為學術界和工業界廣泛關注的技術，數字孿生相關研究正在快速升溫。文獻計量法可以從宏觀、中觀、微觀各個層面來揭示一個研究主題發展的概況，進而能從各個角度全面分析該研究主題的結構、熱點及發展方向。本文采用文獻計量方法，構建數字孿生視覺化知識圖譜，分析數字孿生的研究進展，以供大家參考。

基本情況

1資料來源

文中分析資料來源於Web of Science(WOS)核心合集資料庫，該資料庫是全球最大、覆蓋學科最多的綜合性學術資訊資源庫，收錄了自然科學、工程技術、生物醫學等各個研究領域12000多種世界權威、影響力高的學術期刊，具有較強的學術代表性。

以檢索詞“digital twin”為主題進行檢索，鑑於“digital twin”這一詞是在2011年美國空軍研究實驗室（AFRL，Air Force Research Laboratory）做的一次演講時明確提到的，所以檢索時間設定為2011-2021年。透過檢索，獲得相關文獻4165篇。

2分析方法

利用文獻計量和知識圖譜的方法，探尋出學科領域演化的關鍵路徑及知識轉折點，形成視覺化圖譜對發展前沿進行分析。

數字孿生視覺化知識圖譜

2011年-2021年十年的時間，共搜尋出4165篇文獻，文獻的數量在某種程度上可以反映出某一領域的研究水平和未來趨勢。出版數量和年限如圖1所示。

圖1 出版數量圖

根據圖1所示，發文量逐漸遞增，說明研究熱度不斷上升，但總量還是比較少（同期人工智慧相關的文獻已達256,365篇），表明還處於起步階段。2017年之後研究迅速升溫，進入階躍增長期。

曾發表過數字孿生相關的期刊如圖2所示。

圖2 相關期刊圖

圖2只是列出了載文量前25名的期刊名稱，總共出版digital twin相關的期刊有2494種。

當前數字孿生研究領域主要是分屬於工程學、計算機科學，表明這兩個學科與數字孿生研究密切相關。

圖3 相關領域圖

下面我們看一下合作網路，數字孿生的大牛都有哪些？

圖4 相關研究專家

圖4中節點代表文獻作者，節點越大說明該作者發表的文獻越多。節點之間的聯絡代表不同作者之間的聯絡，從圖中可以看出發表論文前三名的分別為Fei Tao教授、Juergen Rossmann教授以及DaYong Wang教授，而且形成了多個數字孿生研究團隊，部分研究團隊之間存在著一定的聯絡。

機構之間的合作，如圖5所示。

圖5 相關研究機構

圖5的節點比較密集，每一個節點代表一個研究機構，節點越大表明該機構發文量越多；節點之間的連線表明合作關係，線越粗，聯絡越密切。圖譜的邊緣部分還散落著相當數量的發文較少的研究機構，暗示了目前數字孿生具備很強的熱度和參與度。從圖中可以看出發文量排名第一的是中科院，共發文60篇；第二名是英國劍橋大學，共發文59篇；並列第三名是德國的亞琛工業大學和義大利的米蘭理工大學，各發文57篇；第五名是北京航空航天大學，共發文51篇。

國家之間的合作網路如圖6所示。

圖6 相關研究國家

從國家之間合作關係來看，圖中粉色圈為中心度，反映與其他國家合作的數量。國家共現知識圖譜內中心度最強的是法國，其次是美國，第3名為英國，第4名為德國。我國發文量第一，但跨國家研究合作方面還需加強。

文獻共被引是指兩篇參考文獻被同一篇文獻引用的現象。施引文獻包含了大量的科學知識，透過施引文獻可以有效開展對知識基礎和知識結構方面的分析。文獻共被引知識圖譜如圖7所示，圖中節點大小與被引頻次成正比，節點之間的連線越粗表明共引強度越高，即這兩個節點所代表的文獻同時被另一篇文獻引用的頻次越高，表示關係密切，學科背景相似程度高。

圖7 文獻共被引知識圖譜

透過知識圖譜分析，數字孿生研究的被引文獻出現在2006年，但引用次數較少；高被引文獻主要集中在2015年-2020年，再次表明數字孿生是一個較新的研究方向。圖中被引頻次最高的是 Tao F教授於2018年發表的《Digital twin-driven product design, manufacturing and service with big data》；其次是Schleich B教授於2017年發表的《Shaping the digital twin for design and production engineering》；第三名是Negri E教授於2017年發表的《A review of the roles of Digital Twin in CPS-based production systems》。從圖中還可以看出Tao F教授2017年到2019年每年都發表高被引文獻，三年發表的文獻合計被引超過1100次。

採用對數似然率演算法對共被引文獻進行聚類分析，提取目前研究主題，如圖8所示。

圖8 共被引文獻聚類圖譜

根據圖8所示，目前發表的論文主要研究主題為區塊鏈、工業4.0、精準醫療、資產管理、過程最佳化、虛擬除錯、數字全息技術等方面。

圖9列出“里程碑”意義的文獻，大家可以讀讀。

圖9 “里程碑”意義文獻

關鍵詞是一篇文獻研究內容的高度濃縮，代表著研究主題，透過對關鍵詞詞頻進行統計分析，可以得到該領域的熱點主題。透過關鍵詞共現分析，選擇分析物件key-word，提取每一年關鍵詞頻次Top50的節點資料，得到關鍵詞知識圖譜。

圖10 關鍵詞知識圖譜

對圖10數字孿生研究領域的高頻詞（頻次＞100）以及他們的重要共現詞進行統計，如下表。

從統計結果來看，除去自我指向關鍵詞 digital twin，出現頻次較高的關鍵詞有design、system、model、simulation、framework、optimization、future、management、behavior等，這些詞指向技術基礎研究和應用研究。從重要共現關鍵詞來看，design的重要共現關鍵詞有Prediction; Service; 3D; Segmentation; PID controller等，system的重要關鍵詞有Performance; Communication; Accuracy; Acquisition; Aircraft; Artificial neural network; Acoustic oscillation，表明研究熱點從理論基礎逐漸向預測、服務、控制、展示方面進行應用延伸；simulation和framework為出現頻次較高的關鍵詞，表明數字孿生模型框架及模擬方面也有一定數量的研究。

採用對數似然率演算法進行聚類分析，從關鍵詞聚類知識圖譜中選出研究前11個熱點進行展示，如圖11所示，其中色塊為相應的年份。

圖11 關鍵詞聚類知識圖譜

提取的研究熱點及代表性文獻如下表所示，大家對某個領域感興趣，可以研究一下代表作。

時間線圖檢視功能，可以從時間維度洞察數字孿生研究進展趨勢，如圖12。在關鍵詞共現時間線圖中，關鍵詞聚類標籤在圖的右側，對應左側為該類中文獻按時間節點排布，節點的大小代表該關鍵詞被引頻次高低。節點的位置是該關鍵詞第一次出現的年份，後期如有再發表相同關鍵詞的文獻，則在初始位置進行累加。從圖12中可以看出，Elevated temperature熱度開始下降；Sustainable development、Human centric digital transformation、 Smart transportation use case熱度逐漸增加，表明數字孿生正在從理論研究嚮應用研究進行轉變。

圖12 關鍵詞共線時間線圖

小結

本文以Web of Science核心合集資料庫中2011年-2021年十年時間數字孿生領域的文獻為研究物件，對數字孿生的發文量、期刊、學科領域、作者合作網路、機構合作網路、國家合作網路、研究現狀、研究主題、研究熱點以及研究演進趨勢等方面進行了視覺化分析，得到以下結論：

在數字經濟的背景下，數字孿生的研究熱度不斷上升，尤其是2017年之後進入快速發展期，但總量還是比較少，屬於新興領域。

世界收錄數字孿生的期刊或會議共有2494種，可見該技術被大量學科所認可。

工程學、計算機科學等領域與數字孿生高度相關。

已形成了多個研究團隊，部分研究團隊之間存在著一定的聯絡，其中Fei Tao教授團隊、Juergen Rossmann教授團隊以及DaYong Wang教授團隊屬於高產科研團隊，其研究動態大機率表徵該領域當前研究重點，值得追蹤。

數字孿生的研究呈現出各國家及機構之間密切合作的發展態勢，機構發文量第一的是中科院；法國、美國、英國、德國在國家合作網路中的中心度較高，與他國合作密切，中國研究機構還需同其他國家加強合作。

Tao F教授2017年到2019年每年都發表高共被引文獻，應重點關注；研究主題為區塊鏈、工業4.0、精準醫療、資產管理、過程最佳化、虛擬除錯、數字全息技術等方面。

研究熱點從理論基礎逐漸向預測、服務、控制、展示方面進行應用延伸；另外，數字孿生模型框架及模擬方面也有一定數量的研究。

數字孿生是一個極具潛力的科研領域，能夠為智慧的全面實施提供有效的方法，是實現特種裝置智慧監管有效的途徑。後期我們將著重介紹特種裝置數字孿生相關研究進展。

來源：天津特種裝置安全與節能工程中心

作者：石頭君