试想一下，你拥有一个现实世界的完美数字副本：数字孪生。它可以帮助你开展虚拟协作，快速获取传感器数据并模拟条件，清楚地了解假设情景，更能精准地预测结果，并输出指令以操纵现实世界。
当下，企业正在以多种方式使用数字孪生技术。在汽车和飞机制造领域，数字孪生技术逐渐成为优化整个制造价值链和创新产品的重要工具；在能源领域，油田服务运营商通过获取和分析大量井内数据，建立数字模型，实时指导钻井作业；在医疗保健领域，心血管研究人员正在为临床诊断、教育、培训等方面创造高仿真的人类心脏的数字孪生体；作为智慧城市管理的典型案例，新加坡使用详细的虚拟城市模型，用于城市规划、维护和灾害预警项目。
数字孪生可以模拟物理对象或流程的各个方面。它们可以展现新产品的工程图和尺寸，也可以展现从设计到消费者整个供应链中所有子部件和相应环节—已建成“数字孪生”，也可采用“即维护”模式—生产车间设备的实物展现。仿真模型可以捕获设备如何操作，工程师如何维护，甚至该设备生产的产品如何与客户关联。数字孪生可以有多种形式，但它们无一例外都在捕获和利用现实世界的数据。
MarketsandMarkets的最新研究表明，数字孪生技术的探索已经展开：2019年数字孪生市场的价值为38亿美元，预计2025年将增至358亿美元。
是什么导致了这种猛增？数字孪生并非新事物，为何现在开始增长？自21世纪初以来，先锋企业已经开始摸索如何借助数字模型以改进产品和流程。尽管在当时数字孪生的潜力就已经显现，但很多企业发现，开发数字孪生涉及大量数据，而处理这些数据所需的连通性、计算能力、数据存储以及带宽成本高昂，令人望而却步。
数字孪生发展势头迅猛，得益于快速发展的仿真和建模能力、更好的互操作性和物联网传感器，以及更多可用的工具和计算的基础架构等。因此，各领域内的大小型企业都可以更多地接触到数字孪生技术。IDC预测，到2022年，40%的物联网平台供应商将集成仿真平台、系统和功能来创建数字孪生，70%的制造商将使用该技术进行流程仿真和场景评估。
与此同时，通过访问大量数据，使得创建比以往更为详细、更为动态化的仿真成为可能。对于数字孪生的长期用户而言，这就好比从模糊的黑白快照过渡到彩色高清数码照片一样，从数字源中获取的信息越多，最后呈现的照片就越生动逼真。
图数字孪生技术助力企业设计、优化和转型
模型+数据=洞察力和实际价值
数字孪生功能最初是工程师工具箱里的一种选择工具，它可以简化设计流程，削除原型测试中的许多方面。通过使用3D仿真和人机界面，如增强现实和虚拟现实，工程师可以确定产品的规格、制造方式和使用材料，以及如何根据相关政策、标准和法规进行设计评估。数字孪生可以帮助工程师在确定设计终稿之前，识别潜在的可制造性、质量和耐用性等问题。因此，传统的原型设计速度得以提升，产品以更低的成本，更有效地投入生产。
除设计之外，数字孪生还有望改变企业对产品和机器进行预测性维护的方式。机器内嵌入的传感器将性能数据实时传输到数字孪生体，这不仅可以预先识别和解决故障，还可以定制服务和维护计划，更好地满足客户的个性化需求。
近期，荷兰皇家壳牌公司（Royal Dutch Shell）启动了一项为期两年的数字孪生计划，以帮助石油及天然气运营商更加高效地管理海上资产，加强工人安全保障，并探索可预见的维护时机。
数字孪生有助于优化供应链、分销和运营，甚至还可以优化上述业务相关的每个员工的个人表现。举例来说，全球快消产品制造商联合利华（Unilever）启动了一个数字孪生项目，旨在为旗下数十家工厂创建虚拟模型。在这些工厂内，物联网传感器被嵌入到机器内部，向AI和机器学习应用程序反馈机器性能数据，并进行分析。分析后的操作信息再输入到数字孪生体中，从而帮助工人预测机器维护的时机、优化产出并提高产品合格率。
再比如，智慧城市计划正使用数字孪生技术来缓解交通拥堵、进行城市规划等。新加坡雄心勃勃的“虚拟新加坡计划”（Virtual Singapore initiative）让一切成为可能，从规划基站和太阳能电池，到模拟交通方式和人流量。另一个潜在用途，可能是在新加坡年度F1赛车的封路期间，用于紧急疏散计划和路线安排。
新事物
过去十年来，由于以下几个因素，数字孪生技术的部署一直在加速。
仿真。构建数字孪生技术所需工具的能力和成熟度都在不断提高。现在，人们可以设计复杂的假设仿真情景，从探测到的真实情况回溯，执行数百万次的仿真流程也不会使系统过载。而且，随着供应商数量的增加，选择范围也在持续扩大。同时，机器学习功能正在增强洞察的深度和使用性。
新的数据源。实时资产监控技术如LIDAR（激光雷达）与FLIR（前视红外）产生的数据，现在已经可以整合到数字孪生体内。同样地，嵌入机器内部的或部署在整个供应链的物联网传感器，可以将运营数据直接输入到仿真系统中，实现不间断的实时监控。
互操作性。过去十年里，将数字技术与现实世界相结合的能力已经得到显著提高。这一改善主要得益于物联网传感器、操作技术之间工业通信标准的加强，以及供应商为集成多种平台集成做的努力。
可视化。创建数字孪生体所需的庞大数据量可能会使分析变得复杂，如何获得有意义的洞察就变得更具挑战性。先进的数据可视化可以通过实时过滤和提取信息来应对该挑战。最新的数据可视化工具除了拥有基础看板和标准可视化功能之外，还包括交互式3D、基于VR和AR的可视化、支持AI的可视化以及实时媒体流。
仪器。无论是嵌入式的还是外置的物联网传感器都变得越来越小，并且精确度更高、成本更低、性能更强大。随着网络技术和网络安全的提高，可以利用传统控制系统获得关于真实世界更细粒度、更及时、更准确的信息，以便与虚拟模型集成。
平台。增加功能强大且价格低廉的计算能力、网络和存储的可用性和访问是数字孪生技术的关键促成要素。一些软件公司在基于云平台、物联网和分析技术领域进行了大量投资，紧跟数字孪生潮流。其中部分投资正在用于简化行业特定数字孪生应用的开发工作。
成本与收益
为数字孪生提供动力的AI和机器学习算法需要大量数据，但多数情况下，生产车间的传感器所输入的数据可能已经损坏、丢失，或不完整。因此，团队应该立即开始收集数据，尤其是在问题数量最多、停机成本最高的地区。从现在开始逐步开发必要的基础设施和数据管理方法，可以帮助企业缩短获益时间。
即使是针对新流程、系统和设备而创建数字孪生体，也不是都能完美地测试整个流程。对于化学和生物反应，在极端情况下可能无法直接测量过程本身；而在某些情况下，测量一个物理对象可能成本过高或不太实用。因此，企业需要寻找一些代替物（比如利用车辆上的设备和传感器，而不是直接将传感器放入轮胎里），或者利用可以检测的元素（比如化学或生物反应所产生的光线或热量）。
另外，随着传感器成本的下降，平衡成本、收益分析对确定使用传感器数量至关重要。现代飞机引擎上可以有成千上万个传感器，每秒可生成数万亿字节的数据。
结合数据孪生、机器学习和预测模型，制造商可以提供各类建议，帮助飞行员优化燃油消耗、进行预测性维护、帮助机队管理成本等。然而，大多数应用只需在重要位置部署少量的传感器，即可检测流程内的关键输入输出数据，以及关键阶段。
模型之外
未来几年里，我们将看到数字孪生技术在各行业中的广泛部署。在物流、制造和供应链领域，运用机器学习和先进网络连接（比如5G）的数字孪生技术，将更多地跟踪、监测、规划路线和优化整个工厂和世界各地的货物流，使得货物位置和所处环境（温度、湿度等）变得实时可见。在无需人为干预的情况下，“控制塔”可以指挥库存转移、调整装配线工艺步骤或重新规划集装箱路线等纠正措施。
一些从产品销售向产品+服务模式或销售即服务（As-a-service）转型的企业，正在开拓新的数字孪生技术应用。把数字孪生体与嵌入式传感器相连接，将其用于财务分析和预测，可以改善和优化预测、定价和增销机会。例如，企业可以监测产品磨损程度更高的使用情况，为其提供额外的保修或维护选项。企业可以在农业、交通和智能楼宇等多种行业以服务的形式销售产出或吞吐量。随着能力和成熟度的增加，预计未来会有更多企业以数字孪生为模型，为产品和服务寻求新的货币化战略。
图数字孪生趋势细分
数字未来建模
随着数字孪生技术趋势在未来几年的加速，可能会有更多企业开始探索使用数字孪生技术来优化流程、实时制定以数据为驱动的决策，以及设计新的产品、服务和商业模式的机会。
在资本密集型产业，比如制造业、公用事业和能源，已是数字孪生技术应用的先驱。当早期实践者在各自行业领域内展现出先发优势时，其他企业也将紧随其后。
长期来看，若想要实现数字孪生技术的全部潜力，可能需要集成整个生态圈内的系统和数据。创建一个完整的客户生命周期或供应链（囊括了一线供应商和其自身的供应商）的数字化仿真，可以提供富有洞察力的宏观运营观点，但仍然需要将外部实体整合到内部数字化生态系统内。
直至今日，大多数企业仍对点对点连接之外的外部集成感到不满意。克服这种犹豫可能是一个长期挑战，但最终，所有的付出都将是值得的。未来，期望企业会利用区块链打破信息孤岛，继而验证信息并将其输入数字孪生体中。这可以释放先前无法访问的大量数据，从而使仿真更加细节化、动态化，更具潜在价值。现在，是时候将你的数字企业从黑白时代转换到彩色时代了。你准备好了吗？
一线经验分享
准备起飞：澳大利亚航空管理局走向未来航空
澳大利亚航空管理局（Airservices Australia）正在为航空业的下一轮发展做准备。作为澳洲的空中导航服务供应商，公司预计其空域内的常规航班数量将在未来20年内翻一番。与此同时，无人机在低空空域的兴起—从空中的士到送货无人机，对新智能系统提出更紧迫的需求，使得本就困难的工作雪上加霜。
澳大利亚航空管理局正通过推出一系列举措来着手应对上述挑战，这些举措将帮助公司利用数据的价值并提供未来信息管理服务。其中的一项举措是，探索一个结合物联网和机器学习能力的数字孪生体以增强空管局现在和未来管理空中交通的能力。
Mick Snell领导的服务战略团队在2019年初启动了数字孪生技术开发项目，其实际目标是：确定数字孪生是否可以使公司提高当前空中交通网络的管理能力。比如，数字孪生是否可用于改善航线，优化起飞时间以及减少航班延误？
该团队首先使用空中交通历史数据来开发公司的空中交通网络数字孪生体。团队已经完成四项概念验证，证实了最初的目标。现在，团队期望在现有的空中交通管制系统中进行并行测试。概念验证可以基于实时情况优化航线，从而提供更高效的空中交通流量管理。
尽管仍在开发中，数字孪生项目也能作为改善公司传统工作方式的试验田。该公司传统的工作方式为一年365天、一天24小时地提供安全的导航服务，随着空域情况日益复杂，出于对安全、效率和可靠服务的不懈关注，公司正在积极探索新的解决方案。
数字孪生项目正在改变澳大利亚航空管理局对可能发生事情的看法。团队尝试采用敏捷开发方法来缩短产品上市时间，同时保持对安全性的关注。团队正以更快的速度交付工作软件—短时间内迭代、测试和学习—并持续提供安全、精确的预测。虽然澳大利亚航空管理局的工作人员具有深厚的航空专业知识，但公司仍需专业的技术知识来开发实施高级分析功能。通过和具有相关资深经验和现成技术的供应商、咨询顾问的合作，团队填补了这一空缺。
与此同时，该团队一直持续探索数字孪生的相关应用。比如，当前的空中交通管制员仅负责指派的空域，不考虑交通量。为优化管制员的工作量，该团队计划使用数字孪生技术，基于所预测的客户需求（而非固定的地理位置）为管制员分配空域。
优化是一个非常复杂的问题，需要大量的实时数据来支撑假设场景，从而帮助空中交通管制员做出更快更明智的决策。数字孪生还可帮助飞行员基于当前最重要的信息，来优化航班。例如，优化空域和航线有助于提高准点到达率并节省燃油，但飞行员可能会为了避免耽误乘客转机，而选择消耗更多燃油，加快飞行速度。
最终，澳大利亚航空管理局计划使用数字孪生技术来开发和测试战略结果，以应对可能影响公司空域的颠覆性创新。新的策略可以快速测试各种场景，以便管理未来的多维度空域。
在概念验证阶段完成后，团队将进入试生产阶段。团队成员将使用当前数据进行数月的测试，并计划于2020年投入全面生产。Snell说：“我们已经能够更快地获得成果—过去八个月内我们所取得的进步，甚至超过了过去八年的进展。”
获得牵引力：普利司通的数字孪生体驱动创新业务模式
作为全球最大的轮胎和橡胶制造商，普利司通（Bridgestone）正在转型成为移动解决方案的领军者。该企业正通过开发数字能力重构其核心业务，这一举措将使其能够在面向汽车制造商、车队运营商和个人驾驶员的产品组合中彻底革新轮胎管理服务。
数字孪生技术是普利司通转型之旅的核心。数年来，企业一直使用由传感器数据增强的数字孪生仿真模拟作为研发工具，以提升轮胎寿命和性能，但这仅仅是个开始。数字战略总监Jerome Boulet和数字工程总监Hans Dorfi正带领他们的团队开发复杂的数字孪生，以期最终在普利司通的整个价值链上提供洞察，其目标是提升利润率、维持竞争优势、减少上市时间，并提供尖端的轮胎即服务（As-a-service）产品。
欧洲车队正逐渐转向一种按公里数计费的（PPK）订购模式，以帮助车队运营商优化现金流，减少整体成本。尽管商业模式很简单，但为每公里设定合适的价格却绝非易事。轮胎的生命周期受各种因素的影响，包括负重、速度、路面情况以及驾驶行为。
数字孪生可以通过模拟不同的驾驶条件，洞悉这些相互关联的条件是如何影响轮胎性能的。但是，如果没有数字孪生体的真实数据输入，想要确定一个令人满意且具有竞争力的PPK价格，并且期望这一价格能够持续为企业带来利润，即使有可能性存在，也将十分困难。普利司通进入PPK市场可谓是战略飞跃，其产品的定价就是为了赢得大多数车队的业务。企业利用初始安装基础收集性能数据，再将这些数据用于高级分析算法中。
Dorfi说：“有些人会问，‘既然你们已经有大数据了，为什么还要数字孪生—为什么不直接进行分析呢？’我跟他们解释，虽然分析很重要，但它只是增强数字孪生的能力。数字孪生能够让我们从多个维度看到轮胎性能，也可以在尚无可用数据的时候应用于产品的开发。”他认为，数字孪生是普利司通数字基础设施的关键组成部分。输入的传感数据被增强、净化和处理，而后应用数字仿真和分析获得洞察，从而为维护、更新等其它因素的决策提供依据，这些依据可以为普利司通及其客户带来更多价值。
普利司通持续发展数字孪生技术。普利司通2019年收购WebFleet Solutions，并开发了新一代的传感器，以实时了解汽车和轮胎的使用情况，帮助车队根据具体的驾驶条件选择合适的轮胎，并就如何减少轮胎磨损及避免故障提供客制化见解。随着数字模型越来越精确，普利司通将更多关注PPK商业模式的高级应用。
如今，普利司通正使用数字技术为其车队客户带来更多价值。随着时间的推移，企业计划扩大数字孪生技术的使用范围，包括驾驶员、车队经理、零售商、分销商、制造商等。企业管理者表示，鉴于未来可能使用无人驾驶汽车，可能还会涉及安全协议。“我们确定已经抓住了引领走向未来的驱动因素。”Dorfi说，“这便是数字孪生技术的用武之地。”
武田制药（Takeda）期望通过数字孪生实现端到端生产自动化
武田制药（Takeda）一直在寻求技术上的突破，希望可以为全球患者带来变革性的治疗方法。Christoph Pistek引领企业创新，将前沿研究思路转化为医疗产品，并且带领团队开发了一套指导制造商生产的流程。
医药行业的质量把控和监管十分严格，任何创新都必须在开发实验室进行全面的合规性测试之后才可投入正式生产，比如，一种新药的问世可能需要长达15年的时间。因此，Pistek一直都在寻找能加速试验进程和业务流程的方法。
即使在数字时代，医药制造流程仍包含人工操作。例如，生产生物制品、疫苗和其它从活体中提取的医药产品都涉及生化反应，这些反应多变且难以测量，因此，实现自动化无疑是一大挑战。
迄今为止，还没有实现这些生产步骤的自动化。Pistek表示，真正的端到端的生产自动化就是这个行业的最高目标。
此时，数字孪生技术便彰显了它的作用。它帮助团队加速试验进程，开发新的生产方法并生成数据，以便做出更明智的决策和预判，从而实现复杂化学和生化过程的自动化。
为此，Pistek和他的开发团队在实验室中构建了制造过程的复杂虚拟展示。团队为每一步都建立了数字孪生体，通过整体数字孪生将所有部分连接起来，实现了各步骤之间流程的自动化控制，从而完成制造过程端到端模拟。化学过程的建模虽然复杂，但生化反应的建模比之更甚，且无规律可循。很多情况下，实时传感器无法监测到期望的输出，并且输出结果的质量数小时甚至数天后仍然未知。因此，开发团队使用软测量或代理测量尝试预测生化反应完成所需的时间，并将该时间反馈至一个集成了AI和机器学习的数字孪生体中。“有一点很重要，就是数字孪生的架构体系让系统能够自行发展，”Pistek说，“每次我们都要额外测试一遍，比较软测量结果和从质量控制实验室发回的实际测量的结果，这样我们就能做出更加精准的预测。”
一些制药公司认为实现自动化的关键在于更好的设备、传感器或技术。但Pistek却不这么认为：“制药行业真正的驱动因素是围绕整个流程建立的控制架构，并且其基础是在发展过程中逐渐成熟的复杂的数字孪生体。”制药行业的最终目标是建立一个无需人工干预即可控制并引导自动化流程的数字孪生体。
在武田制药的开发实验室里，这种生态系统已经建成并运用于生物制剂上，涉及该企业发展最快的类别以及最复杂的制造流程之一。数字孪生体开始运作，架构已搭建，方法已就位—基础工作就完成了。现在，团队正在优化流程，以使其更稳健。Pistek期望这一自动化方法明年可推广至实验室的所有模式，并且在两到三年之后，可以在生产车间中实现复杂的自动化。
数字孪生中，对生物和化学反应的建模并不容易，并且难以复制。Pistek对其他正考虑构建数字孪生体企业的建议是：“不要等待，不要害怕，勇敢去尝试。这是一个需要时间的学习过程。在武田制药，我们致力于治疗疾病，帮助患者—而数字孪生技术对于我们的工作是非常关键的一环。”
管理者视角
策略：虽然模拟现实世界的数字孪生技术已经存在多年，但新的需求仍需要我们重新审视当下的技术能力。价格低廉的传感器，物联网、机器学习及快速、无摩擦的云技术相结合，可以支持复杂的分析以及实时模拟。虽然制造业已经使用这一技术很多年了，而如今，企业也在不断探索如何将数字孪生技术用于运营、城市规划、智能基础设施等领域。此外，很多企业想要逐渐转向“即服务（As-a-service）”的商业模式，这对数字孪生的复杂程度又提出了新的要求。届时，企业就会面临一个很有挑战性的决策，是小规模投资此类试验，还是大规模投资以支持此类更广泛的创新呢？
财务：数字孪生有越来越大的潜力影响企业的底线，但是首席财务官们（CFOs）和他们的团队始终不能很好的理解这个技术。对许多财务部门的人来说，制造流程以及仓储物流的传统数字孪生仿真是制造部门的黑匣子。然而，高质量仿真、机器学习、嵌入式传感器的日益普及，正在改变这种现状。一些从产品销售转向产品加服务或即服务（As-a-service）模式的企业，正在使用强大的数字孪生技术。他们通过嵌入式传感器跟踪使用情况，创造使用推荐，主动维护或者利润优化这些新服务。同时，与IT部门合作理解数字孪生的现状及未来潜力越来越重要，特别是对于需要开发新产品、新服务等的企业而言。
风险：随着数字孪生技术与物联网和人工智能（AI）的结合，其颠覆性的力量正在增长。在目前的商业环境下，任何潜在的技术驱动带来的中端都可能给整个企业带来巨大的风险。但数字孪生可能不会显著增加风险，至少一开始不会。但是，随着对数字孪生的依赖性不断增强，企业会积累大量来自传感器或其它来源的数据，这可能会增加隐私或网络风险。如果数字双系统能够实现一个新的业务模型，该模型具有多个“即服务（As-a-service）”产品，那么企业要了解这些新的收入可能会对财务、技术和现有业务模型产生哪些实质性的影响。如果潜在风险很大，那么在IT和业务部门利用数字孪生技术之前，企业需要对这些风险进行评估和管理。
总结
未来，任何事物，包括人类、服务、全球企业甚至各个城市等，都会有相应的数字孪生体。这种规模可能不会在后续的18个月到24个月内出现，但数字孪生趋势在未来的数年里将不断发展壮大。试点项目和测试原型可以帮助企业判断哪些潜在领域能够借助数字孪生技术获益，现在，是时候迎接将至的颠覆性变革了。
