En el proceso de fabricación, la tecnología de gemelos digitales puede proporcionar mapeo, predicción y optimización en tiempo real del proceso de fabricación físico en el mundo de la información. Para realizar la expresión completa y la identificación precisa de los cambios en el estado en tiempo real del proceso de fabricación, se propone un marco de gemelo digital de aprendizaje incremental impulsado por datos en flujo. Además, se propone un método novedoso de modelado del estado de operación del equipo y detección incremental de anomalías impulsado por datos en flujo basado en el gemelo digital. En primer lugar, se propuso una máquina de estados finitos jerárquica (HFSM) para el proceso de fabricación que expresa completamente el estado del proceso de fabricación. En segundo lugar, se utilizó el método de detección de aprendizaje incremental impulsado por datos en flujo para detectar la anomalía de los datos del proceso de trabajo, con el fin de cambiar el estado del trabajo en tiempo real. Además, se compararon y analizaron el valor 1 y el consumo de tiempo del algoritmo propuesto utilizando un conjunto de datos general. Finalmente, el método se aplicó al desarrollo de un caso práctico del sistema de gemelo digital de un fabricante de soldadura. La flexibilidad del modelo propuesto se calcula mediante el método cuantitativo. Los resultados muestran que el método de modelado de estado y detección de anomalías propuesto puede ayudar al sistema a realizar el mapeo del estado del trabajo y el cambio de estado de manera rápida, efectiva y flexible.