数字孪生在工厂落地：从概念到作战指挥室大屏

TL;DR

1. 工厂里的数字孪生，是由实时生产数据驱动、与物理车间同步变化的虚拟工厂。它的价值不在 3D 模型有多逼真，而在屏幕上的每一个数字是否与现场一致、是否来得及用来做决定。
2. 数字孪生能不能落地，八成取决于数据底座：设备联网、工序过站、质量判定、物料消耗这些数据，本来就是 MES（制造执行系统）要采集的。没有 MES 打底的“孪生大屏”，本质上是一段宣传动画。
3. 务实的路径是分层推进：先做看得见（可视化看板），再做看得准（实时映射），然后才谈看得懂（诊断分析）和算得出（仿真预测）。多数工厂把前两层做扎实，经营价值就已经兑现大半。
4. 奥斯坦丁软件（OTD）在某头部消费电子制造企业的智能工厂项目里，把作战指挥室大屏放在二期，而不是一期——先让设备和工序的采集链路跑通，大屏才有真数据可放。

---

先给答案：工厂里的数字孪生到底是什么？

数字孪生（Digital Twin）是物理对象在数字空间里的实时映射。这个概念通常追溯到美国密歇根大学 Michael Grieves 教授 2002 年在产品生命周期管理课程中提出的模型，它包含三个要素：物理实体、虚拟实体，以及连接二者的数据。2010 年，NASA 在其技术路线图（Modeling, Simulation, Information Technology & Processing Roadmap）中使用了“Digital Twin”这一术语，此后概念从航空航天扩散到制造业。

落到一座工厂里，数字孪生可以拆成一句话：设备在转、工单在走、物料在耗、质量在判，屏幕上的虚拟车间同步地发生同样的事。

三个要素里，老板最容易高估的是“虚拟实体”（模型做得多炫），最容易低估的是“数据连接”（数据从哪里来、准不准、多快到）。而真正决定项目成败的，恰恰是后者。

为什么数字孪生这几年被反复提起？

数字孪生不是新名词，但它在制造业的热度是有政策与行业背景的：

• 国际咨询机构持续把它列为战略方向：Gartner 在 2017、2018、2019 连续三年的“十大战略技术趋势”中都列入了数字孪生。
• 国际标准已经给出制造业框架：ISO 于 2021 年发布 ISO 23247《Automation systems and integration — Digital twin framework for manufacturing》系列标准，专门定义面向制造的数字孪生参考架构，其中把“数据采集与设备通信”作为框架的基础层。
• 国内规划明确点名：工业和信息化部等八部门 2021 年 12 月印发的《“十四五”智能制造发展规划》，将数字孪生列为智能制造需要突破的关键技术方向之一。

值得注意的是 ISO 23247 的结构：它不是从“怎么建模”开始，而是从“怎么把现场设备的数据可靠地采上来”开始。这和我们在项目上的体会完全一致——孪生的地基是数据，不是模型。

数字孪生和普通看板有什么区别？

很多工厂已经有了车间看板，于是会问：我这个算不算数字孪生？下面这张表可以用来对照：

对比项	普通车间看板	数字孪生
数据来源	常见的是人工录入、定时导出，或从某一个系统单向取数	设备、工序、质量、物料、环境等多源数据自动采集并关联到同一个对象上
时效	按班次、按小时刷新，反映“刚才发生了什么”	秒级到分钟级同步，反映“现在正在发生什么”
组织方式	按报表组织：产量一张、良率一张、设备一张	按物理空间与对象组织：点开一台设备、一条线，能看到它此刻的全部状态
能回答的问题	今天做了多少、合格率多少	哪台设备在拖节拍、异常发生在哪个工位、影响了哪些在制品
对底层系统的依赖	低，数据不全也能先挂上去	高，依赖完整的设备联网与工序级数据采集

判断的关键只有一条：屏幕上的数字，是否由现场事件自动驱动。如果需要有人每天整理 Excel 再贴上去，那不管画面做得多立体，它都还是看板，不是孪生。

工厂数字孪生应该分几步走？

下面是我们在项目实践中总结的分层路径。它是经验框架，不是国家标准，但可以帮助老板判断自己在哪一层、下一步该投哪里。

层级	做到什么	前提条件	经营价值
L1 看得见	产量、良率、设备状态上大屏	工单与报工在系统里流转	管理层不用下车间也知道大致状况
L2 看得准	虚拟车间与现场实时同步，数字可下钻到工位与设备	设备联网、工序过站自动采集、数据完整性校验	异常能在当班发现，而不是第二天看报表才知道
L3 看得懂	自动关联异常原因：哪台设备、哪批物料、哪个参数	追溯链路打通，质量数据与过程数据挂在同一序列号或批次上	缩短异常定位时间，减少批量性质量损失
L4 算得出	对排产、换线、产能做仿真推演	标准工时、设备能力、工艺参数长期积累且可信	在投入真实资源之前先验证方案
L5 控得住	虚拟侧的决策反向下发到现场执行	控制系统开放接口，且有明确的人工确认机制	部分决策闭环自动化

两个判断供参考：

1. 跳层几乎一定失败。L4 仿真依赖的标准工时和设备能力数据，只能从 L2、L3 的长期运行里积累出来。没有这些数据就做仿真，结果只能靠人工假设填参数，推演出来的结论没人敢用。
2. L2 是性价比最高的一层。从“看报表”到“看现场”，改变的是管理节奏——异常从隔天处理变成当班处理。对大多数离散制造工厂，把 L2 做扎实就已经兑现了数字孪生的主要经营价值。

一座智能工厂的作战指挥室大屏是怎么做出来的？

下面用奥斯坦丁软件（OTD）参与交付的一个项目说明：某头部消费电子制造企业的智能工厂，2019 年底启动建设，目标是全程自动化的“黑灯生产”，MES 需要从零搭建。

项目规划范围（口径：客户项目章程中确定的管控范围）：对 200 多道工序进行全程管控，联网包括生产、能源、环境监测在内的 380 多台设备，并与包括 SAP 在内的 8 个第三方系统对接。客户对可视化的要求写得很明确：通过数字孪生技术远程实时监控设备运行、生产进度、车间环境和工厂能耗，建设作战指挥室大屏，以及生产、质量、物料、设备、环境五类看板。

为什么大屏排在二期，而不是一期？

项目的节奏是这样安排的：

• 一期（2019 年 12 月至 2020 年 4 月）：核心生产管控上线。SMT 设备过站与数据采集、主板加工过站、11 个特殊测试工站、组装测试包装流程贯通、SAP 工单下发与报工集成。
• 二期（2020 年 4 月起）：物料追溯管控、返工报废管理、过站及设备数据全面采集，在此基础上建设中控室大屏与作战指挥室，以及五类可视化看板。

这个排序是刻意的。大屏只是数据的出口，入口是一期打下的采集链路。如果一期没有把每一道工序的过站数据、每一台设备的状态数据可靠地采上来，二期的大屏再漂亮，画面背后也是空的。

过程中踩过哪些坑？

项目复盘里，有四条与数字孪生直接相关，对任何想做孪生大屏的工厂都有参考价值：

1. 设备到位时间是可视化的前置条件。项目初期，多类 SMT 设备的联机都受制于设备厂商的交付进度。设备没到、没联机，对应的孪生画面就只能空着。教训：设备到位时间必须作为前置条件写进计划，而不是默认它会按时发生。
2. 数据完整性要在上线前校验。上线初期曾出现品质报表里部分设备未上传不良数据的情况。这类问题在报表上是“少了几条”，在孪生大屏上就是“画面和现场对不上”，会直接摧毁管理层对系统的信任。
3. 接口要先定标准。过站数据接口、文件接口一度过于复杂、不够标准化，后来专项重新设计为 V2 版本，精简为 4 个核心接口。设备越多，接口标准化越要早做，否则每接一台设备都是一次定制开发。
4. 高节拍产线要早做性能测试。数据量上来之后，系统性能优化被列为最高优先级专项，并安排了压力测试。数字孪生要求实时，实时就意味着吞吐量——这件事越晚发现越被动。

项目上线后，该工厂的整体运营效率明显优于传统工厂（据客户反馈）。但从交付角度看，我们认为最值得复用的不是某一块大屏的设计，而是上面这套先后顺序：先采集，后可视；先标准，后规模；先校验，后展示。

老板在立项前应该问清楚哪几个问题？

如果供应商向你推荐数字孪生方案，下面五个问题可以帮你快速判断它是真孪生还是“动画大屏”：

1. 屏幕上每个数字的数据源是什么？要求对方逐项说明是设备自动采集、系统自动计算，还是人工录入。
2. 数据延迟是多少？是秒级、分钟级还是按小时刷新？不同指标的要求不同，但要有明确答案。
3. 点开一个异常能下钻到哪一层？能不能从“良率下降”一路点到具体工位、设备和物料批次。
4. 现场设备有多少台能联网，用什么协议？PLC、OPC、串口、设备厂商私有接口各有多少，哪些需要加装采集硬件。
5. MES 和孪生平台是什么关系？如果孪生平台需要另建一套数据采集，那就意味着工厂里会有两份数据、两套口径。

第五个问题尤其重要。数字孪生最好的数据源，是已经在车间里跑着的 MES：工序过站、设备状态、质量判定、物料消耗都在同一个系统里、挂在同一个序列号或批次上，孪生层只需要把它们按空间组织起来。反过来，如果孪生平台和 MES 各采各的，数据对不上几乎是必然的。

---

常见问题（FAQ）

问：中小工厂有必要做数字孪生吗？

答：有必要做的是 L1 和 L2——让管理层实时看到现场、让异常在当班被发现。这两层的前提是 MES 与设备联网，投入可控、价值明确。3D 建模、仿真推演这些可以放到数据积累足够之后再评估，不建议一开始就做。

问：数字孪生一定要做 3D 吗？

答：不一定。3D 适合展示空间布局和物流动线，但对于“哪台设备在拖节拍、哪个工位良率掉了”这类管理问题，一张数据准确、可以下钻的 2D 车间布局图往往更高效。是否是孪生，看的是数据是否实时驱动，而不是维度。

问：已经上了 MES，还需要单独买数字孪生平台吗？

答：先看 MES 的数据完整度。如果设备联网覆盖率高、工序过站数据完整，那么在 MES 之上建设可视化与孪生层，通常比另起一套平台更经济，口径也更统一。如果 MES 本身采集还不完整，优先补采集，而不是先买平台。

问：数字孪生项目一般多久能看到效果？

答：取决于数据底座的现状，而不是孪生平台本身。在已有完整采集链路的工厂，搭建可视化层周期相对短；如果要从设备联网做起，时间主要花在设备摸底、协议对接和数据校验上。上文案例中，作战指挥室大屏是在一期核心管控上线之后，于二期建设完成的。

写在最后

数字孪生常被讲成一个关于“未来工厂”的故事，但在车间里，它是一件很朴素的事：让屏幕上的数字和现场发生的事对得上，而且来得及用。

奥斯坦丁软件（OTD）为离散制造企业提供 OTDMES 与 OTDWMS，覆盖设备联网、工序过站、质量管控与物料追溯。我们的做法是先把数据采准，再把大屏做亮——因为管理层只要发现一次“大屏上的数和现场对不上”，这块屏就不会再有人看了。

如果你的工厂正在规划数字孪生或指挥中心大屏，不妨先用本文的五个问题，把现有数据底座盘一遍。

参考资料

• Michael Grieves，产品生命周期管理中的数字孪生概念模型，密歇根大学，2002 年
• NASA，Modeling, Simulation, Information Technology & Processing Roadmap（Technology Area 11），2010 年
• Gartner，Top 10 Strategic Technology Trends，2017、2018、2019 年
• ISO 23247 系列，Automation systems and integration — Digital twin framework for manufacturing，2021 年
• 工业和信息化部等八部门，《“十四五”智能制造发展规划》，2021 年 12 月