企业需要的 6 个数字孪生构建模块 - 以及人工智能如何融入其中
数字孪生正在得到人工智能的推动，有望提供更强大的预测智能和易用性，为广泛的行业带来可能性。
数字孪生在各种类型的组织中兴起，技术改造的时机已经成熟。这些物理设施或物体的数字表示形式在制造业中尤为突出，用户可以在其上模拟结果并尝试新想法，甚至被称为“工业元宇宙”。
现在，数字孪生正受到人工智能 (AI) 的推动，有望提供更强大的预测智能、易用性，并为广泛的行业带来可能性。此外，扩展现实 (XR)、虚拟现实 (VR) 和增强现实 (AR) 等新兴界面预示着对为企业提供动力的系统进行更深入的探索。
麦肯锡 2024 年的一份报告指出，生成式人工智能 (GenAI) 现在为数字孪生工作提供基于文本和对话式的人工智能，帮助用户在几周或几天内组装和部署这些技术。
由 Alex Cosmas 和 Guilherme Cruz 领导的麦肯锡合著者观察到：“许多组织正在分别实施数字孪生和生成人工智能——这两种技术具有独特的价值主张和巨大的前景——以支持广泛的用例。”
人工智能加速了数字孪生的设计和构建过程。麦肯锡分析师指出：“构建数字孪生，特别是对于高度专业化的应用程序（例如多机生产调度或车辆路线）可能非常耗时且占用资源。” “这项工作通常需要设计和开发新的数字孪生模型，这个过程可能需要六个月或更长时间，并且会产生大量的劳动力、计算和服务器成本。”
Accenture Industry X 生产和运营全球负责人 Pascal Brosset 告诉 ZDNET，将 GenAI 与数字孪生结合起来可以快速创建代码，并打开大量信息存储。 “它允许双胞胎利用公司内部网中可用的大量非结构化数据存储库，并让人们以自然语言访问由此产生的结构化信息。” 相反，还可以构建人工智能系统的数字孪生，使用户能够微调他们的模型。
将各个部分组合在一起
人工智能模型的集成是数字孪生力量的最新推动力。但数字孪生需要一个多层基础，从实际的物理对象（有线传输数据）延伸到数据存储，再到最终用户界面。数字孪生实施的基础包含以下基本组件。
1、实物资产
物理资产由将以数字方式复制的环境或组件组成。这些范围可以从整个设施到单个机器零件。
2. 数据资产
数据层是数据的来源、存储和转换以交付给数字孪生应用程序的地方。 Databricks 人工智能副总裁 Naveen Rao 告诉 ZDNET，这样的数据基础建立在“尽可能最相关和高质量的数据”之上，这一点很重要。 “这些数据可以采取多种形式，因此您的数据平台支持多种类型的数据（结构化、非结构化、实时和批量）非常重要。理想情况下，这些数据也以高性能格式存在，因此可以有效地用于下游训练模型并用于分析。”
Rao 说，这包括“一个代表某些物理系统核心的模型”。 “这些模型支持预测分析，帮助优化系统并影响重要的业务决策。为了使这些模型尽可能准确，组织需要跟踪其模型实验，从原始数据到部署以及模型演变的每个阶段。”
重要的是，在选择数字孪生技术之前，“组织必须为其整套数据制定正确的理念”，Aveva 创新和孵化总监 Simon Bennett 告诉 ZDNET。
“他们存储什么数据？其中有多少数据对于业务运营至关重要？这些数据是否一致地代表了现实世界？谁拥有这些数据？知识产权是否被锁定在数据中？它是否是最新的？是否受到管理资金充足且明确的数据管理策略是开始数字孪生之旅所需的入门材料，可以说，技术的选择更容易组织。” ——西蒙·班尼特
3. 物联网（IoT）
数字孪生通常代表复杂的环境，因此依赖于从所有关键点和流程收集的数据，最好是实时收集的数据。这些可以包括基本的物联网技术，例如“传感器、5G、协作机器人、增强现实、虚拟现实、模拟和 GenAI 报告分析”，ISG 首席顾问 Ryan Hamze ，告诉ZDNET。
Motivosity 营销副总裁 Logan Mallory 表示，物联网传感器“是数字孪生的基础”。 “这些传感器从实际资产中收集实时数据，为精确的数字复制提供必要的信息。例如，在制造环境中，机械上的物联网传感器监控温度、振动及其运行状态，将连续数据发送到数字孪生”。
4. 用户界面和用户体验
采用数字孪生最引人注目的方面之一是使用可视化工具（采用 XR 或 VR），使用户能够（虚拟）进入数字领域的场所进行模拟、进行事实调查，甚至修复系统。
哈里斯堡科技大学敏捷方法论和项目管理讲师 Jen Mowery 博士告诉 ZDNET：“这些技术提供身临其境的可视化效果，帮助利益相关者以更直观、更有影响力的方式与数字孪生进行交互。” “在先进制造和健康未来等领域，XR 和 VR 可以实现详细的模拟和培训应用，而在移动和先进农业领域，它们可以促进设计、规划和实时决策。”
然而，XR 和 VR 与数字孪生世界的集成仍处于最早阶段，并且“仅在非常特殊的情况下使用”，Accenture Industry X 的 Brosset 表示。 “对质量和不断更新的 3D 数据的要求是更广泛采用的一个很大障碍。”
Hamze 补充道，在过去五年中，“我们看到 XR 和 VR 的使用有所增加，但它们的高成本导致其采用滞后。” “然而，事实证明，从长远来看，它们在数字环境中的预测性维护、培训和模拟等主要使用领域比传统方法更具成本效益。我们预计 XR、VR 将会有所增长和 AR 实施，特别是 GenAI 已集成到这些解决方案中。”
5. 治理和监督
治理和沿袭对于确保数字孪生工作兑现其投资也至关重要。 Rao 表示：“组织需要牢牢掌握数据管理和基于这些数据的人工智能模型训练。” “强大的治理解决方案应该能够在整个模型管道中提供细粒度的访问，但又足够简单，易于管理，这样就不会减慢开发速度。还需要有一个框架来关联模型的输出针对真实系统输出的模型。”
SAS 数据科学家兼物联网行业顾问 Manfred Kügel 告诉 ZDNET，让领域专家参与数字孪生的整个生命周期也很重要。 “这些专家通常对如何构建数字孪生以提高效率有很多想法。他们知道如何最好地实施数字孪生以获得最大收益。一旦数字孪生运行，领域专家就会意识到何时需要对其进行重新培训。让领域专家参与构建、实施和运行数字孪生也将有助于确保更顺利的采用和更好的结果。”
6. 基础设施
数字孪生的技术构建模块现在都可以通过云获得。 Rao 表示，基于云的服务“提供对最新 GPU、网络和数据存储等尖端硬件的访问”。
与此同时，“一些组织可能仍然需要本地技术来满足需要更高安全性或存在延迟问题的特定用例，”莫厄里观察到。 “我们提倡采用混合方法，结合云和本地解决方案的优势来满足不同的需求。”
此外，NCC 集团高级顾问兼董事蒂姆·罗林斯 (Tim Rawlins) 告诉 ZDNET，“快速沟通至关重要”。 “公共和私有 5G 网络的使用越来越普遍，而向边缘计算和 6G 网络的转变应该会显着提高数据传输速度并减少延迟，从而支持更有效的建模。”
使用案例
虽然制造业正在大力采用数字孪生技术，但其影响范围跨越了行业界限。 “城市规划等多样化的环境——数字孪生结合了建筑规划、建筑信息管理系统、行人和车辆交通流量、空气质量、能源使用、天气模式、城市和应急服务以及开发可视化——帮助社区参与这座城市可能会变成什么样子，”罗林斯说。
在先进制造中，“数字孪生能够模拟和优化生产流程，从而提高效率并减少停机时间，”莫厄里说。 “在移动领域，数字孪生正在通过实时监控和预测分析彻底改变车辆设计和维护。健康未来也受益于个性化医疗和患者护理领域的数字孪生，其中器官和系统的虚拟复制品增强了诊断和治疗计划此外，先进农业正在利用数字孪生来优化作物管理并提高可持续性。”
布罗塞特说，数字孪生技术也被证明是流程制造中的一个有价值的工具，例如石油和天然气或化工公司。 “他们复杂的工厂控制系统是事实上的数字孪生体，可以通过人工智能和机器学习优化逻辑轻松扩展。食品和饮料公司的连续流程适合类似的优化，但由于面临极大的压力，它们正在快速迎头赶上。降低成本并变得更加灵活。”