数字孪生技术的演进和采用受到什么阻碍？

数字孪生技术具有巨大的潜力，能够创建物理对象、过程和环境的数字复制品，其应用领域跨越各个行业，从复制危险环境到为远程培训目的展示航天器。最近的麦肯锡分析表明，人们对此的兴趣非常浓厚，预计全球数字孪生市场在未来五年内每年增长约60%，并将在2027年达到73.5亿美元。人们的兴趣显然存在，但采用率是否真正跟上？

答案很复杂。数字孪生技术及其用例已经发展了很多，但为了使数字孪生技术得到广泛采用，必须解决一些挑战。

数字孪生的演进

数字孪生技术的真正采用之所以进展缓慢，主要是因为直到最近，它缺乏超越简单代表资产的智能。更有价值的是能够准确模拟、预测和控制其行为。数字孪生也都是定制的，缺乏从类似资产的行为中学习的能力。它们的见解是孤立的，并不总是适用于更广泛的组织需求，使得它们成为一项具有狭窄回报的巨大投资。

尽管如此，一些数字孪生的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AI驱动方法的出现，我们将看到从“数字孪生”到AI驱动的“模拟”和“代理”的快速转变，这将大大扩展用例并推动广泛的采用。让我们来看看这些用例类别：

• 表示 – 数字孪生的早期版本只是资产的简单数字表示，对于改进某些任务的设计和执行来说，并不特别有用。从本质上讲，这是数字孪生技术的“复制”状态。
• 模拟 – 今天，数字孪生从表示演变到模拟，这将使更广泛的用例受益。模拟意味着数字孪生不仅仅是镜像资产或环境，还能够准确模拟未来场景。在这个阶段，它们能够从其他类似过程的数据中学习，以获得有意义的见解。模拟孪生使用AI算法模拟生产结果，推荐最佳机器设置，并指导生产团队朝着改进业务目标的方向努力，在制造业环境中。
• 代理 – 模拟后的下一个演进阶段将是代理，这将使资产、过程和整个生产部分能够自主规划和行动。在这个阶段，它们还将做出复杂的决定，并与人类合作以推动更可持续的生产。这是数字孪生代理阶段。

在这些阶段之间移动需要不同的技术水平，并且组织必须拥有合适的技术堆栈，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

在转移到模拟和最终代理之前，必须具备正确的基础技术。

以制造业为例，想要创建特定过程或工厂环境的数字模拟的组织必须具备可靠的在线感知能力。这些传感器从旅程的各个关键阶段提供输入和输出的数据，以提供强大的见解来告知模拟。大量的数据是可以获得的，我们已经看到具有质量在线测量的过程制造商（即纸张），但通常在输入测量（即纸浆生产中使用的木纤维）方面存在缺口。

为了绕过这一点，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，以及每个阶段的不同参数。这可能需要跨多个功能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强大以支持模拟。

连接和比较

完全孤立的数字孪生缺乏来自其他模型的学习。为数字孪生做出贡献的模型本身需要从其他类似模型和数字孪生中获取数据，以展示什么是“伟大”或最优的全球标准，而不仅仅是在被检查的本地过程中。

因此，数字孪生需要一个大型云组件，否则组织将会错过这项技术所提供的全部承诺。

另一方面，数字孪生不能仅仅依赖云技术，因为云的延迟会为实时数据和实时指令等因素创造障碍。考虑一下，模拟的目的是为了防止机器故障，但模拟在机器停止正常运行并完全停机后才检测到断裂的皮带，这是多么无意义。

为了克服这些挑战，可能需要添加一个边缘AI启用的组件，以确保数据可以尽可能接近被模拟的过程。

可能的部署和管理痛点

除了拥有正确的技术堆栈和基础设施来捕获AI驱动的模拟孪生所需的数据外，信任仍然是部署的一个重大障碍。伦敦的出租车司机可能知道城市地图和所有的捷径，但GPS通常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员需要体验准确和安全的模拟，以充分相信他们的能力。

获得信任需要时间，但与模型和为数字孪生提供数据的透明度可以加快这个过程。组织应该战略性地思考为了让团队相信这项强大技术的见解而必要的思维转变——否则将会错过投资回报率。

通往代理的道路

尽管数字孪生具有巨大的潜力，但其采用速度相对较慢——直到最近。AI驱动模型的引入可以将数字孪生从表示转变为模拟，通过连接其他模型的见解来建立独特的学习。

随着投资和信任的增加，数字孪生最终将达到代理状态，并能够自主做出复杂的决定。真正的价值尚未被解锁，但数字孪生有潜力从制造业到医疗保健再到零售等行业进行转变。