先进制造业·导读

试想一下，你拥有一个现实世界的完美数字副本：数字孪生。它可以帮助你开展虚拟协作，快速获取传感器数据并模拟条件，清楚地了解假设情景，更能精准地预测结果，并输出指令以操纵现实世界。

当下，企业正在以多种方式使用数字孪生技术。在汽车和飞机制造领域，数字孪生技术逐渐成为优化整个制造价值链和创新产品的重要工具；在能源领域，油田服务运营商通过获取和分析大量井内数据，建立数字模型，实时指导钻井作业；在医疗保健领域，心血管研究人员正在为临床诊断、教育、培训等方面创造高仿真的人类心脏的数字孪生体；作为智慧城市管理的典型案例，新加坡使用详细的虚拟城市模型，用于城市规划、维护和灾害预警项目。

数字孪生可以模拟物理对象或流程的各个方面。它们可以展现新产品的工程图和尺寸，也可以展现从设计到消费者整个供应链中所有子部件和相应环节—已建成“数字孪生”，也可采用“即维护”模式—生产车间设备的实物展现。仿真模型可以捕获设备如何操作，工程师如何维护，甚至该设备生产的产品如何与客户关联。数字孪生可以有多种形式，但它们无一例外都在捕获和利用现实世界的数据。

MarketsandMarkets的最新研究表明，数字孪生技术的探索已经展开：2019年数字孪生市场的价值为38亿美元，预计2025年将增至358亿美元。

是什么导致了这种猛增？数字孪生并非新事物，为何现在开始增长？自21世纪初以来，先锋企业已经开始摸索如何借助数字模型以改进产品和流程。尽管在当时数字孪生的潜力就已经显现，但很多企业发现，开发数字孪生涉及大量数据，而处理这些数据所需的连通性、计算能力、数据存储以及带宽成本高昂，令人望而却步。 

数字孪生发展势头迅猛，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，以及更多可用的工具和计算的基础架构等。因此，各领域内的大小型企业都可以更多地接触到数字孪生技术。IDC预测，到2022年，40%的物联网平台供应商将集成仿真平台、系统和功能来创建数字孪生，70%的制造商将使用该技术进行流程仿真和场景评估。 

与此同时，通过访问大量数据，使得创建比以往更为详细、更为动态化的仿真成为可能。对于数字孪生的长期用户而言，这就好比从模糊的黑白快照过渡到彩色高清数码照片一样，从数字源中获取的信息越多，最后呈现的照片就越生动逼真。

图 数字孪生技术助力企业设计、优化和转型

模型+数据=洞察力和实际价值

数字孪生功能最初是工程师工具箱里的一种选择工具，它可以简化设计流程，削除原型测试中的许多方面。通过使用3D仿真和人机界面，如增强现实和虚拟现实，工程师可以确定产品的规格、制造方式和使用材料，以及如何根据相关政策、标准和法规进行设计评估。数字孪生可以帮助工程师在确定设计终稿之前，识别潜在的可制造性、质量和耐用性等问题。因此，传统的原型设计速度得以提升，产品以更低的成本，更有效地投入生产。

除设计之外，数字孪生还有望改变企业对产品和机器进行预测性维护的方式。机器内嵌入的传感器将性能数据实时传输到数字孪生体，这不仅可以预先识别和解决故障，还可以定制服务和维护计划，更好地满足客户的个性化需求。

近期，荷兰皇家壳牌公司（Royal Dutch Shell）启动了一项为期两年的数字孪生计划，以帮助石油及天然气运营商更加高效地管理海上资产，加强工人安全保障，并探索可预见的维护时机。 

数字孪生有助于优化供应链、分销和运营，甚至还可以优化上述业务相关的每个员工的个人表现。举例来说，全球快消产品制造商联合利华（Unilever）启动了一个数字孪生项目，旨在为旗下数十家工厂创建虚拟模型。在这些工厂内，物联网传感器被嵌入到机器内部，向AI和机器学习应用程序反馈机器性能数据，并进行分析。分析后的操作信息再输入到数字孪生体中，从而帮助工人预测机器维护的时机、优化产出并提高产品合格率。 

再比如，智慧城市计划正使用数字孪生技术来缓解交通拥堵、进行城市规划等。新加坡雄心勃勃的“虚拟新加坡计划”（Virtual Singapore initiative）让一切成为可能，从规划基站和太阳能电池，到模拟交通方式和人流量。另一个潜在用途，可能是在新加坡年度F1赛车的封路期间，用于紧急疏散计划和路线安排。 

新事物

过去十年来，由于以下几个因素，数字孪生技术的部署一直在加速。

仿真。构建数字孪生技术所需工具的能力和成熟度都在不断提高。现在，人们可以设计复杂的假设仿真情景，从探测到的真实情况回溯，执行数百万次的仿真流程也不会使系统过载。而且，随着供应商数量的增加，选择范围也在持续扩大。同时，机器学习功能正在增强洞察的深度和使用性。

新的数据源。实时资产监控技术如LIDAR（激光雷达）与FLIR（前视红外）产生的数据，现在已经可以整合到数字孪生体内。同样地，嵌入机器内部的或部署在整个供应链的物联网传感器，可以将运营数据直接输入到仿真系统中，实现不间断的实时监控。

互操作性。过去十年里，将数字技术与现实世界相结合的能力已经得到显著提高。这一改善主要得益于物联网传感器、操作技术之间工业通信标准的加强，以及供应商为集成多种平台集成做的努力。

可视化。创建数字孪生体所需的庞大数据量可能会使分析变得复杂，如何获得有意义的洞察就变得更具挑战性。先进的数据可视化可以通过实时过滤和提取信息来应对该挑战。最新的数据可视化工具除了拥有基础看板和标准可视化功能之外，还包括交互式3D、基于VR和AR的可视化、支持AI的可视化以及实时媒体流。

仪器。无论是嵌入式的还是外置的物联网传感器都变得越来越小，并且精确度更高、成本更低、性能更强大。随着网络技术和网络安全的提高，可以利用传统控制系统获得关于真实世界更细粒度、更及时、更准确的信息，以便与虚拟模型集成。

平台。增加功能强大且价格低廉的计算能力、网络和存储的可用性和访问是数字孪生技术的关键促成要素。一些软件公司在基于云平台、物联网和分析技术领域进行了大量投资，紧跟数字孪生潮流。其中部分投资正在用于简化行业特定数字孪生应用的开发工作。

成本与收益

为数字孪生提供动力的AI和机器学习算法需要大量数据，但多数情况下，生产车间的传感器所输入的数据可能已经损坏、丢失，或不完整。因此，团队应该立即开始收集数据，尤其是在问题数量最多、停机成本最高的地区。从现在开始逐步开发必要的基础设施和数据管理方法，可以帮助企业缩短获益时间。

即使是针对新流程、系统和设备而创建数字孪生体，也不是都能完美地测试整个流程。对于化学和生物反应，在极端情况下可能无法直接测量过程本身；而在某些情况下，测量一个物理对象可能成本过高或不太实用。因此，企业需要寻找一些代替物（比如利用车辆上的设备和传感器，而不是直接将传感器放入轮胎里），或者利用可以检测的元素（比如化学或生物反应所产生的光线或热量）。

另外，随着传感器成本的下降，平衡成本、收益分析对确定使用传感器数量至关重要。现代飞机引擎上可以有成千上万个传感器，每秒可生成数万亿字节的数据。

结合数据孪生、机器学习和预测模型，制造商可以提供各类建议，帮助飞行员优化燃油消耗、进行预测性维护、帮助机队管理成本等。然而，大多数应用只需在重要位置部署少量的传感器，即可检测流程内的关键输入输出数据，以及关键阶段。

模型之外

未来几年里，我们将看到数字孪生技术在各行业中的广泛部署。在物流、制造和供应链领域，运用机器学习和先进网络连接（比如5G）的数字孪生技术，将更多地跟踪、监测、规划路线和优化整个工厂和世界各地的货物流，使得货物位置和所处环境（温度、湿度等）变得实时可见。在无需人为干预的情况下，“控制塔”可以指挥库存转移、调整装配线工艺步骤或重新规划集装箱路线等纠正措施。

一些从产品销售向产品+服务模式或销售即服务（As-a-service）转型的企业，正在开拓新的数字孪生技术应用。把数字孪生体与嵌入式传感器相连接，将其用于财务分析和预测，可以改善和优化预测、定价和增销机会。例如，企业可以监测产品磨损程度更高的使用情况，为其提供额外的保修或维护选项。企业可以在农业、交通和智能楼宇等多种行业以服务的形式销售产出或吞吐量。随着能力和成熟度的增加，预计未来会有更多企业以数字孪生为模型，为产品和服务寻求新的货币化战略。

图 数字孪生趋势细分

数字未来建模

随着数字孪生技术趋势在未来几年的加速，可能会有更多企业开始探索使用数字孪生技术来优化流程、实时制定以数据为驱动的决策，以及设计新的产品、服务和商业模式的机会。

在资本密集型产业，比如制造业、公用事业和能源，已是数字孪生技术应用的先驱。当早期实践者在各自行业领域内展现出先发优势时，其他企业也将紧随其后。

长期来看，若想要实现数字孪生技术的全部潜力，可能需要集成整个生态圈内的系统和数据。创建一个完整的客户生命周期或供应链（囊括了一线供应商和其自身的供应商）的数字化仿真，可以提供富有洞察力的宏观运营观点，但仍然需要将外部实体整合到内部数字化生态系统内。

直至今日，大多数企业仍对点对点连接之外的外部集成感到不满意。克服这种犹豫可能是一个长期挑战，但最终，所有的付出都将是值得的。未来，期望企业会利用区块链打破信息孤岛，继而验证信息并将其输入数字孪生体中。这可以释放先前无法访问的大量数据，从而使仿真更加细节化、动态化，更具潜在价值。现在，是时候将你的数字企业从黑白时代转换到彩色时代了。你准备好了吗？