数字孪生技术具有巨大的潜力，它能够创建物理对象、流程和环境的数字复制品，可应用于各个行业，从复制危险环境到展示用于远程培训的航天器。麦肯锡最近的分析表明，人们对数字孪生的兴趣非常浓厚，未来五年全球数字孪生市场将以每年约 60% 的速度增长，到 2027 年将达到 735 亿美元。人们显然对数字孪生技术感兴趣，但这种技术真的被采用了吗？
答案是——这很复杂。数字孪生技术及其用例已经发生了巨大的变化，但要大规模采用数字孪生，必须解决挑战。
数字孪生的演变
数字孪生技术的真正应用进展缓慢，因为直到最近，它还缺乏超越简单表示资产的智能。更有价值的是能够准确地模拟、预测和控制其行为。数字孪生也是定制的，缺乏从类似资产的行为中全局学习的能力。它们的见解是孤立的，并不总是适用于更广泛的组织需求，这使得它们成为一项巨大的投资，但回报却很有限。
即便如此，数字孪生的一些早期采用者包括制造业、零售业、医疗保健业和汽车业，这些行业能够在受控环境中测试新设施、配置和流程。
随着新的人工智能驱动方法的出现，我们将看到从“数字孪生”到人工智能驱动的“模拟”和“代理”的快速转变，这将大大拓宽使用案例并推动广泛采用。让我们看看这些使用类别：
- 表示– 数字孪生的早期迭代是资产的简单数字表示，除了用于改进某些任务的设计和执行的特定小众用例之外，并没有特别的用处。本质上，这是数字孪生技术的“复制”状态。
- 模拟——如今，数字孪生正在从表示发展到模拟，这有利于更广泛的用例。模拟意味着数字孪生不仅可以反映资产或环境，还可以准确模拟未来场景。在此阶段，它们能够从其他类似流程的数据中学习，以获得有意义的见解。模拟孪生使用 AI 算法来模拟生产结果，推荐最佳机器设置，并指导生产团队在制造环境中实现更好的业务目标。
- 代理——模拟之后的下一个发展阶段将是代理，它将使资产、流程和整个生产环节能够自主规划和行动。在这个阶段，它们还将做出复杂的决策，并与人类合作，推动更可持续的生产。这是数字孪生代理阶段。
各个阶段之间移动需要不同级别的支持技术，并且至关重要的是，组织必须拥有正确的技术堆栈，以实现数字孪生的最大影响和投资回报率。
数字孪生的基础技术
在从表示到模拟，然后最终到代理之前，必须有正确的基础技术。
再次以制造业为例，想要对给定流程或工厂环境进行数字模拟的组织必须具备可靠的在线传感能力。这些传感器在流程的各个关键阶段提供输入和输出数据，以便为模拟提供可靠的见解。很多数据都是现成的，我们已经看到流程制造商对输出（即纸张）进行了高质量的在线测量，但对输入（即用于纸浆生产的木纤维）的传感测量通常存在差距。
为了避免这种情况，制造团队必须明确定义他们试图实现的模拟以及所涉及的各种输入、机器和系统，以及整个过程中每个阶段的不同参数。这可能需要聘请多个职能部门的专家来确保模型的所有方面都得到考虑，这将有助于确保数据足够可靠，能够为模拟提供支持。
连接性和比较
完全孤立的数字孪生会错失从类似场景中的其他模型中学习的机会。数字孪生模型本身需要从其他类似模型和数字孪生模型中获取数据，以展示全局的“优秀”或最佳状态，而不仅仅是在正在检查的本地流程中。
因此，数字孪生需要大量的云组件，否则组织可能会失去这项技术所提供的全部前景。
另一方面，数字孪生不能仅仅依赖云技术，因为云的延迟会给收集实时数据和实时指令等因素带来障碍。试想一下，如果模拟的目的是防止机器故障，而当皮带已经停止正常运转、整个机器都处于停滞状态时，模拟才检测到皮带断裂，这是多么毫无意义。
为了克服这些挑战，添加支持边缘 AI 的组件可能是明智之举。这可确保尽可能接近模拟过程捕获数据。
部署和管理中可能出现的痛点
除了拥有正确的技术堆栈和基础设施来获取 AI 驱动的模拟双胞胎所需的数据外，信任仍然是部署的一大障碍。伦敦的出租车司机可能知道城市地图和所有捷径，但 GPS 通常会通过考虑交通数据为司机提供更准确的路线。同样，工程师和制造专业人士需要体验准确和安全的模拟，才能完全对自己的能力充满信心。
获得信任需要时间，但模型和数字孪生数据的透明度可以加快这一过程。组织应该从战略角度考虑思维转变，这是让团队信任这项强大技术所得出的见解所必需的，否则可能会错失投资回报。
成为代理机构之路
尽管数字孪生前景光明，但直到最近，其应用才开始相对缓慢。引入人工智能模型可以将来自其他模型的见解与独特的学习相结合，从而将数字孪生从表象转变为模拟。
随着投资和信任的增加，数字孪生最终将达到代理地位，并能够自行做出复杂决策。数字孪生的真正价值尚未释放，但有可能改变从制造业到医疗保健再到零售业等各个行业。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/shen-me-zu-ai-le-shu-zi-luan-sheng-de-yan-jin-he-ying-yong
