下载掌阅APP，畅读海量书库
立即打开
数字孪生能为企业做什么？
技术的发展历来逃不开一个重要命题，那就是能否为企业创造实际价值。过去，创建数字孪生体的成本高昂，且收效甚微。随着存储与计算成本日益走低，数字孪生的应用案例与潜在收益大幅上涨，并转而提升商业价值。
在探析数字孪生的商业价值时，企业须重点考虑战略绩效与市场动态的相关问题，包括持续提升产品绩效、加快设计周期、发掘新的潜在收入来源，以及优化保修成本管理。可根据这些战略问题，开发相应的应用程序，借助数字孪生创造广泛的商业价值。如表1-1所示，列举了数字孪生各种类型的商业价值。
表1-1 数字孪生的商业价值
除了上述商业价值领域，数字孪生还可协助制造企业构建关键绩效指标。综合而言，数字孪生可用于诸多应用程序，以提升商业价值，并从根本上推动企业开展业务转型。其所产生的价值可运用切实结果予以检测，而这些结果则可追溯至企业关键指标。
如今，数字孪生越来越被各大厂商重视，并作为一种服务企业的解决方案和手段，可见其潜力巨大。
（1）模拟、监控、诊断、预测和控制产品在现实环境中的形成过程和行为。
如图1-10所示，工厂通过建立装配仿真，能让工程师更好地了解产品的结构及运行状态。
图1-10 装配仿真能让工程师更好地了解产品的结构及运行状态
（2）从根本上推进产品全生命周期高效协同并驱动持续创新（见图1-11）。
图1-11 从根本上推进产品全生命周期高效协同并驱动持续创新
ANSYS公司作为仿真领域的领导者，通过与通用电气密切合作，将其仿真软件与通用电气的工业数据及分析云端平台Predix进行集成，仿真能力与数据分析功能的结合能够帮助企业获得战略性的洞察力信息。
通用电气为每个引擎、每个涡轮、每台核磁共振制造一个数字孪生体，通过拟真的数字化模型在虚拟空间进行调试、试验，即可知道如何让机器效率达到最高，然后将最优化的方案应用于实体模型上（见图1-12）。
图1-12 利用数字孪生拟真的数字化模型实现方案最优化
（3）数字化产品全生命周期档案为全过程追溯和持续改进研发奠定了数据基础（见图1-13）。
图1-13 数字化产品全生命周期档案为全过程追溯和持续改进研发奠定数据基础
如图1-14所示是美国参数技术（PTC）公司的数字孪生方案：能够通过安在自行车上的装载感应器记录自行车的实际情况，例如所受外来压力、速度及地理位置改变等。
图1-14 PTC公司装载感应器记录自行车的实际情况
（4）创造价值趋向无限。
利用数字孪生，任何制造商都可以在数据驱动的虚拟环境中进行创建、生成、测试和验证，这种能力将成为其在未来若干年内的核心竞争力。
自数字孪生的概念被提出以来，其技术在不断地快速演化，无论是对产品的设计、制造还是服务，都产生了巨大的推动作用。
今天的数字化技术正在不断地改变每一个企业。未来所有的企业都将数字化，这不只是要求企业开发出具备数字化特征的产品，更是指通过数字化手段改变整个产品全生命周期流程，并通过数字化的手段连接企业的内部和外部环境。
产品全生命周期的缩短、产品定制化程度的加强及企业必须同上下游建立起协同的生态环境，都迫使企业不得不采取数字化的手段来加速产品的开发速度，提高生产、服务的有效性，以及提高企业内外部环境的开放性。
数字孪生同沿用了几十年的、基于经验的传统设计和制造理念相去甚远，使设计人员可以不用通过开发实际的物理原型来验证设计理念，不用通过复杂的物理实验来验证产品的可靠性，不需要进行小批量试制就可以直接预测生产瓶颈，甚至不需要去现场就可以洞悉销售给客户的产品运行情况。因此，这种数字化转变对传统工业企业来说可能非常难以改变及适应，但这种方式确实是先进的、契合科技发展方向的，无疑将贯穿产品的生命周期，不仅可以加速产品的开发过程，提高开发和生产的有效性和经济性，更能有效地了解产品的使用情况并帮助客户避免损失，还能精准地将客户的真实使用情况反馈到设计端，实现产品的有效改进。
而所有的这一切，都需要企业具备完整的数字化能力，而其中的基础就是数字孪生。数字孪生技术的应用意义主要体现在如图1-15所示的4个方面。
图1-15 数字孪生技术的应用意义
（1）更便捷，更适合创新。
数字孪生通过设计工具、仿真工具、物联网、虚拟现实等各种数字化的手段，将物理设备的各种属性映射到虚拟空间中，形成可拆解、可复制、可转移、可修改、可删除、可重复操作的数字镜像，这极大加速了操作人员对物理实体的了解，可以让很多原来由于物理条件限制、必须依赖于真实的物理实体而无法完成的操作方式（如模拟仿真、批量复制、虚拟装配等）成为触手可及的工具，更能激发人们去探索新的途径来优化设计、制造和服务。
（2）更全面的测量。
只要能够测量，就能够改善，这是工业领域不变的真理。无论是设计、制造还是服务，都需要精确地测量物理实体的各种属性、参数和运行状态，以实现精准的分析和优化。
但是传统的测量方法必须依赖价格昂贵的物理测量工具，如传感器、采集系统、检测系统等，才能够得到有效的测量结果，而这无疑会限制测量覆盖的范围，对于很多无法直接采集的测量值的指标往往爱莫能助。
而数字孪生则可以借助物联网和大数据技术，通过采集有限的物理传感器指标的直接数据，并借助大样本库，通过机器学习推测出一些原本无法直接测量的指标。例如，可以利用润滑油温度、绕组温度、转子扭矩等一系列指标的历史数据，通过机器学习来构建不同的故障特征模型，间接推测出发电机系统的健康指标。
（3）更全面的分析和预测能力。
现有的产品全生命周期管理很少能够实现精准预测，因此往往无法对隐藏在表象下的问题进行预判。而数字孪生可以结合物联网的数据采集、大数据的处理和人工智能的建模分析，实现对当前状态的评估、对过去发生问题的诊断，并给予分析的结果，模拟各种可能性，以及实现对未来趋势的预测，进而实现更全面的决策支持。
（4）经验的数字化。
在传统的工业设计、制造和服务领域，经验往往是一种捉摸不透的东西，很难将其作为精准判决的数字化依据。相比之下，数字孪生技高一筹，它的一大关键性进步就是可以通过数字化的手段，将原先无法保存的专家经验进行数字化，并可以保存、复制、修改和转移。
例如，针对大型设备运行过程中出现的各种故障特征，可以将传感器的历史数据通过机器学习训练出针对不同故障现象的数字化特征模型，并结合专家处理的记录，使其形成未来对设备故障状态进行精准判决的依据，并可针对不同的新形态的故障进行特征库的丰富和更新，最终形成自治化的智能诊断和判决
。