数字孪生模型对物理实体的仿真预测准 确度会越来越高。物理实体在多种环境和条件下的性能预测会变得越来越准确，决策参考价值也越来越大。汉莎技术认为，数字孪生模型永远不可能完全准确地“感知”物理实体，但是会无限地接近实体。

数字孪生模型从产品早期设计开始参与，历经使用和维修阶段，直至最终 退役拆解和回收。最理想的数字孪生模型是从工程师的早期概念设计到产品退役的全过程的精确模拟。GE 航空认为，从概念设计阶段开始建立数字孪生过程更容易地将设计和结构模型与运行数据相关联。反过来，数字模型还能有助于优化设计，提高生产效率。

数字孪生的原理可用于单独的零件，由这些虚拟的零件组合成虚拟的组 件，由组件进一步组合成飞机的各个机载系统，进而组合成整架飞机。这也是真实部件的运行原理。

事实上，这种组合积累的方法可以更进一步。飞机的虚拟模型可以组合成 虚拟机队，通过对每架飞机实际运行表现的预测，可以预测整个机队的表现。如果与航空公司的计划安排、维修、营收管理等其他系统相连接， 甚至可以创建航空公司的数字孪生模型。

目前 GE 的数字孪生技术正在向这方面发展。“飞机层面的数据分析可以对导致延误和取消的航班飞机部件和系统的性能进行预测。在运营层面，数字孪生模型可以帮助航空公司避开天气等因素带来的干扰。此外， GE 还在研发一些适用于各类航空公司运营的应用程序。

所有这一切能成为可能，是因为新 一代飞机每架次每个部件每分钟产出的 数据量比以前的老一代飞机要多得多， 而且出现了很多对非结构化数据、手写 记录、图片和音视频进行挖掘利用的大数据技术。当然，将这些新飞机产出的海量数据予以完全利用还需要一些时间，但对新数据类型的每一次加深了解都会使下一步变得更加可行。

GE 通过汇总制造、运行、完整飞行周期和其他方面的数据，以及在物理层面对发动机的了解，预测航空发动机的性能表现。

数字孪生技术最大的好处是将来自 “不同数据集的智慧融合”。比如，汉莎技术公司的数字孪生模型可融合来自 ADS-B 系统的飞机位置信息、天气数据、飞机上各个传感器数据、以及来自维修车间和制造商的维修数据。汉莎技术表示其不会从理论上预测部件的性能退化，而是基于实际条件下可靠的数据集进行预测。但目前即使是维修报告这个单一数据集的文本挖掘工作也还有很长的路要走。

现在，新的机载宽带通信系统会实时传输很小一部分传感器数据供日常维 护决策使用，而大量的时效敏感性较低的飞行数据仍需使用机上互联 Wi-Fi 或蜂窝数据网络在地面进行下载。因为实时使用就要求新的数据服务对这些数据进行传输和格式化。