作者
不久前，“数字孪生 ”还只是一个学术概念。但如今，数字孪生几乎遍布每个行业：制造业、零售业、能源业、医疗保健业等等......带来的好处包括提高生产率、缩短上市时间和提高客户满意度。事实上，在当今物理对象、流程或系统相互连接的世界中，任何与 data-driven 洞察力和决策制定相关的用例都与数字孪生有关。.
广义上讲，数字双胞胎是物体（涡轮机、汽车、人）、流程（供应链或生产线）或整个系统（电网、医院、城市）的虚拟呈现。它们的共同点是什么？它们的底层 data 指的是物理和真实世界的测量。.
数字孪生到底是什么？它们能做什么？
如今，数字孪生正在各行各业崭露头角，从制造到零售、汽车、能源、医疗保健、城市、研究......不胜枚举。数字孪生的用例和应用甚至更为广泛：data 监控和可视化、效率提升、优化、情景分析、模拟、未来状态预测。面对如此广泛的行业和应用，“数字孪生 ”一词缺乏明确的定义，对不同的人有不同的含义也就不足为奇了。.
在本文中，我们将解读数字孪生的关键特征，帮助您更好地理解和驾驭未来的对话。我们还将解释 数字双胞胎的两种原型, 其中每一个都有不同的 data 要求、建模工作、团队技能和使用案例。.
掌握了这些知识，您就能更轻松地识别这一概念，并为您的特定行业和使用案例带来好处。.
数字孪生原型 A：data孪生中的可视化和分析技术
原型 A 可视化摄取的 data，并通过分析测量的 data 提供见解。在其他行业和流程中，这种原型可以更普遍地描述为 商业智能, 但细微差别在于，数字孪生通常将 data 实时可视化。一些公司将这种原型称为 “data 双胞胎”。”
data twin 的主要优点是在单一位置提供清洁的 data，使广泛的 audience 可以访问，从而提供有关对象、流程或系统的整体视图。在没有人工智能或高级机器学习算法的情况下，清洁 data 的透明性和可访问性仍能为用户提供丰富的信息和巨大的价值。监控、问题检测和警报等用例可产生更多价值，而任务管理或票据创建等人机交互和反馈功能的加入，则使 data 成为集成工作流管理系统的孪生组成部分。更先进的应用则利用接收到的 data 提供预测性维护见解，确定何时需要对设备或机器进行维护，并根据测量到的 data 调整维护周期。.
可视化和分析 data 双胞胎的示例：
创建高影响力 data 双胞胎的主要挑战在于如何将用户的业务知识和技术专长结合起来，以创建 data 双胞胎。有了上一步所述的经过清理和分类的输入 data，成功的关键因素就是从用户角度出发，采用以用户为中心的设计方法。根据明确定义的用户故事，我们设计图形界面，并推导出 data 可用性的技术要求。在可视化最低要求的 data 和提供完整的端到端图片之间取得适当的平衡，从而提供适当的清晰度，创造洞察力和价值。.
数字孪生原型 B：通过动态孪生进行模拟
原型 B, 动态 “数字孪生 ”通过在所有以前未测量的位置动态生成信息和 data，创建一个完整的现实数字表示。动态数字孪生利用 data 双胞胎中可用的 data 并生成额外信息，从而创建整个对象、系统或流程的端到端整体视图。.
动态数字孪生的核心是计算方法，可以填补没有 data 的空白。生成额外 data 的方法多种多样，既有基于物理方程的模型（可详细捕捉系统的全部动态），也有简化的启发式方法、统计关系（如参数化），还有先进的人工智能和机器学习方法。这些方法不仅用于填补当前状态中的空白，而且是动态生成替代状态输出的强大引擎，可用于下文用例部分所述的情景分析和优化。.
动态数字孪生的最大价值在于利用其动态计算引擎来探索和了解资产、流程或系统如何应对变化。运行 备选方案, 执行 假设分析, 了解这些变化对系统的影响是改进产品设计、优化运营、加强规划和确保供应安全的强大用例。举几个例子：
虽然动态数字孪生的好处毋庸置疑，但动态数字孪生面临的主要挑战来自作为数字孪生核心计算引擎的不同方法。在许多情况下，简单的启发式或参数化是最佳解决方案；而在其他情况下，机器学习等更先进的统计技术则更为合适。最精确的方法仍然是使用物理方程来填补空白，并确定系统将如何对变化做出反应。评估哪种方法是正确选择的标准将取决于用于训练和部署模型的 data 可用性、使用案例、输出精确度水平以及实时计算的计算能力。.
如何开始数字孪生
实现数字孪生的价值所面临的最大挑战之一，就是将一个非常宽泛的概念转化为实践，通过具体的使用案例来创造价值。在数字孪生之旅的早期阶段，有三个方面至关重要：
虽然动态数字孪生的好处毋庸置疑，但动态数字孪生面临的主要挑战来自作为数字孪生核心计算引擎的不同方法。在许多情况下，简单的启发式或参数化是最佳解决方案；而在其他情况下，机器学习等更先进的统计技术则更为合适。最精确的方法仍然是使用物理方程来填补空白，并确定系统将如何对变化做出反应。评估哪种方法是正确选择的标准将取决于用于训练和部署模型的 data 可用性、使用案例、输出精确度水平以及实时计算的计算能力。.
总而言之：通过数字双胞胎从物理 data 创造价值
数字孪生已经从一个学术概念发展成为一种变革性工具，并已成功应用于各行各业。在当今物理测量相互关联的世界中，数字孪生提供了物理对象、流程或系统的虚拟表示，以实现 data-driven 洞察和决策。数字孪生有两个主要原型：(A) 用于可视化和分析的 data twins，以及 (B) 用于模拟和情景分析的动态 twins。随着企业确定具体的使用案例，他们可以利用数字孪生提高生产率、优化运营和改进规划，从而确保竞争优势。.
