Semantic interoperability for digital twin-driven product development: a maturity model approach
JulianJulian Gebhard, Yübo Wang
Mercedes-Benz Group AG, Stuttgart, Germany
本文聚焦数字孪生驱动产品开发中的“语义互操作”问题，指出工业界虽已广泛关注数字孪生，但数据孤岛与语义层缺失仍阻碍端到端集成。作者通过系统文献综述与聚类分析，识别出五类语义增强型数字孪生系统，并进一步提出“伙伴—系统—产品”三维集成模型及四阶段成熟度模型，为工业界规划语义基础设施、推进数字孪生落地提供了可操作的评估与演进框架。
文章指出，产品开发的核心在于以更低成本、更高效率满足客户需求，而数字孪生正在把传统依赖物理样机的开发模式转向更快、更灵活的数字化工程。然而现实中企业仍普遍面临数据孤岛、专有系统割裂、供应链协同低效和数字线程不连续等问题。作者据此提出，知识图谱和本体驱动的语义互操作有望成为打通跨系统、跨部门、跨伙伴协同的关键基础，但现有行业标准仍缺少面向产品开发阶段的系统性语义成熟路径。
本文在理论层面首先界定了数字孪生的核心内涵，即由物理实体、虚拟实体与双向同步的数字线程共同构成，其关键不只是“可视化模型”，而是持续的数据联通与反馈闭环。随后，作者将语义互操作定义为不同系统、组织和应用之间能够一致地交换、解释并理解数据的能力，其实现依赖元数据、本体、RDF、SPARQL以及知识图谱等语义网技术。文章强调，知识图谱并非附属工具，而是连接异构工程数据、支持推理、分析和智能决策的语义底座，是数字孪生走向深度协同的重要支撑。
在方法上，作者采用系统性文献综述路径，依据既有规范化流程，在五个学术数据库中以两组检索式开展检索，初步获得821篇文献。经过摘要与全文筛选，并依据“面向工业产品开发”“必须体现语义互操作的实际应用”“必须使用语义技术”“排除综述类文献”等标准层层过滤后，最终纳入24篇研究进行深入分析。作者进一步构建特征矩阵，从产品开发阶段、所用本体类型、互操作机制、人机界面、工业价值以及数字孪生与AI等维度编码，为后续聚类分类和成熟度建模奠定基础。
描述性分析显示，当前“数字孪生”已成为该领域最核心的术语，而“元宇宙”在产品开发语境中几乎没有实际落地研究。研究主题整体正从“本体”逐渐转向“知识图谱”，说明数字工程中的语义技术正向更具工程可用性的表达迁移。作者还发现，现有研究虽然覆盖了产品开发中的多个环节，但几乎没有真正实现贯穿全流程的端到端集成；云平台、认证机制、多主体协同等工业级关键能力普遍不足，很多工作仍停留在局部原型或理论验证阶段，尚未形成完整可部署的数字工程系统。
为避免主观分组，作者使用K-means对文献特征矩阵进行无监督聚类，并通过轮廓系数与肘部法优化分组，最终识别出五类语义增强型数字孪生系统。
第一类聚焦需求分析与前期规划，强调将需求信息、生命周期知识和自然语言处理能力用于提升规划效率与团队沟通；
第二类主要面向设计/构型阶段，通过3D模型平台、本体和AI算法提升建模、设计优化与数字验证能力；
第三类聚焦并行工程，重点打通CAD与CAE之间的数据同步、共享空间与可追溯数字线程，以支持设计—仿真闭环；
第四类进入赛博—物理验证阶段，已经建立物理实体与数字实体之间的同步关系，用于测试、验证和性能反馈；
第五类则延伸至生产爬坡，强调跨阶段数据传递、工艺衔接和更高层级的协同决策。整体来看，这五类并非孤立技术路线，而是反映了数字孪生从局部语义增强走向更完整工程协同的演进脉络。
在前述分类基础上，作者进一步提出数字孪生集成的三维分析框架，即“伙伴集成、系统集成、产品集成”。
伙伴集成关注协同边界从单一用户、企业内部团队逐步扩展到供应链层面的跨组织协同；系统集成关注从静态模型、单向同步发展到多系统间的双向联动与自动反馈；产品集成则衡量数字孪生覆盖产品生命周期的广度，从局部开发环节逐步延伸至设计、验证、制造、服务乃至退役。作者认为，这三维框架能够帮助企业判断自身数字孪生当前所处位置，并识别下一阶段需要补齐的语义互操作能力。
图5. 面向语义增强型数字化产品开发系统的成熟度模型
第一阶段“数字孪生概念层”主要完成数据架构设计、本体规划和用例定义；第二阶段“数字孪生应用层”进入原型或初步落地，验证局部场景中的可用性；第三阶段“数字孪生服务层”开始借助云基础设施和更高级同步机制，实现跨团队乃至跨组织的可扩展服务化部署；第四阶段“数字孪生生态层”则代表面向全生命周期和供应链的高度互联、自主协同系统，多个数字孪生彼此联动，并与AI、自动优化、预测维护等能力深度融合。
作者强调，该模型不是僵硬的等级制度，而是面向不同企业场景的路线图，用于指导语义基础设施的规划、投资与迭代。
为说明模型的实践意义，作者构建了一个OEM产品验证场景的理论案例，展示企业如何沿着四个成熟度阶段逐步演进：
在概念层，企业先用本体梳理产品、部件、系统与PDM接口，明确几何一致性和规则校验等用例；在应用层，语义层开始连接数据库和工程系统，使SPARQL查询、规则推理和几何校验能够直接回写PDM；在服务层，多个面向不同工程任务的数字孪生服务共享同一语义基础设施，并通过平台向用户提供能力；在生态层，语义互操作扩展至供应商、合作伙伴乃至回收环节，实现跨组织实时同步，并可进一步作为RAG组件降低大模型幻觉，使AI智能体在设计、仿真、规划和生产爬坡中协同工作。
文章最后指出，语义增强型数字孪生已经展现出推动数字工程和全流程产品开发的巨大潜力，但学术研究与工业落地之间仍存在显著鸿沟。问题集中在工业级长期验证不足、学术方法复现性不强、跨本体整合困难、网络安全与用户管理薄弱，以及管理层难以在早期直观看到语义基础设施的投资回报。
作者据此认为，未来需要加强企业与高校的长期协作，把Kubernetes、工业控制器等更贴近工业部署的技术纳入研究体系，同时提升语义技术教育与跨学科人才培养。总体而言，本文的核心贡献不只是提出一个文献综述结论，而是为数字孪生从“局部PoC”迈向“可持续工业级语义生态”提供了一套更具指导意义的中观框架。
文章最后指出，尽管聚类分析采用了无监督方法，但特征维度选择和论文评估仍不可避免带有一定主观性；同时，当前可供验证的工业案例数量仍然偏少，使得成熟度模型更适合作为研究启发与路线参考，而尚不足以直接成为通用实施指南。这也从侧面说明，语义数字孪生真正走向工业规模化应用，仍需要更多长期、可复用、跨场景的实证研究。
