做过机器吗？如果是，那么多少次尝试走上使其完美的函数，使其成为理想的？我们猜想这些不成功的尝试是富矿。不仅是您，每个制造商都面临这种麻烦的情况。有时，某个片段中的缺陷可能会导致设备无法运行。这将需要拆除碎片，找出损坏的部分，修复它，然后回到第一天。
有没有想过，如果你能找出机器是如何组装所有组件之前去函数？如果我们说您可以在桌面上模拟您的设备，就像它在现实世界中的表现一样？不，我们谈论的不是电子游戏，而是设备的精确复制品，包括从微观原子级别到宏观几何级别的所有组件。是的，这在可能性范围内，可以在“数字孪生”的帮助下实现。工业服务领域的下一件重要事情将是通过数字孪生准确预测实物资产的未来。你现在可能不熟悉“数字孪生”这个词，但相信我，一旦你瞥见它，你就会渴望了解关于“数字孪生”的一切。让我们从概述它开始。
互联网上泛滥的“数字孪生”有很多定义，但最简单的是：数字孪生是物理设备的实时数字克隆。还是暧昧？让我说清楚。任何设备/系统的数字孪生是所有组件（微观级别或宏观级别或两者）的工作模型，使用物理数据、虚拟数据和它们之间的交互数据集成和映射在一起，以制作设备的全功能复制品/系统，而且也是在数字媒体上。物理系统的这个数字孪生不是为了取代物理系统，而是为了测试其最优性并预测物理对应物的性能特征。使用此概念，您可以了解系统的运行生命周期、设计更改的含义、环境更改的影响以及更多变量。谈到生命历程，它邀请我用它的起源来芳香化你对这个概念的认识。
数字孪生简史
Digital Twin 的概念和模型于 2002 年由 Michael Grieves 博士正式提出，作为产品生命周期管理 (PLM) 的概念模型。自 1960 年代以来，NASA 一直在实践这一概念。当时他们在空间编程中使用了基本的孪生思想。他们通过在地面创建物理复制系统来实现这一点，以匹配空间中的系统。一个例子是美国宇航局开发了一个数字孪生来评估和模拟阿波罗 13 号上的条件。所做的努力只考虑到一个特定的任务，因此，这个概念直到 2002 年格里夫斯博士提出后才获得认可包括真实空间、虚拟空间以及真实空间和虚拟空间之间数据和信息流的传播。将数字和物理部分整合为一个实体的概念自出现以来一直保持不变。尽管术语在 2010 年之前发生了变化，后来它被 NASA 的约翰·维克斯 (John Vickers) 在 2010 年路线图报告中称为“数字孪生”。
数字孪生由三个不同的部分组成：物理部分、数字部分以及两者之间的连接。这里的“连接”是指从物理产品流向数字/虚拟产品的数据以及从数字环境到物理环境可用的信息。
数字孪生如何工作？
有了上面的信息，您可能已经在脑海中勾勒出了“数字孪生”的工作原理。到现在为止，在对数字孪生有了大致的了解之后，您可能已经意识到要创建数字孪生，我们需要物理数据、虚拟数据和两者之间的交互数据，将它们映射到一起以制作系统的数字副本.现在，这里出现的问题是如何收集所有这些数据？在讨论数字孪生的工作时，我们只能从找到这个问题的答案开始。
为了创建任何系统的数字孪生，工程师从各种来源收集和合成数据，包括物理数据、制造数据、运营数据和分析软件的见解。传感器连接到有助于收集数据并将其发送回数字双胞胎的物理产品，它们的交互有助于使用维护团队优化产品的性能。工程师将物联网、人工智能、机器学习和软件分析与空间网络图相结合，以收集所有相关信息并将其映射到基于物理的虚拟模拟模型中，然后通过将分析应用到这些模型中，我们获得了性能实物资产的特征。对于大多数设备，无缝数据交换有助于获得最佳分析，数字孪生也是如此。因此，数字孪生从多个来源不断更新自身，以表示其近乎实时的状态、工作条件或位置。它是一个学习系统，从自身学习，使用传感器传送其运行状况的各个方面的数据；来自人类专家，例如具有深厚和相关行业领域知识的工程师；来自其他类似机器；并且来自它可能是其中一部分的更大的系统和环境。数字孪生还使用来自过去机器使用情况的数据将其纳入其数字模型。然后将创建的数字模型应用于环境条件或与其他设备的交互分析等分析，以检测异常情况和物理对应物的生命周期。然后，双胞胎确定一个优化流程，以提高一些关键绩效指标，并为有助于优化业务成果的长期规划提供预测。
数字孪生的需求
毫无疑问，如果没有实际的原因，构建数字孪生将毫无意义。已经注意到，仅仅一次尝试无法制造出完美的机器，并且需要花费大量金钱和大量时间来尝试实物产品。另一方面，数字孪生和物联网（InternetOfThings）与人工智能一起帮助我们分析数据和监控系统，以审查和解决这些问题。在物理产品中进行更改可能会令人头疼的地方，可以快速修改数字副本以证明修改并运行模拟。如果在物理机之前在 Digital Twin 上对其进行测试后，修改后的系统的结果不符合我们的需求，这将有助于我们不浪费物理资源并节省时间。通过监控系统或流程的状态并实时使用多个数据浪潮来研究其数字孪生，工程师可以深入了解如何增强产品生命周期、简化维护和大幅优化。使用物理系统的数字副本不仅可以加速各个方面的开发，还有助于以如此高的精度分析、观察和导航到每一个细节，以确保没有错误和不准确的空间，确保最佳的生产输出。另一个好处是数字孪生允许专家在项目上工作，即使他们没有与物理孪生直接接触。它确保了健康的安全，没有发生悲剧的风险。数字孪生还可以帮助工程师处理已经在太空中且完全无法访问的设备，而无需为此类设备的物理可访问性带来麻烦。任何更新或更改都可以首先测试其结果和影响，通过直接在物理世界中实施来避免任何灾难。简而言之，数字孪生拥有重塑宇宙的力量。
数字孪生的应用
我们正处于数字工业时代的早期发展阶段，数字孪生还处于起步阶段。尽管如此，我们还是可以看到摆在我们面前的巨大转变。这些数字孪生是资产“记忆”甚至“群体意识”的缩影，因为它们是“物理实体的活模型”。我们正在见证数字孪生在以下领域的主要应用：
1.制造：不仅数字孪生的出现帮助我们制造高档产品。但我们也可以同时节省金钱和时间，否则会浪费在生产上。它有助于这些公司快速测试新设计。谈论新供应链的虚拟化测试，轻而易举，而测试物理等效项涉及关闭生产，损失利润，另一方面，这就像打开潘多拉的盒子。由于数字双胞胎可以实时查看设备或其他有形资产的情况，因此它们对制造业非常有帮助。
2.汽车：随着汽车，尤其是汽车，逐渐与物联网和数字技术融合，复制每一个细节的能力变得越来越不可或缺。在数字孪生的帮助下，工程师预测机器的性能已成为小菜一碟。我们可以构建各种自动驾驶汽车的数字孪生体，并跟踪车辆从创建之日到进入垃圾场的那一天。工程师可以在数字世界中测试新的安全功能，而无需新的实体车辆来测试更改。出于类似的原因，智能汽车制造商也在数字环境中测试他们的自动驾驶人工智能。
3. 医疗保健：数字孪生可以帮助虚拟化医院系统以创建安全环境并测试潜在变化对系统性能的影响。此外，医疗保健领域的数字孪生可以识别各种医疗领域涉及的各种设备（通常非常昂贵且需要以最佳水平运行）的故障。不仅如此，数字孪生还帮助医生进行了困难的手术。以心脏病专家为例，他们使用患者心脏的数字孪生模型来精确确定最适合该特定患者的导线位置，这在手术前也是如此，从而降低了失败的风险。
4. 零售：数字孪生概念的实施在增强零售客户体验方面发挥着关键作用，通过制造可以准确表示特定产品模型如何在个人生活中发生的模拟。不仅如此，它还可以让您测试产品的新设计是否有任何潜力可以削减开支，而无需对整个产品系列进行大规模的物理更改，从而降低产品的市场价格。拥有实物资产的精确数字副本可以带来引领潮流的创新。一旦创新适用于数字模型，就可以开始投资实物资产。
5. 智慧城市：城市有许多移动和相互连接的构建块。借助非常合适的高级模型，土木工程师、政府和其他相关公司可以以最佳方式测试新解决方案。事实证明，该工具非常有利于分析不同形式的交通和行人移动模式，以及进行合理规划以确保满足他们的要求。在准备好机器学习后，该模型可以立即测试交通管理等问题的可能解决方案。这种模型在另一种麻烦的情况下将是有益的。例如，在发生火灾紧急情况时，消防员可以访问建筑物的 3D 模型。在增强现实和人工智能的帮助下，消防员可以知道人们在哪里以及如何预测火灾的行为。
数字孪生的未来
数字孪生的全球市场预计将快速增长。根据 MarketsandMarkets 的研究，按数字计算，每年增长近 38%，到2023 年将达到157 亿美元。但这并不像看起来那么容易，因为机构在构建数字孪生体方面面临许多挑战。它的建设只是冰山一角，实际的挑战在于缺乏明确的实施标准，需要培训人们使用它们和治理计划。数字双胞胎具有在未来极大地改变医疗保健的潜力。它们将使力量超越医学的局限性，并利用数据作为真正了解人体的工具。模拟器官可以以一种超个人化和侵入性较小的方式改变药物的工作方式。在即将到来的情况下，城市的数字孪生是一种可能，它可以使搜索引擎能够在物理世界中找到任何东西。人类也将拥有他们的数字双胞胎，它将从可穿戴设备收集实时信息并包含用户独特的遗传密码。使用这些信息，可以解决许多问题，例如健康和犯罪问题。但是随着新兴技术的发展，在我们获得好东西之前，我们将不得不经历糟糕的阶段。博世、微软、IBM、通用电气等许多知名公司已经开始投资这项技术，落后的公司可能会倒闭。