数字孪生具有巨大的前景——能够以相对较低的成本通过软件模拟和改进系统、机器、设施甚至整个生态系统的性能。罗克韦尔自动化Plex产品管理副总裁Ara Surenian告诉ZDNET:“在当今世界，似乎每天都有新的惊喜，拥有这种额外的洞察力来模拟你的真实世界，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。”
然而，数字孪生部署和管理存在潜在的障碍。准确性、复杂性、成本和技能可用性可能会使人们难以充分利用这些应用程序，甚至可能会误解或遗漏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帮助解决这些问题的措施——包括:
1. 复杂性
构建和维护数字双胞胎可能是一个复杂的过程。施耐德电气机器人卓越中心主任克里斯汀·布什在接受ZDNET采访时表示:“公司犯的一个大错误是，他们对完美的渴望阻碍了‘足够好’。”“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，数据很少足够好。然而，这个过程需要从足够好的地方开始，因为转型是一个旅程，需要开始，才能实现下游的利益。”因此，业界领袖主张在建立数字孪生时要谨慎行事。布什说:“从试点项目开始，在受控环境下展示切实的投资回报率。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。”
Surenian表示，要正确界定数字孪生，“要关注特定地点，而不是整个端到端供应链。”“找到数据被认为最容易获得和最准确的位置。在此基础上，确定您希望通过数字孪生解决哪些问题和问题。问问自己是否容易理解产能、库存、满足需求的能力以及其他相关问题。”
2. 不完整的网络
采用数字孪生的组织需要良好的网络连接。诺基亚贝尔实验室解决方案研究部总裁蒂埃里·克莱因在接受ZDNET采访时表示:“数字系统的最大障碍是网络和人类层面的连接性。”“当多个数字双胞胎集成在一起时，数字双胞胎是最有效的，但这需要利益相关者之间的合作、强大的数字网络以及可以连接到数字双胞胎的系统。”
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现的可扩展性的任何地方访问至关重要”。
克莱因补充说，人工智能(AI)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，呈现数字孪生，建议下一步行动，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、网络和过程自动化。”
3. 数据的速度
实时表示物理环境的能力也对数字孪生环境提出了挑战。Databricks人工智能副总裁纳文·拉奥在接受ZDNET采访时表示:“有了数字双胞胎，你通常依靠你的模型来与一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影响系统的某些影响。”
“以飞机喷气发动机的数字孪生为例。您可以使用数字孪生来了解发动机不同部分的效率或查找潜在问题。如果没有以足够高的速度处理数据，那么当维护成本更高时，可能会发出太晚的警报。此外，如果你的模型不准确，你可能会给出糟糕的建议，失去维护团队的信任。”
4. 实时用户界面不够实时
对实时连接的需求还扩展到终端用户查看系统或设施内正在发生的事情的能力。扩展现实(XR)和虚拟现实(VR)施耐德电气的Bush说:“提供创新的方法来可视化和模拟复杂的系统和过程，这在制造业、建筑业和医疗保健等行业尤其有价值。”“然而，它们的采用面临着实际挑战，特别是在高速机械的环境中，安全问题日益突出。”
在施耐德，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为增强数字孪生提供了令人兴奋的可能性，但随着我们在这一领域的不断创新，确保运营安全仍然是最重要的。”
5. 国际镍业nsistent标准
“缺乏开放、可互操作的数据标准是另一个重大障碍。Trimble负责创新和平台的副总裁Shelly Nooner告诉ZDNET:“过时的技术、遗留的专有数据格式和模拟流程造成了‘暗数据’的孤岛，即在整个资产生命周期中团队无法访问的数据。”这些数据瓶颈会导致效率低下，从而导致更高的资本支出和运营成本。”
这就是行业组织需要加强和制定共同标准的地方，以实现更大的数字连接。例如，在建筑行业，BuildingSmart是一个致力于为基础设施和建筑创建和采用开放的国际标准和解决方案的组织。Nooner表示，BuildingSmart“正在解决民用基础设施开放数据标准的挑战。它们已经在建筑行业证明了自己的价值，并将继续在基础设施建设中获得动力。”
6. 管理不同的数据输入
施耐德电气首席技术办公室创新产品负责人Robert Bunger告诉ZDNET:“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。”关键是“集成不同的数据源并维护同步模型，这可能是复杂且资源密集的。”
治理将在管理这种多样性方面发挥作用。Rao说:“数字孪生系统需要强大的MLOps(机器学习操作)，以确保最新、最准确的模型可以不断地重新训练和部署。”这包括“强大的治理，以确保只有合适的人可以访问，审计可以轻松完成，以及实时可观察性，以便您知道您的模型或源数据何时可能漂移或失去准确性。”
7. 缺乏技能
与许多需要与企业内外的系统合作的高级技术项目一样，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。ISG首席顾问Ryan Hamze在接受ZDNET采访时表示:“技能短缺和技术文盲也是数字孪生部署的障碍，“导致数据缺乏准确性和对变革的抵制。”
哈姆泽建议“针对当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的合作也将有助于填补空白。”
结论
在任何数字孪生计划中保持业务前沿和中心总是很重要的。安永咨询公司新兴技术执行董事Jason Noel告诉ZDNET:“我们正在帮助客户克服许多障碍，通过在业务流程和业务执行层设计以人为中心的数字双胞胎。”“智能双胞胎是为业务和运营角色设计的，而不仅仅是技术工程师。”
Noel补充说，业务优先战略“将有助于推动下一代企业业务应用，在这些应用中，数字双胞胎将协调核心和辅助业务功能的见解、决策和执行。”
本文来自作者[念云]投稿，不代表机制号立场，如若转载，请注明出处：https://jzwrb.cn/jyfx/202508-2545.html
评论列表（4条）
我是机制号的签约作者“念云”！
希望本篇文章《企业实施数字双胞胎的七大挑战及应对策略》能对你有所帮助！
本站[机制号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：数字孪生具有巨大的前景——能够以相对较低的成本通过软件模拟和改进系统、机器、设施甚至整个生态系统的性能。罗克韦尔自动化Plex产品管理副总裁...