物理孪生阶段,用实体“孪生”实体,成本高昂。除了上面提到的美国宇航局的实践外,工业领域在规模化生产之前,制作的物理样机,需要准确表达模型诉求,将生产预见性前移,这也属于物理孪生的一种。
复制孪生阶段,开始把“孪生”转移到数字虚拟层面,这时候就需要能够充分利用历史数据以及实时运行数据,对一个产品或者系统实现精准、全面的映射,并且全部转化为信息储存。这时候相当于造出来了数字化双胞胎的一个肉体,但仍然缺乏最为关键的灵魂,它不能用来控制分析,只能显示。
数字孪生阶段,也就是目前正在研究的阶段,能够根据物理本体的物理设计模型,还有本体传感器反馈的实时数据,以及本体此前运行的历史数据,做到动态仿真。比如对智慧城市进行全域感知和实时更新,形成真正的虚拟全息城市。
决策孪生阶段,需要对过往积累的数据精细化尺度感知,模拟未来不同的外界因素、不同的环境背景下的发展情景,从中学习、分析并总结出物理本体的运行规律,为决策者提供建议和参考。这时候提供的建议可能会较为理想而偏离现实,但也存在一定参考价值。
智能孪生阶段,利用AI进行精准分析与规划设计响应,并做出最有利的判断与自主控制。也可以为参与者提供新的视角,甚至可以帮助人从传统思维方式向大数据思维方式转变,不过这仍然是一个较为遥远的一个目标。
回到现实,目前的数字孪生阶段仍然处于研究和探索探索阶段,具体的应用场景大致可以分为两类:虚拟仿真和监测分析。
虚拟仿真往往是通过结合流体力学、热力学、光学、电子等原理,利用数字化计算机进行辅助设计和仿真,将现实世界中的物理本体(设备、建筑、城市等),在数字空间映射出孪生体。可以预测和验证孪生体在虚拟环境下的系统表现,进而保障设计质量和鲁棒性。这一应用主要是落地于设计,从而支持工程师进行产品创新或系统改进,代表性的有安世亚太、AspenTech、Ansys等厂商。
检测分析涉及到物理实体真实运行状态的监测和评估。需要使用大量真实环境的动态数据,在真实运行过程中,通过传感器数据采集,判断环境变化、系统状态,实现对未来运行状态的监测、分析、评估和预警。代表性的有和利时、寄云科技、PTC Thingworx、等。
本质上,虚拟仿真和检测分析代表的是两种不同的数据流向重心。虚拟仿真的重点在于物理本体向孪生体输出足够精确全面的数据,尽量减少虚拟仿真所带来的误差。而检测分析的重点在于孪生体向本体所反馈的数据信息要足够精准,然后对物理本体做出正确的干预。
未来随着数字孪生技术成熟,企业发展数字孪生的难点或许已经不再是数字孪生本身,而是数字孪生技术与本行业的结合度能够有多高。
这就需要企业拥有“倒T型”能力。一方面,横向拓展,掌握本行业的知识经验体系,打好行业地基。另一方面,掌握数字孪生技术,并寻找数字孪生和行业相结合的机会点。如果把数字孪生比作一颗钉子,落地的行业比作一块木板,关键就在于能不能找到合适的锤子,让这颗钉子深深扎进去。
写在最后:
未来几年,以数字孪生为核心的产业将如雨后春笋般出现,数字孪生也将成为企业的标配。但是技术之外,数字孪生仍然面临着制度、管理、人才等各方面的挑战,而这些因素的背后,本质上更是一种思维方式的进化,数字孪生发展需要思维先行。
同时,也需要警惕数字孪生的概念化陷阱。不能为了数字孪生而数字孪生,毕竟数字孪生本身并不会主动释放价值,也无法单独作为生产力而存在,如果只是单纯的推销数字孪生的概念,也将如梦幻泡影而随时面临破灭的风
文章TAG:互联网