可制造物理模型的虚拟化表示和仿真模型又称数字双胞胎，这个概念最初是由Michael Grieves博士在2002年制造工程师协会会议上提出的。

它的理论基础是“可以将物理系统的数字化信息构造做为一个实体创建”。这种信息是嵌入在物理系统内部的信息的孪生映射，并且在系统的整个生命周期内与物理系统关联在一起。

随着工厂开始采用物联网技术，有条件地使用机器联网（M2M）设备监控并跟踪机械加工和相关操作，数字双胞胎也变得普遍起来。

分析机构Gartner预测，到2022年，超过三分之二实施了物联网的公司将至少部署一个数字双胞胎。

5G对数字双胞胎的加持

在今年的汉诺威工业博览会上，爱立信和工业自动化公司Comau展示了使用了5G技术的数字双胞胎。该数字双胞胎是汽车厂装配生产线的数字化模型。它使用5G技术收集部署在机器和作业流水线上的传感器中的数据，将振动、温度和压力等参数显示在标准平板电脑上的数字仪表盘上。这些数据可以被用来识别出可能会降低流水线速度的中断和异常操作。

在这次博览会上，爱立信声称，使用5G技术可以实现“实时收集稳定、连续和庞大的数据流，对自动化过程至关重要”。5G带来的低延迟意味着，可以将数据以可视形式输出，便于进行数据分析，从而预测故障和异常，识别出需要更换或者维修的部件。

数字互联设备可以在需要的时间和地点提供实时生产数据，Comau营销和数字计划平台负责人Maurisio Cremonini解释说。

“数字化分析向客户提供了丰富的本地和远程可用信息，”他说。他相信5G将实现工业4.0的数字化转型，“特别是它将带来工厂设备通信的低延迟、高带宽和即插即用连接。”Cremonini补充道。

通用电气这样的公司使用了仿真和物理手段来预测机器工作状态，但是随着时间的推移，他们的技术手段已经发生了变化。“新手段当然也是数字化的，”英伟达工业业务开发经理Andrew Cresci说，“只是更加依赖于测量数据和传感器。”

长时间地准确跟踪和收集数据，可以让操作者理解工作对象的性能并预测它接下来会如何。“这正是人工智能的用武之地。”Cresci说。

引入AI

Cresci说，AI给数字双胞胎赋予了可重复性。英伟达和博世合作开发了家用锅炉的预测性维护方案，如果锅炉压力下降或者温度超过预先设定的阈值，就会向业主发送提醒。为了适应博世公司的数百种锅炉型号，创建了一个AI迷你数字双胞胎，使用相同的算法和神经网络进行训练和学习。这样，数字双胞胎可以轻松复制，用于各种锅炉。

“数字双胞胎的美妙之处在于，一旦你了解了一种机器，就能相对容易地对它重新训练，使它适用于其它机器，提高重复使用率。你可以使用AI技术，重复使用它，进而提高数据科学家的工作效率。”Cresci说。

数据科学家可以分析测试期间的数据输出，然后，将这种分析结果作为神经网络和AI学习的基础。在联合技术公司(United Technologies)，使用数字双胞胎作为子系统对一架直升机子系统进行了测试。在数字双胞胎的支持下，数据科学家可以检查测试数据，并识别出哪些是正常的行为，哪些地方发生了磨损，哪些地方可能失效。一旦标记出这些行为，AI就能够以更高的准确度学习并重复执行判断。

Cresci说，图形处理单元实现了计算密集型的操作，使得人工智能成为了一种主流应用。英伟达的CUDA（计算统一设备架构）是一种用在GPU上的并行计算平台和应用程序编程接口模型。人工智能是一种应用数学，本质上是统计线性代数运算，如果没有GPU，线性代数运算会很慢。英伟达公司的科学家可以编写运行在英伟达库上的算法，然后使用模块化形式的工业化超级计算机Jetson来训练大型数据服务器，使用较小的边缘节点形式的Jetson进行本地决策。

AI可以检查数据，识别出异常，然后继续学习和识别错误。系统专家可以标记被识别的异常，将之用于下一级的训练中，当再次出现问题时，可以轻松地使用英伟达的硬件、计算机系统、软件基础设施和工具（比如Tensorflow）识别出新的错误。

“在我看来，这是人工智能的最大好处之一，即能够在新环境中快速重复执行和学习。”Cresci说。

有几种工具可以指导远程工厂中的操作人员，通过连接到网络上的标签和产品生命周期（PLM）工具提供信息。

“我们认为，在一个广域网中，从工作单元到整个工厂，数字双胞胎都是优化性能的关键。”西门子数字工业软件公司战略通信高级总监Thomas Maurer评论道。西门子所有的工厂都部署了数字双胞胎。

它的Intosite是一种经典的数字双胞胎工具，用于可视化地规划、模拟和监控。Maurer打趣说，Intosite就是制造行业的GoogleEarth。操作人员可以呆在办公室中，管理工厂的广域网，利用它监督运营中的工厂所在环境的订单履行情况和库存水平。

就像在汉诺威工业博览会中看到的那样，联网的工厂和厂内传感器的数据正变得越来越重要。可以从传感器收集信息，判断是否发生了让人担心的事情，并理解系统偏离正常状态的原因。比如在PCB工厂中，可以监控回流焊炉的温度和速度是否准确，以确保焊接质量、机器性能达到预期的水平。

对于设备整体有效性（OEE）和数据分析，MindSphere应用平台允许开发人员根据来自多个来源的信息创建应用程序，以在特定的工厂中操作设备，并将设备融入到工厂环境中。Maurer

补充说，还可以应用这个平台找到单个机器、查询单个产品。

它会连接到机器上，并把它们转变成带有传感器的机器。“有了连接能力，机器就变成了网络上的边缘设备。”Maurer说。使用状态监测算法和历史数据进行比较，就被赋予了智能。它可以通过公司的企业版生命周期管理工具Teamcenter发起一项活动，并支持管理人员规划生产、增加班次、更改资源以及评估生产线上的产品。

Maurer解释了Action on Insight在数字双胞胎闭环中的作用。 “它可以问：在这种工作量下，我们看到了这种情况 - 这是正常的吗？还是需要我们查看一下？”

通过与基线数据进行比较，数字双胞胎也可以“回到未来”调整生产线。Maurer解释说：“根据工厂的性能表现，可以查看未来的产能需求，这样就可能确定未来需要哪个环节的产能，需要什么材料，以及如何满足未来的需求。然后就可以“回到未来”对生产线进行调整。”

当按客户订单生产产品时，实时操作至关重要。过去，设计师一直专注于验证产品的设计，现在他们可以使用仿真和AI来推动生成式设计。

Maurer表示，AI生成式设计的理念标志着设计范式的转换。大多数工具能够优化拓扑结构，但是使用计算流体力学（CFD）来展示设计外观可以产生令人兴奋的前景。

“计算流体力学、机器学习和交互式设计过程可以优化基于设计的仿真。”他表示，现在仍然需要对机器学习进行投资，但是今天的电子、机械和物理工程师都在使用仿真来推动设计。

生成式设计将是仿真和设计的融合，它允许工程师专注在设计的功能部分。“设计将是基于模型的设计，使用功能设计工具开发功能和进行物理设计，使用人工智能技术反馈并查看设计的效果。”Maurer预测道。