什么是数字孪生(Digital Twin)？
数字孪生是指对象或系统的虚拟表示，旨在准确反映物理对象。它跨越对象的生命周期，会根据实时数据进行更新，并使用模拟、机器学习和推理来帮助做出决策。
数字孪生是如何工作的？
研究对象（例如风力涡轮机）配备与重要功能领域相关的各种传感器。这些传感器生成有关物理对象不同方面性能的数据，例如能量输出、温度、天气状况等。处理系统接收此信息并主动将其应用于数字副本。
在获得相关数据后，可以利用数字模型进行各种模拟，分析性能问题，并建立潜在的改进方案。最终目的是获得有价值的知识，用于改进原始物理实体。
数字孪生与模拟
尽管模拟和数字孪生都利用数字模型来复制系统的各种流程，但数字孪生实际上是一个虚拟环境，这使得它的研究内容更加丰富。数字孪生和模拟之间的差异很大程度上在于规模问题：模拟通常研究 1 个特定流程，而数字孪生可以运行任意数量的有用模拟来研究多个流程。
差异还不止于此。例如，模拟通常不会从实时数据中受益。但是，数字孪生是围绕双向信息流设计的，当对象传感器向系统处理器提供相关数据时，就会发生这种信息流，然后在处理器创建的洞察与原始源对象共享时再次发生这种信息流。
拥有与广泛领域相关的更好且不断更新的数据，再加上虚拟环境提供的额外计算能力，与标准模拟相比，数字孪生可以从更多的角度研究更多的问题，最终具有更大的潜力来改进产品和流程。
最新的 AI 新闻 + 洞察分析
在每周的 Think 时事通讯中，发现专家精选的有关 AI、云等的洞察分析和新闻。
根据产品放大程度的不同，数字孪生有多种类型。数字孪生之间最大的差异在于应用领域。不同类型的数字孪生在一个系统或流程中共存是很常见的。让我们来看看数字孪生的类型，了解它们的差异以及如何应用它们。
组件孪生是数字孪生的基本单元，同时也是功能组件的最小示例。部件孪生与前者大致相同，但与重要性稍低的组件有关。
当两个或更多组件协同工作时，它们就形成了所谓的资产。资产孪生让您可以研究这些组件的相互作用，创建大量可处理的性能数据，然后将其转化为可行的洞察。
下一个放大级别涉及系统或单元孪生，这使您能够看到不同的资产如何组合在一起形成一个完整的功能系统。系统孪生提供有关资产交互的可见性，并可能提出性能提升建议。
流程孪生是宏观放大级别，揭示系统如何协同工作以创建整个生产设施。这些系统是否都同步，以达到最高运行效率，或者一个系统的延迟是否会影响其他系统？流程孪生可以帮助确定最终影响整体有效性的精确计时方案。
数字孪生技术的概念最早出现于 1991 年 David Gelernter 撰写的《镜像世界》(Mirror Worlds) 一书中。但是，相关人员认为 Michael Grieves 博士（当时在密歇根大学任教）于 2002 年首次将数字孪生的概念应用于制造业，并正式宣告“数字孪生软件”这一概念的诞生。最终，NASA 的 John Vickers 在 2010 年引入了一个新术语 – “数字孪生”。
然而，使用数字孪生作为研究物理对象的手段的核心思想其实早在很久以前就已经出现。事实上，可以说，美国国家航空航天局 (NASA) 在 20 世纪 60 年代的太空探索任务中率先使用了数字孪生技术。当时，每艘航行的航天器都精确复制了地球上的版本，供 NASA 飞行机组人员研究和模拟使用。
改进研发
使用数字孪生可以更有效地研究和设计产品，并创建大量有关可能的性能结果的数据。这些信息可以提供洞察分析，帮助公司在开始生产之前对产品进行必要的改进。
效率更高
即使新产品投入生产后，数字孪生也可以帮助镜像和监控生产系统，以期在整个制造过程中实现并保持最高效率。
产品生命周期终止
数字孪生甚至可以帮助制造商决定如何处理产品生命周期终止并需要通过回收或其他措施进行最终处理的产品。通过使用数字孪生，他们可以确定可以回收哪些产品材料。
数字孪生虽因其提供的功能而备受推崇，但却无法保证每个制造商或创建的每个产品均能使用数字孪生。事实上，并非每个对象均足够复杂，因而需要数字孪生所需的密集且有规律的传感器数据流。从财务角度来看，投入大量资源来创建数字孪生也属低性价比之举。（请记住，数字孪生是物理对象的精确复制品，而这可能会导致其创建成本高昂。）
另外，许多类型的项目确实因使用数字模型而特别受益：
- 大型项目：建筑、桥梁和其他复杂构筑物都需要遵守严格的工程规则。
- 在机械层面上十分复杂的项目：喷气涡轮机、汽车和飞机。数字孪生可帮助提高复杂机械与大型发动机的效率。
- 电力设备：包括发电和传输电力的机制。
- 制造项目：数字孪生在帮助优化流程效率方面表现出色，就像您在工业环境中发现的共同运作的机器系统一样。
因此，使用数字孪生取得最大成功的行业是那些涉及大型产品或项目的行业：
- 工程（系统）
- 汽车制造
- 飞机生产
- 轨道车设计
- 建筑施工
- 制造业物联网
- 电力公用事业
数字孪生市场：蓄势待发
快速扩张的数字孪生市场表明，虽然数字孪生已在众多行业中实现应用，但对数字孪生的需求在一段时间内仍将持续攀升。2022 年，全球数字孪生市场的价值到 2027 年预计将达到 735 亿美元。1
端到端数字孪生的使用可让业主和操作员缩短设备停机时间，同时提高产量。了解 IBM 和 Siemens 共同创建的服务生命周期管理解决方案。
目前，数字孪生已广泛应用于以下领域：
大型发动机（包括喷气发动机、机车发动机和发电涡轮机）可从数字孪生的使用中受益匪浅，尤其是帮助确定定期维护的时间范围。
大型物理构筑物（例如大型建筑或海上钻井平台）可以通过数字孪生进行改进，尤其是在设计过程中。设计在这些构筑物内运行的系统（例如 HVAC 系统）时也很有用。
由于数字孪生旨在反映产品的整个生命周期，因此数字孪生在制造的各个阶段变得无处不在便也不足为奇了；具体而言，它可为开展产品从设计到成品以及介于两者之间的所有步骤提供指导。
正如可以使用数字孪生来分析产品一样，接受医疗保健服务的患者也可以这样做。相同类型的传感器生成数据系统可用于跟踪各种健康指标，并生成关键洞察。
汽车代表了多种类型的协同工作的复杂系统，数字孪生广泛用于汽车设计，既可以提高车辆性能，也可以提高生产效率。
数字孪生可以实时显示 3D 和 4D 空间数据，还可以将增强现实系统融入建筑环境，为土木工程师和其他参与城市规划活动的人员提供极大帮助。
现有的运营模式正在发生根本性变化。资产密集型行业正在进行数字化重塑，这些行业正以颠覆性的方式改变运营模式，他们需要资产、设备、设施和流程的综合物理和数字视图。数字孪生是这一调整的重要组成部分。
数字孪生的未来前景可谓不可限量，因为越来越多的认知能力会不断投入到它们的使用中。因此，数字孪生会不断学习新的技能和能力，因此它们能继续输出所需的洞察，从而提升产品质量和流程效率。
通过这篇关于利用数字孪生实现资产运营转型的文章，了解变革如何影响您的行业。
数字孪生与传统仿真有何不同？
传统仿真基于静态与预设的数据集，而数字孪生使用实时数据动态更新，可以持续反映现实对象的状态和变化。
数字孪生技术可以应用在哪些行业？
大制造、能源、汽车、航空、医疗、城市管理等行业都在广泛使用数字孪生，用来优化运营和提升效率。
IBM 如何帮助企业构建数字孪生？
IBM 提供基于 AI、物联网 (IoT) 和混合云平台的数字孪生解决方案。其中，IBM Maximo Application Suite 是核心平台，能够帮助企业将实时资产数据与虚拟模型连接，实现从监测、维护到预测分析的全流程智能化管理。
数字孪生如何与 AI 协同工作？
AI 可以为数字孪生提供预测与优化能力，使其能够自动识别异常、预测风险并优化系统性能。
企业如何开始构建数字孪生？
建议从单一设备或流程入手，逐步扩展到全系统，并借助 IBM 的行业专家和平台能力加速部署。
数字孪生能否与其他技术结合？
可以。结合区块链可增强数据安全，结合边缘计算能提升实时响应和系统稳定性。
资源
脚注
1按企业、应用（预测性维护、业务优化）、行业（航空航天、汽车与运输、医疗保健、基础设施、能源与公用事业）和地理位置划分的数字孪生市场（ibm.com 外部链接），到 2027 年的全球预测，Digital Twin Market，2022 年 6 月