如果将数字孪生与人脑进行比较，就像我们在现实世界中用直觉记忆、记录、分析、处理和预测大脑的能力一样，数字孪生也可以通过分析收集到的数据在数字世界中做同样的事情。

数字双胞胎技术模拟虚拟世界的制造过程，帮助企业在数字双胞胎模型中灵活配置资源，优化工作流程，快速响应不断变化的产品需求和订单渠道。

本文介绍了数字双胞胎所需的几个主要条件：智能设备、强大的网络连接设备支持和实时软硬件生态，并展望了制造业对该技术的期望。

数字孪生它是物理世界的数字表达，可以帮助我们模拟数字世界中的真实世界，预测可能发生的各种情况，从而根据模拟结果做出判断，选择最佳方案，反馈给物理世界。在构建一个数字孪生在模型过程中，需要打开数据的双向通信渠道，使物理世界的状态和参数能够通过智能系统反馈给数字模型，真正实现数字双胞胎，动态、实时地评价和优化物理世界。

早上70年代，数字孪生概念已经初具雏形。在NASA在阿波罗13号事故中，NASA曾尝试利用数字孪生技术模拟太空中航天器的各种场景，帮助宇航员解决太空中遇到的突发事件。几十年后的今天，「数字孪生」它正成为覆盖全球的智能基础设施，广泛应用于城市规划、医疗保健和汽车设计等领域，其在工业和制造业中的应用潜力尤为巨大，数字孪生技术正在加速全球数字经济的发展。

在实际应用中，随着云技术、边缘计算和增强IU、3D等一系列相关技术的融入，数字孪生早已不是单纯的仿真模拟，它正成为创新技术集的总称。

1. 数字主线:贯穿制造过程的每一个场景

在设计和生产过程中，通过数字检测、测量、传感器等设备收集数据，然后通过数字系统反映产品定义的三维模型，可以构建物理产品的数字双模型，然后分析物理世界。数字世界对物理世界的反应是将分析模型的数据传输到产品的三维模型中进行优化，然后将数字生产线传输到真正的物理产品中。

在数字孪生优化的企业中，有无数这样的收集、分析和反馈过程，它们汇集成覆盖整个产品生命周期和价值链的过程「数字主线」。从最初的概念设计、产品设计，到模拟、材料、工艺、制造，甚至销售和运维「数字主线」以统一数字模型为核心的产品数据流由此驱动。

例如，在制造场景中，如果将数字双胞胎的核心部件与人类特征联系起来：操作设备就像肌肉，数字双胞胎平台是大脑，数字主线是负责链接的神经系统。

而且，就像我们在现实世界中凭直觉用大脑的能力去记忆、记录、分析、处理和预测一样，数字孪生也可以通过分析收集到的数据在数字世界中做同样的事情。在制造业，数据输入有助于数字线程和数字孪生优化操作功能，这有助于增加吞吐量和提高效率。

2. 传感器：工业末梢神经

数字双胞胎的应用基础是数据，数据的关键在于收集和处理，以及如何在分析过程中有效地应用数据。「数字主线」它是工业的中枢神经系统，所以分散在应用场景的每个终端设备上的传感器是神经系统上的神经末梢。

设备是工业场景的基础设施，嵌入式智能升级是数字双胞胎的首要条件。IIoT随着应用的快速增长，大量制造终端设备制造商以开放的态度积极融入物联网，设备供应商开始在设计阶段将智能传感器嵌入生产设备。

智能传感器可以将从设备中收集到的信息转换为电信号或其他形式的信息输出，以满足信息传输、处理、存储、显示、记录和控制的要求。其主要特点包括：微型、数字、智能、多功能、系统和网络。

随着传感器的增加，终端接口和数据流通等工业场所的数据问题逐渐浮出水面。通过不同设备之间的数据链接，需要覆盖全面的网络、设备协议和稳定高效的网络中继。在工业场景下，智能设备的网络连接强度往往超过Wi-Fi的性能。因此，越来越多的制造商转向使用4G/LTE和5G专用无线网络，获得可靠、安全的高带宽，满足操作技术的需要。

3. 实时互联：打开数据的脉络

随着数字孪生和IoT随着人工智能、机器学习、自动化和智能增强的深入发展，越来越多的制造商开始关注人工智能。然而，所有这些引人注目的功能都需要突出的连接基本条件：低延迟。

4G/LTE提供低延迟和快速响应时间所需的最低无线连接标准，使数字双胞胎能够有效、及时地提供数据，并快速响应运营商的需求。随着标准的发展和标准的发展，5G为制造业带来更大的前景。随着5G随着标准的不断发展，后续版本将具有及时通信等新功能。这将为设备之间的通信和控制提供更紧密的同步，并改进定位和本地化。

在满足这些条件的同时，还必须考虑系统连接，强调生产设施中使用的各种标准和协议之间通信和集成的必要性。在这里，网络连接需要提供一个简单的流线型「数据交换」，工业连接器是系统之间有效通信的重要组成部分。

4. 边缘云：实时数据的高效利用

实现数据的收集和传输数字孪生对大多数制造企业来说，第一步并不难，数字孪生系统建设的真正困难在于数据治理和利用。

工业场景中的大多数数据保质期不长，许多数据需要实时处理。然而，随着终端设备上传感器数量的爆炸式增长，收集到的数据数量也越来越大。由于带宽和响应效率的限制，基于云的大数据处理难以将数据处理能力降低到每个应用场景中，导致实时采集后大量实时数据不存在「实时」利用造成了大量的资源浪费和价值损失。

因此，工业场景需要边缘云技术的支持。通过在工业现场建设边缘云，边缘侧收集和处理数据，解决传输和响应速度问题，缓解云计算能力的压力，在云与终端设备之间发挥连接和启动的作用。

诺基亚在芬兰奥卢的灯塔项目「意识工厂」在这种情况下，智能设备嵌入在工厂的各种设备中，使用特殊设备(4.9G / LTE）无线网络为工厂内外所有资产建立安全可靠的连接，从而在边缘云上建立基于数字双胞胎模型的实时数据分析，优化生产线。

例如，在监控生产环境中，利用各种数据源观察湿度和温度偏差，设置触发自动报警，以确保需要调整或维护的地方。

数字双胞胎还可以在连接的机器和数据源之间提供自动实时过程分析，以加快错误检测和纠正的速度。此外，还可以实时监控组装过程，并在中央用户界面上随时检查每个机器人单元的状态和进度。

该工厂每天生产1,000个4G和5G基站每年对生产线进行技术优化，生产力不断提高30%以上，产品交付市场时间节省50%，每年节省数百万欧元。

5. 以「数字孪生」不断优化制造工艺

最近，第36届美洲杯帆船赛（America 's Cup）奥克兰在新西兰拉开帷幕，许多高性能的比赛在这场比赛中亮相AC在75超高速水翼极限帆船中，新西兰酋长队的展示让人眼前一亮。AC在75帆船研发过程中，与麦肯锡子公司合作Quantum Black合作构建了帆船数字孪生模型，并利用AI迭代分析帆船和运动员在水上的表现，快速提供最佳的船体优化和航行测试方案，为船队提供了十倍于以往的研发测试效率。

数字孪生在念在今天的制造业中日益成熟和成长。数字供应商、设备制造商和技术服务提供商都在加快建设数字孪生技术体系的产品和解决方案。数字孪生的技术集合在数字化转型升级的过程中，制造企业可以选择各种数字手段，构建符合自身特点的数字手段数字孪生，该系统使制造过程中产生的数据在物理世界和数字世界中滚动和迭代，从而实现企业业务流程的持续优化。完善产品研发流程，提高车间自动化水平，实现智能生产流程，快速响应业务需求，降低生产维护成本，提高整个业务流程效率，最大限度地提高产品质量。

机器之能面向正在进行数字化转型及智能化升级的各领域产业方，为他们提供高质量信息、研究洞见、数据库、技术供应商调研及对接等服务，帮助他们更好的理解并应用技术。

来源：撰文 | 齐健