数字孪生必须在几秒钟内提供实时见解和变化。这意味着我们需要标准，而像微软这样的公司努力使手工构建办公室或商店的数字孪生变得容易，这似乎是错误的策略。
本质上，数字孪生使用来自传感器的持续数据，将物理对象及其数字表示连接起来。所有数据均来自连接在物理对象上的传感器，相关数据用于建立虚拟对象的表示。
数字孪生技术的核心，是CAE（这里的CAE泛指包含结构，流体电磁等各物理场和多物理场的数字仿真技术）和V&V技术。通过仿真建立物理实体的数字模型，通过V&V保证数字模型的精度，我们用仿真来做虚拟实验，而只有在精度可控的前提下，仿真才有其实际的物理意义。
数字孪生体可以作为虚拟传感器，也可以在数字孪生体中实现虚拟传感器。将来自实际设备和虚拟传感器的数据与机器学习例程相结合，将能够对电能系统的设备进行诊断和预测
本文由三位业界大咖围绕制造业的数字孪生之路展开探讨。数字孪生来到了一个新的时间节点，这是基于传感器、智能装备、工业软件、工业互联网、IoT、云计算和边缘计算的成熟和更广泛的商业实践积累。展望未来，数字孪生在未来5到10年将会持续加速和更广泛地普及。
本研究建立一个完整的测试台的数字孪生模型（DT）。DT和信号HiL之间的主要区别在于，后者通常是在安装实际硬件之前构建的，以便通过强大的仿真来测试一个概念，而DT是在实际测试台存在之后创建的，其数字副本可以独立于实际硬件设施使用。
