02
避免进入数字孪生的认知误区
根据Gartner对数字孪生的精确定义：
数字孪生是某一事物、人或流程的虚拟表示。数字孪生旨在优化这些资源的运作或使用，或与之相关的业务决策，比如提高维护或运作效率。数字孪生包括模型、数据、与对象的一对一关联以及对其进行监控的能力。“物”可以广泛应用于任何类型的物理资产、产品或设备，包括诸如网络和应用程序等IT资产。
这其中有两个关键的数字孪生规则：
1． 数字孪生必须具有相应的“物”，这是一种对应关系。
2． 在数字孪生和物理实体之间，存在双向信息流动，数字孪生采集物理实体的数据，并且产生数据回流，提升物理实体的某些能力。
对于数字孪生的理解，普遍存在的误区有以下三种：
【第一种】
误区：数字孪生的价值在于数据呈现
正确：数字孪生的价值在于冰山之下，尤其是不可见的部分
数字呈现是最直观的，也是最为显而易见的表面价值。满足于普通解及其结论，使得一些企业在完成初步的数据呈现之后，就止步不前，停止了对于数字孪生的探索。
其实，并不是所有数字的模型都是数字孪生，而且数字孪生的价值恰恰在于不可见的部分。从本源上来说，数字孪生的价值在于带来APM（资产绩效管理）的提升，改进设备的性能。
数字孪生的价值在于创建物理模型和数字世界之间的连接性，进一步分析各种要素之间的隐含关系，再通过一连串的处理、分析、判断之后，对物理模型产生反馈，改进和优化其价值。这其中包含4个重要步骤：
1．建立数字模型
2．增强感知机制
3．数据分析和预测
4．产生反馈和决策
因此数字孪生的难点并不在呈现，而在于建模，需要大量的样本库和数据库，安装额外的传感器，新型算法的沉淀和梳理才能实现。如果只在数据呈现上做投入，容易进入只关注现象，而没有资金和精力去分析本质的怪圈。
这种做法就像人们疲劳的时候，首先想到是去休息，这当然没有错，不过治标不治本。疲劳的真正原因，有可能是失去了目标感，或者是身体出现了病痛，如果不从本源上着手改进，往往会感觉到“越睡越困”。
在此前的文章中，我曾经提到过“联接度”，它是衡量工业互联网发展的重要指标：
联接度＝已经联接的要素／未被联接的要素
工业互联网的“第一性原理”，就是要广泛地联接各种机器设备和工业系统，由此而实现“联接－管控－优化－效益”的基本逻辑。
数字孪生的运用，有助于不仅联接“看得见、摸得着、想得清”的已知工业要素，还在于发现和联接那些“看不见、摸不着、想不清”的工业要素，建立这些要素之间的关联关系。
【第二种】
误区：数字孪生中的“物”，必须是设备或者资产
正确：数字孪生中的“物”，可以是实体设备，也可以是流程或组织
数字孪生的应用场景，已经完全超出了工业的应用范畴，也已经超越了实体设备和资产。
根据Gartner以及树根互联的分析，“数字孪生”的概念可以也确实适用于更抽象的IT概念，比如：工作流（例如，审批流程）、业务对象（例如，采购订单）和运营指标（例如，成品率）。由此延展并进一步分类，数字孪生的基础类别包括：
1．离散数字孪生：优化单个资产、人和其他物理资源。通常用于监控和优化原子资源的使用，比如人、单个产品或一件件设备，以及单个流程任务。
2．复合数字孪生：应用于涉及包含离散数字孪生和资源（例如，来自外部数据源）的运作。通常设计用于监控和优化离散数字孪生和原子资源的相关组合的使用。例如，复合性更高的设备，比如汽车或工业汽轮机，以及整个和部分制造或工业流程。
3．组织数字孪生：在特定的业务流程中最大化价值，比如在制造流程中，或在整个企业运作中。通常用于监控和优化高阶企业层面结果。例如，根据不断调整的上市战略来优化整体制造能力，或者为公司所有利益相关者创造最大业务价值。
三种数字孪生的一个重要共同特征是，它们在企业中扮演着两个重要角色：
首先，数字孪生用来提高态势感知能力。例如，向工业汽轮机中添加传感器，并分析物联网数据。或者向设备中添加更多传感器并更彻底地分析设备数据，可以预测未来的故障。
其次，数字孪生帮助做出更好的业务决策。例如，通过检查库存管理和现场服务管理应用，我们可以在其准备脱机时修理工业汽轮机，在其故障之前进行修理。
这种双重作用通常意味着数字孪生具有关键的中间角色，一方面在架构上位于物联网连接的事物和企业实体之间，另一方面是在核心企业应用之间。
【第三种】
误区：数字孪生创造了一个新产品、新市场
正确：数字孪生并不是一种独立的生产力
数字孪生并不是一个单独的产品，并不能独立交付，它是碎片化的物联网生态中的一个关键的中心汇聚点。数字孪生搭建了一个基础管理和未来应用拓展的必不可少的中间层，向上向下都有广阔的延伸空间。
数字孪生终究只是一种虚拟模型，一种与工业互联网相得益彰的模型。它在很大程度上与工业互联网平台共存，同时发挥功效。毕竟，先进的技术最终都要回归到实际业务中实现价值。
例如，三一重工运用基于物联网的数字孪生技术，结合售后服务系统，将服务过程的几个关键指标作为竞争指标，包括工程师响应时间（从接到需求电话，到可以派出工程师的时间）、常用备件的满足度、一次性修复率、设备故障率等进行评价服务的好坏。
通过对每一次的设备实时运行数据、故障参数以及工程师维修的知识积累，三一集团对数据进行建模，还原设备、服务等相关参与方的数字化模型，不断的改进对应的服务响应与质量。
分析数据可以得知，基于物联网的数字孪生智能服务，对响应的提高有高达33％的正面影响。基于故障建模与设备运行的数字孪生，对于提高备件预测的准确率有高达55％直接效益影响。
最终给三一带来的收益是非常明显的，工程师响应时间从原来的300分钟缩短到15分钟，主要服务区域2小时到现场，24小时维修好，服务响应水平提高的同时还把渠道的备件库存从10亿降低到7个亿，一次性修复率从75％提升到92％。
