來源：機器之心

若以數字孿生比作人類大腦，就像我們在現實世界中憑直覺用大腦的能力去記憶、記錄、分析、處理和預測一樣，數字孿生也可以通過分析收集到的數據在數字世界中做同樣的事情。

數字孿生技術在虛擬世界模擬制造流程，并幫助企業在數字孿生模型中靈活配置資源，并優化工作流程，快速響應不斷變化的產品需求和訂單渠道。

本文介紹了數字孿生所需要的幾大方面條件：用于收集數據的智能設備、強大的網絡連接設備支持以及實時互聯的軟硬件生態，并展望了制造業對這項技術的期待。

「數字孿生」是物理世界的數字化表達，它可以幫助我們數字世界中模擬真實世界，并預測可能會發生的各種情況，從而基于模擬結果做出判斷，選取最優方案，反饋到物理世界。在構建一個「數字孿生」模型的過程中，需要打通數據的雙向溝通渠道，使物理世界的狀態和參數可以通過與智能系統向數字模型反饋，從而真正實現數字孿生，并以此對物理世界進行動態、實時地評估和優化。

早上世紀70年代，「數字孿生」的概念就已經初具雛形。在NASA的阿波羅13號事故中，NASA曾嘗試利用「數字孿生」技術模擬航天器在太空中的各種場景，并以此幫助宇航員解決在太空著遇到的突發情況。在幾十年后的今天，「數字孿生」正在成為覆蓋全球的智能化基礎設施，被廣泛應用在城市規劃、醫療保健和汽車設計等各種領域，而其在工業、制造業的應用潛力尤為巨大，「數字孿生」技術正在加速全球數字經濟的發展進程。

在實際應用中，「數字孿生」概念不斷擴展，早已不是單純的仿真模擬，隨著云技術、邊緣計算、增強UI、3D建模等一系列相關技術的融入，「數字孿生」正在成為一個創新技術集的統稱。

數字主線：貫穿制造流程的每個場景

在設計與生產過程中，通過數字化檢測、測量以及傳感器等設備收集數據，再通過數字化系統反映到產品定義的三維模型，即可構建物理產品的數字孿生模型，進而對物理世界進行分析。而將分析模型的數據傳遞到產品三維模型進行優化，再傳遞到數字化生產線加工成真實的物理產品，則是數字世界對物理世界的反作用。

在「數字孿生」優化的企業中，有無數這樣的收集、分析和反饋流程，這些流程匯聚成了覆蓋產品全生命周期與價值鏈的「數字主線」。從最初的概念設計、產品設計，到仿真、材料、工藝、制造，乃至銷售和運維等每個環節都貫穿在「數字主線」上，由此驅動以統一數字化模型為核心的產品數據流。

打個更生動的比方，在制造業場景中，如果將數字孿生的核心部件與人類特征相聯系：操作設備就好比肌肉，數字孿生平臺是大腦，數字主線就是負責鏈接的神經系統。

而且，就像我們在現實世界中憑直覺用大腦的能力去記憶、記錄、分析、處理和預測一樣，數字孿生也可以通過分析收集到的數據在數字世界中做同樣的事情。在制造業，數據輸入有助于數字線程和數字孿生優化操作功能，這有助于增加吞吐量和提高效率。

傳感器：工業的末梢神經

數字孿生的應用基礎是數據，而數據的關鍵在于采集、治理，以及如何將數據有效應用于分析流程中。如果說「數字主線」是工業的中樞神經，那么分散在應用場景的每臺終端設備上的傳感器，就是這條神經系統上的一個個神經末梢。

設備是工業場景的基礎設施，針對設備的嵌入式智能升級是數字孿生的首要條件。隨著IIoT應用的快速增長，大量制造業終端設備制造商都以開放的態度，積極地融入物聯網，設備供應商開始越來越多地在設計階段將智能傳感器嵌入到生產設備中。

智能傳感器可以將從設備中搜集到的信息，按一定規律變換為電信號或其他形式的信息輸出，從而滿足信息的傳輸、處理、存儲、顯示、記錄和控制等要求。其主要特點包括：微型化、數字化、智能化、多功能化、系統化和網絡化。

隨著傳感器的增多，終端接口以及數據流通等工業現場的數據問題逐漸浮上水面。不同設備之間打通數據鏈接，需要覆蓋全面網絡、設備協議的平臺基礎，以及穩定、高效的網絡中繼。在工業場景下智能設備的網絡連接強度往往超過Wi-Fi的性能。因此，越來越多的制造商轉向使用4G/LTE和5G專用無線網絡，獲得可靠、安全的高帶寬，滿足運營技術的需要。

實時互聯：打通數據的脈絡

隨著數字孿生和IoT的深入發展，越來越多的制造商開始關注人工智能、機器學習、自動化和增強智能。然而，所有這些引人注目的功能都需要一個突出的連接基本條件：低延遲。

4G/LTE是提供低延遲和快速響應時間所需的最低無線連接標準，這使得數字孿生能夠在有效且及時提供數據，并快速響應運營商的需求。隨著標準的演變和支持生態系統的發展，5G為制造業帶來了更大的前景。隨著5G標準的不斷發展，后續的版本將具備新的功能，如時效性通信。這將為設備之間的通信和控制提供更緊密的同步，并改善定位和本地化。

在滿足這些條件的同時，還必須要考慮系統互連，這強調了在生產設施中使用的各種標準和協議之間進行通信和集成的必要性。在這里，網絡連接需要提供一種簡單的、流線型的「數據交換」，而工業連接器則是系統之間有效通信的重要組成部分。

邊緣云：高效利用實時數據

數據的采集和傳遞是實現「數字孿生」的第一步，這一步對于大部分制造企業來說并不困難，「數字孿生」體系建設的真正難點在于數據治理和利用。

工業場景中的數據大多保質期不長，很多數據需要實時處理，但隨著終端設備上傳感器數量的爆炸式增長，采集到的數據量也日趨龐大?；谠贫说拇髷祿幚硎軒捄晚憫实闹萍s很難把數據處理能力下放到每個應用場景中，這就導致了很多實時數據在實時采集后沒有「實時」利用，造成了大量的資源浪費和價值流失。

由此，工業場景就需要邊緣云技術的支持。通過在工業現場建設邊緣云，由邊緣側采集、處理數據，解決傳輸和響應速度問題，緩解云端算力的壓力，并在云與終端設備間起到承上啟下的作用。

諾基亞在芬蘭奧盧的燈塔項目「意識工廠」案例中，工廠內的各種設備都嵌入了智能設備，利用專用（4.9G / LTE）無線網絡為工廠內外的所有資產建立安全可靠的連接，從而在邊緣云上建立基于數字孿生模型，并進行實時數據分析，以此優化產線。

例如，在監控生產環境中，通過利用各種數據源，觀察到濕度和溫度的偏差，設置觸發自動警報，能夠確保哪些地方可能需要調整或維護。

數字孿生還可以在連接的機器和數據源之間提供自動化的實時過程分析，從而加快錯誤檢測和糾正的速度。而且，還可以實時監控裝配過程，在中央用戶界面上隨時查看每個機器人單元的狀態和進度。

該工廠每天生產1,000個4G和5G基站，每年都對產線進行技術優化，持續提高生產力30％以上，產品交付市場時間節省50％，每年節省數百萬歐元。

以「數字孿生」持續優化制造流程

日前，第36屆美洲杯帆船賽（America 's Cup）在新西蘭的奧克蘭拉開帷幕，在本屆大賽中亮相的眾多高性能AC75超高速水翼極限帆船中，來自新西蘭酋長隊的展示讓人眼前一亮，在他們的AC75帆船研發過程中，與麥肯錫子公司Quantum Black合作打造了帆船的數字孿生模型，并利用AI對帆船及運動員在水上的表現進行迭代分析，快速提供最優的船體優化和航行測試方案，為船隊提供了十倍于以往的研發測試效率。

「數字孿生」概念在今天的制造業中日趨成熟壯大，無論是數字化供應商、設備制造商還是技術服務商，都在加緊打造更貼合「數字孿生」技術體系的產品和解決方案?！笖底謱\生」的技術集合也在不斷擴充，制造企業在數字化轉型升級的過程中，可以選擇各種數字手段，構建符合自身特點的「數字孿生」體系，使制造流程中產生的數據在物理世界和數字世界滾動起來，持續迭代，從而實現對企業業務流程的持續優化。改善產品研發流程，提高車間自動化水平，實現生產過程智能化，快速響應業務需求，降低生產維護成本，提高整個業務流程的效率，并最大限度地提升產品質量。