京公网安备 11010802034615号
经营许可证编号:京B2-20210330
导读:众多企业管理者都将“数字化转型”视为战略核心,那么“数字化转型”应该已经有了一个清晰的概念才对,但实际上却并非如此。经过笔者多方收集,似乎大家对“数字化转型”都有自己的理解。数字孪生具有多种定义并且已经发展出来了多种应用情形。近年来国内外对数字孪生的研究取得了不少进展,市场上有一些基于既有数字孪生概念发展出来的多元化“进阶”数字孪生体。
作者:赵敏 宁振波
来源:大数据DT(ID:hzdashuju)
内容摘编自《铸魂:软件定义制造》
作者选取了四家软件公司、两家咨询机构和一家高校的观点介绍给读者,如表5-1所示。
01 西门子
西门子公司提出了“综合数字孪生体”的概念,其中包含数字孪生体产品、数字孪生体生产和数字孪生体运行的精准的连续映射递进关系,最终达成理想的高质量产品交付,如图5-16所示。
▲图5-16 综合数字孪生体的连续映射递进关系
02 达索
“3DEXPERIENCE孪生体”是达索公司给出的一个数字孪生体的新概念,着重强调体验一致性、原理一致性、单一数据源、宏观与微观统一。物理孪生体与3DEXPERIENCE孪生体在功能/性能/逻辑上相互对应。
以开发飞机为例,如经过数字验证,3DEXPERIENCE孪生体飞机能飞,物理实体飞机就能飞;如研究给病人打退烧针后是否退烧,可给3DEXPERIENCE孪生体虚拟打一针,其产生的效果,应与真实世界一致。如图5-17所示。
▲图5-17 3DEXPERIENCE孪生体
03 PTC
PTC公司对数字孪生体的研究侧重于“数字孪生体+增强现实(AR)技术”,让数字孪生体更具有真实感和工作场景感。
例如在客户购车现场,可以利用AR技术在真实车辆的旁边,放置几乎一模一样的数字孪生体“轿车”,让客户来参观、评估和体验,甚至在该“轿车”上加载具有高度真实感的虚拟气流,动态显示高速行驶时车身上的空气动力学气流“实况”。还可以按客户要求,给数字孪生体轿车换车身颜色、车轮颜色或轮毂式样。如图5-18所示。
▲图5-18 数字孪生体轿车的空气动力学气流“实况”
04 ESI
ESI公司认为,从虚拟孪生到混合孪生,是一个逐渐发展的过程。虚拟孪生与数字孪生是有不同内涵的。由物理基础模型构建的虚拟孪生(数学模型/因果模型/降阶模型等),与由真实数据分析和机器学习构建的数据驱动的数字孪生(机器学习模型/经验模型等),二者叠加,构成了混合孪生。如图5-19所示。
▲图5-19 混合孪生模型的基本构成
ESI认为,混合孪生解决方案通过联接当前物联网(IoT)的信息和过去大数据的信息,并结合未来可能的演绎(更新和推断的虚拟原型),使企业能够虚拟地提供预测性维护并优化产品的辅助运营。
例如,因为气流强度和方向的高度不确定性,风力发电很难预测和管理。ESI做了一个海上“风孪生”(WindTwin)项目,其中,风电设备将其状态实时地传达给维护站,维护站的“风孪生”模型能够根据当下发电结果调整运行参数、提出警告并预测任何失效或损坏。
05 北京航空航天大学
北京航空航天大学陶飞教授给出了数字孪生“五维模型”和新内涵:数字孪生=物理实体+数字实体+服务+孪生数据+连接,即DT={PE, VE, Ss, DD, CN},除物理实体以外,其余4个都可以用各自的模型来描述,五个维度的模型与数据彼此交互,迭代优化。如图5-20所示。
▲图5-20 数字孪生的“五维模型”
关于作者:赵敏,走向智能研究院执行院长,中国发明协会常务理事,发明方法研究分会会长,正高工。工信部CPS发展论坛副秘书长,中国制造企业双创发展联盟专家委员会委员,中国工业技术软件化产业联盟(中国工业APP联盟)专家委员会委员,国家工业信息安全专家咨询委员会委员,U-TRIZ创始人。
宁振波,教授,中国航空工业集团信息技术中心原首席顾问,中国船舶独立董事。参加多型飞机研制。国家科技进步二等奖获得者。参与编制数字化、智能化制造系列丛书。发表相关制造业学术论文数百篇。也是多个行业、企事业单位的外聘专家。
本文摘编自《铸魂:软件定义制造》,经出版方授权发布。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16