数字双

回到术语表

什么是数码双胞胎?

数字双胞胎的经典定义是;”“数字双胞胎是一种虚拟模型,旨在准确地反映一个物理对象。" " - IBM(KVK4)对于离散或连续的制造过程,数字双胞胎在各种物联网传感器(操作技术数据(OT))和企业数据(信息技术(IT))的帮助下收集系统和处理状态数据,形成虚拟模型,然后用于运行模拟,研究性能问题,并生成可能的见解。

数字双胞胎的概念并不新鲜。事实上,它是报道第一次应用是在25年前,在伦敦希思罗快线设施的基础和围堰建设的早期阶段,监测和预测基础钻孔灌浆。在这第一个应用程序以来的几年里,边缘计算、人工智能、数据连接、5G连接以及物联网(IoT)的改进使数字双胞胎变得具有成本效益,现在在当今数据驱动的业务中势在必行。

数字双胞胎现在在制造业中如此根深蒂固,以至于全球产业市场预计到2026年将达到480亿美元。这一数字高于2020年的31亿美元,复合年增长率为58%,得益于工业4.0的浪潮。

今天的制造业被期望精简和优化其价值链中的所有流程,从产品开发和设计,到运营和供应链优化,再到获取客户反馈,以迅速反映和响应快速增长的需求。数字双胞胎的范畴很广泛,正在解决制造、物流和运输领域的众多挑战。

数字双胞胎正在解决的制造业面临的最常见挑战是:

  • 产品设计更加复杂,导致成本更高,开发时间越来越长
  • 供应链是不透明的
  • 生产线没有得到优化——性能变化、未知缺陷和运营成本的预测是模糊的
  • 质量管理不善——过度依赖理论,由个别部门管理,
  • 反应性维护成本过高,导致停机时间过长或过程中断
  • 部门间不协调的合作
  • 忽略客户需求,收集实时反馈

为什么这很重要?

工业4.0和随后的智能供应链努力在改善运营和构建敏捷供应链方面取得了重大进展,但如果没有数字双胞胎技术,这些努力将付出巨大的代价。你能想象改变一家炼油厂的原油蒸馏装置的工艺条件来提高一周的柴油产量,下一周提高汽油产量,以应对需求变化并确保最大经济价值的成本吗?你能想象如何复制一个简单的供应链来模拟风险吗?无论是从经济上还是从物理上来说,建立一个供应链的物理孪生体都是不可能的。

让我们看看数字双胞胎给我们带来的好处制造业

数字孪生用例
  • 产品设计和开发以更低的成本进行,并在更短的时间内完成迭代模拟,使用多个约束条件提供最佳或最优化的设计-所有商用飞机都使用数字双胞胎进行设计
  • 数字双胞胎让我们意识到库存将持续多长时间,何时补充,以及如何最大限度地减少供应链中断——石油和天然气行业使用面向供应链的数字双胞胎来减少存储和中游交付中的供应链瓶颈,安排油轮卸货并模拟外部性需求。
  • 利用ML/AI生成的反馈对生产项目进行连续质量检查,可预先确保提高产品质量——汽车最终油漆检测采用基于数字孪生技术的计算机视觉进行
  • 在流程退化或故障之前更换部件和充分利用组件之间找到最佳点,数字孪生提供实时反馈——数字孪生是构建资产绩效管理套件的支柱
  • 数字双胞胎通过模块化提供必要的指令来实现所需的吞吐量,从而创造了多个部门同步的机会——数字双胞胎是优化制造工艺流程的改善事件的骨干
  • 客户反馈循环可以通过输入建模,从销售点的客户行为、购买偏好或产品性能,然后集成到产品开发过程中,形成一个闭环,提供改进的产品设计

Databricks的差异化能力是什么?

  • 砖的Lakehouse使用包括Delta, Delta Live Tables, Autoloader和Photon在内的技术,使客户能够为实时决策提供数据。
  • Lakehouse for MFG以接近实时的间隔支持最大的数据作业。例如,客户每天以15秒的间隔从事务日志系统中带来近4亿个事件。由于在数据处理期间会中断报告和分析,大多数零售客户在夜间批处理期间将数据加载到数据仓库。一些公司甚至每周或每月加载数据。
  • Lakehouse事件驱动架构提供了一种比遗留方法(如lambda体系结构)更简单的获取和处理批处理和流数据的方法。该体系结构处理变更数据捕获,并为事务提供ACID遵从性。
  • Delta活动表简化数据管道的创建,并自动在沿袭中构建,以协助进行管理。
  • 的Lakehouse允许实时流数据摄取和流数据分析。数据仓库需要从数据仓库提取、转换、加载和其他提取来执行任何分析。
  • 光子提供创纪录的查询性能,使用户能够查询甚至最大的数据集,以支持BI工具中的实时决策。

额外的资源


回到术语表