下载掌阅APP，畅读海量书库
立即打开
数字孪生体（Digital Twin，也称为数字孪生）是一个最近广受欢迎的概念。许多分析师、供应商和客户都认为，随着它的价值得到实现和认可，特别是在行业环境中，数字孪生体技术已呈现出一种全面爆发的态势。
本书旨在帮助你构建你的第一个数字孪生体原型或最小可行数字孪生体。在开始研究数字孪生体的具体技术之前，你必须了解数字孪生体是什么，它是如何形成的，以及数字孪生体的商业价值。此外，你可能还希望知道数字孪生体的理想前景是什么，尤其是在你只是初步接触的情况下。
本章内容介绍数字孪生体的一般概念、特征和原则，但并不关注数字孪生体的任何特定技术。在后面的章节中，我们将专注于讨论数字孪生体的技术开发示例，以演示如何创建你的第一个数字孪生体原型。本章将带你了解数字孪生体本身、它们的特征以及对如何应用它们的普遍理解，以便于你在后面的章节中，更好地配置你的第一个数字孪生体。
本章将首先简要介绍数字孪生体概念的发展历史，特别是有关数字孪生体的行业应用部分。通过了解其历史脉络，我们将了解为什么要使用数字孪生体，以及最初的思想领袖和创造者在描述第一个数字孪生体时的想法。
在此之后，我们将定义术语“数字孪生体”，本书使用该定义作为你将要创建的数字孪生体的指南。目前市场上有各种定义，但我们必须对本书所说的数字孪生体有一个共同的理解。我们将扩展该定义，使其包含一些我们认为是必需或可选的特征。
本章还将提供一些行业应用示例，并阐释这些示例将如何应用于数字孪生体实体的整个生命周期。这些用例会为你提供一些关于将数字孪生体应用于特定环境或业务的思路，并有助于你进一步深入理解针对不同需求的数字孪生体的价值主张。最后，我们还会提供一些初步指导，以帮助你找出数字孪生体在行业环境中的潜在应用。
本书后面的章节侧重于介绍如何构建你的第一个数字孪生体。我们从数字孪生体的规划开始，为你的第一个数字孪生体确定合适的候选者，然后提供设置、构建和部署等方面的指导，并验证你的数字孪生体原型成果。不过，在此之前我们要做的是先建立对数字孪生体概念、定义和价值的共同理解，并了解其来龙去脉。
本章包含以下主题：
●数字孪生体的历史
●数字孪生体的行业用途
●数字孪生体的价值主张
●识别机会
本节将探讨数字孪生体概念的起源和发明者的意图，然后对本书所指的数字孪生体下定义并确定其关键特征。
数字孪生体的最初目标是提供与物理孪生体所拥有的信息相同或更好的信息，这与基于假设情景（what-if scenarios）预测行为的模拟和建模是不一样的。
2002年10月，密歇根大学（University of Michigan）的迈克尔·格里夫斯（Michael Grieves）博士在制造工程学会（Society of Manufacturing Engineering）的一次演讲中首次描述了数字孪生体的概念。格里夫斯最初将其命名为镜像空间模型（Mirrored Spaces Model, MSM），但后来该名称发生了演变，他将“数字孪生体”一词的诞生归功于美国国家航空航天局（National Aeronautics and Space Administration, NASA）的约翰·维克斯（John Vickers），后者曾与格里夫斯一起研究复杂系统的产品生命周期管理。
格里夫斯和维克斯观察到，物理产品和实体的技术进步使得系统更加复杂。新技术还带来了物理（机械和电子）产品无法拥有的新能力，例如通信和计算。这些能力增加了系统的复杂性，所以需要提供有关物理产品或实体的改进信息来降低系统的复杂性。正是物理产品和虚拟产品的结合催生了数字孪生体的概念，如图1.1所示。
图1.1 物理产品和虚拟产品的结合催生了数字孪生体的概念
镜像空间模型（MSM）是格里夫斯提出的方法，其思路是让数字孪生体通过数据流获得一个物理孪生体的“镜像”，实现从物理产品到数字实例的虚拟化，然后再将这些信息发送回物理孪生体。
“数字孪生体是物理孪生体的信息结构，它可以提供与物理孪生体所拥有的信息相同或更好的信息。此处的关键假设是，数字孪生体中包含的信息类型、粒度和数量是由用例驱动的。”
——迈克尔·格里夫斯（2019）.虚拟智能产品系统：数字和物理孪生体（Virtually Intelligent Product Systems：Digital and Physical Twins）.
这些早期的数字孪生体包含以下3个关键概念。
●数字孪生体原型（Digital Twin Prototype, DTP）：这是物理孪生体的“类型”或模型表示。它也被描述为“包含所有变体的设计版本”。例如，某离心泵的DTP是泵的特定型号的单一描述和信息模型。虽然只有一种DTP或型号，但多台泵可能使用相同的型号说明，这正是数字孪生体可以发挥作用的地方。
●数字孪生体实例（Digital Twin Instance, DTI）：这是基于DTP的每个物理实体的每个实例。比如，我们可能有150个泵，每个泵可能代表一个独特的实例，所有这些实例都基于该特定泵型号的通用DTP。当然，也可以只有一个基于单个模型的实例。例如，建筑物就是这种配置的典型，我们可以只有一栋建筑（DTI），并且只有一种DTP模型。值得注意的是，对DTP进行了任何更改之后，都需要更新DTI以保持实例对原型的保真度。
●数字孪生体聚合（Digital Twin Aggregate, DTA）：这是各个DTI以及其他DTA的组合，也包括查询它们的机制。建筑物和其他复杂产品等物理实体通常不能用单个DTI来描述，而需要用不同实例的集合或组合来描述，以构成整体定义。格里夫斯和维克斯通过引入实例聚合的概念解决了这一问题。DTI可以独立于其他实例而存在，而DTA则不能。例如，单个离心泵的DTI可以单独存在，而一组泵的聚合则依赖于实例的集合。DTA可以提供有关聚合行为的额外信息，而这在实例级别是无法实现的。例如，我们可以监控特定加工区域的泥浆泵的压差，这将使我们获得采矿加工厂整体运行情况的额外信息，而这从单泵DTI收集的信息中是看不到的。
图1.2说明了基于物理实体的DTP模型的演变，它们将实例化为各个物理实体的DTI（这些DTI有相同的数字孪生体原型），最后组合构成DTA。
图1.2 数字孪生体的3个关键概念之间的关系
请务必注意，DTP及其相应的DTI与计算机辅助制图（Computer Aided Drafting, CAD）文件是不一样的。CAD文件可以描述组件的物理尺寸，但它缺少基于CAD文件捕获、存储和维护所有组件属性的文件结构。DTP和DTI通常基于JavaScript对象表示法（JavaScript Object Notation, JSON）或可扩展标记语言（Extensible Markup Language, XML）等文件结构来管理数字孪生体的扩展元数据。
多年来，许多供应商、分析师和研究机构基于格里夫斯和维克斯的初步工作对数字孪生提出了其他描述和定义，比如，2012年，美国国家航空航天局将数字孪生描述为：充分利用物理模型、实时传感器数据、运行历史数据，基于概率集成多学科、多物理量、多尺度的高保真模拟过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
数字孪生体联盟对数字孪生体的定义从高层次上描述了数字孪生体的内容、时间、原因和方式。
数字孪生体以指定的频率和保真度同步表示现实世界实体和流程。
数字孪生体可以代表过去和现在，并模拟预测的未来。
数字孪生体系统可以通过加速整体理解、最佳决策和有效行动来改变业务。
数字孪生体以结果为导向，针对用例量身定制，由集成提供支持，基于数据构建，并在IT/OT系统中实施。
本书提出了一个更狭义的数字孪生体定义，它包含你的第一个数字孪生体的必要元素和共识：
数字孪生体是一个数字模板或模型的同步实例，它代表了实体生命周期中的实体，足以满足一组用例的需求。
我们的定义指明了数字孪生体的关键元素，有利于在本书后续章节中演示如何创建我们的第一个数字孪生体。它强调了对物理实体的原型或模板模型的要求，并且暗示了可能有多个实例代表同一类型的多个资产。它还强调了数字孪生体应解决特定业务挑战或用例的要求，并且它们可以处于实体生命周期的任何阶段。
本书将区分实体的生命周期和数字孪生体的生命周期。这一区别将在本章后面详细介绍。
实体（Entity）不限于有形资产，国际标准化组织（International Organization for Standardization, ISO）对实体做了如下描述：
实体是可识别的以不同形式存在的项目，例如人员、组织、设备、子系统或一组此类项目。
——国际标准化组织（ISO）24760-1：2011
对实体的这种描述使我们能够抛开数字孪生体的传统实物资产视角，将流程、供应链、组织和政府等的数字孪生体包括在实体的范围内。数字孪生体还可以用于紧急响应用例中的极端示例，例如飓风或丛林大火等，我们将在1.2节“数字孪生体的行业用途”中做更详细的介绍。
格里夫斯和维克斯的定义的一个重要元素是数字孪生体与物理实体同步。这意味着仅提供模拟而没有实物资产输入的数字模型不符合数字孪生体的条件，尽管模拟可用于启动创建数字孪生体的过程，但它还需要同步实例和数据才能成为数字孪生体。这里所说的数字模型包括二维和三维计算机辅助设计、建筑信息模型（Building Information Modeling, BIM）、规划模拟模型和基于设计参数的AR可视化等。
物理实体、产品和资产都具有生命周期，通常是从规划和设计到制造或建造，再到操作、维护，最后是报废或清理。资产生命周期代表物理孪生体的开发和使用阶段。数字孪生体基于软件的数字化，包括模型、数据、连接、分析和操作。数字孪生体的创建需要软件工程方法，而物理孪生体则基于诸如产品生命周期管理之类的工程管理实践。
需要注意的是，我们将区分实体生命周期/物理孪生体和数字孪生体开发生命周期，如图1.3所示。本书将会引用这两个生命周期，因此请牢记这一区别。
图1.3 数字孪生体开发生命周期与产品生命周期的关系
开发数字孪生体需要协调传统工程和软件开发实践。操作技术（Operational Technology, OT）和信息技术（Information Technology, IT）的这种融合对于数字孪生体来说是一个积极的发展，因为它创造了对物理和数字需求的共同理解。
本书的目的不是为物理孪生体提供产品生命周期管理指南，也不是为企业组织的数字开发方法提供指导，而是讨论数字孪生体开发生命周期。
对于本书中的第一个最小可行数字孪生体，我们采用了敏捷开发的方式，如果你更熟悉其他方法，例如V-Model和瀑布（Waterfall）模型，则也可以使用这些软件工程方法。
（虽然V-Model方法在设计和制造航空和军事领域的复杂系统时很受欢迎，但这超出了本书的讨论范围）
以下介绍的数字孪生体类型强调了数字孪生体的类型随用例的不同而改变，并不是数字孪生体的完整分类或正式分类体系。
数字孪生体的范围和规模将根据它所解决的用例或问题而有所不同。选择你的数字孪生体时的一个关键因素是考虑你的用例所需的复杂程度。复合数字孪生体通常由不同的离散数字孪生体组合而成，如图1.4所示。
图1.4 离散和复合数字孪生体关系
离散数字孪生体（Discrete Digital Twin）是足以满足特定用例要求的最低抽象级别。它通常是单个或原子
实体，它不需要分解为组件或零件（例如采矿中球磨机的齿轮箱或电机），因为它的状态是在这个实体级别被监控并报告的。
复合数字孪生体是离散数字孪生体的组合，代表由多个单独组件组成的实体。复合数字孪生体可以是装配孪生体，例如采矿中的球磨机，也可以是包含多个装配孪生体的系统孪生体，例如加工和精炼厂。复合数字孪生体是具有更复杂生命周期管理问题的系统。
离散数字孪生体通常是一个独立的组件或资产，可以独立运行以解决特定的用例。电动离心泵及其电动驱动器就是离散数字孪生体的典型示例，因为监控和报告是在此级别完成的。离散泵数字孪生体的一个使用案例是基于预测分析模型预测泵是否会发生故障。
复合数字孪生体是若干个离散数字孪生体的集合，它可以创建新的功能性复合资产。例如，将多个离散泵数字孪生体与离散高压釜数字孪生体相结合，即可创建黄金加工厂的复合数字孪生体，以用于生产的优化。
复合工厂数字孪生体的预测性维护用例比离散泵数字孪生体的预测性维护用例更多。
本书设计和开发的数字孪生体原型（DTP）将遵循离散数字孪生体模式。泵和黄金加工厂之间的差异导致我们需要对数字孪生体进行第二类分类，即产品与设施的区别。
基于物理实体的行业数字孪生体有以下两种突出的用例：
●产品的数字孪生体，例如泵、电动机、手钻、X光机、汽车或其他任何基于资产的实体。数字孪生体的主要目标是监控该特定实体的使用、故障或不当操作的迹象。
●由单个产品组成的生产设施的数字孪生实体。此类数字孪生体设施将由一组独特的产品孪生体组成，主要用于提供设施操作的信息。
离散产品数字孪生体在复合设施数字孪生体中可以按两种不同的方式使用：
●作为制造产品所用设施的一部分，例如装配线上的机械臂。
●作为产品中制造出来的一部分，例如制造设施中的电动机、喷气发动机或风力涡轮机等。
以智能制造（Smart Manufacturing）为例，它可以使用产品和设施数字孪生体的组合，在生产线上使用数字孪生体产品来确定机器设置、工具和零部件要求等。
产品数字孪生体目前主要用于制造场景，制造商在产品发货后无法看到产品的使用情况。但是，随着越来越多制造商使用数字孪生体，这种情况也可能会改变。
产品制造商热衷于将产品的数字孪生体访问扩展到制造点之外。制造商提供数字孪生体解决方案，使他们能够收集产品的操作和使用数据，以改进新产品和服务。
数字孪生体可以提供有关产品使用方式的信息，并且可以将其反馈到产品设计中，从而使制造商能够开发和制造用途更广、质量水平更高的产品。
制造商的新商机是在提供产品的基础上，向客户提供围绕产品的维护服务。访问运行中的产品的数字孪生体将为制造商提供必要的信息，以预测何时可能发生故障，或产品何时需要维修或更换。这为许多制造商开辟了一种只有在数字孪生体技术的指导下才可行的新商业模式，使他们能够开发新的收入来源。
在产品或资产生命周期的早期阶段，数字孪生体用例更侧重于模拟场景。相比之下，产品后期的用例则更多地关注操作和维护问题。
我们可以将数字孪生体大致分为模拟（Simulation）和操作（Operation）孪生体。这并不是说模拟不能用于操作，而是说它主要的应用是管理操作。在设计阶段，主要用例将模拟不同的场景以确定产品或设施的理想设计，如图1.5所示。
图1.5 模拟和操作数字孪生体类型
模拟往往更加基于项目，而操作用例在实体的操作和维护生命周期中则是连续的。如图1.5所示的循环模型就很好地体现了这一点：规划、设计、构建和交付阶段通常是基于项目的模拟孪生体，同步或孪生的速率非常慢。
操作、维护和改进阶段是操作孪生体的连续应用（对于瑕疵品或老化产品有一个单独的回收或报废过程），并且通常是实时的。来自改进阶段的建议可能要求我们对产品进行修改，从而重新进入规划和基于项目的设计制造周期。注意，这不是一个正式的分类标准，而是使用行业数字孪生体时的典型模式。
代表实体的数字模型既可以使用基于分析的算法，也可以使用基于物理的算法。这些算法可以使用历史和实时数据来模拟和预测实体当前和未来的状态或行为：
●基于分析的算法（Analytics-based Algorithm）是用于根据历史数据预测实体行为的统计技术或数学技术。其模型通常基于人工智能（Artificial Intelligence, AI）或机器学习（Machine Learning, ML）技术。基于分析的算法的典型示例是，使用回归模型预测设备（如离心泵）的剩余使用寿命。
●基于物理的算法（Physics-based Algorithm）是指基于物理定律、使用状态的公式和材料特性，提供产品当前状态的信息或对未来状态进行预测。例如，计算流体动力学（Computational Fluid Dynamics, CFD）可以使用设计参数或实时数据来深入了解离心泵在特定条件下的行为。有限元分析（Finite Element Analysis, FEA）则是基于物理的算法的另一个示例，它可用于在模拟或实时条件下提供关于产品结构完整性的信息。
模拟和操作孪生体既可以使用基于分析的算法，又可以使用基于物理的算法，以进行模拟或操作分析和预测。
本书描述的特征集中在你开发第一个数字孪生体原型（DTP）时所需的关键元素上。在其他更复杂的用例中可能还有其他特征，但图1.6所示的特征已经可为数字孪生体评估提供一个很好的起点。图1.6提供了数字孪生体特征的可视化表示。表1.1显示了数字孪生体定义的一些关键特征。
图1.6 数字孪生体特征
表1.1 数字孪生体定义的关键特征
与其说数字孪生体保真度（Fidelity）是一个特征，不如说它是模型的复杂性和孪生速率的结果。随着虚拟环境中的计算能力根据摩尔定律呈指数级增长，数字孪生体的保真度也有所提高。
计量不是特征，而是孪生体的基本要求，因为它需要准确测量状态参数，以确保准确表示物理状态。
当我们开始构建本书中的第一个DTP时，将继续参考这些特征。当你判断某物理实体是否可以使用数字孪生体技术时，表1.1将帮助你确定特定用例或场景是否符合数字孪生体的条件。
虚拟孪生体以数字化格式存在于虚拟环境中，并依靠不同的数据源和模型将数据转化为信息。具有数字孪生体数据功能的数据源和模型种类繁多，本书将它们简化为以下6个主要类别：
（1）时间序列（Time Series）数据：此类数据可通过传感器、自动化控制和物联网系统提供物理状态数据的时间戳，并且实时同步。它是通过时间序列数据库、历史数据和物联网平台存储和访问的。
（2）主数据：主数据通常是存储在系统中的变化缓慢的上下文数据。它用于描述资产或实体，例如企业资产管理系统（Enterprise Asset Management System, EAM）和企业资源计划（Enterprise Resource Planning, ERP），以及Azure Digital Twins等数字孪生体服务。
（3）事务数据：包括生产记录、维护记录、供应链信息等操作和事务数据，以及与数字孪生体相关的其他业务记录，一般存储在ERP、计算机维护管理系统（Computer Maintenance Management System, CMMS）、制造执行系统（Manufacturing Execution System, MES）、业务流程管理（Business Process Management, BPM）和生产系统中。
（4）物理模型：物理模型和工程计算将使用实时事务数据和主数据来描述或预测物理实体的状态。其示例包括有限元方法（Finite Element Method, FEM）和计算流体动力学，以及其他自然定律，例如热力学定律。
（5）分析模型：这些是虚拟环境中的数学和统计模型，使用前面描述的数据源来预测物理孪生体及其环境的当前和未来状态。这包括用于预测性维护和操作用例的人工智能和机器学习算法。
（6）可视化模型：这些是数字化的可视化建模能力，例如计算机辅助设计、增强现实（Augmented Reality, AR）、虚拟现实（Virtual Reality, VR）、建筑信息模型、地理信息系统（Geographic Information System, GIS）和地球物理模型等。这些模型通常用于降低系统复杂性并提供对不同数据源的可视化分析。
所有这些不同数据源的异构性质揭示了一个事实，即在创建数字孪生体时，集成是一项重大挑战。当后续章节开始构建DTP时，我们将会再次提到这一点。
集成和互操作性会消耗数字孪生体项目中的大部分资源，因此，了解数据要求、掌握解决数字孪生体特定业务问题所需的物理和分析模型都至关重要。
数字主线是一个与数字孪生体同时流行的术语，它有时会与数字孪生体混淆或相关联。数字主线可以在没有正式的数字孪生体的情况下存在，但数字孪生体是建立在数字主线信息之上的。
数字主线是从产品生命周期管理（PLM）演变而来的，PLM捕获了从设计到制造物理产品的整个过程。数字主线使用每个复合实体或产品及其所有组件的实际数据创建可追溯的唯一出生记录。它可以捕获其整个生命周期直至报废的所有交互和事务，并将生命周期记录从PLM的重点扩展到操作、维护和处置。
数字孪生体在生命周期阶段的重点是解决特定用例，而数字主线则是所有生命周期阶段的数据聚合器。数据主线可为产品的设计迭代、制造过程、测试和质量检测提供可追溯性，它通常包括特定组件的制造商信息、存储温度和湿度等环境元数据。数字主线还可能包括组件之间关系的信息，包括物料清单（Bill Of Material, BOM）结构和维护记录。
模型、分析和实时传感器数据等数字孪生体组件可以重复使用，但即使一些数字孪生体可能会超出单个阶段或混合阶段（例如操作和维护），通常也没有一个数字孪生体可以跨越产品的所有生命周期阶段。
数字主线集成了来自多个设计、制造和操作数据源的数据。它们可能不会复制来自CAD、MES、EAM和ERP系统的信息，但会保留对产品和组件“从出生记录到死亡证明”的源数据的引用。
例如，飞机机队的数字孪生体可用于优先维护单个飞机，其中飞机的数字主线将在出现组件故障时协助进行故障模式和影响分析（Failure Mode and Effects Analysis, FMEA）以及根本原因分析（Root Cause Analysis, RCA），以提供对组件的设计、制造和维护的深入见解。此外，数字孪生体还可以帮助识别可能具有相同故障组件的飞机。
图1.7显示了数字主线在实体的整个生命周期中的可视化表示，其中的数字孪生体用例可解决一个或两个生命周期阶段内的特定挑战。接下来让我们看看该图在实践中的应用。
图1.7 数字孪生体与数字主线的关系
在创建你的第一个行业数字孪生体之前，我们还需要了解一下对数字孪生体的价值以及用途感兴趣的主要利益相关者。
在行业应用中使用数字孪生体时，可区分两种不同的高级应用场景。
第一种应用场景是：数字孪生体的资产是最终用户使用的独立产品。在这里，产品可能是电动汽车（Electric Vehicle, EV）的特定型号，例如特斯拉Model 3，消费者是最终用户，而车辆制造商则是原始设备制造商（Original Equipment Manufacturer, OEM）。
第二种应用场景是：数字孪生体的资产是生产设施，例如生产电动汽车的智能工厂。数字孪生体就是工厂本身，它在智能工厂的生命周期阶段有不同的用例和应用。该生产设施也可以是金矿、石油钻井平台、配电微电网或核电站等。
对于这种应用场景，利益相关者包括所有者/经营者、工程、采购、施工和制造（Engineering, Procurement, Construction, and Manufacture, EPCM）承包商、原始设备制造商、操作和维护服务提供商以及技术服务提供商。
所有者/经营者将委托EPCM承包商设计和建造这些生产设施，原始设备制造商为设施提供设备，所有者/经营者还经常使用操作和维护服务提供商提供的服务，而后者代表他们操作和维护这些设施。
传统上，原始设备制造商（OEM）在产品离开工厂后就无法访问其产品和使用数据了，但现在却有越来越多的OEM为其产品提供数字孪生体，并在此过程中跟踪访问产品的实时使用数据。因此，OEM数字孪生体的影响力已经开始超出OEM自己的工厂范围。
数字孪生体的服务提供商将在产品和设施的数字孪生体的整个生命周期中扩展其能力，这包括连接、计算、存储、集成、建模、分析、可视化和工作流。图1.8显示了利益相关者在产品生命周期各阶段的典型角色。
图1.8 产品生命周期中的主要利益相关者
覆盖产品或设施生命周期的某个阶段的所有利益相关者都从数字孪生体中获益。而随着数字孪生体用例开始跨越多个阶段的多个利益相关者，利益相关者之间的信息或数字孪生体共享也会增加。这显著提升了数字孪生体的商业价值，但也增加了复杂性并导致互操作性问题。这些问题将在本书后续章节详细讨论和解决。
如前文所述，数字孪生体存在于资产和产品的整个生命周期中。接下来我们将讨论一些数字孪生体在不同行业的用例，以展示数字孪生体可以解决哪些问题，希望对你构建自己的数字孪生体原型提供一些启发。
●在操作期间实时优化整体设备效率（Overall Equipment Effectiveness, OEE）。
●运营期间的预测性质量改进，以减少废品率和返工。
●利用来自操作和维护数据的信息来提升产品设计。
●将基于批次的流程管理实时转变为黄金批次（Golden Batch），以提高产品质量和流程优化。
●使用基于实时操作数据的机器学习模型和基于历史故障数据的模型预测设备故障。
●实时监控设备运行期间对机密设备的安全和法规要求的遵守情况。
●通过操作-规划数字孪生体模型中的动态机器学习模型预测每位消费者的能源需求。
●利用基于分布式能源（Distributed Energy Resources, DER）实时数据的仿真模型改进电网分布和管理。
●例如，通过检测指示面板的异常行为来改进太阳能电池板的维护。
●对风电场进行预测性维护，以提高首次修复率并减少上门服务和现场服务团队携带的库存备件。
●执行实时有限元方法，根据天气和海洋数据确定海上石油平台的结构完整性。
●使用钻井和勘探数据更新地下储层模型以支持投资决策。
●实时监控旋转设备（例如泵和压缩机），以基于状态和预测性的维护，提高设备可用性和资产绩效。
●提高冶金工矿企业在黄金回收或洗煤等操作期间的回收率。
●实时监控尾矿和其他环境废物，并根据业务规则提供建议。
●根据实时工艺参数和冶金（物理）模型为高炉操作员提供实时铸造指导。
●车辆的数字孪生体向制造商提供反馈，使制造商将使用数据纳入设计改进中。
●汽车数字孪生体中的实时遥测使制造商及其服务代理能够根据状态监测和预测分析提供维护服务。
●自动驾驶汽车的数字孪生体为拼车运营商等服务提供商开辟了新的商业模式。
●通过端到端供应链的实时数字孪生体降低库存和物流的风险。
●通过实时调节监控和故障预测，减少昂贵的高效液相色谱（HighPerformance Liquid Chromatography, HPLC）系统的停机时间。
●患者的数字孪生体可提供整体视图以提高医疗质量和疗效（尽管目前这个项目面临隐私和安全问题的挑战）。
●通过更新设计数字孪生体中的尺寸、结构数据，以及建造和交付阶段的增材制造（Additiving Manufacturing, AM，也称为3D打印），实现场外和现场预制。
●在自然灾害和恶劣天气事件期间提供实时信息和态势感知。
●提供零售基础设施（如商场和购物中心）实时的客流量。
●跟踪和溯源数字孪生体可提供有关航空制造中材料和供应链管理的实时信息。
●飞机起落架
的预测性数字孪生体可延长部件的使用寿命并降低维护成本。
●机场数字孪生体可通过改进实时飞机移动提高停机位利用率，从而增加收入。
●通过状态监测和预测性维护数字孪生体提高军用基础设施和设备的可靠性和可维护性。
●基于实时态势数据的战略冲突数字孪生体为战术指挥提供规划方案。
●单一动态数据集的空间数字孪生体以足够的分辨率代表物理世界，作为需要任务数据的所有系统的参考点。
数字孪生体概念越来越多地用于建模和管理不太有形的实体，例如：
●地球形态的数字孪生体
●组织的数字孪生体
●丛林大火的数字孪生体
以上例子展示了数字孪生体各种各样的应用，它们都对物理孪生体或实体的利益相关者具有明确且可衡量的价值。除此之外，数字孪生体技术还有更多潜能。
数字孪生体系统通过提供有助于整体理解、最佳决策和有效行动的信息来改变实体事物或业务。
格里夫斯和维克斯最初的目标是使用更简单但具有代表性的虚拟实例来管理日益复杂的资产和系统。与物理实体同步的数字孪生体可以提供态势感知，并且针对特定问题提供量身定制的操作洞见。
对实时和模拟行为的更全面洞见有助于你更快地做出更正确的决策——来自数字孪生体的洞见通常比在多个企业系统中搜索数据的传统方法更可靠。数字孪生体的数据集成方法提供了更可靠、更全面的洞察力，提升了基于该数据做出的决策的质量。数字孪生体的结构化信息方法也适用于自动化决策，而不仅仅是支持决策。
有了这种更全面的理解力和更细微的洞察力，数字孪生体可在以下两个关键的操作角度提供价值：
●提高情境意识。
●改善业务成果。
企业越来越被迫实时或接近实时地工作。每时每刻，公司都会接触到越来越多需要实时响应的内部和外部事件。这些事件可能来自：
●企业中人员的行为。
●竞争对手、客户、监管层、供应商或供应链的行为。
●设备故障、流程故障和天气事件。
●业务应用程序的实时情报，以及网络服务近乎实时的数据。
●物联网平台中基于传感器或智能设备的机器源源不断提供的海量数据。
实时态势感知（Real-Time Situational Awareness）是美国空军在训练战斗机飞行员预测敌方战斗机行动时提出的概念。它在军事术语中被描述为包以德（观察-定向-决定-行动，Observe-Orient-Decide-Act, OODA）循环，意为基于收集有关当前状态和环境的信息，从信息中获取洞见，并预测未来状态以创建相应的动作。
数字孪生体可能不需要采用与军用喷气式战斗机相同的精确到毫秒的响应时间，但代表实物资产的数字孪生体需要实时同步以获得推动关键决策的关键态势感知。决策支持信息可以通过预测模型、基于物理和分析模型的数据进行扩充，从而为运营商提供全面的决策支持。数字孪生体创造了一个机会，允许决策自动化，通过将规则与决策信息相结合以满足规范化要求并采取自主行动，从而允许决策自动化。
无论是决策支持还是决策自动化，它们的基础和重点都是通过数字孪生体获得的态势感知来提供更好的业务成果。
数字孪生体能够以各种方式改善业务成果，但我们关注的重点是工业数字孪生体的影响，此类数字孪生体代表实物资产或实体，例如电机驱动器、生产工厂或制造车间等。
数字孪生体的业务影响可以根据4个主要影响类别来衡量，如表1.2所示。
表1.2 数字孪生体对业务的影响
①平衡计分卡：常见的绩效考核方式之一。——编者注
上述每个类别都代表一个业务价值驱动因素，其中数字孪生体可以作为影响整体业务成果的杠杆。
数字孪生体在行业应用中的转型价值主要集中在对业务转型的影响，以及基于业务转型的新产品或改进产品的开发上。
数字孪生体是数字化转型的变革推动者，它通常代表围绕业务目标的特定计划或用例。由于数字孪生体的数字性质，此类特定用例或计划通常用于推动特定数字化转型，如图1.9所示。
图1.9 数字化转型与数字化
数字孪生体可以通过数字化提高效率或通过启用新的业务模式提供附加值来影响业务转型。图1.9中的四个象限显示了不同数字孪生体的影响，它们可以通过数字化和实时数据提高业务流程的效率，也可以利用实时数据来改变组织的业务模式，通过业务模式创新来增加收入机会。右上角的象限代表了企业可以根据其产品和客户的实时数据销售基于其设备的新服务的机会，例如技术支持和消耗品补充等。
许多组织都更愿意从提高效率的数字化项目（左上角象限）开始，但随着他们在数字孪生体的应用方面逐渐变得成熟，他们会移动到右上角象限并寻找将这些新数字资产货币化的方法。
有多种方法可以将这些新的数字资产货币化，包括向运营商和用户出售操作和维护的能力。设备制造商还可以使用这些信息，根据从实时数据收集到的状态做预测以提供持续的服务。
原始设备制造商（OEM）还可以反馈其设备在现场的使用情况和性能的信息，以帮助改进其产品和服务的设计。行业环境中资产的实际使用为设计数字孪生体（Design Digital Twins）提供了丰富的信息，以帮助设计者基于物理模型进行更好的模拟。
世界经济论坛（World Economic Forum, WEF）的潜在价值（Value At Stake）框架为评估基于技术方法的数字化转型（如数字孪生体模型）的影响提供了参考。
潜在价值框架可以根据行业或企业的经济价值以及对社会的影响来评估其价值。在世界经济论坛网站上有一个简单的演示文稿，介绍了数字化转型的潜在价值。如果你需要向业务主管和其他利益相关者解释数字化转型的潜在价值，其内容大致如下。
行业的数字价值基于以下两个要素：
●价值转移，代表收入如何在竞争对手、客户和其他行业参与者等利益相关者之间转移。这与本章前面描述的商业模式的创新机会相一致。
●增值，代表常规业务运营中的机会，例如增加收入和降低成本。
数字化对社会的价值主要体现在以下3点：
●在传统经济措施方面，可以为客户和员工节省成本和时间并提高效率。
●在社会效益方面，可以创造就业机会、发展新技能、减少交通拥堵和实现更安全的工作环境。
●在环境影响方面，可以减少二氧化碳排放及改善采掘业的尾矿管理。
图1.10显示了数字孪生体的潜在价值，是对上述两种潜在价值影响的总结，它简单而强大地描述了数字孪生体的价值主张。
图1.10 数字孪生体的潜在价值分析示例
在理解了数字孪生体的价值之后，接下来的关键步骤就是确定你业务中数字孪生体的理想候选者。
数字孪生体专注于解决特定的业务问题或利用新的市场机会（详见1.3节“数字孪生体的价值主张”），这些问题和机遇为识别数字孪生体在行业应用中的机会提供了指导。这部分内容将在第4章“从第一个数字孪生体开始”中详细介绍。
本书的其余部分将重点介绍如何选择和构建你的第一个数字孪生体，但在这里我们将首先提供一个指导原则的摘要，以帮助你从候选者库中识别潜在的试点。
●开发提高资产绩效、减少停机时间以及提高产量或吞吐量的数字孪生体的理想起点是识别当前的“表现糟糕者”。这种方法基于使用当前的故障数据、生产损失信息或有关先前停机事件的故障模式分析等。应用帕累托法则（Pareto Principle）将帮助你确定导致大量停机时间的实体的初始候选名单。
帕累托法则指出，对于许多结果，大约80%的后果来自20%的原因（即“重要的少数”）。该法则也称为80/20法则（80/20 Rule）。
●开发新收入机会的数字孪生体通常更具战略性，并且有很详细的业务案例可供参考。其技术可行性通常也是设计新服务时的一个因素。数字孪生体的实时数据访问、传感器信息和其他功能是从一开始就构建的。
上述两种应用场景的下一步是根据数字孪生体的技术可行性对业务影响进行排名。技术可行性通常是由基础设施、连接、数据访问、变革意愿和组织成熟度等因素决定的。
表1.3是一个可以在表格中轻松完成的数字孪生体候选者排名，其模板如下。在该示例中，使用了以下技术评估标准：
●操作技术（OT）复杂性
●信息技术（IT）复杂性
●分析
●系统复杂性
●项目准备
可以调整技术评估标准以适应业务要求，但在本示例中，该标准适用于典型的行业用例，如图1.11所示。
图1.11 数字孪生体优先级矩阵
图1.11在矩阵图中直观地表示了数量级，而业务影响和技术准备是两个重要的衡量标准。这些度量中的每一个其加权平均值都已放在图上，该图分为4个象限，每个象限分别代表了每个数字孪生体应用场景的业务准备情况。在做最小可行产品（Do Minimum Viable Product, Do MVP）象限，数字孪生体会产生很大的业务影响并需要高水平的技术准备。最右侧象限的机会气泡最大，这代表所有利益相关者都最有可能获得成功的数字孪生体项目。
表1.3 业务影响和技术可行性评估
这是对你的第一个数字孪生体的候选者进行排名的一种简单方法，在下一章中我们将为你提供有关数字孪生体项目规划的更多指导。
本章简要介绍了数字孪生体的发展以及该概念背后的初衷。首先，我们讨论了离散数字孪生体和复合数字孪生体之间的区别，确定了某物符合数字孪生体条件所需的元素。然后，我们介绍了数字孪生体生命周期中的几个典型用例，讨论了数字孪生体与数字主线之间的区别，并就如何解释数字孪生体的价值主张提供了指导。最后，我们使用数字孪生体优先级矩阵为你提供了一个评估数字孪生体原型的候选者的框架。
现在你应该了解了什么是数字孪生体、其关键特征以及数字孪生体的价值，并可评估数字孪生体在你的业务中的应用。
本书后续章节将指导你构建你的第一个数字孪生体。我们将从数字孪生体的规划开始，为你的第一个数字孪生体确定合适的候选者，然后提供有关设置、构建、部署和验证数字孪生体原型结果的指导。