当我们在这个互联世界中设计机器装置时，传统工程师的工具箱已无法满足。我们需要一套全新的构造工具，用于在数字化的新世界中建立软件驱动产品。
值得庆幸的是，数字孪生（数字双胞胎）的出现为工程师们提供了一个技术上的飞跃，让人员可以”通过观察镜 “进入物理资产的核心。数字孪生让我们看到了物理资产的现状和未来可能发生的事情。
原文：Cheat sheet: What is Digital Twin? 译：吴若童
数字孪生简介
想要一个你能记住的定义？可以试试下面这个
数字孪生是一个物理对象或系统在其生命周期中的虚拟表现。它使用实时和其他来源的数据，实现学习、推理和动态重新校准，以改善决策。
IBM
通俗地说，这意味着创建出了一个高度复杂的虚拟模型，它是一个物理事物的完全对应物（或孪生物）。这个 “东西 “可以是一辆汽车、一条隧道、一座桥梁，甚至是一台喷气发动机。物理资产上的连接传感器收集的数据可以映射到虚拟模型上。任何人看到数字孪生模型后，都可以获取到实物在现实世界中的关键信息。
这意味着，数字孪生模型是一个重要的工具，它不仅可以帮助工程师了解产品的性能，而且可以帮助他们了解产品在未来的性能。分析来自连接传感器的数据，结合其他信息来源，我们可以做出这些预测。
有了这些信息，企业可以学习更多、更快，并可以将过去产品创新、复杂生命周期和价值创造的旧有边界打破。
数字孪生帮助制造商和工程师完成了很多事情，比如。
- 让产品状态可视化，反映出产品由真实用户，真实使用时的状态，。
- 建立出一条数字线索，连接不同的系统信息整合，并具有可追溯性。
- 用预测分析来应证假设逻辑
- 远程设备的故障排除
- 管理系统的复杂性和系统内的联系
我们来详细看看其中的一些更详细的例子。
数字孪生的用例：一个工程师的观点
我们来看一个数字孪生的例子。因为数字孪生的主要用户是工程师，所以我们用他们的视角来看待。
工程师的工作是设计和测试产品–无论是汽车、喷气式发动机、隧道还是家用物品，都要考虑到它们的完整生命周期。换句话说，他们需要确保他们所设计的产品适用于各种用途，能够应对磨损，并对使用环境作出良好的反应。
例如，一位工程师在测试汽车制动系统时，会进行计算机模拟，以了解该系统在各种实际情况下的表现。这种方法的优点是比制造多辆实体车来测试要快得多，也便宜得多。但还是有一些不足之处。
首先，像上述的计算机模拟仅限于当前的真实事件和环境。它们无法预测汽车在未来的场景和变化的环境中会有怎样的反应。其次，现代制动系统不仅仅是机械和电气。它们也是由成千上万行代码组成的。
这就是数字孪生和物联网的作用。数字孪生系统使用来自连接的传感器的数据来讲述资产在其整个生命周期中的故事。从测试到在现实世界中使用。通过物联网数据，我们可以测量资产健康和性能的具体指标，例如温度和湿度。通过将这些数据纳入虚拟模型，或者说数字孪生体中。工程师可以通过车辆本身的实时反馈，全面了解汽车的性能。
数字孪生的价值：了解产品性能
数字化双胞胎为制造商和企业提供了前所未有的视角，让他们了解产品的性能。数字孪生产品可以帮助识别潜在的故障，从远处排除故障，并最终提高客户满意度。它还有助于产品的差异化、产品质量和附加服务，也是如此。
如果你能看到客户在购买产品后如何使用你的产品，你就能获得丰富的洞察力。这意味着您可以使用这些数据（如果有保证），安全地消除不需要的产品、功能或组件，从而节省时间和金钱。
前所未有的远程可视化管控能力
数字孪生还有其他优势。其中一个主要优势是，数字孪生系统为可能远在天边的物理资产，向工程人员提出了的详细、复杂的视图。有了双胞胎，工程师和设备/资产不需要在同一个房间，甚至不需要在同一个国家。
例如，想象一下，西雅图的机械工程师使用数字双胞胎来诊断坐在奥黑尔机场机库中的喷气发动机。或者工程师从加来对整个海峡隧道进行可视化管理。数以千计的传感器在十几种模式下，如视觉、声音、振动、高度等。这意味着工程师可以从世界上几乎任何地方 “孪生 “一个物理事物。这意味着前所未有的清晰度和对可视化的控制。
IBM在数字孪生方面的工作
IBM一直在数字孪生技术方面做了很多工作。就在今年，我们宣布为Maximo提供新的实验性服务，将增强现实（AR）引入资产管理。IBM实验性服务为你的员工 “开启”了许多视觉和语音（自然语言处理）功能。这使您能够在一个新的维度上查看您的资产，并即时获取关键数据。然后，您可以使用中带有语音/视频的AR头盔将这些见解反馈给其他人。这带来了新一代的 “互动”工作体验。
认知数字孪生的未来
数字孪生已经可以去了解不断变化的客户偏好、定制化和体验，帮助企业在数字颠覆中保持领先。这意味着企业可以更快速、更高质量地交付产品，从组件到代码。然而，数字孪生的承诺还可以走得更远。
认知计算的使用增加了数字孪生中的能力和科学学科。自然语言处理（NLP）、机器学习、对象/视觉识别、声学分析和信号处理等技术和技术只是增强传统工程技能的一些功能。例如，使用认知技术，可以确定出哪些产品测试应该更频繁，哪些应该退役。或者指出哪些/何时传感器的数据应当深入的分析。认知数字孪生可以让我们超越人类用直觉来设计和完善未来的机器。不再是 “一刀切 “的模式，而是对机器进行个性化定制。这是因为认知数字孪生不仅仅是我们在打造了什么，还会知识我们为谁而造。
