什么是数字孪生？经过大量的努力、研讨会、电话会议、客户验证和行业研究，IBM英国技术咨询小组（IBM技术研究院的附属机构），就数字双胞胎的定义达成一致。
“数字孪生是一个物理对象或系统的动态虚拟代表，通常跨越其生命周期的多个阶段。它使用真实世界的数据、模拟或机器学习模型，与数据分析相结合，以实现理解、学习和推理。数字孪生体可用于回答 “如果 “问题，并应能以直观的方式呈现见解”。
数字孪生有一个基本的目的：对现实世界系统的行为进行建模，使人们能够做出更好的商业决策，影响现实世界。这可以是直接的，通过决策支持；例如，数字双胞胎可以模拟一级方程式比赛中可能出现的大量场景，以确定当速度车进入赛道时，是否应该叫车手进站。或者，这可以更间接地通过使用数字孪生来培训电力系统运营商控制室的操作员的技能，比如应对电量突然减少的问题。
使用数字孪生来解决现实世界的问题
数字孪生可用于解决组织面临的各种问题，包括但不限于。
捕获需求：数字孪生可以确保在产品生命周期的最初阶段捕获的需求，在产品发展、建造、进入服务以及最终退役、停用和回收的过程中得到维护、验证和确认。
设计产品：在过去的30多年里，数字化设计的好处之一是能够在构思阶段评估替代方案，然后迅速抛弃不符合原意的概念。此外，在任何制造工作发生之前，设计的数字孪生体可以用来模拟和测试设计。另外，3D模型可以在使用场景情境中可视化，以产生最终产品的可配置模型，用于早期的用户验收测试，这在汽车和航空工业中已经是几十年来的普遍做法。
项目规划：项目规划数字孪生体可用于比较不同的生命周期计划，这些计划基于其他数字孪生体的影响，因为它们的发展有助于应急和弹性管理，以确保计划可以实现。
可靠性工程：在过去几年中，随着工业物联网解决方案的发展，以数字方式反映资产的现实世界实例的传感器信息的能力变得越来越可行；同样，这不是一个新的概念，但近年来在可扩展性、安全性、成本和弹性方面都有所改善。能够根据需要对资产性能进行近乎实时的监测，意味着可靠性工程师能够对资产维护和更换做出更好的决定，从而改善整体资产性能，提高系统效率，优化资产行为，所有这些都使可靠性工程师能够根据高质量的数据而不是仅仅根据经验的假设来预测和管理风险。
培训：随着资产变得越来越复杂，有经验的知识工作者越来越接近退休，数字孪生作为培训的辅助工具的作用正在获得巨大的发展。当新用户可以通过数字孪生体获得所有信息时，不再需要长期的学习或指导；当然，新的团队成员经常需要协助，但数字孪生体在许多情况下已被成功证明，使团队第一次就能把事情解决好。
实时决策：数字孪生体使决策者能够迅速了解在资产生命周期的任何时候对其进行的任何改变的影响。例如，如果进行了材料变更，对项目计划模型、质量和重心的设计模型、整体财务影响的成本模型等会有什么影响。因此，数字孪生体使一个组织能够执行模拟来回答 “如果 “的问题，有时会反复进行，并对参数进行调整，而不是经历创建物理原型的过程。
退役资源：由于某些资源在全球范围内都是有限的，近年来，人们非常关注如何对资产进行回收、退役或报废以鼓励循环经济。例如，由于钢铁是一种有限的资源，主要的钢铁生产商非常重视了解他们的产品在哪里被使用，将被使用多长时间，如何维护，以及在其第一个寿命结束时的状况，以确保它们可以重新用于未来的产品（可能被降级使用）。此外，还有一些全球性的举措来监测塑料和其他有害物质，以确保安全使用和处置，这意味着数字孪生可以用来改善报告和监管合规。
数字孪生的投入权衡
如前所述，数字双胞胎使我们能够在产品生命周期的多个点上进行模拟，以改善决策，但也有一个权衡。模拟必然是有界限的，是一种近似值，所以我们在投入大量的时间和金钱之前，需要了解创建数字双胞胎的商业价值和影响。我们必须首先回答一个简单的问题：”我们为什么要这样做？” 有时，答案是显而易见的：降低项目成本，更快地将产品推向市场，实现监管合规。但是，在其他情况下，价值并不那么明显。所以，在开展数字孪生项目之前需要考虑好三个考虑：
- 复杂性：创建一个数字孪生体的成本有多高（时间和钱）？
- 广度：数字孪生将有多大的通用性或多大的特殊性？
- 深度：数字孪生的结果将有多详细和准确？
在现实中，由于数字孪生可以解决各种各样的问题，并且由于每个问题都有内在的权衡，你很可能最终会有多个联合的数字孪生，解决不同的需求，如代表产品生命周期的各个阶段或回答不同的 “what-if “问题。而且，你的业务领域，可能还有你的生态系统中的其他组织，将需要共享数据，而这些数据将可能需要实时整合，以确保任何一个数字孪生体的变化都能在另一个数字孪生体中得到正确体现。
数字孪生的参考架构
数字孪生体可能非常复杂，但下图提供了一个简化的表示，即在数字孪生体中如何安全地消费和分析来自现实世界的信息。数据可以在正确的时间、由正确的人使用正确的工具进行可视化，以提供准确和及时的信息，推动有效的决策。
数字孪生的高层次组件视图
如上图所示，数据是数字孪生的基础；现实世界的表现（模型数据）是对现实世界建模的关键。传感器数据提供了现实世界的当前状态，而建模输出是由模拟产生的。
考虑到这两个关于数据和模拟的关键挑战。
- 管理这些数据，同时确保一组输出数据可以追溯到当时的系统配置和初始条件，既重要又相当困难。
- 仿真可以产生大量的数据，可能比现实世界产生的数据要多得多（通过物联网设备）。处理这样的数据量是至关重要的。阿斯顿-马丁红牛公司正在使用IBM Spectrum和Flash存储解决方案来处理这样的数据量。
这种组件观点得到了高层次和详细的参考架构的进一步支持，其中包含。
- 七层的信息管理和运营
- 三栏，确保数字孪生的安全，适当的耦合和治理，以确保数据的准确性和质量。
至关重要的是要注意，数字孪生不是孤立存在的；它必须与整个企业架构相结合。事实上，数字孪生中使用的一些元素很可能已经存在于企业内部，它们可以被扩展或重新使用以支持数字孪生模型。
简化的数字孪生参考架构
从以下详细的参考架构中可以看出，数字孪生不是独立的应用。数字孪生集成到组织的现有企业应用套件中，以支持预期的业务成果。
详细的数字孪生参考架构
我们遇到的数字孪生不是可以在柜台上买到的简单产品，相反，它们是重要的系统集成（SI）努力的结果。在不久的将来，这一点不可能改变。
