首先介绍什么是数字孪生？
数字孪生是对一个产品或制造工厂的物理实体进行精确仿真的虚拟数字模型，会随着产品或工厂生命周期的改变而不断进化，可以用来预测产品使用或工厂运营过程中的行为，优化其性能，并从以往的设计和生产经验中吸取教训。对于现今日益复杂的产品设计和制造，数字孪生是一种必不可缺的验证/确认工具。比方说苹果的iPhone，从应用处理器芯片和其它电子元器件、软件、电气模块到机械部件，其设计日渐复杂。在设计阶段我们通过数字孪生模型做了详尽的分析和验证，也考虑了在各种使用场景下会出现的各种问题。但是在真正使用中仍然还是有意想不到的情况发生，比如在潮湿的环境中会发生振动现象。这时我们可以采集真实数据并馈入数字孪生模型，来探究到底是什么原因导致这种振动。找出原因后，我们就可以返回产品设计或制造环节做出相应的改动，从而解决这个问题。
数字孪生已经不是新潮的技术概念，而是可以真正解决和预测现实世界中产品或制造工厂可能出现的问题。其价值大小就在于虚拟模型对物理实体的仿真精确度和完整性程度。
其次为什么需要闭环的数字孪生？
数字孪生不仅适用于产品，对于更为复杂的生产工厂和制造流程也同样适用。对于工厂的机器设备，我们也许已经利用工业物联网系统采集到设备的运行状态参数，也进行正常的预防性维护。但设备仍然有可能出现意想不到的问题，难道我们采集足够多的数据，再通过人工智能/机器学习算法就能够解决这个问题吗？目前来看这样想法还是不现实的。
数据不在于量有多大，而在于相关性。我们不但需要采集数据来告诉我们设备出现了问题，而且需要相关的数据来识别出问题的原因所在。这就涉及闭环的数字孪生，使用这样的模型来放大制造流程的环节以找出真正的原因所在。如果这台设备必须停机，我们可以利用数字孪生快速优化整个制造工厂的设施，给出适当的生产调整建议。
最后如何将数据转化为竞争优势？
一个产品设计和制造企业要想让收集的海量数据体现出价值，转化为竞争优势，除了建立完整的闭环数字孪生体系外，还需要有个性化的设计及灵活的适应性。
制造工厂的特定专业技能一般存储在有经验的技术人员头脑中，公司的IT人员没有时间，也没有足够的知识来开发适合工厂现场工作人员的应用软件工具，因此工厂的软件很难做到个性化和灵活性。利用Mendix的低代码软件开发工具，经验丰富的技师不需要学习专门的计算机语言来编写应用程序，就可以将其头脑中的知识通过简单的软件搭建工具呈现出来，并将其连接到数字孪生系统中。
此外，以企业自身的核心技术和产品建立开放和兼容的生态系统，也是实现数字化转型和提升竞争力的关键因素。我们可利用各业界标准来构建完整的生态系统，涵盖从芯片设计、系统开发到产品制造的完整生命周期流程，目前已发展400多万工业用户，吸引9万多名开发者参与到生态建设中来。
