陳根：數字孿生打造數字鏡像，預判了製造的預判_風聞

文/陳根

自數字孿生的概念被提出以來，其技術在不斷地快速演化，無論是對產品的設計、製造還是服務，都產生了巨大的推動作用。

數字孿生同沿用了幾十年的、基於經驗的傳統設計和製造理念相去甚遠，使設計人員可以不用通過開發實際的物理原型來驗證設計理念，不用通過複雜的物理實驗來驗證產品的可靠性，不需要進行小批量試製就可以直接預測生產瓶頸，甚至不需要去現場就可以洞悉銷售給客户的產品運行情況。

也就是説，數字孿生可以****通過設計工具、仿真工具、物聯網、虛擬現實等各種數字化的手段，將物理設備的各種屬性映射到虛擬空間中，形成可拆解、可複製、可轉移、可修改、可刪除、可重複操作的數字鏡像。

在一定程度上，這極大加速了操作人員對物理實體的瞭解，可以讓很多原來由於物理條件限制、必須依賴於真實的物理實體而無法完成的操作方式（如模擬仿真、批量複製、虛擬裝配等）成為觸手可及的工具，更能激發人們去探索新的途徑來優化設計、製造和服務。

只要能夠測量，就能夠改善，這是工業領域不變的真理。無論是設計、製造還是服務，都需要精確地測量物理實體的各種屬性、參數和運行狀態，以實現精準的分析和優化。

但是傳統的測量方法必須依賴價格昂貴的物理測量工具，如傳感器、採集系統、檢測系統等，才能夠得到有效的測量結果，而這無疑會限制測量覆蓋的範圍，對於很多無法直接採集的測量值的指標往往愛莫能助。

數字孿生則可以藉助物聯網和大數據技術，通過採集有限的物理傳感器指標的直接數據，並藉助大樣本庫，通過機器學習推測出一些原本無法直接測量的指標。

例如，可以利用潤滑油温度、繞組温度、轉子扭矩等一系列指標的歷史數據，通過機器學習來構建不同的故障特徵模型，間接推測出發電機系統的健康指標。

**而且，**現有的產品全生命週期管理很少能夠實現精準預測，因此往往無法對隱藏在表象下的問題進行預判。而數字孿生可以結合物聯網的數據採集、大數據的處理和人工智能的建模分析，實現對當前狀態的評估、對過去發生問題的診斷，並給予分析的結果，模擬各種可能性，以及實現對未來趨勢的預測，進而實現更全面的決策支持。

此外，在傳統的工業設計、製造和服務領域，經驗往往是一種捉摸不透的東西，很難將其作為精準判決的數字化依據。

相比之下，數字孿生技高一籌，它的一大關鍵性進步就是可以通過數字化的手段，將原先無法保存的專家經驗進行數字化，並可以保存、複製、修改和轉移。未來，期望數字孿生技術可以在更多的領域發揮其作用。