CIO拥抱数字孪生，但实施挑战依存
实现数字孪生全部承诺，可能需要跨整个组织生态系统集成系统和数据。
想象在对组织强加变更前，虚拟推演生产问题和工作流变更。近六成受访CIO在近期Gartner调查中表示，已或正准备支持数字孪生，后者复制潜在和实际物理资产、流程、人员、场所、系统和设备。至少21%已部署某种形式数字孪生，另有38%处于一至三年部署规划阶段。
相关阅读： 数字孪生市场未来5年将增长十倍
然而，实现数字孪生全部承诺，可能需要跨整个组织生态系统集成系统和数据。这是德勤报告结论。报告作者Adam Mussomeli等警告，坏数据、测量挑战、甚至过度做事，都可能难以准确复制物理资产。
德勤团队识别出数字孪生跨行业实施的潜在方式：
- 汽车和飞机制造商： “优化整个制造价值链和创新新产品的必备工具。”飞机发动机例：“可能有数千或数万传感器，每秒生成TB级数据。结合数字孪生、机器学习、预测模型，制造商提供建议帮助飞行员优化油耗、维护主动化、机队成本管理。”
- 能源： “现场服务操作员采集分析海量井下数据，构建数字模型实时指导钻探。”
- 医疗健康： “心血管研究者创建高精度人心脏数字孪生，用于临床诊断、教育、培训。”
- 智慧城市： “新加坡用详细虚拟模型做城市规划、维护、防灾项目。”
构建准确数字孪生非一蹴而就。德勤团队指出实施数字孪生的三大挑战领域：
- 坏数据： “驱动数字孪生的AI和机器学习算法需要大量数据，”Mussomeli等警告。“许多情况下，生产现场传感器数据可能已损坏、丢失，或最初就未持续收集。”德勤报告建议“现在采取措施开发必要基础设施和数据管理方法，可缩短获益时间。”
- 流程测量： “即使为新流程、系统、设备创建数字孪生模拟，也并非总能完美仪器化流程，”德勤团队警告。“组织需寻找代理——例如依赖车辆仪表和传感器而非给轮胎装传感器——或可检测的事物。”
- 确定传感器恰当平衡： “传感器成本下降，多少传感器才够？”研究者问。“成本/收益分析平衡至关重要。大多数用例仅需适度数量、战略性布放的传感器检测流程关键输入、输出和阶段。”
虽有障碍，德勤研究者仍看好数字孪生给企业带来的前所未有潜在收益。“物理世界完美数字副本将让你虚拟协作、摄入传感器数据快速模拟条件、清晰理解假设场景、更准确预测结果、输出指令操控物理世界。”这价值主张值得探索。
物联网技术