作者：德勤洞察
來源：《軟件與集成電路》2020年第5期
試想一下，你擁有一個現實世界的完美數字副本：數字孿生。它可以幫助你開展虛擬協作，快速獲取傳感器數據並模擬條件，清楚地瞭解假設情景，更能精準地預測結果，並輸出指令以操縱現實世界。
當下，企業正在以多種方式使用數字孿生技術。在汽車和飛機制造領域，數字孿生技術逐漸成爲優化整個製造價值鏈和創新產品的重要工具；在能源領域，油田服務運營商通過獲取和分析大量井內數據，建立數字模型，實時指導鑽井作業；在醫療保健領域，心血管研究人員正在爲臨牀診斷、教育、培訓等方面創造高仿真的人類心臟的數字孿生體；作爲智慧城市管理的典型案例，新加坡使用詳細的虛擬城市模型，用於城市規劃、維護和災害預警項目。
數字孿生可以模擬物理對象或流程的各個方面。它們可以展現新產品的工程圖和尺寸，也可以展現從設計到消費者整個供應鏈中所有子部件和相應環節—已建成“數字孿生”，也可採用“即維護”模式—生產車間設備的實物展現。仿真模型可以捕獲設備如何操作，工程師如何維護，甚至該設備生產的產品如何與客戶關聯。數字孿生可以有多種形式，但它們無一例外都在捕獲和利用現實世界的數據。
MarketsandMarkets的最新研究表明，數字孿生技術的探索已經展開：2019年數字孿生市場的價值爲38億美元，預計2025年將增至358億美元。
是什麼導致了這種猛增？數字孿生並非新事物，爲何現在開始增長？自21世紀初以來，先鋒企業已經開始摸索如何藉助數字模型以改進產品和流程。儘管在當時數字孿生的潛力就已經顯現，但很多企業發現，開發數字孿生涉及大量數據，而處理這些數據所需的連通性、計算能力、數據存儲以及帶寬成本高昂，令人望而卻步。
數字孿生髮展勢頭迅猛，得益於快速發展的仿真和建模能力、更好的互操作性和物聯網傳感器，以及更多可用的工具和計算的基礎架構等。因此，各領域內的大小型企業都可以更多地接觸到數字孿生技術。IDC預測，到2022年，40%的物聯網平臺供應商將集成仿真平臺、系統和功能來創建數字孿生，70%的製造商將使用該技術進行流程仿真和場景評估。
與此同時，通過訪問大量數據，使得創建比以往更爲詳細、更爲動態化的仿真成爲可能。對於數字孿生的長期用戶而言，這就好比從模糊的黑白快照過渡到彩色高清數碼照片一樣，從數字源中獲取的信息越多，最後呈現的照片就越生動逼真。
圖 數字孿生技術助力企業設計、優化和轉型
模型+數據=洞察力和實際價值
數字孿生功能最初是工程師工具箱裏的一種選擇工具，它可以簡化設計流程，削除原型測試中的許多方面。通過使用3D仿真和人機界面，如增強現實和虛擬現實，工程師可以確定產品的規格、製造方式和使用材料，以及如何根據相關政策、標準和法規進行設計評估。數字孿生可以幫助工程師在確定設計終稿之前，識別潛在的可製造性、質量和耐用性等問題。因此，傳統的原型設計速度得以提升，產品以更低的成本，更有效地投入生產。
除設計之外，數字孿生還有望改變企業對產品和機器進行預測性維護的方式。機器內嵌入的傳感器將性能數據實時傳輸到數字孿生體，這不僅可以預先識別和解決故障，還可以定製服務和維護計劃，更好地滿足客戶的個性化需求。
近期，荷蘭皇家殼牌公司（Royal Dutch Shell）啓動了一項爲期兩年的數字孿生計劃，以幫助石油及天然氣運營商更加高效地管理海上資產，加強工人安全保障，並探索可預見的維護時機。
數字孿生有助於優化供應鏈、分銷和運營，甚至還可以優化上述業務相關的每個員工的個人表現。舉例來說，全球快消產品製造商聯合利華（Unilever）啓動了一個數字孿生項目，旨在爲旗下數十家工廠創建虛擬模型。在這些工廠內，物聯網傳感器被嵌入到機器內部，向AI和機器學習應用程序反饋機器性能數據，並進行分析。分析後的操作信息再輸入到數字孿生體中，從而幫助工人預測機器維護的時機、優化產出並提高產品合格率。
再比如，智慧城市計劃正使用數字孿生技術來緩解交通擁堵、進行城市規劃等。新加坡雄心勃勃的“虛擬新加坡計劃”（Virtual Singapore initiative）讓一切成爲可能，從規劃基站和太陽能電池，到模擬交通方式和人流量。另一個潛在用途，可能是在新加坡年度F1賽車的封路期間，用於緊急疏散計劃和路線安排。
新事物
過去十年來，由於以下幾個因素，數字孿生技術的部署一直在加速。
仿真。構建數字孿生技術所需工具的能力和成熟度都在不斷提高。現在，人們可以設計複雜的假設仿真情景，從探測到的真實情況回溯，執行數百萬次的仿真流程也不會使系統過載。而且，隨着供應商數量的增加，選擇範圍也在持續擴大。同時，機器學習功能正在增強洞察的深度和使用性。
新的數據源。實時資產監控技術如LIDAR（激光雷達）與FLIR（前視紅外）產生的數據，現在已經可以整合到數字孿生體內。同樣地，嵌入機器內部的或部署在整個供應鏈的物聯網傳感器，可以將運營數據直接輸入到仿真系統中，實現不間斷的實時監控。
互操作性。過去十年裏，將數字技術與現實世界相結合的能力已經得到顯著提高。這一改善主要得益於物聯網傳感器、操作技術之間工業通信標準的加強，以及供應商爲集成多種平臺集成做的努力。
可視化。創建數字孿生體所需的龐大數據量可能會使分析變得複雜，如何獲得有意義的洞察就變得更具挑戰性。先進的數據可視化可以通過實時過濾和提取信息來應對該挑戰。最新的數據可視化工具除了擁有基礎看板和標準可視化功能之外，還包括交互式3D、基於VR和AR的可視化、支持AI的可視化以及實時媒體流。
儀器。無論是嵌入式的還是外置的物聯網傳感器都變得越來越小，並且精確度更高、成本更低、性能更強大。隨着網絡技術和網絡安全的提高，可以利用傳統控制系統獲得關於真實世界更細粒度、更及時、更準確的信息，以便與虛擬模型集成。
平臺。增加功能強大且價格低廉的計算能力、網絡和存儲的可用性和訪問是數字孿生技術的關鍵促成要素。一些軟件公司在基於雲平臺、物聯網和分析技術領域進行了大量投資，緊跟數字孿生潮流。其中部分投資正在用於簡化行業特定數字孿生應用的開發工作。
成本與收益
爲數字孿生提供動力的AI和機器學習算法需要大量數據，但多數情況下，生產車間的傳感器所輸入的數據可能已經損壞、丟失，或不完整。因此，團隊應該立即開始收集數據，尤其是在問題數量最多、停機成本最高的地區。從現在開始逐步開發必要的基礎設施和數據管理方法，可以幫助企業縮短獲益時間。
即使是針對新流程、系統和設備而創建數字孿生體，也不是都能完美地測試整個流程。對於化學和生物反應，在極端情況下可能無法直接測量過程本身；而在某些情況下，測量一個物理對象可能成本過高或不太實用。因此，企業需要尋找一些代替物（比如利用車輛上的設備和傳感器，而不是直接將傳感器放入輪胎裏），或者利用可以檢測的元素（比如化學或生物反應所產生的光線或熱量）。
另外，隨着傳感器成本的下降，平衡成本、收益分析對確定使用傳感器數量至關重要。現代飛機引擎上可以有成千上萬個傳感器，每秒可生成數萬億字節的數據。
結合數據孿生、機器學習和預測模型，製造商可以提供各類建議，幫助飛行員優化燃油消耗、進行預測性維護、幫助機隊管理成本等。然而，大多數應用只需在重要位置部署少量的傳感器，即可檢測流程內的關鍵輸入輸出數據，以及關鍵階段。
模型之外
未來幾年裏，我們將看到數字孿生技術在各行業中的廣泛部署。在物流、製造和供應鏈領域，運用機器學習和先進網絡連接（比如5G）的數字孿生技術，將更多地跟蹤、監測、規劃路線和優化整個工廠和世界各地的貨物流，使得貨物位置和所處環境（溫度、溼度等）變得實時可見。在無需人爲干預的情況下，“控制塔”可以指揮庫存轉移、調整裝配線工藝步驟或重新規劃集裝箱路線等糾正措施。
一些從產品銷售向產品+服務模式或銷售即服務（As-a-service）轉型的企業，正在開拓新的數字孿生技術應用。把數字孿生體與嵌入式傳感器相連接，將其用於財務分析和預測，可以改善和優化預測、定價和增銷機會。例如，企業可以監測產品磨損程度更高的使用情況，爲其提供額外的保修或維護選項。企業可以在農業、交通和智能樓宇等多種行業以服務的形式銷售產出或吞吐量。隨着能力和成熟度的增加，預計未來會有更多企業以數字孿生爲模型，爲產品和服務尋求新的貨幣化戰略。
圖 數字孿生趨勢細分
數字未來建模
隨着數字孿生技術趨勢在未來幾年的加速，可能會有更多企業開始探索使用數字孿生技術來優化流程、實時制定以數據爲驅動的決策，以及設計新的產品、服務和商業模式的機會。
在資本密集型產業，比如製造業、公用事業和能源，已是數字孿生技術應用的先驅。當早期實踐者在各自行業領域內展現出先發優勢時，其他企業也將緊隨其後。
長期來看，若想要實現數字孿生技術的全部潛力，可能需要集成整個生態圈內的系統和數據。創建一個完整的客戶生命週期或供應鏈（囊括了一線供應商和其自身的供應商）的數字化仿真，可以提供富有洞察力的宏觀運營觀點，但仍然需要將外部實體整合到內部數字化生態系統內。
直至今日，大多數企業仍對點對點連接之外的外部集成感到不滿意。克服這種猶豫可能是一個長期挑戰，但最終，所有的付出都將是值得的。未來，期望企業會利用區塊鏈打破信息孤島，繼而驗證信息並將其輸入數字孿生體中。這可以釋放先前無法訪問的大量數據，從而使仿真更加細節化、動態化，更具潛在價值。現在，是時候將你的數字企業從黑白時代轉換到彩色時代了。你準備好了嗎？
一線經驗分享
準備起飛：澳大利亞航空管理局走向未來航空
澳大利亞航空管理局（Airservices Australia）正在爲航空業的下一輪發展做準備。作爲澳洲的空中導航服務供應商，公司預計其空域內的常規航班數量將在未來20年內翻一番。與此同時，無人機在低空空域的興起—從空中的士到送貨無人機，對新智能系統提出更緊迫的需求，使得本就困難的工作雪上加霜。
澳大利亞航空管理局正通過推出一系列舉措來着手應對上述挑戰，這些舉措將幫助公司利用數據的價值並提供未來信息管理服務。其中的一項舉措是，探索一個結合物聯網和機器學習能力的數字孿生體以增強空管局現在和未來管理空中交通的能力。
Mick Snell領導的服務戰略團隊在2019年初啓動了數字孿生技術開發項目，其實際目標是：確定數字孿生是否可以使公司提高當前空中交通網絡的管理能力。比如，數字孿生是否可用於改善航線，優化起飛時間以及減少航班延誤？
該團隊首先使用空中交通曆史數據來開發公司的空中交通網絡數字孿生體。團隊已經完成四項概念驗證，證實了最初的目標。現在，團隊期望在現有的空中交通管制系統中進行並行測試。概念驗證可以基於實時情況優化航線，從而提供更高效的空中交通流量管理。
儘管仍在開發中，數字孿生項目也能作爲改善公司傳統工作方式的試驗田。該公司傳統的工作方式爲一年365天、一天24小時地提供安全的導航服務，隨着空域情況日益複雜，出於對安全、效率和可靠服務的不懈關注，公司正在積極探索新的解決方案。
數字孿生項目正在改變澳大利亞航空管理局對可能發生事情的看法。團隊嘗試採用敏捷開發方法來縮短產品上市時間，同時保持對安全性的關注。團隊正以更快的速度交付工作軟件—短時間內迭代、測試和學習—並持續提供安全、精確的預測。雖然澳大利亞航空管理局的工作人員具有深厚的航空專業知識，但公司仍需專業的技術知識來開發實施高級分析功能。通過和具有相關資深經驗和現成技術的供應商、諮詢顧問的合作，團隊填補了這一空缺。
與此同時，該團隊一直持續探索數字孿生的相關應用。比如，當前的空中交通管制員僅負責指派的空域，不考慮交通量。爲優化管制員的工作量，該團隊計劃使用數字孿生技術，基於所預測的客戶需求（而非固定的地理位置）爲管制員分配空域。
優化是一個非常複雜的問題，需要大量的實時數據來支撐假設場景，從而幫助空中交通管制員做出更快更明智的決策。數字孿生還可幫助飛行員基於當前最重要的信息，來優化航班。例如，優化空域和航線有助於提高準點到達率並節省燃油，但飛行員可能會爲了避免耽誤乘客轉機，而選擇消耗更多燃油，加快飛行速度。
最終，澳大利亞航空管理局計劃使用數字孿生技術來開發和測試戰略結果，以應對可能影響公司空域的顛覆性創新。新的策略可以快速測試各種場景，以便管理未來的多維度空域。
在概念驗證階段完成後，團隊將進入試生產階段。團隊成員將使用當前數據進行數月的測試，並計劃於2020年投入全面生產。Snell說：“我們已經能夠更快地獲得成果—過去八個月內我們所取得的進步，甚至超過了過去八年的進展。”
獲得牽引力：普利司通的數字孿生體驅動創新業務模式
作爲全球最大的輪胎和橡膠製造商，普利司通（Bridgestone）正在轉型成爲移動解決方案的領軍者。該企業正通過開發數字能力重構其核心業務，這一舉措將使其能夠在面向汽車製造商、車隊運營商和個人駕駛員的產品組合中徹底革新輪胎管理服務。
數字孿生技術是普利司通轉型之旅的核心。數年來，企業一直使用由傳感器數據增強的數字孿生仿真模擬作爲研發工具，以提升輪胎壽命和性能，但這僅僅是個開始。數字戰略總監Jerome Boulet和數字工程總監Hans Dorfi正帶領他們的團隊開發複雜的數字孿生，以期最終在普利司通的整個價值鏈上提供洞察，其目標是提升利潤率、維持競爭優勢、減少上市時間，並提供尖端的輪胎即服務（As-a-service）產品。
歐洲車隊正逐漸轉向一種按公里數計費的（PPK）訂購模式，以幫助車隊運營商優化現金流，減少整體成本。儘管商業模式很簡單，但爲每公里設定合適的價格卻絕非易事。輪胎的生命週期受各種因素的影響，包括負重、速度、路面情況以及駕駛行爲。
數字孿生可以通過模擬不同的駕駛條件，洞悉這些相互關聯的條件是如何影響輪胎性能的。但是，如果沒有數字孿生體的真實數據輸入，想要確定一個令人滿意且具有競爭力的PPK價格，並且期望這一價格能夠持續爲企業帶來利潤，即使有可能性存在，也將十分困難。普利司通進入PPK市場可謂是戰略飛躍，其產品的定價就是爲了贏得大多數車隊的業務。企業利用初始安裝基礎收集性能數據，再將這些數據用於高級分析算法中。
Dorfi說：“有些人會問，‘既然你們已經有大數據了，爲什麼還要數字孿生—爲什麼不直接進行分析呢？’我跟他們解釋，雖然分析很重要，但它只是增強數字孿生的能力。數字孿生能夠讓我們從多個維度看到輪胎性能，也可以在尚無可用數據的時候應用於產品的開發。”他認爲，數字孿生是普利司通數字基礎設施的關鍵組成部分。輸入的傳感數據被增強、淨化和處理，而後應用數字仿真和分析獲得洞察，從而爲維護、更新等其它因素的決策提供依據，這些依據可以爲普利司通及其客戶帶來更多價值。
普利司通持續發展數字孿生技術。普利司通2019年收購WebFleet Solutions，並開發了新一代的傳感器，以實時瞭解汽車和輪胎的使用情況，幫助車隊根據具體的駕駛條件選擇合適的輪胎，並就如何減少輪胎磨損及避免故障提供客製化見解。隨着數字模型越來越精確，普利司通將更多關注PPK商業模式的高級應用。
如今，普利司通正使用數字技術爲其車隊客戶帶來更多價值。隨着時間的推移，企業計劃擴大數字孿生技術的使用範圍，包括駕駛員、車隊經理、零售商、分銷商、製造商等。企業管理者表示，鑑於未來可能使用無人駕駛汽車，可能還會涉及安全協議。“我們確定已經抓住了引領走向未來的驅動因素。”Dorfi說，“這便是數字孿生技術的用武之地。”
武田製藥（Takeda）期望通過數字孿生實現端到端生產自動化
武田製藥（Takeda）一直在尋求技術上的突破，希望可以爲全球患者帶來變革性的治療方法。Christoph Pistek引領企業創新，將前沿研究思路轉化爲醫療產品，並且帶領團隊開發了一套指導製造商生產的流程。
醫藥行業的質量把控和監管十分嚴格，任何創新都必須在開發實驗室進行全面的合規性測試之後纔可投入正式生產，比如，一種新藥的問世可能需要長達15年的時間。因此，Pistek一直都在尋找能加速試驗進程和業務流程的方法。
即使在數字時代，醫藥製造流程仍包含人工操作。例如，生產生物製品、疫苗和其它從活體中提取的醫藥產品都涉及生化反應，這些反應多變且難以測量，因此，實現自動化無疑是一大挑戰。
迄今爲止，還沒有實現這些生產步驟的自動化。Pistek表示，真正的端到端的生產自動化就是這個行業的最高目標。
此時，數字孿生技術便彰顯了它的作用。它幫助團隊加速試驗進程，開發新的生產方法並生成數據，以便做出更明智的決策和預判，從而實現複雜化學和生化過程的自動化。
爲此，Pistek和他的開發團隊在實驗室中構建了製造過程的複雜虛擬展示。團隊爲每一步都建立了數字孿生體，通過整體數字孿生將所有部分連接起來，實現了各步驟之間流程的自動化控制，從而完成製造過程端到端模擬。化學過程的建模雖然複雜，但生化反應的建模比之更甚，且無規律可循。很多情況下，實時傳感器無法監測到期望的輸出，並且輸出結果的質量數小時甚至數天後仍然未知。因此，開發團隊使用軟測量或代理測量嘗試預測生化反應完成所需的時間，並將該時間反饋至一個集成了AI和機器學習的數字孿生體中。“有一點很重要，就是數字孿生的架構體系讓系統能夠自行發展，”Pistek說，“每次我們都要額外測試一遍，比較軟測量結果和從質量控制實驗室發回的實際測量的結果，這樣我們就能做出更加精準的預測。”
一些製藥公司認爲實現自動化的關鍵在於更好的設備、傳感器或技術。但Pistek卻不這麼認爲：“製藥行業真正的驅動因素是圍繞整個流程建立的控制架構，並且其基礎是在發展過程中逐漸成熟的複雜的數字孿生體。”製藥行業的最終目標是建立一個無需人工干預即可控制並引導自動化流程的數字孿生體。
在武田製藥的開發實驗室裏，這種生態系統已經建成並運用於生物製劑上，涉及該企業發展最快的類別以及最複雜的製造流程之一。數字孿生體開始運作，架構已搭建，方法已就位—基礎工作就完成了。現在，團隊正在優化流程，以使其更穩健。Pistek期望這一自動化方法明年可推廣至實驗室的所有模式，並且在兩到三年之後，可以在生產車間中實現複雜的自動化。
數字孿生中，對生物和化學反應的建模並不容易，並且難以複製。Pistek對其他正考慮構建數字孿生體企業的建議是：“不要等待，不要害怕，勇敢去嘗試。這是一個需要時間的學習過程。在武田製藥，我們致力於治療疾病，幫助患者—而數字孿生技術對於我們的工作是非常關鍵的一環。”
管理者視角
策略：雖然模擬現實世界的數字孿生技術已經存在多年，但新的需求仍需要我們重新審視當下的技術能力。價格低廉的傳感器，物聯網、機器學習及快速、無摩擦的雲技術相結合，可以支持複雜的分析以及實時模擬。雖然製造業已經使用這一技術很多年了，而如今，企業也在不斷探索如何將數字孿生技術用於運營、城市規劃、智能基礎設施等領域。此外，很多企業想要逐漸轉向“即服務（As-a-service）”的商業模式，這對數字孿生的複雜程度又提出了新的要求。屆時，企業就會面臨一個很有挑戰性的決策，是小規模投資此類試驗，還是大規模投資以支持此類更廣泛的創新呢？
財務：數字孿生有越來越大的潛力影響企業的底線，但是首席財務官們（CFOs）和他們的團隊始終不能很好的理解這個技術。對許多財務部門的人來說，製造流程以及倉儲物流的傳統數字孿生仿真是製造部門的黑匣子。然而，高質量仿真、機器學習、嵌入式傳感器的日益普及，正在改變這種現狀。一些從產品銷售轉向產品加服務或即服務（As-a-service）模式的企業，正在使用強大的數字孿生技術。他們通過嵌入式傳感器跟蹤使用情況，創造使用推薦，主動維護或者利潤優化這些新服務。同時，與IT部門合作理解數字孿生的現狀及未來潛力越來越重要，特別是對於需要開發新產品、新服務等的企業而言。
風險：隨着數字孿生技術與物聯網和人工智能（AI）的結合，其顛覆性的力量正在增長。在目前的商業環境下，任何潛在的技術驅動帶來的中端都可能給整個企業帶來巨大的風險。但數字孿生可能不會顯著增加風險，至少一開始不會。但是，隨着對數字孿生的依賴性不斷增強，企業會積累大量來自傳感器或其它來源的數據，這可能會增加隱私或網絡風險。如果數字雙系統能夠實現一個新的業務模型，該模型具有多個“即服務（As-a-service）”產品，那麼企業要了解這些新的收入可能會對財務、技術和現有業務模型產生哪些實質性的影響。如果潛在風險很大，那麼在IT和業務部門利用數字孿生技術之前，企業需要對這些風險進行評估和管理。
總結
未來，任何事物，包括人類、服務、全球企業甚至各個城市等，都會有相應的數字孿生體。這種規模可能不會在後續的18個月到24個月內出現，但數字孿生趨勢在未來的數年裏將不斷髮展壯大。試點項目和測試原型可以幫助企業判斷哪些潛在領域能夠藉助數字孿生技術獲益，現在，是時候迎接將至的顛覆性變革了。
未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）雲腦研究計劃，構建互聯網（城市）雲腦技術和企業圖譜，爲提升企業，行業與城市的智能水平服務。
如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”
