部署数字孪生：企业可能面临的 7 项挑战以及如何应对这些挑战
准确性、复杂性、成本和技能可用性可能会导致难以充分利用数字孪生，甚至可能会歪曲或错过系统或设施状态的实际变化。
数字孪生有着巨大的前景——能够通过软件以相对较低的成本模拟和提高系统、机器、设施甚至整个生态系统的性能。产品管理副总裁 Ara Surenian 表示：“在当今世界，似乎每天都会有新的惊喜，拥有额外的洞察力来模仿现实世界并根据收集到的信息和数据做出决策非常有价值且重要。”罗克韦尔自动化的 Plex 告诉 ZDNET。
然而，数字孪生部署和管理存在潜在障碍。准确性、复杂性、成本和技能可用性可能会导致难以充分利用这些应用程序，甚至可能会歪曲或错过系统或设施状态的实际变化。
数字孪生可能遇到的问题（行业领导者建议采取措施帮助解决这些问题）包括以下内容：
1. 复杂性
构建和维护数字孪生可能是一个复杂的过程。施耐德电气机器人卓越中心主任克里斯蒂娜·布什 (Christine Bush) 告诉 ZDNET：“公司犯的一个大错误是让他们对完美的渴望阻碍了足够好的目标。” “与任何数字化转型一样，一切都始于数据。在大多数情况下，在转型开始时，数据很少足够好。然而，足够好是流程需要开始的地方，因为转型是一个旅程，需要启动才能实现下游利益。”
因此，行业领导者主张在建立数字孪生时谨慎行事。 “从试点项目开始，在受控环境中展示切实的投资回报率，”布什说。 “这种方法不仅验证了技术，还有助于确保预算批准和组织支持。”
为了正确界定数字孪生的范围，“要关注特定位置而不是整个端到端供应链”，Surenian 表示同意。 “找到数据被认为最容易获得和最准确的位置。从那里，确定您希望通过数字孪生解决哪些问题。问问自己是否容易理解产能、库存和满足需求的能力，以及其他相关问题。”
2. 不完整的网络
采用数字孪生的组织需要建立良好的网络。诺基亚贝尔实验室解决方案研究部总裁蒂埃里·克莱因 (Thierry Klein) 告诉 ZDNET：“数字系统的最大障碍是网络和人类层面的连接性。” “当集成多个数字孪生时，数字孪生是最有效的，但这需要利益相关者之间的协作、强大的数字网络以及可以连接到数字孪生的系统。”
克莱因指出，完善的网络“对于确保无缝数据集成、实时传输和随处访问支持数字孪生实施的可扩展性至关重要”。
克莱因补充说，人工智能（AI）可以充当克服此类挑战的助推器。集成到数字孪生中的人工智能模型可以“分析从物理系统收集的数据，呈现数字孪生，建议下一步行动并模拟多种未来场景和优化。它还可以分析数据，从而实现更复杂的数据分析以及网络和流程自动化”。
3. 数据速度
实时表示物理环境的能力也对数字孪生环境提出了挑战。 Databricks 人工智能副总裁 Naveen Rao 告诉 ZDNET：“对于数字孪生，你通常依赖模型与一些现实生活中的物理系统并行运行，这样你就可以了解可能影响系统的某些影响。”
“以飞机喷气发动机的数字孪生为例。您可以使用数字孪生来了解发动机不同部分的效率或寻找潜在问题。如果您没有在某个地方处理数据，如果速度足够高，那么当维护成本更高时，您可能会太晚发出警报。此外，如果您的模型不准确，您可能会给出糟糕的建议并失去维护团队的信任。”
4. 实时用户界面不够实时
对实时连接的需求还扩展到最终用户查看系统或设施内发生的情况的能力。施耐德电气的布什表示，扩展现实（XR）和虚拟现实（VR）“提供了可视化和模拟复杂系统和流程的创新方法，这在制造、建筑和医疗保健等行业尤其有价值”。 “然而，它们的采用面临着实际挑战，特别是在存在安全问题的高速机械环境中。”
Bush 继续说道，施耐德的重点是“主要在受控环境中实施 XR 和 VR，以减轻物理碰撞或干扰等风险”。 “尽管 XR 和 VR 为增强数字孪生提供了令人兴奋的可能性，但随着我们在这一领域的不断创新，确保操作安全仍然至关重要。”
5、标准不一致
“缺乏开放、可互操作的数据标准是另一个重大障碍。”Shelly Nooner 表示，“过时的技术、遗留的专有数据格式和模拟流程造成了‘暗数据’的孤岛，即团队在整个资产生命周期中无法访问的数据。” Trimble 创新和平台副总裁告诉 ZDNET：“这些数据瓶颈导致效率低下，从而导致更高的资本支出和更高的运营成本。”
这就是行业团体需要加强和制定通用标准以实现更好的数字连接的地方。例如，在建筑行业，BuildingSmart 是一个致力于为基础设施和建筑创建和采用开放式国际标准和解决方案的组织。 Nooner 表示，BuildingSmart“正在解决民用基础设施开放数据标准的挑战。它们已经在建筑行业证明了自己的价值，并继续在基础设施建设方面获得动力。”
6. 管理不同的数据输入
施耐德电气首席技术办公室创新产品负责人 Robert Bunger 告诉 ZDNET：“来自传感器和物联网设备的准确数据输入至关重要，但成功实施还需要组织良好的方法和充足的资源。”关键是“集成不同的数据源并维护同步模型，这可能很复杂且资源密集。”
治理将在管理这种多样性方面发挥作用。 Rao 表示：“数字孪生系统需要强大的 MLOps（机器学习操作），以确保能够不断重新训练和部署最新、最准确的模型。”这包括“强有力的治理，以确保只有合适的人有权访问，并且可以轻松完成审核，以及实时可观察性，以便您知道您的模型或源数据何时可能发生漂移或失去准确性。”
7.缺乏技能
与许多需要与企业内外的系统进行交互的先进技术项目一样，数字孪生需要数据集成、人工智能和软件开发方面的专业知识。 ISG 首席顾问 Ryan Hamze 告诉 ZDNET，“技能短缺和技术文盲也是数字孪生部署的障碍，导致数据缺乏准确性和抵制变革”。
哈姆兹建议“针对当地劳动力培训和技能提升进行投资”。另一种选择是“与第三方行业领导者的合作也将有助于填补空白。”
结论
在任何数字孪生计划中保持业务的前沿和中心始终很重要。安永咨询新兴技术执行董事杰森·诺埃尔 (Jason Noel) 告诉 ZDNET：“我们正在通过设计以人为本的数字孪生模型，在业务流程和业务执行层发挥作用，帮助客户克服许多障碍。” “智能双胞胎旨在供业务和运营角色使用，而不仅仅是技术工程师。”
业务优先战略“将有助于推动下一代企业业务应用程序，其中数字孪生可以协调核心和辅助业务功能的洞察、决策和执行，”诺埃尔补充道。