什么是數字孿生?
數字孿生是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。
數字孿生技術已經擴展到包括建筑物，工廠甚至城市等大型項目，有人說流程可以擁有數字孿生，從而進一步擴展了這一概念。這個想法首先出現在NASA：早期太空艙的完整模型在地面上用于鏡像和診斷軌道中的問題，最終被全數字模擬所取代。
但在Gartner將“數字孿生”列為2017年十大戰略技術趨勢之一后，這個名詞才真正流行起來。Gartner表示，數字孿生是物理事物或系統的動態軟件模型，它依賴傳感器數據。
三到五年內，數以億計的物件將由數字孿生呈現。一年后，Gartner再次將數字孿生列為主要趨勢，并預測，到2020年，估計有210億個連接的傳感器和終端，數字孿生將在不久的將來存在于數十億個事物中。”
本質上，數字孿生是一種計算機程序，它將有關物理對象或系統的真實數據作為輸入，并將生成的數據作為輸出，預測或模擬物理對象或系統將如何受到這些輸入的影響。
數字孿生如何工作?
數字孿生的誕生是由專家(通常是數據科學或應用數學專家)建立的。這些開發人員研究了被模仿的物理對象或系統基礎的物理學，并使用該數據開發了數學模型，以模擬數字空間中的真實世界。
數字孿生的構造使其可以接收來自傳感器的輸入，這些傳感器從真實世界的數據。這使數字孿生可以實時地仿真物理對象，在這個過程中可以洞察性能和潛在問題。數字孿生也可以根據其物理對應物的原型進行設計，在這種情況下，數字孿生可以在產品精制時提供反饋。在構建任何物理版本之前，數字孿生甚至可以自己作為原型。
數字孿生實例
這里有兩個數字孿生的例子——汽車和貨船——讓您了解潛在應用。飛機引擎、火車、輪船和渦輪機等物體，可以在實際生產之前進行數字化設計和測試。這些數字孿生也可用于幫助維護操作。例如，技術人員可以在應用物理孿生之前，使用數字孿生胎對某件設備的建議修復進行測試。
數字孿生業務應用程序存在于多個領域：
●制造業是數字孿生部署最廣泛的領域，工廠已經在使用數字孿生來模擬其流程，正如德勤的案例研究
●汽車數字孿生之所以成為可能，是因為汽車已經裝有遙測傳感器，但是隨著越來越多的自動駕駛汽車上路，完善技術將變得更加重要。
●醫療保健是產生上述數字孿生的領域。創可貼大小的傳感器將健康信息發送回數字孿生，用于監視和預測患者的健康狀況。
數字孿生和物聯網
顯然，物聯網傳感器的爆炸式增長使數字孿生成為可能。隨著物聯網設備的完善，數字孿生方案可以包含較小和較不復雜的對象，這給企業帶來了額外的好處。
數字孿生可用于根據可變數據預測不同的結果。這類似于科幻電影中經常出現的運行模擬場景，其中在數字環境中證明了可能的場景。借助額外的軟件和數據分析，數字孿生通常可以優化IoT部署以實現最高效率，并幫助設計人員在實際部署之前確定應該去的地方或操作方式。
數字孿生可以復制物理對象的次數越多，發現效率和其他好處的可能性就越大。例如，在制造過程中，儀器越高的設備越多，數字孿生可能會更準確地模擬設備隨時間的運行情況，從而有助于預測未來的性能和可能的故障。
數字孿生供應商
建立數字孿生非常復雜，目前還沒有標準化的平臺。從事該領域工作的Ian Skerrett，其背后擁有悠久的開放源代碼歷史，他提出了一個數字孿生平臺的框架，這只是第一步，因為這一領域還處于萌芽階段。
與許多新興技術相比，商業數字孿生產品實際上來自該領域的一些最大公司。例如，通用電氣(GE)在內部開發了數字孿生技術，作為噴氣發動機制造過程的一部分，現在向客戶提供專業知識。
另一家大規模與制造的工業巨頭西門子(Siemens)也是如此。為了不被這些工廠供應商超越，IBM正在營銷“數字孿生”，作為其物聯網計劃的一部分，微軟也在Azure的保護傘下推出了自己的數字孿生平臺。
數字孿生與預測孿生
“數字孿生”可以包括設備說明，3D渲染以及設備中所有傳感器的詳細信息。它不斷生成模擬現實生活選擇的傳感器讀數。”
Puri寫道，可預測孿生“為設備的未來狀態和行為建模”。“這是基于來自其他設備的歷史數據，這些數據可以模擬故障和其他需要注意的情況。”
作為其數字孿生計劃的一部分，Microsoft正在采用該概念并將其應用于除物理產品之外的流程中。在白皮書中，Microsoft提出了數字處理孿生的想法：
微軟表示：“流程清單是數字化轉型的下一個階段，使整個工廠和供應鏈中的產品數字孿生受益更多。”相關的白皮書重點強調了一些先進的制造場景。
數字孿生的好處
數字孿生可以實時查看物理資產的情況，從而從根本上減輕維護負擔。雪佛龍公司正在為其油田和煉油廠推出數字孿生技術，預計將節省數百萬美元的維護費用。西門子表示，使用數字孿生對尚未制造的物體進行建模和原型設計，可以減少產品缺陷并縮短產品上市時間。
但請記住，Gartner警告稱，“數字孿生并非剛需，可能會增加復雜性。”對于特定的商業問題而言，數字孿生可能存在成本、安全性、隱私和集成等方面的問題。”
數字孿生技能
有興趣成為數字孿生專業人士嗎?這些技能要求很高，并且需要機器學習，人工智能，預測分析和其他數據科學功能方面的專業知識。這就是大公司在此領域掛出招牌的原因之一：可能聘請顧問團隊比提升內部員工的技能更為合理。
京公網安備 11010502049343號