先区分模型、数字影子和数字孪生
静态 3D 模型主要描述结构；把设备状态单向映射到数字界面，常被称为数字影子；数字孪生还要进一步回答对象当前状态是什么、能否分析或预测，以及结果如何支持现场动作。不同厂商对术语的使用并不完全一致，因此项目开始时要先约定工程判据。
设备模型、车间动画和实时曲线都可以是界面的一部分，但如果数据不能对应到具体设备、订单、工序和时间，也不能进入维修、排产或质量决策，就很难产生持续价值。
ISO 23247 关注的是参考架构
ISO 23247 系列为制造数字孪生提供框架。第 1 部分说明概览和一般原则，第 2 部分给出参考架构，第 3、4 部分继续涉及制造元素的数字表示和信息交换。重点不是规定某一种软件，而是帮助团队定义现实对象、可观测元素、数据来源、功能服务和用户。
先回答这些问题，再选择平台、数据库、三维引擎和算法，可以避免项目只剩下一个外观精美但无法行动的展示层。
- 对象：设备、零件、工序、生产单元或供应链节点。
- 数据：状态、参数、事件、质量、环境和历史记录。
- 服务：监控、诊断、预测、优化或验证。
- 反馈：结果怎样回到人、系统、计划或现场设备。
从“一个对象、一个问题、一个动作”开始
可行的起点可以是一台关键机床的停机与刀具寿命、一个零件族的实际工时与质量波动，或一条产线的换产等待。项目描述必须包含最终动作，例如调整保养时间、改变刀具更换点、重新排产或触发质量复核。
如果团队只能说“把设备数据放到孪生平台上”，却说不清谁会据此改变什么，范围仍然太虚。对象越明确，越容易判断数据是否可信、模型是否有用。
数字孪生需要一份最小数据契约
至少要统一对象 ID、订单号、零件版本、时间戳、单位、数据来源、状态和事件定义。还要记录数据质量、权限和保留周期。没有统一标识，同一台设备在维护系统、采集平台和排产系统中可能变成三个互不认识的对象。
时间也很关键。设备信号、程序切换、刀具更换和检验结果如果时钟不同步，就难以判断质量波动与现场事件是否真的相关。
实时不是越快越好
设备保护或过程控制可能需要秒级甚至更快的响应；交期与负荷分析按分钟或小时更新可能已经足够；采购和经营判断按天或周更新也可以产生价值。采样越快，数据量、网络、存储和误报处理成本越高。
更新频率应由业务决策决定，而不是由传感器最高频率决定。对于无法及时采取动作的数据，先提高语义和可靠性，往往比继续提高采样速度更重要。
模型可信度要经过验证和影子运行
验证关注模型是否按设计实现，确认关注它是否适合真实业务。预测还应说明误差范围、适用材料、工况和版本。传感器漂移、程序变化、刀具更换或产品换型都可能让原本有效的模型失效。
在自动控制前，可以先用历史数据回放，再进行影子运行：模型输出建议，但不直接影响设备，工程师对比真实结果并记录偏差。只有错误模式和回滚机制清楚后，才评估更高等级自动化。
结果必须回到人的工作流
报警如果没有责任人、截止时间和处置记录，只会增加噪声。预测性维护结果要进入维修计划，质量风险要进入隔离与复核，产能预测要进入排产决策。每次采纳、修改或拒绝都应留下依据。
连接 OT 设备时还要考虑网络隔离、最小权限、安全停机和供应商远程访问。跨企业共享孪生数据可能暴露工艺、产量与客户信息，权限边界应在集成前确定。
一个关键机床的渐进式案例
第一阶段只连接设备状态、程序版本、刀具记录和对应零件的检验结果，用来重建历史事件；第二阶段分析异常停机和刀具寿命，给工程师提供报告；第三阶段才把经过验证的建议用于保养或排产。
验收可以看事件关联是否完整、异常定位时间是否缩短、建议准确性和人工采纳情况。这个路径没有从三维大屏开始，却更接近数字孪生“感知—分析—行动—反馈”的核心。