制造业中数字孪生的力量和陷阱

十年后，很可能会出现数字孪生用于消费设备、工业机器、电网、石油和天然气基础设施，甚至整个工厂。但是，尽管数字孪生现在很热门，但该术语的确切含义并不总是很清楚。虽然很明显它们是基于数据的物理对象表示，但当前数字孪生项目的分辨率差异很大。 LNS Research 研究员丹·米克洛维奇 (Dan Miklovic) 表示：“存在数字孪生、数字近乎孪生、数字‘相似’和‘希望我们是相关的’类型的孪生类型。” “如今，我们看到许多公司使用非常小的数字孪生‘DNA 链’，而该技术在未来几年变得越来越重要。”

在 2018 年初，数字孪生仍然是一项新兴技术，尽管其根源可以追溯到 2003 年，当时 Michael Grieves 博士。在密歇根大学的产品生命周期管理执行课程中介绍了这个概念。去年，Gartner 在其炒作周期的“创新触发”阶段的初始上升阶段将技术固定在一半，该阶段看起来更像是过山车的升降山，其峰值被称为“预期膨胀的峰值”

由于数字孪生是一项新兴技术，因此它们的许多承诺仍然模糊不清，并且与 IIoT、分析、机器学习、人工智能和认知计算等技术的营销宣传交织在一起。基本思想是数字孪生可以提高生产力并优化物理资产、流程或系统。 “数字孪生是当今工业公司在不接触生产系统的情况下进行模拟和实验的最佳方式。您可以使用精确的实时数据创建模型。这是非常新的东西，”Poniewierski 说。

此外，数字孪生可以同时促进员工之间的协作，在使用数字孪生发现问题后，可以集中资源解决问题。数字孪生在工业领域的拟议好处包括：帮助制造商提高成品质量，为制造设备带来预测性维护能力，帮助制造商从销售工业成果而非离散产品转型，同时帮助工业组织优化他们的机器、产品、生产线或整个设施。碰巧所有这些好处都与 IIoT 本身直接相关。

数字孪生技术的主要优势之一是其推动实验的潜力。 “制造商可以为预测性维护应用程序构建数字孪生。然后他们可以为他们的操作员、机器和供应商训练机器的真实行为，实质上是建立一个实时测试平台来提高生产质量，”Poniewierski 说。 “例如，他们可能会意识到，在实时数字孪生上进行实验将花费 1 美元，而在开发环境中运行相同的实验将花费 100 美元。”

根据 Gartner 的说法，数字孪生具有四个基本特征，所有这些特征都与物联网项目中的“事物”密切相关。首先，它所代表的“事物”有一个模型。其次，有关于该事物的数据，例如其身份、状态和上下文。第三，双胞胎的独特性。换句话说，每个数字孪生对应一个独特的对象。最后，数字孪生监控物联网“事物”的状态。在 2017 年 11 月在巴塞罗那举行的 Gartner 研讨会上，Gartner 的副总裁兼杰出分析师尼克琼斯解释说：“你可以向双胞胎询问有关这件事的信息。”数字双胞胎还可以选择为预测性维护等应用配备分析功能。数字孪生还可以选择控制物理对象。最后，一些数字孪生能够模拟他们想要复制的“事物”。

需要明确的是，使用物理产品的复杂模型的想法并不新鲜。多年来，NASA 等组织一直在使用先进的航天器模拟。数字孪生的与众不同之处在于它们与来自支持物联网的对象的连接传感器数据流的连接，使它们能够基于传感器和智能机器发现洞察力并触发操作，并且在工厂中，制造执行系统消除了物理和机器之间的障碍数字世界。虽然将这些物理模型和虚拟模型结合在一起的概念并不新鲜，但正如 Grieves 所观察到的那样，它并不完整。

制造商还可以部署数字孪生模型，将人工智能/机器学习功能置于网络边缘，以检测车间敏感设备旁边的异常情况并发现数据模式。

还提出了数字孪生技术的特定用例，并在某些情况下实现了。例如，数字孪生有可能帮助工业公司减少产品开发和远程维护任务的费用。此外，在产品开发过程中严重依赖破坏性测试的公司可以虚拟执行其中的很大一部分。例如，一家汽车公司可以使用数字孪生技术来减少对原型车进行碰撞测试的需求。同样，严重依赖构建复杂模型和原型的公司可以通过在产品开发过程中使用数字孪生来节省资金。此外，在偏远地区运营有价值资产的组织可以使用设备的数字孪生来模拟使用寿命，从而帮助抑制派技术人员到该站点检查其状态的需要。数字孪生技术还可以帮助制造商提高未来几代项目的复杂程度和可用性，同时还有助于加快上市时间。

• 第 1 页
• 第 2 页