在21世纪初之前，要详细了解任何运行中工业设备的状态，唯一的办法就是亲临现场并进行检查。如今，计算能力的提升和连接性的增强，使得通过创建并维护任何实际设备（进而任何工厂或发动机）的数字表示（即“数字孪生”）来虚拟化这项工作成为可能。
“数字孪生的终极愿景，是在虚拟环境中设计、测试并制造我们的设备。只有当其性能达到我们的要求时，我们才进行实物制造。然后，我们希望通过传感器使实物与其数字孪生保持联动，从而让数字孪生包含我们通过检查实物所能获得的全部信息。”NASA首席制造专家、NASA国家先进制造中心主任John Vickers如是说。
这一数字孪生概念的某些要素在工业界已经存在。例如，CAD三维模型是丰富而精确的数字表示，可用于确保不同部件在静态和动态条件下均能良好配合。制造仿真还能判断虚拟设计能否借助现有设备实际制造。最后但同样重要的是，来自实体运行资产传感器的实时数据流，如今可用于掌握运行资产产品的确切状态和状况，无论其身处世界何处。
然而，数字孪生的真正优势在于，当从设计到实时数据馈送的各个环节被整合起来，并在资产的整个生命周期内进行优化时，才会显现出来。例如，对实体资产的精确数字描述不仅 能够降低原型制作或建造成本，还使其 在实时数据输入模型后更容易预测故障，从而同时降低维护成本和停机时间。
同样，对生产线的所有关键环节采取数字化方式，可以创建整个生产系统的数字孪生，从而开辟提升生产率的新途径。例如，GE目前正在试点一项“数字风电场”概念，用于在采购和建设之前确定每台风力涡轮机的配置。风电场建成后，每台虚拟涡轮机都会接收其实体对应设备的数据，软件则通过调整涡轮机的特定参数（例如发电机扭矩或叶片转速），实现发电厂层面的发电优化。其目标是实现20%的效率提升。“对于世界上每一项实体资产，我们都在云端运行一个虚拟副本，并且随着每一秒的运营数据而变得更加丰富，”GE Power & Water软件与分析业务总经理、首席数字官Ganesh Bell表示。“数字孪生并非通用模型，而是一系列基于实际物理原理的模型集合，反映现实世界中确切的运行条件，例如寿命、性能和故障模式。”同样，全球销售电动工具的制造商Black & Decker已为一家工厂配备了装配线和物料的数字孪生。该公司报告称，劳动力利用率提高了12%，产出量增加了10%。
与优化机会的常见情况一样，参与者的纵向整合程度越高，就越容易获取全系统数字孪生方法带来的全部收益。尽管这使大型企业处于展示概念验证的战略有利位置，但仅靠它们不足以带来全经济范围的收益。要实现这一点，需要在整条供应链上采用数字孪生方法，而其中许多供应链正因全球化、新制造技术，以及发电等行业的自由化政策而变得日益复杂。
因此，帮助和支持小型供应商采用数字化方式至关重要。考虑到这一点，美国联邦政府资助的研发机构数字制造与设计创新研究所（DMDII）近期发布了一项项目征集，旨在展示能够提供所有供应链参与者（尤其是小型制造商）实时、动态可见性（即数字孪生）的技术。另一个重要环节，是确保早期采用者能够在供应商或合作伙伴的新数字孪生模型推出时予以接纳。例如，前述GE数字风电场的设计，正是为了容纳并优化其他制造商的数字孪生涡轮机。
数字孪生概念并不新鲜；它最早由Michael Grieves于2001年在密歇根大学提出。新的是，我们如今已处于工业互联和机器智能足够先进的阶段，足以展示该方法的大规模优势。随着试点项目陆续部署、成果陆续呈现，人们对这一技术的兴趣必将增长。
本文与 GE Lookahead合作发布。刊发本文并不意味着世界经济论坛认同文中观点。
要紧跟“议程”最新动态， 请订阅我们的每周通讯。
作者：Michael Grieves博士，GE Lookahead撰稿人。
图片：一名员工在电脑键盘上打字。REUTERS/Stoyan Nenov。
