准确性、复杂性、成本和技能可用性可能会使企业难以充分利用这些应用，甚至可能错误地呈现或错过系统或设施状态的实际变化。

图源：Jackyenjoyphotography/Getty Images

数字孪生具有巨大的潜力——能够以相对较低的软件成本模拟和改善系统、机器、设施甚至整个生态系统的性能。“在当今世界，似乎每天都有新的惊喜，拥有额外的洞察力来模仿你的现实世界，并根据收集到的信息和数据做出决策，这是非常有价值和重要的。”Rockwell Automation（罗克韦尔自动化公司，是全球最大的致力于工业自动化与信息的公司，致力于帮助客户提高生产力，以及世界可持续发展。）旗下Plex（是一款创新的统一解决方案，旨在超越传统制造系统，全面集成生产全程，连接管理与车间，实现自动化与质量控制，降低风险、提高质量、增强满意度和收益。Plex通过提供实时的数据分析和管理功能，帮助企业掌控生产流程，优化资源配置，提升整体业务效率‌。Plex智能制造平台的核心功能包括企业资源规划/ERP、制造执行系统/MES、供应链规划、质量管理系统/QMS和工业物联网/IIoT。）的产品管理副总裁Ara Surenian（阿拉·苏雷尼安）告诉笔者。

然而，数字孪生的部署和管理可能存在潜在的障碍。准确性、复杂性、成本和技能可用性可能会使企业难以充分利用这些应用，甚至可能错误地呈现或错过系统或设施状态的实际变化。

数字孪生可能遇到的问题以及行业领导者建议的解决措施包括以下几点：

一、复杂性

构建和维护数字孪生可能是一个复杂的过程。“公司犯的一个大错误是让对完美的追求阻碍了适宜的实现，”Schneider Electric（施耐德电气，‌是一家总部位于法国的全球化电气企业，全球能效管理和自动化领域的专家。公司由施耐德兄弟于1836年创立，至今已有近两个世纪的历史。施耐德电气致力于赋能所有人最大化利用能源和资源，推动人类进步与可持续的共同发展，其使命是成为用户实现高效和可持续发展的数字化伙伴。公司业务涵盖智慧工业、具有韧性的基础设施、面向未来的数据中心、智能楼宇以及数智家居等领域。施耐德电气应用电气化、自动化和数字化技术，提供AI赋能的端到端全生命周期工业物联网解决方案，包括互联互通的产品、自动化、软件和服务。此外，施耐德电气还致力于推动数字化转型，服务家居、楼宇、数据中心、基础设施和工业市场，通过集成世界领先的工艺和能源管理技术，帮助客户实现盈利性增长。）卓越机器人中心主任Christine Bush（克里斯汀·布什）告诉笔者。“就像任何数字化转型一样，一切都始于数据。在大多数情况下，在转型开始时，数据很少是正常的。然而，适宜是这个过程需要开始的地方，因为转型是一个旅程，需要开始才能实现下一步的效益。”

因此，行业领导者主张在建立数字孪生时谨慎行事。“从试点项目开始，在受控环境中展示切实的投资回报率，”Bush（布什）说，“这种方法不仅验证了技术，还有助于确保预算批准和组织支持。”

为了正确界定数字孪生的范围，“专注于特定位置而不是整个端到端供应链，”Surenian（苏雷尼安）赞同，“找到数据被认为最容易获得和最准确的位置。从那里，确定你希望用数字孪生解决哪些问题。问问自己是否容易理解容量、库存、满足需求的能力以及其他相关问题。”

二、网络不完整

采用数字孪生的组织需要有良好的网络连接。“数字系统的最大障碍是网络和人员层面的连接性，”Nokia Bell Labs（是一家专注于工业研究和科学开发的实验室，隶属于芬兰公司Nokia。该实验室的总部位于新泽西州默里山，并在全球多个地方设有分支机构。诺基亚在2016年收购了贝尔实验室后，将其更名为Nokia Bell Labs。实验室以其前瞻性和颠覆式创新著称，致力于引领技术发展并创造未来。该实验室在知识产权领域不断实现突破，为公司未来的差异化优势和核心标准制定奠定了坚实的基础。通过其强大的研发能力，实验室不断推动技术创新，为行业树立技术和架构的愿景，塑造整个行业的发展方向。）解决方案研究总裁Thierry Klein（蒂埃里·克莱因）告诉笔者，“当多个数字孪生集成时，数字孪生最有效，但这需要利益相关者之间的协作、强大的数字网络以及可以连接到数字孪生的系统。”

Klein（克莱因）指出，发达的网络“对于确保无缝数据集成、实时传输和支持数字孪生实施可扩展性的任何地方访问至关重要”。

Klein（克莱因）补充说，人工智能可以作为克服这些挑战的助推器。集成到数字孪生中的人工智能模型可以“分析从物理系统收集的数据，渲染数字孪生体，推荐下一步行动，并模拟多种未来场景和优化。它还可以分析数据，实现更复杂的数据分析以及网络和流程自动化。”

三、数据传输速度

实时呈现物理环境的能力也给数字孪生环境带来了挑战。“对于数字孪生，你通常依赖你的模型与某些现实生活中的物理系统并行运行，这样你就可以了解可能产生对系统的某些影响，”Databricks（属于Spark的商业化公司。致力于提供基于Spark的云服务，可用于数据集成、数据连接等任务。）人工智能副总裁Naveen Rao（纳维恩·拉奥）告诉笔者。

“以飞机喷气发动机的数字孪生模型为例。您可以使用数字孪生模型来了解发动机不同部分的效率或寻找潜在问题。如果数据处理速度不够快，当维护成本更高时，你可能会太晚发出警报。此外，如果您的模型不准确，您可能无法给出准确的建议，从而失去维护团队的信任。”

四、实时的用户界面还不够实时

对实时连接的需求也延伸到最终用户查看系统或设施内正在发生的事情的能力。Extended reality/XR（‌扩展现实，‌是一个综合性的概念，涵盖了增强现实/AR、虚拟现实/VR、混合现实/MR等多种技术。这些技术通过计算机技术将真实与虚拟相结合，打造一个可人机交互的虚拟环境，为体验者带来虚拟世界与现实世界之间无缝转换的“沉浸感”。XR技术的核心在于通过高科技手段营造一个真实与虚拟组合的数字化环境，以及新型人机交互方式，从而扩展人类的感知和认知。XR技术的应用领域广泛，包括但不限于环境模拟、营销、房地产、教育培训以及远程工作等。随着XR技术的不断发展和成熟，它在各个领域的应用也在不断拓展和深化。）和virtual reality/VR（虚拟现实技术，1990年11月27日，钱学森将虚拟现实翻译为“灵境”，又称灵境技术或虚拟实境，是20世纪发展起来的一项全新的实用技术。虚拟现实技术囊括计算机、电子信息、仿真技术，其基本实现方式是以计算机技术为主，利用并综合三维图形技术、多媒体技术、仿真技术、显示技术、伺服技术等多种高科技的最新发展成果，借助计算机等设备产生一个逼真的三维视觉、触觉、嗅觉等多种感官体验的虚拟世界，从而使处于虚拟世界中的人产生一种身临其境的感觉。）“提供了可视化和模拟复杂系统和流程的创新方式，这在制造业、建筑业和医疗保健等行业特别有价值，”Schneider Electric的Bush（布什）表示，“然而，它们的采用面临实际挑战，特别是在容易出现安全问题的高速机械环境中。”

在Schneider，重点是“主要在受控环境中实施XR和VR，以减轻物理碰撞或分心等风险，”Bush 继续说道，“尽管XR和VR为增强数字孪生带来了令人兴奋的可能性，但在我们继续在这个领域创新的同时，确保操作安全仍然至关重要。”

五、标准不一致

“缺乏开放、可互操作的数据标准是另一个重大障碍，”Trimble（天宝公司成立于1978年，是全球领先的定位与导航技术提供商，业务涵盖GPS、精密测绘、3D建模软件等多个领域。）创新与平台副总裁Shelly Nooner（雪莉·努纳）告诉笔者，“过时的技术、传统的专有数据格式和模拟流程会产生‘暗数据’孤岛——即整个资产生命周期内团队无法访问的数据。这些数据瓶颈会导致效率低下，可能导致更高的资本支出和运营成本。”

这就是行业团体需要加强并制定共同标准以实现更大数字连接的地方。例如，在建筑行业中，BuildingSmart（是一个中立的、国际的、开放的、服务于BIM全生命周期的非营利组织‌。它旨在促进在建筑工程全生命周期过程中，参与各方间的信息交流与协同合作。组织被公认为是通过编制和推动采用openBIM标准体系来推动工程建造数字化转型的国际权威BIM组织。）是一个致力于为基础设施和建筑物创建和采用开放的国际标准及解决方案的组织。据Nooner（努纳）所说，“BuildingSmart正在应对民用基础设施开放数据标准挑战。他们已经在建筑行业中证明了自己的价值，并在基础设施建设中继续获得发展动力。”

六、管理多样化的数据输入

“来自传感器和物联网设备的准确数据输入至关重要，但成功实施还需要组织良好的方法和充足的资源，”Schneider Electric首席技术办公室创新产品负责人Robert Bunger（罗伯特·邦格）告诉笔者。关键是“整合多样化的数据来源并维护同步模型，这可能很复杂且资源密集。”

治理将在管理这种多样性方面发挥作用。“数字孪生系统将需要强大的MLOps（机器学习运营。是一种新兴的技术实践，‌旨在通过自动化和标准化机器学习流程，‌实现可靠的、‌可重复的、‌可扩展的机器学习模型部署和管理。MLOps涉及到机器学习模型的整个生命周期，‌包括数据准备、‌模型开发、‌训练、‌评估、‌部署和监控等各个环节。‌通过采用自动化和标准化的工具和流程，‌MLOps帮助企业快速、‌高效地构建和部署机器学习应用，‌从而提高业务价值和生产效率。‌‌）以确保最新、最准确的模型可以不断地重新训练和部署，”Rao（拉奥）说。这包括“强有力的治理，以确保只有合适的人可以访问，并且可以轻松进行审计，以及实时可观察性，以便你知道你的模型或源数据何时可能漂移或失去准确性。”

七、缺乏技能

与许多需要与企业内外的系统互动的先进技术项目一样，数字孪生需要数据集成、人工智能和软件开发方面的专业知识。“技能短缺和技术文盲也是数字孪生部署的障碍，”ISG（Information Services Group，简称ISG，全球领先的技术研究和咨询公司信息服务集团）的首席顾问Ryan Hamze（瑞安·哈姆泽）告诉笔者，“这导致数据准确性不足和对转型的抵制。”

Hamze（哈姆泽）建议“针对本地劳动力培训和技能提升进行投资。”另一个选择是：“与第三方行业领导者合作也将有助于填补差距。”

结论

在任何数字孪生举措中，始终将业务置于核心位置非常重要。“我们正在通过在业务流程和业务执行层设计以人为中心的数字孪生来帮助客户克服许多障碍，”EY（安永，成立于1989年，是一家总部位于英国伦敦的跨国性专业服务公司，全称是安永会计师事务所，为国际四大会计师事务所之一。）新兴技术执行董事Jason Noel（杰森·诺埃尔）告诉笔者，“智能孪生旨在供业务和运营角色使用，而不仅仅是技术工程师。”

Noel（诺埃尔）补充说，业务优先战略“将有助于推动下一代企业业务应用程序，在这些应用程序中，数字孪生将协调核心和辅助业务功能的见解、决策和执行。”

作者：Joe McKendrick（乔·麦克肯德里克）

译者：宝蓝