数字孪生背后的原因如何使用它们为企业提供价值

工业 4.0 被炒作已久，以至于人们很容易忘记它是游戏规则的改变者。不是因为工业物联网设备的激增预示着它的到来，而是因为企业实际上可以利用这些设备生成的数据来做什么。

简而言之，今天的 IIoT 设备收集了足够的数据来驱动被称为“数字双胞胎”的虚拟制造设备，企业可以使用这些设备自动规划或测试新战略。借助数字双胞胎，工程和设计团队可以创建能够分析物理制造设备当前性能的自主系统，将其与过去的数据进行比较，并相应地调整其设置。

在下面与 Embedded Computing Design 的 Rich Nass 的问答中，MathWorks 行业经理 Philipp Wallner 解释了数字孪生背后的原因以及它们可以为采用——更重要的是，知道如何使用它们的企业提供的价值。

什么是数字孪生？

Philipp Wallner （PW）：数字孪生是现实世界物理资产的数字表示，它基于相关且易于访问的历史数据反映资产的当前状况。公司正在使用数字双胞胎来分析组件、机械和整个运营中的生产（或制造）工厂等资产的性能，并将其与过去的数据进行比较。他们还可以使用它们来优化公司的运营、预测未来的行为或确保给定的资产处于最佳状态。例如，通过泵、发动机、发电厂、生产线或车队的预测性维护。

数字孪生如何适应工业 4.0 的更大背景？

PW：拥抱工业 4.0 的制造商的主要目标应该是转移遵循特定重复模式（人工智能算法可以学习）的部分决策过程，同时在未来从人类决策者那里获得新的见解和想法。通过这样做，工程师有更多的带宽将人类洞察力（应用他们的领域专业知识）整合到他们公司的流程中。为这些平台提供动力的模型既使用历史数据，也使用资产传感器生成的大量新信息，无论情况如何，都能做出适当的反应。数字双胞胎为这个过程增加了另一层，让工程师有机会在不使用物理世界中的资产的情况下评估模型的决策、调整变量和测试新场景。

数字孪生如何工作？

PW：这取决于公司。例如，假设您从事石油和天然气行业，并且您的公司在三个不同的地点拥有油井，每个油井都有多个泵。您可以将数字双胞胎用于预测性维护，让您的工程师为每个泵构建数字双胞胎，并使用传感器生成的数据不断更新数字双胞胎，以评估每个泵的当前运行状况。

为什么公司应该使用数字孪生？

PW：任何一家公司的工程师都可以通过多种方式使用数字孪生模型，以确保他们的设备始终在峰值状态下运行：

减少设备停机时间：他们可以使用数字孪生通过预测设备故障并提前预防来提高密封件、阀门和柱塞等组件的性能。

库存管理：工程师可以通过使用数字双胞胎识别哪些零件可能需要维修或更换来改进公司的库存管理。

车队管理、假设interwetten与威廉的赔率体系 和运营规划：回顾我之前提到的石油和天然气用例是描述这一用例的最简单方法。因此，每个井的泵可能具有相似的功能；但是，每个位置都具有影响其运行方式的独特环境因素，例如温度。幸运的是，该公司可以使用数字双胞胎来监控整个油井（或其他被监控的基础设施部分），确定提高效率的方法并模拟未来的场景来测试它们，优化未来的运营。

您能否扩展数字双胞胎捕捉实物资产状况的能力？

PW：数字双胞胎经常更新以匹配实物资产的当前状态，这可能使它们能够随着时间的推移测量其状况。分类信息会根据数字双胞胎的使用方式和捕获的内容而变化。例如，预测性维护用例中的数字双胞胎可用于故障分类，从泵的健康和故障状态中捕获运行数据，工程师可以将这些数据与其他泵的数字双胞胎历史记录进行比较，以了解类似情况如何影响泵的行为以及车队的整体效率。需要更多的数字双胞胎来捕捉资产的整体状态。

这些监控功能也可以用来检测异常吗？

PW：数字孪生与物理资产并行运行，并标记包括异常在内的操作行为。当检测到异常时，数字孪生可以评估是否将其标记为潜在的设备损坏。

它们可以用于预测性维护吗？

PW：由于数字孪生可以监控整个车队，因此非常适合运营规划和资产维护。例如，运行工业自动化和机械应用的公司可以使用数字孪生来确定其设备的剩余寿命以及维修或更换设备的最佳时间。

值得注意的是，由于预测性维护通常需要做出实时或对时间敏感的决策，因此进行预测性维护的数字孪生应该直接集成在资产本身或边缘的工业控制器上，而不是集成在 IT/OT 上层，如下所示。

（图 1：典型的智能连接系统拓扑以及应部署数字孪生的位置。）

人工智能的支持者喜欢关注的一个好处是它能够帮助公司制定新战略——你认为数字双胞胎会给制造商带来这种好处吗？

普瓦：当然。数字孪生可用于模拟多种场景，以检查车队规模、天气或运营条件等因素如何影响公司的业绩。在工程师的帮助下，企业主可以使用这些信息就资产管理、维护计划、优化运营做出明智的决策。

使数字孪生有效检测异常的因素能否用于优化运营？

普瓦：当然。如前所述，公司可以更改车队规模、天气、性能或能源成本等变量，并将其应用于数百或数千个场景，以衡量他们的准备情况或确定哪些调整最有可能产生最佳结果。这种方法使公司能够降低风险、降低成本或最大限度地提高系统效率——有时三者兼而有之。

例如，我们在食品和饮料行业的一位机器制造商客户创建了一个数字双胞胎，不仅优化了公司机器人处理设备的设计，还优化了其故障测试和预测性维护能力。您可以在此处了解有关该示例的更多信息。

读者如何构建数字孪生？

PW：鉴于我迄今为止概述的许多好处，工程师将越来越多地被要求为他们的公司开发数字双胞胎。设计团队在准备、构建和应用数字孪生模型时应牢记三种主要模型：数据驱动、基于物理的模型以及将两者结合的模型。

你能带我们穿过它们吗？

PW：很高兴。试图通过估计资产的剩余使用寿命 （RUL） 来优化维护计划的公司应该使用数据驱动模型。如果公司可以访问相似资产的完整历史，公司也可以使用相似模型，但如果公司只能访问故障数据，则可以使用生存模型。如果公司无法访问故障数据但知道资产的安全阈值，则可以使用退化模型来估计 RUL，并通过传感器测量泵的流量、压力和振动等因素来评估资产的状况。

如果一家公司想要试验潜在的未来场景并模拟车队在多种条件下的行为，它应该使用基于物理的模型，通过连接液压和机械部件创建。基于物理的模型被输入资产的数据，之后工程师被邀请调整或添加多个变量或环境条件，然后查看模拟结果。

工程师可以使用的另一个数字双胞胎选项是卡尔曼滤波器，它通过对资产的退化进行建模来结合物理和数据，然后定期更新数字资产的状态以表示物理资产的现状。

读者如何将数字双胞胎融入设计过程？

PW：在设计资产时，工程团队应该为每个组件创建一个数字双胞胎。他们拥有的与其资产组件相对应的数字双胞胎越多，数字双胞胎的测量结果就越准确，资产工程师就越有能力虚拟测试他们的资产。某些应用程序可能需要比其他应用程序更少的唯一双胞胎总数——例如，对多个系统的系统进行建模的团队可能不需要为每个系统创建一个双胞胎，因为对精度的期望可能较低。但是，如果设计团队打算运行，例如，故障预测和故障分类，他们需要为每个目的创建不同的模型，并且这些模型可用的数字双胞胎越多越好。

这是有道理的——数据工程团队拥有的越多，他们可以为雇主提供的价值就越大？

普瓦：没错。数字双胞胎的灵活性和优势应使其成为向工业 4.0 过渡的企业的重中之重。通过提供运营中资产的最新表示，公司为其工程和设计团队提供了无限的机会来优化、自动化或提高其资产的效率并评估未来的绩效——所有这些活动都会导致成本节约、加速开发和最终，行业领先。

审核编辑：郭婷