摘要：航空航天产业的领导者们认为，向虚拟世界的转型是推动行业数字化转型的关键驱动力。然而，核心要点并非航空航天业对数字孪生的采纳本身，而在于工程团队如何以及何时选择应用这项技术。

航空航天产业的领导者们认为，向虚拟世界的转型是推动行业数字化转型的关键驱动力。然而，核心要点并非航空航天业对数字孪生的采纳本身，而在于工程团队如何以及何时选择应用这项技术。

与许多通过实施小规模、孤立的数字孪生试点项目来试水的市场细分领域不同，航空航天产业正在整个产品生命周期中应用这项技术，从设计制造到运营和维护的各个环节。不过，飞机制造商仍在调整技术的应用方式，以适应现有的开发实践，具体表现为一种渐进式策略：即从更小、更简单的设计元素入手应用数字孪生，再逐步扩展到更复杂的系统。这种方法背后的理念是，随着数字孪生能力的持续扩展，数字线程将不断延长，数字孪生的分辨率将不断提高，从而让航空航天公司对飞机生命周期的各个阶段有更深入的洞察。

数字孪生技术对航空航天产品开发和管理的最初影响体现在设计过程中。在这一阶段，数字孪生技术提供了前所未有的可视性和灵活性，使航空航天公司及其供应商能够更快速、更经济地确定不同的技术和架构是否能够满足客户需求。

目前，航空航天公司非常重视使用数字孪生来确认飞机和子系统设计能够正确运行，并满足所有利益相关者的要求。

数字孪生的核心目标之一，是把尽可能多的产品验证和测试放在虚拟环境中完成。例如，飞机平台跌落测试，传统方法需要从特定高度物理投放平台验证设计，这在现实中存在很多局限性。但是，利用数字孪生技术创建高精度虚拟模型，就能模拟测试更多变量（如，尝试各种不同的跌落角度），这样做的好处在于：数字模型和物理实物能相互配合。虚拟测试为实物测试提供重要参考，而实物测试的结果又能反过来校准虚拟模型，使其更精准。

更佳可视性，更优维护

数字孪生技术的应用逐渐从设计阶段扩展到飞机的实际使用和维护环节，显著改进了维护方案并延长了飞机寿命。

过去，工程师主要靠对比飞机关键部件的实际使用情况和标准参考周期来建模和评估，判断飞机是否安全。有时会通过定期检查进行辅助。整个寿命周期的维护成本，基本是根据估算的平均安全表现提前固定好的。

现在的新方法则不同，它要求安全判断基于从监测真实世界状况的传感器中提取的运行数据来进行安全判定。这种对传感器数据的深度依赖，正是数字孪生技术进步推动的。

虽然以前也会用测试或运行中的传感器数据来验证模型，但过程繁琐。如今，借助更先进的数字孪生技术、更丰富的传感器数据以及强大的数据分析能力，工程师能利用飞机或其部件的数字孪生体实时报告资产当前状态。这使得维护方式从固定时间间隔检修转变为根据实际状态安排维护，从而制定出更高效的维护计划。

举个例子：数字孪生可以持续监控部件的健康状态和工作效率，让维护人员只在真正需要时进行维护，而不是机械地按时间表执行。如果再结合每架飞机独特的历史飞行环境数据，维护计划还能进一步优化。

将维护提升至新水平

数字孪生和传感器连接技术的进步，结合人工智能和强大的分析能力，为下一代航空航天维护实践奠定了基础。

公司正在利用先进的分析技术和数字孪生来扩展预测性健康监测，将实时传感器数据与数字孪生相结合，使公司能够检测组件或系统性能的趋势，并在需要采取预防措施时提供警报。这将带来更安全的运行和更低的维护成本。

一个具体应用案例可能涉及商用飞机使用的发动机。这些推进系统配备了传感器，将关键位置的压力、温度、速度和振动测量值传送到健康和状态监测单元，该单元定期将信息返回给数字孪生。数字孪生获取这些传感器数据，并将其与外部信息和记录（如天气条件）融合，使维护团队能够使用预测算法分析数据。这些算法预测产品寿命的消耗程度，并审查记录以查看控制系统是否标记了任何异常（例如意外的振动）。然后，维护团队利用数字孪生模型评估可能的原因并建议纠正措施。例如，如果维护团队看到一个振动特征与轴速成谐波关系，他们凭经验知道这可能是轴承损坏的迹象。

维护团队还可以进行更复杂的检查。他们可以将发动机加速和速度与飞行阶段相关联。如果团队在起飞过程中看到速度发生微小的突然变化，这可能是异物被吸入进气口的迹象。然后，他们会指示通过内窥镜检查发动机，根据受影响的轴在特定区域寻找损伤迹象。

“我们在发动机的运行寿命期内汇总这些记录，以主动管理产品寿命和大修间隔时间，”罗尔斯·罗伊斯（Rolls-Royce）集团总工程师克里斯·杨（Chris Young）表示，"这为客户提供了更多的正常运行时间和更低的全生命周期成本。因此，我们可以计算出每项资产的使用情况，并根据这些信息计划一套定制的在翼服务，以及根据发动机所经历的情况量身定制的最终维修和大修。"

借助这些预测性实践，维护团队还能对资产的使用状况进行建模，并解锁众多选项。例如，他们可以建模分析运营商利用燃油的效率，评估优化航线和飞行员培训以降低燃油成本的方法；或者，维护团队可以向最终用户提供报告，以正确评估每次飞行的碳排放及其他排放。

障碍仍然存在

尽管航空航天公司在应用数字孪生技术方面取得了巨大进步，但仍有障碍需要克服。其中大部分与应用的庞大规模所带来的挑战有关。

现有技术能够处理特定子系统或环境与飞行器交互动力学的特定组合等某些孤立方面的建模和仿真，挑战在于模拟和评估复杂的系统。

问题在于如何扩展技术的容量，以处理一个实用的数字孪生体中庞大的记录数量，以及找到容纳这些数据所需的IT存储空间。当工程师必须索引定义孪生的大量模型、记录和决策时，数字孪生技术就被推向了极限。

罗尔斯·罗伊斯设计的每一个涡轮叶片，公司都会分配一个零件号，作为数百个描述其外观、工作原理以及如何制造和检验的设计与制造数据对象的总体标识符。在每个零件号下，罗尔斯·罗伊斯存储着众多供应链记录，每个记录由一个序列号标识。这些记录包括订单、制造记录以及相关的加工和检验数据，如坐标测量、X射线和数字扫描。每个序列号可以链接到千兆字节的信息。为每个零件存储所有原始数据根本不切实际。

为了改善这种情况，罗尔斯·罗伊斯正在研究将数据简化为一种替代孪生体的方法，该孪生体可用于模拟每个独立零件和组件在数十年运行寿命中的行为。

“现在的竞争是使其在生产基础上存储每个零件和组件的信息变得切实可行——喷气发动机中有数千个零件，而在像小型模块化反应堆这样的设备中则可能达到数百万个，”杨表示，“这需要通过可扩展的数据存储来解决，这意味着要找到一种经济实惠且安全的云解决方案来补充现有的本地存储，同时还需要理解如何对原始数据进行流水线处理，并将其简化为可负担得起存储成本并能在整个生命周期内访问的有用数据集和模型。”

数字孪生不断演进的足迹

通过将数字孪生技术推向极限，航空航天产业在定义这些虚拟系统的未来形态方面发挥了重要作用。随着飞机制造商及其供应链合作伙伴开发出能更高效利用传感器数据和分析的智能数字孪生，他们将孪生技术的视野从执行验证和确认功能，推进到支持在MRO中更广泛地应用预测性维护。

数字孪生的演进推动我们从一种文化转变——即绘制零件图纸指示工厂满足基于基准设定的关键尺寸要求，转变为将零件完全建模为三维实体对象并通过计算机辅助制造流程进行描述，这反过来又迫使行业转向完整的产品生命周期管理（PLM）方法，进入一个我们在与PLM配置和设计数据相互关联的一套工具中建模设计的境界。

这意味着仿真套件必须适合端到端的设计和批准流程。CAD建模标准和分析技术之间的兼容性，以及不同企业系统之间的兼容性（例如发动机供应商和飞机制造商之间的兼容性）同样至关重要。

来源：新浪财经