社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

DigiTwin | 数字孪生评价框架

数字孪生DigitalTwin • 1 月前 • 108 次点击  

点击蓝字 关注我们↑↑↑

DIGITAL TWIN

如果您不希望错过文章,就加个星标吧!


本期阅读


 文章信息 

论文《Clarifying digital Twin buzzword: a novel generic evaluation model于2026年7月发表于《Digital Twin》期刊。本文由法国图卢兹大学的Z. Liu, S. N. Araghi等人完成,研究基于PRISMA系统文献综述,提出首个面向跨领域的通用数字孪生评价框架,通过资格判定、四维成熟度评价及加权评分,实现不同数字孪生系统的统一评价。

引用本文:

Liu, Z., Namaki Araghi, S., Sarkar, A., & Karray, M. H. (2026). Clarifying digital Twin buzzword: a novel generic evaluation model. Digital Twin. https://doi.org/10.1080/27525783.2026.2694877



 核心速览    


Clarifying digital Twin buzzword: a novel generic evaluation model


Z. Liu, S. N. Araghi, A. Sarkar, M. H. Karray

作者单位

Laboratoire G�enie de Production de l’Universit�e de Technologie de Tarbes, Universit�e de Toulouse, Tarbes, France



摘要

数字孪生(Digital Twin,DT)应用正在科研和工业领域不断增加,但其评价方法仍然分散于不同学科。造成这种现象的原因在于,不同领域关注数字孪生的侧重点不同。因此,被称为数字孪生的系统通常依据各自领域的评价标准进行评估,使不同应用场景之间的成熟度难以进行比较。


为解决这一问题,本文基于PRISMA指导的系统文献综述,提出一种面向跨领域的数字孪生评价框架。所提出的评价框架包括三个阶段:数字孪生资格判定(Qualification)、四维成熟度评价(Four-dimensional Maturity Assessment)以及加权评分(Weighted Scoring)。四个评价维度分别为能力(Capability)、协同能力(Cooperability)、完整性(Comprehensiveness)和生命周期(Lifecycle)。


论文利用多个不同领域的案例展示了该框架如何支持更加清晰且具有可比性的数字孪生评价。目前,该框架为跨领域数字孪生成熟度评价提供了基础,并为未来开展更广泛的验证奠定了基础。


内容简介

1. 引言

随着数字孪生研究和应用快速发展,其概念已广泛应用于制造、医疗、航空航天等多个领域。然而,不同行业对数字孪生的理解和评价标准存在明显差异,导致系统成熟度难以横向比较。针对这一问题,作者通过系统文献综述,总结现有评价方法的不足,并提出一套跨领域通用的数字孪生评价框架,为数字孪生评价标准化提供新的思路。


2. 研究现状

2.1 数字孪生的发展

作者回顾了数字孪生的发展历程。从Grieves提出数字孪生概念,到NASA推动航空航天应用,再到三维、五维架构及ISO标准的发展,数字孪生理论不断完善,但评价体系的发展明显滞后。目前已有大量研究关注数字孪生定义、体系架构和应用模式,但针对跨领域统一评价的方法仍然较少,因此建立通用评价框架具有重要意义。


2.2 文献综述方法

作者采用PRISMA系统文献综述方法,以Web of Science数据库为数据来源,围绕分类、评价、成熟度、标准和验证五类关键词开展检索,共获得1127篇文献,经过去重和筛选后最终选取52篇与数字孪生评价直接相关的研究进行分析。这些文献构成了后续评价框架设计的理论基础。


2.3 文献分类分析

作者将已有研究分为数字孪生评价方法和数字孪生核心属性两类,并对其进行了系统分析。研究发现,近年来数字孪生评价逐渐由单一维度、定性分析向多维度、定量评价发展,但评价维度、评分机制及权重设置仍缺乏统一标准。


进一步分析表明,目前数字孪生评价主要围绕功能能力、可靠性、生命周期范围、建模范围、信息覆盖范围、保真度、可扩展性、自主性、更新频率和数据可用性等十项核心属性展开。其中,功能能力、生命周期和建模范围是最常见的评价内容,而覆盖范围和可扩展性则关注较少。


综合文献分析,作者总结出现有研究存在五方面不足:评价方法碎片化、缺乏统一评价基础、术语体系不统一、信息覆盖范围评价不足以及可扩展性评价不完善,这些问题也是本文提出新评价框架的主要动因。


3. 提出的评价框架

图6 基于 BPMN(业务流程建模与标注)表示的数字孪生评价流程


3.1 基本条件

作者首先提出数字孪生资格判定机制。在进行成熟度评价之前,系统必须满足两个基本条件:

一是对应关系(Correspondence),即数字模型能够在既定范围内正确表示物理对象;

二是双向连接(Bidirectional Connection),即数字实体与物理实体之间能够持续进行双向数据交互,而不仅仅是单向数据采集。只有同时满足这两个条件,系统才能进入后续评价流程。


3.2 分类评价体系

通过资格判定后,作者从能力、协同能力、完整性和生命周期四个维度评价数字孪生的成熟度。

图8. 数字孪生成熟度评分计算流程


其中,能力主要评价数字孪生的数据分析、预测分析及决策支持能力;协同能力反映数字孪生由单个对象扩展到多个对象乃至跨领域协同的能力;完整性关注数字模型覆盖物理对象信息的广度,而非模型精度;生命周期则评价数字孪生是否支持产品从设计、运行到退役的全过程。四个维度共同构成数字孪生成熟度评价的主体框架,使不同领域数字孪生能够采用统一标准进行比较。


3.3 成熟度评分

完成四个维度评价后,作者进一步提出成熟度计算方法。首先根据各维度等级计算标准化成熟度,再结合不同应用场景设置权重,最终得到数字孪生总体成熟度得分(LDT)。这种评分方式既保证评价框架具有统一性,又能够体现不同领域对各评价维度的重要程度,提高了评价结果的适用性和可比性。


4. 案例研究评价

作者将所提出的评价框架应用于多个不同领域的数字孪生案例,依次完成资格判定、四维成熟度评价和总体评分。案例结果表明,该框架能够有效区分不同数字孪生系统的成熟度水平,为跨领域数字孪生评价提供统一依据,同时也验证了框架具有较好的通用性和可操作性。


5. 总结

本文针对数字孪生评价标准不统一的问题,提出了一套面向跨领域的通用评价框架,通过资格判定、四维成熟度评价和加权评分三个阶段,实现不同数字孪生系统的统一评价。该研究为数字孪生评价体系标准化和跨领域成熟度比较提供了新的方法,也为未来国际标准和评价体系的发展奠定了基础。


关注公众号,后台回复“DT论文”即可下载原文



投稿邀请及版权

本公众号致力于分享高质量的数字孪生与数字工程相关学术研究与知识资讯,以促进学术交流与知识传播。推送的论文内容主要来源于公开出版或在线发布的学术资源,版权归原作者所有,仅供学术交流,未经授权不得商用。如有侵权,请联系删除。


如您有优秀论文需推荐,或者成果发布、企业进展、科研交流等需求,请在公众号后台留言,或发送邮件到digitaltwin@buaa.edu.cn,与我们取得联系。感谢您的持续关注与支持!






Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198865