《数字孪生将推动数字化转型的未来》白皮书

数字孪生将会推动数字化转型的未来2 第一代数字孪生 6 6 8 9 商业 可视化实时数据 使用嵌入式Al进行分布式智能 模拟未来 跨业务系统互操作 9 3我们周围世界的运转方式正在发生重大转变。物理系统越来越多地被可以虚用数字化方式模拟复杂的物理环境，如大型建筑、工厂、机场或炼油厂等，我们就能以这种创新的方式监控事物。这种方式就是数字孪生可以实时分析和处理复杂的问题，如：洪水、重大交通事故、工厂故障或机场可疑行为等。它还可以提前模拟此类事件，以便发生时能够做好应对准杂性，并创造新的业务营收。例如，在VANTIQ平台的帮助下，福特公司正在开发智慧交通和停车管理系统，日本软银正在开发提供个性化广告的智能建筑，中国深圳的毕美公司正在开发一款新产品，以改善复杂建筑的运营基础设施管理。随着数字孪生技术得到进一步的认同和应用，将极大影响企业的数字创新战略。企业需要实施该技术才能保持竞争力；各国政府需要创建数字孪生，以解决环境问题并拯救生命。数字孪生技术的影响将是重大的，而且发展会比预期快得高级的数字孪生需要采用物联网(使计算和数据存储更接近实际需要的位置，更多信息请参阅VANTIQ的分布式业务应用程序白皮书)。基于摩尔定律，硬件成本以指数级降低，这些先进技术44候。VANTIQ与市面上其他平台不这里可以参考众多行业分析师的结有50-84%的失败率(这个历史统计包含了数字孪生在内的广泛行业类我们还处于数字孪生技术的早期阶一来，处理逻辑(软件)可以动态实所有摄像机都能实时关注此人的去5数字孪生的市场机会数字孪生市场能够如此快速地成长，主要是因为相关支持的技术已经被广泛"大多数新"大多数新的物联网系统需要实时或接近实时的数据，标明物理事物相关的事件和状态，这些物理事物包括机器、员、建筑物或其他资产等。”2018年9月2019年2月),数字孪生市场正以每年45%的速度增长，到2025年将达到2025年数字孪生市场将达到240亿美月)相信到2025年，年增长率将达到成为应用物联网的同义词”和“到数字孪生的影响可能比预测的还要大得多，因为相比上面报告提到的简单场景，更加复杂和有价值的场景将被开发出来。业内大部分预测是基于第一代数字孪生技术，而不是本VANTIQ平台目前正在被很多级数字孪生，以满足客户需求；电信公司用来增强其战略台来进行技术创新以面对市场竞争；政府也用来解决环境问题。与智能手机或互联网一样，所有的创新应用无法被准确预测出来，但是一定会加速使用计算机辅助设计一台设备(例如发动机)已经存在了几十年。传感器被安装在各种设备中用来检测温度和频率等参数，再通过数据分析来预测设备故障。到现在，数字孪生已经可以为各发电机、医疗设备等，提高这些在过去10年里，云架构、边缘计算和物联网设备的成本极大降低，可用性也有了很大提高，尤其是在过去几年中进步尤为显著。现在比起以往任何时候，我这些数据不仅能为大型复杂的物理环境进行建模，还能通过传感器、摄像头和监控系统将模型带入真实世界。这将导致一种新型为了解释高级数字孪生如何运行，让我们使用Waze软件做一个简单的示例。在Waze里，您可以添加交通、天气和道路堵塞等多种环境条件，使用“如果怎样-将会怎样”(What-If)的模式模拟从A点到B点的驾驶旅程。您可以通过Waze软件来监控和导航，自动通过社交网络从面说到的较简单的第一代数字孪生相比，这款软件提供了不同的体验：Waze与复杂的物理环境密切互动，使用地图和定位服务行结合，同时与用户实现实时协同。还可以有比这更综合的应用--通过数以万计或十万计的传感器连续更新数据来监控城市的交通，并协调相关的交通控制系优化交通信号灯、事故管理、基础设施利用和应急响应等，智能地控制车辆的整体流量，提高交数字孪生可以表现一个复杂的环气设施或港口等。为了准确反映这个环境的当前状态，需要不断VANTIQ正与很多合作伙伴(软银、道达尔、福特和高重、北京这样的复杂物理环境进行建模和目都会在设计阶段就进行3DBIM建模(建筑信息模型),一直在息模型)连接上传感器和其他数态。这样的数字孪生可以提高效图1:新的数字孪生将从许多系统中获取信息，并实时了解正在发生的事情。这将使智能空间的有效运行成为可能。系统集成实时规则处理工厂VANTIQ正在与毕美合作，将3DBIM(3D建筑信息模型)和居住者和其他相关的环境状况。这个实时BIM操作更简化，在出现问题时能与供应商协调，能为居住者提高安全性和防护性。实时3D可视化功能会突出问题状况，屏蔽冗余的信息。当有状况建的商业建筑3D数字孪生，由事件驱动应用程序实时监控和控制。图片由VANTIQ合作伙伴示例2:大型公共设施(如机场和火车机场站)是实施数字孪生的理想场所，可用于模拟可能的事况和优正为中国北京的首都机场建设下处于危险区或禁区，这些特殊情况都能被立刻检测出来。另外，通过行为的识别还能判断某人是否受伤或行为可疑。相应的处理方式可以预先编排好，作出实时有效的应对。通过VANTIQ的协作模型，可以立即分配距离事件与图像识别技术相结合时，能深度了解一个场所，获取每个设施中人员的位置和当前状态(参见图最近的专业安保人员去处理问题，同时相关事况会被通知到关图3:机场的数字孪生与物体检测技术结合使用，确定建筑物内人员的运动和状态。图片由伴高重信息提供。示例3:以得到警报以及疏散指引(可结器人),同时发起相关的事故响应机制(见图4)。(这称为认知偏差)。人机协作模图4:炼油厂的数字图5:基于个人特征世界5000强的公司、系统集成商识到数字孪生的需求并率先进入市场，将创造更多创新的商业机会。这些数字孪生可以创建为模数字孪生可以引导乘客使用另一个站台。在令人沮丧的时间等),了解当前的客户感受来这也适用于员工体验和满意度。VANTIQ的合作伙伴软银 造数字孪生环境，使之成为世界上最智慧的建筑群(见图5)。造新的市场机会。通过此类技可以只保留少量工人在现场操图6:更有效的管为了实现可持续性，人类需要提减少浪费。据估计，世界上40%的食品生产出来后是被浪费的。创建数字孪生来监控和改进供应链运营和生产管理可以改变数字孪生还可以帮助识别出环境问题和事故。例如当发生天然气泄漏时，道达尔利用VANTIQ开发的数字孪生及时启动维修，并引导人员安全撤离泄漏区域。VANTIQ正在与一个法国合作伙伴合作开发应用，指引和帮助人们应对洪水的威胁。此外，数字孪生的灾难模拟可以训练人员逃数字孪生需要一个从头开始构建的现件并在任何节点分析事件，从相关外部来源添加关联场景，并在事件发生时传递信息。例如，当火灾警报响起，该事件会立即被分析，并进行场景化模拟以确定是否有威胁性，警报将被发送到相关的业务系统，如安防系统、门禁系统及和应急服务系统，以便联动这些系统能够实时响应，并根据情况发展而动态地改变应对策略。这类的异步数据必须在它发生时就实时处理，而不是放时间敏感信息，而且避免网络过载。分析计算和Al计算将会在边缘端上运行，因为即使通过高度可靠的网络，您也不希望运算能力距离信息源太远。边缘端必须实时动态根据当前情况进行分析，并给出操作指引。更进一步来说，考虑到这些系统涉及的数据规模之大，边缘端的有效利用能够使相关事件只向有需要的位置传递能确保整体性能的可靠性。·人机协作——使人们能够运用自己的经验、直觉和推理能力为处理特殊情况加分。人类和机器充分发挥所长的有效协作，能够得到1+1=3的结果。在有需要的时候，人类应该做决策的主导者，毕竟机器不能独立自动化地运作这个世界——至少在可预见的未来不应如此。例如，当飞机在自动驾驶仪的掌管下飞行时，驾驶仪系统应该与飞行员协作，而不是否决飞行员的操作——在很多情况下，人类的推理能力比软件用低代码开发环境快速有效地将环境中的实时数据转换为智能业务响应可靠性、安全性和性能。随着世界越来越依赖物联网和数字孪生，这一需求将不断增长。例如，当事故发生，负责处理事故的相关系统必须可靠地发送和接收该事件，以便解决问题。当生命受到威胁时，不能容许任何通发展数字孪生，以便在这不断增从而进行验证和实现功能的快速添加。例如，如果一组新的自动门出现故障并伤害到人，那这组即使在数百个边缘节点上也要马业务响应行动据析数分帮助人们解析真实的或模拟的事图8:智能街道的数字孪生体可展示出街道的当前状态，并追踪所关注的情况，例如一辆车阻塞了通道入口或引发了安全问题。图片由VANTIQ客户福特汽车公司提供。是因为包含了方方面面：车辆/交通、废物/污水清除、食物/水分杂性是如何演进的?答案是一点一化可能花了很长时间(几百年),也带来了许多创新，如电网、电而各种不可预测因素正是由人来定或网络漏洞攻击),就必须立即解图9:控制室操作员和数字孪生系统必须协同工作，人类能够根据需要干预和更新系统。Al既能使企业更智能，又能提高员工的工作效率到目前为止，Al大多部署在云上。亚马逊和Netflix就是早期用户。Al的新部署模式将无处不在——在云中、边缘、用户设备中。此外，多个Al服务可以同时运行，例如：一张图片可能被各象或事件一一是否有人正在奔跑，是否存在泄漏，是否有地震?在边缘端上进行初步处理后，可以在云端调用数据库以进行更一个数字孪生体提供一个共享的虚拟模型，这样来自多个分布式人工智能服务的数据就可以组合世界上正在创建的大量Al在适用性和复杂性上呈指数级增长。这样的趋势是由各种规模的大学和科技公司的计算机科学团队创造出来的。随着更具创新性的Al功能将不断取代已有功能，数字孪动态响应运行数字孪生应用程序的软件和的数据库进行匹配。即使在高速业务逻辑需要动态化以满足当前和不断变化的需求。有几个示例网络下快速处理，整个流程也需要几秒或几十秒。再假设，当附近环境中的多个位置有数百甚至这就需要摄像头边缘节点不间断细节),才能够更容易地实时跟踪个人轨迹。解决方案就是为附近所有边缘节点和摄像头提供匹配出来的个人特征信息和Al分析需要的相关信息，让这些边缘节点当我们希望对实时发生的情况进行更复杂的分析时(如上面的示配到边缘计算机端。我们来举例子说明：假设通过摄像机的图像识别到一个嫌疑人，把