什么是数字孪生？IBM参考架构
目录
IBM 技术人员提供了由参考架构支持的数字孪生的定义
什么是数字孪生？经过大量努力、研讨会、电话会议、客户验证和行业研究，IBM 英国技术咨询集团 （TCG）（IBM 技术学院 （AoT） 的附属机构）同意了以下数字孪生定义：
“数字孪生是物理对象或系统的动态虚拟表示，通常跨越其生命周期的多个阶段。它使用真实世界的数据、模拟或机器学习模型，结合数据分析，以实现理解、学习和推理。数字孪生可用于回答假设问题，并且应该能够以直观的方式呈现见解。
数字孪生有一个基本目的：对现实世界系统的行为进行建模，使人们能够做出影响现实世界的更好的业务决策。这可以直接通过决策支持;例如，数字孪生可以模拟一级方程式比赛中可能的大量场景，以确定当配速赛车进入赛道时是否应该叫车手进站。或者，这可以通过使用数字孪生来磨练电力系统操作员控制室操作员的技能，这些操作员正在处理发电量的突然减少。
使用数字孪生解决现实世界的问题
数字孪生可用于解决组织面临的各种问题，包括但不限于：
- 捕获需求。数字孪生可以确保在产品生命周期的最早阶段捕获的需求在产品发展、构建、投入使用以及最终报废、退役和回收时得到维护、验证和验证。
- 设计产品。过去30 +年中数字设计的好处之一是能够在构思阶段评估替代方案，然后快速放弃不符合原始意图的概念。此外，设计数字孪生可用于在任何制造工作发生之前对设计进行仿真和测试。此外，3D模型可以在上下文中可视化，以生成最终产品的可配置数字模型，以进行早期用户验收测试，这在汽车和航空航天工业中已经是几十年的常见做法。
- 项目规划：项目规划数字孪生可用于根据其他数字孪生体在发展过程中的影响来比较不同的生命周期计划，以协助应急和弹性管理，以确保计划可实现。
- 可靠性工程。在过去几年中，随着工业物联网解决方案的发展，以数字方式反映来自真实资产实例的传感器信息的能力变得越来越可行;同样，这不是一个新概念，而是近年来在可扩展性、安全性、成本和弹性方面有所改进的概念。能够根据需要近乎实时地监控资产性能意味着可靠性工程师能够就资产维护和更换做出更好的决策，从而提高整体资产性能、提高系统效率并优化资产行为，所有这些都允许可靠性工程师根据高质量数据而不是仅基于经验的假设来预测和管理风险。
- 训练。随着资产变得越来越复杂，经验丰富的知识工作者越来越接近退休，数字孪生作为培训辅助工具的实用性正在获得巨大的动力。当所有信息都可供具有数字孪生的新用户使用时，不再需要长期的学徒或指导;当然，新团队成员经常需要帮助，但数字孪生已经在许多情况下成功证明，可以让团队在第一时间解决问题。
- 实时决策。数字孪生使决策者能够快速了解在资产生命周期的任何阶段对资产所做的任何更改的影响。例如，如果进行了重大更改，将对项目计划模型、质量和重心的设计模型、总体财务影响的成本模型等产生什么影响。因此，数字孪生使组织能够执行模拟来回答“假设”问题，有时通过调整参数来重复回答，而不是经历创建物理原型的过程。
- 退役资源。由于全球可用的某些资源水平有限，近年来，人们一直非常关注如何回收、退役或报废资产以鼓励循环经济。例如，由于钢铁是一种有限的资源，主要钢铁生产商非常关注了解他们的产品在哪里使用，它们将用于多长时间，它们将如何维护，以及它们在第一次寿命结束时将处于什么状态，以确保它们可以重复使用（可能以较低的等级）用于未来的产品。此外，还有全球倡议来监测塑料和其他危险材料，以确保安全使用和处置，这意味着数字孪生可用于改善报告和监管合规性。
数字孪生的权衡
如前所述，数字孪生允许我们在产品生命周期的多个点进行模拟，以改善决策，但需要权衡取舍。模拟必然是有界的和近似的，因此在投入大量时间和金钱之前，我们需要了解创建数字孪生的商业价值和影响。我们必须首先回答一个简单的问题，即“我们为什么要这样做？有时答案是显而易见的：为了降低项目成本，更快地将产品推向市场以实现法规遵从性。但是，在其他情况下，价值并不那么明确。在所有情况下，在开展数字孪生项目之前，三个考虑因素应该是：
- 复杂性：创建数字孪生的成本（时间和成本）有多大？
- 广度：数字孪生的通用性或特异性如何？
- 深度：数字孪生的结果有多详细和准确？
实际上，由于数字孪生可以解决各种各样的问题，并且由于每个问题固有的权衡，您最终可能会得到多个联合数字孪生，以满足不同的需求，例如表示产品生命周期中的不同阶段或回答不同的“假设”问题。而且，您的业务领域以及生态系统中的其他组织将需要共享数据，并且这些数据可能需要实时集成，以确保对任何一个数字孪生的更改在另一个数字孪生中正确表示。
数字孪生参考架构
数字孪生可能非常复杂，但下图提供了如何在数字孪生中安全地使用和分析来自现实世界的信息的简化表示。数据可以由正确的人员在正确的时间使用正确的工具可视化，以提供准确及时的信息，以推动有效的决策。
数字孪生的高级组件视图
如上图所示，数据是数字孪生的基础;现实世界（模型数据）的表示是真实世界建模的关键。传感器数据提供现实世界的当前状态，建模输出由仿真生成。
考虑有关数据和模拟的以下两个关键挑战：
- 管理这些数据，同时确保一组输出数据既可以追溯到当时的系统配置，又可以追溯到初始条件，这既重要又相当困难。
- 模拟可以生成大量数据，可能比现实世界（通过物联网设备）生成的数据多得多。处理如此大量的数据至关重要。阿斯顿·马丁红牛正在使用IBM Spectrum和闪存解决方案来处理如此大量的数据。
此组件视图由高级和详细的参考体系结构进一步支持，其中包含：
- 七层信息管理和操作
- 三列确保数字孪生得到保护、适当耦合和治理，以确保数据的准确性和质量。
重要的是要注意，数字孪生不是孤立的;它必须与整个企业架构集成。事实上，数字孪生中使用的一些元素可能已经存在于组织内，并且可以扩展或重新调整其用途以支持数字孪生模型。
简化的数字孪生参考架构
从以下详细的参考体系结构中可以看出，数字孪生不是独立的应用程序。数字孪生集成到组织现有的企业应用程序套件中，以支持预期的业务成果。
详细的数字孪生参考架构
我们遇到的数字孪生不是可以在柜台购买的简单产品，而是重大系统集成（SI）努力的结果。这种情况在不久的将来不太可能改变。
