浅谈数字孪生如何将物理和数字连接在一起且应用

随着能力和成熟程度的提高，数字孪生的应用正在成倍增长。但是，要发挥其最大潜力，可能需要将整个生态的系统和数据集成在一起。试想一下，数字孪生赋予你物理世界的一个完美的数字副本，该孪生体能够进行虚拟协作、快速接收传感器数据和仿真交互，提供更准确地预测结果，还能够输出指令以操纵物理世界。

如今，人们正以各种方式使用数字孪生功能。在汽车和飞机行业，它们正在成为优化整个制造价值链和创新新产品的重要工具。在能源领域，油田服务运营商正在捕获和分析大量数据，用于构建实时指导钻井工作的数字模型。在智慧城市管理的非凡成就中，新加坡在城市规划、维护和灾备项目中使用了详细的虚拟模型。

数字孪生可以模拟物理物体或过程的任何方面。它们可以代表新产品的工程图纸和尺寸，或代表从设计表一直到消费者的更广泛的供应链中的所有子组件和相应的上下游关系。它们也可以应用到“维护”领域，比如对生产车间中的物理设备进行数字表示，记录设备的运行方式、工程师如何维护设备，甚至该设备制造的货物与客户的关系。总之，数字孪生可能呈现出各种形式，但它们都采集和利用代表物理世界的数据。

最新的市场研究报告表明，数字孪生市场增长趋势明显：2019年数字孪生市场规模38亿美元，预计到2025年将达到358亿美元。

这种爆发式增长的原因是什么？为什么是现在？毕竟，数字孪生并不新鲜。自本世纪初以来，开拓性公司一直在探索如何使用数字模型来改进其产品和流程。即使在那时数字孪生已经展现出不凡的潜力，但这些公司都发现，处理大量数据的连接、计算、存储和带宽所需的资源带来的成本投入是阻碍数字孪生发展的主要因素。

得益于快速发展的仿真和建模能力、更好的互操作性和物联网传感器以及更多工具和计算基础设施的可用性，数字孪生的发展获得良好的势头。因此，跨行业、大大小小的企业都将更容易的获得数字孪生的能力。IDC 预计，到 2022 年，40% 的物联网平台供应商将集成仿真平台、系统和功能，用以打造数字孪生，70% 的制造商使用该技术进行流程模拟和情景评估。

同时，海量数据的处理能力使得创建比以往更详细和动态的仿真成为可能。对于持续开发数字孪生的用户来说，这就像从模糊的黑白快照到五颜六色的高清数码照片。他们从数字来源添加的信息越多，这种“图片”就越生动、真实。

模型+数据=见解和真实价值

数字孪生功能最初是工程师工具箱中首选的工具，因为它们可以简化设计流程并跳过原型测试的许多方面。使用3D模拟和人机界面，如增强现实和虚拟现实，工程师可以确定产品的规格、如何建造以及用什么材料，以及设计如何针对相关政策、标准和法规采取措施。它帮助工程师识别潜在的可制造性、质量和耐久性问题，所有这些问题都在设计最终确定之前完成。因此，数字孪生能够加速传统的原型设计，使得产品以更高效、更低的成本投入生产。

除了设计之外，数字孪生方案供应商还准备改变公司对产品和机械设备进行预测性维护的方式。嵌入在机器中的传感器可实时将性能数据输入数字孪生系统，达到不仅能够识别故障发生之前的问题，进而提供相应的解决方案，还可以定制服务和维护计划，以更好地满足独特的客户需求。最近，荷兰皇家壳牌公司发起了一项为期两年的数字孪生计划，以帮助石油和天然气运营商更有效地管理离岸资产，提高工人的安全性，并探索预测性维护方案。

数字孪生可以帮助企业优化供应链、布局和全面运营，甚至每个员工的个人绩效。例如，全球消费品制造商联合利华（Unilever）推出了一个数字孪生项目，旨在创建数十家工厂的虚拟模型。在工厂和机器中的每个关键位置，都嵌入物联网传感器，并将采集到的性能数据输入人工智能和机器学习应用程序进行分析。分析的运营信息将被输入数字孪生仿真中，它可以为员工确定设备故障迹象并进行预测性维护、优化产出和消减不合格产品浪费的机会。

智慧城市计划还使用数字孪生应用程序来解决交通拥堵、城市规划等等挑战。新加坡雄心勃勃的“虚拟新加坡计划”通过规划电池塔和太阳能电池等，用以仿真交通模式和步行交通。一个潜在的用途可能是在城市一年一度的一级方程式赛车街道封闭期间实现紧急疏散规划和路线

新发展趋势

在过去十年中，由于若干因素，数字孪生功能的部署速度加快：

仿真。构建数字孪生的工具在能力和成熟度上都在增长。现在，可以设计复杂的“what-if”仿真，从检测到的真实世界条件下回溯，并在系统没有超负荷的情况下执行数百万个仿真过程。此外，随着数字孪生玩家的增加和涉猎范围的继续扩大，机器学习功能得到了持续增强，也更加的实用。

新的数据来源。来自实时资产监控技术如Lidar（如激光测距）和FLIR（红外测温）的数据现在可以纳入数字孪生。同样，嵌入在机械或整个供应链中的物联网传感器可以将运营数据直接输入仿真模型中，从而实现连续的实时监控。

互操作性。在过去十年中，将数字技术与现实世界相结合的能力有了显著提高。这种改进在很大程度上可以归因于物联网传感器、运营技术硬件和供应商与不同平台集成的努力下使得通信的行业标准化增强。

可视化。创建数字孪生仿真所需的数据量之大可能会使分析复杂化，并‎使努力‎‎获得有意义的见解变得具有挑战性‎。高级数据可视化可以通过实时过滤和处理信息来帮助应对这一挑战。最新的数据可视化工具远远超出了基本仪表板和标准可视化功能，包括交互式 3D、VR 和基于 AR 的可视化、支持 AI 的可视化和实时流式处理。

仪器仪表。嵌入式和外部的物联网传感器正在变得更小、更准确、更便宜、更强大。随着网络技术和安全性的提高，传统控制系统可以利用这些资源，获得更精细、更及时、更准确的真实情况信息，以便与虚拟模型集成。

平台。不断增长的强劲且廉价的计算能力、网络和存储的可用性是数字孪生的关键推动力。一些软件公司正在对基于云的平台、物联网和分析功能进行大量投资，以使他们能够最大化的发挥数字孪生的优势。

投入与收益

为数字孪生赋能的人工智能和机器学习算法需要大量数据，在许多情况下，来自生产车间传感器的数据可能已损坏、丢失或发生采集中断、不一致等现象。因此，团队在收集数据时，尤其要重点关注问题数量最多、中断成本最高的地方，并有针对性的采取措施，开发必要的基础设施和数据管理方法，这有助于提升数字孪生的收益。

即使在为新流程、系统和设备创建数字孪生仿真的情况下，也并不总是能够完美地对流程进行数字化。对于化学和生物反应或极端情况，可能无法直接测量过程本身，或者在某些情况下，物理传感器可能不具有成本效益或实用性。因此，企业需要寻找代理（例如，依靠车辆中的仪器和传感器，而不是将传感器放入轮胎）或更方便检测到的东西（例如，来自化学或生物反应的热量或光）。

虽然传感器成本不断的下降，其部署的数量也需要进行认真考量，对其进行成本/收益平衡分析至关重要。现代飞机发动机可以拥有数千或数万个传感器，每秒生成 TB 的数据。结合数字孪生、机器学习和预测模型，制造商能够为客户提供决策建议，帮助飞行员优化油耗，让维护变得积极主动，并帮助客户管理维护成本。但是，大多数使用案例只需要少量战略放置的传感器来检测过程中的关键输入、输出和流程。

发展展望

在未来几年，我们预计数字孪生将广泛部署在各行业并用于多种用途用例。在物流、制造和供应链方面，数字孪生结合机器学习和先进的网络连接（如 5G）将越来越多地跟踪、监控、调度和优化整个工厂和世界各地的货物流动，同时对货物位置和状况（温度、湿度等）的实时可见性将被视为理所当然。在没有人为干预的情况下，“控制塔”将能够采取纠正措施，指导库存转移、调整装配线上的流程步骤或改变集装箱的路线。

供应商正从销售产品转向销售捆绑服务的产品，或直接销售服务的方式创新模式，也将开启数字孪生另一种用例的先河。将数字孪生连接到嵌入式传感器，并将其用于财务分析和预测，可更好地改进和优化预测、定价和销售机会。

例如，公司可以通过磨损使用率的实时监控与预测，获得更长的设备使用时间，减少配件更换的频率，并提供额外的保修或维护选项。或者，供应商可以在农业、运输和智能建筑等各种行业以产出或吞吐量作为销售服务衡量。随着能力和成熟度的增长，预计会有更多公司以数字孪生为模式，为产品和服务寻求新的商业模式。

未来发展挑战

随着未来几年数字孪生增长趋势的加速，更多的组织可能会探索使用数字孪生来优化流程、实时做出数据驱动决策，以及设计新产品、服务和商业模式的机会。拥有资本密集型资产和流程（如制造业、公用事业和能源）的行业已经开创了一些数字孪生使用用例。另一些公司将效仿，因为早期采用者在各自领域显示出先行者的优势。

从长远来看，实现数字孪生的全部潜力，可能需要整合整个生态系统的系统和数据。创建完整的客户生命周期或供应链的数字仿真，应该包含全产业链的供应商，以及企业本身。企业本身数据在一定程度上可以提供丰富的运营洞察力，但也需要将外部实体纳入内部数字生态系统。如今，除了点对点连接之外，很少有组织对外部集成感到满意。克服这种心理障碍可能是一个持续的挑战，但这是一个值得努力的挑战，因为最终能够收获数字孪生的巨大收益。将来，公司可能会使用区块链来解决信息孤岛，然后验证这些信息并将这些信息输入数字孪生仿真。这可以释放以前无法访问的数据量，足以使仿真比以往更详细、更动态、更有价值。

是时候将数字组织从“黑白”转换为“彩色”了。你准备好了吗？

成功案例

澳大利亚航空服务公司变革

澳大利亚航空服务公司正在为航空业的下一次变革做准备。作为非洲大陆空中导航服务的提供者，它预计其领空的常规飞行量将在未来20年内翻一番。与此同时，无人驾驶飞行器在低空空域的出现（从空中出租车到无人机）正在加速行业对新的智能系统的需求，并使本已困难的工作雪上加霜。

航空服务公司正在通过发起倡议来应对这些挑战，这些举措将使它能够转向利用数据的价值，打造面向未来的信息管理服务。其中一项举措是探索数字孪生，结合物联网和机器学习能力，提高航空服务公司管理当下和未来几年空中交通的能力。

2019年初，由米克·斯内尔领导的服务战略团队，其数字孪生开发项目启动，其实际目标是：确定数字孪生能否提高航空服务公司管理当前空中交通网络的能力。例如，它是否可以用于增强航线、优化起飞时间和减少延误？

该团队首先利用空中交通历史数据开发了航空服务空中交通网络的数字孪生。该小组已完成四项概念证明，验证了其最初目标，并期望与现有的空中交通管制系统进行并行试验。事实证明数字孪生能够根据实时条件优化航线，以提供更好的交通调度管理。

虽然仍在开发中，该数字孪生项目正在成为加强航空服务传统工作方式的试验场。该公司的传统业务是提供安全导航服务，每天24小时，一年365天。随着对安全、高效和可靠服务交付的持续关注，日益增多的空域复杂性正促使航空服务公司探索新的解决方案。

数字孪生项目让航空服务部门看到了开发和应用数字孪生的很多可能性。该团队试行了敏捷开发方法，以改善系统上线时间，同时保持对安全的关注。团队正在以更快的速度交付软件（在不影响已有安全、准确的预测能力基础上，在短时间内快速进行更新、测试和交付）。虽然航空服务人员拥有深厚的航空专业知识，但公司还需要专业知识来建立和实施先进的分析能力。团队通过提供高度相关的经验和现成的技术供应商和顾问填补了这一空白。

同时，该团队继续发掘数字孪生的相关使用案例。例如，空中交通管制员目前始终在指定空域工作，无论交通量如何。为了优化管制员的工作量，团队计划使用数字孪生根据预测的需求而不是固定的地理位置向管制员分配空域。

优化是一个极其复杂的问题，需要大量的实时数据来支持飞行中的假设场景，以帮助空中交通管制员做出更快、更明智的决策。数字孪生还能够使航空服务客户（飞行员）根据当前最重要的情况优化航班。例如，优化空域和航线有助于提高按时到达的可能性，并节省燃油，但飞行员可能会决定用燃料换取额外的速度，以避免乘客错过转机。

最终，航空服务公司计划利用数字孪生来制定和测试应对可能影响其空域的颠覆性创新的战略。管理者将能够快速测试管理未来多维空域的各种方案。

随着概念验证阶段的完成，团队正在进入试行阶段。成员们将用当前数据再进行几个月的试验，然后进入计划于2020年全面投入运行的阶段。斯内尔报告说，“我们的速度打破以往的历史记录，在过去的八个月里，我们比过去八年走得更远。

轨交预测性维护应用

某轨道交通公司，是轨道车辆电气、减振、钩缓、制动等产业和研究试验及技术服务业务的龙头企业。公司一直以来注重研发平台与生产平台建设。近年来，公司联合工业互联网厂商寄云科技开展大数据、数字孪生、工业互联网平台等方面的基础建设及应用拓展，取得了多个领域的成就。比如，地铁制动系统智能运维应用就结合了数字孪生、大数据和机器学习等多种先进技术和理念，不但实现了制动故障的分析、溯源，还能够通过实时数据和历史数据以及多车辆对比数据分析，实现制动故障的预测，助力该公司从被动维护走向主动预测性维护。

这里我们就以空气制动系统漏气故障为例，来简要介绍一下基于数字孪生和大数据的预测性维护。空气制动系统中漏气是常见、多发的问题，现场主要是靠听声音来判断，有些泄漏在安静的环境下可以听到，但微小的泄漏可能并不会产生声音，或声音太小人工无法识别。该公司联合寄云科技完成某地铁9辆车的数字孪生建模，并将海量的历史数据及制动缸等压力实时数据接入模型，一方面完成轻微泄露故障的识别，另一方面通过相关识别能力实现基于实时数据的预测性维护。

该案例涉及车辆分为有故障维修历史和无故障维修历史两类，对于无故障维修历史车辆采用数据整体分布数据特征分析的方法，挖掘潜在规律。对于有故障维修历史车辆，则重点分析故障前后的数据特征，找到数据差异。对于地铁车辆的制动系统而言，正线时的工况较为复杂，此时主要使用电制动，气制动仅作为辅助，轻微漏气对于压力的变化情况不易察觉，因此还要研究车辆在库时间的主风压力变化。最后经过分析发现，漏气故障与车架制动缸压力上升缓慢等现象有着强相关性，基于分析所得现象集合，完成故障识别以及预测性维护系统的初步构建。

普利司通创新商业模式

全球最大的轮胎和橡胶制造商普利司通正在转型，成为移动解决方案的领导者。该公司正在通过开发数字功能来重新构想其核心业务，从而能够彻底改变轮胎管理服务，使其产品组合能够满足汽车制造商、车队运营商和个人驾驶员的需要。

数字孪生是普利司通转型之旅的核心。几年来，该公司一直使用传感器数据增强的数字孪生仿真作为研发工具，以提高轮胎的使用寿命和性能，但这仅仅是个开始。数字战略总监杰罗姆·布莱特和数字工程总监汉斯·多尔菲，与他们的团队一起，正在开发复杂的数字孪生，最终在普利司通的整个价值链中提供见解，目标是提高盈利能力，保持竞争优势，缩短上市时间，并提供领先的轮胎即服务产品。

欧洲车队正逐步转向每公里价格（PPK）的订阅模式，这是车队运营商优化现金流和降低总拥有成本的一种方式。但是，虽然商业模式很简单，但设定每公里适当的价格绝不是一个简单的事情。轮胎的寿命受到各种因素的严重影响，包括负载、速度、路况和驾驶行为。数字孪生可以通过模拟各种驾驶条件，深入了解这些相互关联的条件如何影响轮胎性能。但是，如果没有数字孪生的实际数据输入，设定一个价格，既能让PPK具有竞争力，而且可持续盈利，即使不是不可能，也是很困难的。

普利司通通过以极具竞争力和具备盈利能力的定价的产品进入PPK市场，从大型车队中赢得业务，实现了战略飞跃。该公司使用此初始安装基础收集性能数据，然后输入高级分析算法。

根据多尔菲的说法，“有些人会问，‘你已经有大数据，为什么你还需要数字孪生，为什么不直接运行分析呢？’我解释说，虽然分析起着重要作用，但它只能增强数字孪生。数字孪生能够捕获轮胎的多维性能包络，还可以应用于尚未获得数据的产品开发中。”他认为数字孪生是普利司通数字基础设施的重要组成部分。传入的传感器数据被增强、清理和处理;然后，数字仿真和分析应用于这些数据并获得见解，为有关维护和其他因素的决策提供信息，为普利司通及其客户提供更多价值。

普利司通持续增强数字孪生能力，2019 年收购下一代传感器的开发者WebFleet Solutions，这将使普利司通能够实时了解车辆和轮胎的使用情况，使公司能够帮助车队根据特定的驾驶条件选择合适的轮胎，并提供如何减少轮胎磨损或避免故障的定制见解。随着数字模型变得越来越准确，普利司通将达到持续提升其 PPK 业务模式的目标。

如今，普利司通正利用数字技术为其车队客户增加更多价值。随着时间的推移，该公司打算扩大其数字孪生技术的使用，以连接其整个价值链，从司机和车队经理到零售商，分销商和制造商。多尔菲说：“我们正在确保我们拥有能够带我们走向未来的推动者。”这就是数字孪生的用处。

实施考量

战略

虽然模拟物理世界的数字孪生技术已经存在多年，但新的进步值得重新审视当前的能力。廉价传感器和物联网、机器学习以及云的快速、无缝切换特性相结合，能够进行更复杂的分析和实时模拟。虽然制造场景多年来一直使用这些功能，但组织正越来越多地探索如何为运营、城市规划、智能基础设施等部署数字孪生。此外，随着公司寻求转向以服务方式销售的商业模式，数字孪生日益复杂的能力值得仔细研究。然后，具有挑战性的决定将是，是进行小范围试点，以创建测试和实验，还是大力投入，全面地支持创新。

财务

数字孪生具有越来越大的潜力，激发了很多企业的兴趣，但首席财务官及其团队并不总是很好地理解这个新事物。对许多财务职能部门，传统的制造流程和仓库物流数字孪生仿真是制造或工程部门拥有的“黑匣子”。然而，高质量仿真、机器学习和嵌入式传感器的日益普及正在改变这一困境。一些正在从销售产品转向产品加服务或即服务模式的组织正在使用强大的数字孪生，使之对公司所有部门都更加透明。他们正在使用嵌入式传感器跟踪使用情况，为使用建议、主动维护或盈利能力优化创建新产品。另外，与 IT 部门合作，了解现在和未来使用数字孪生的潜在用途正变得越来越重要，特别是支持新产品和服务的设计和交付。

挑战

随着数字孪生技术与物联网和人工智能的集成，其颠覆性能力不断增强。在当前的商业环境下，任何潜在的技术驱动型中断都对整个组织具有重大风险影响。数字孪生驱动过程效率可能不会显著增加风险，至少最初是这样。但随着对数字孪生技术的依赖程度的提高，公司将汇总来自传感器网络和其他来源的大量数据存储，这反过来又可能会增加隐私或网络风险。同样，如果数字孪生系统能够启用具有多种服务性产品的新业务模式，组织应了解这些新收入流可能对财务、技术和现有业务模式产生何种重大影响。如果潜在风险很大，公司可能需要在 IT 和业务进一步推进数字孪生项目之前制定测量和管理这些风险的战略。

在未来，所有人和所有事物——人，服务，全球企业，甚至城市——可能都会有一个数字孪生。这种普及程度在未来18到24个月内可能不会发生，但数字孪生的趋势是将在未来几年内发展壮大。试点和原型可以帮助确定公司可以从数字孪生功能中获益的潜在领域，但拥抱下一个颠覆性转型阶段的时机已经到了。
编辑：lyn