数字孪生打破虚实界限，创造产品开发无限可能
当产品在虚拟世界拥有数字孪生，下一步便是在现实世界创造效益。
作者：彭波，Elia Berteletti，施俊昌，Bernhard Mühlreiter和Jan Paul Stein
数字化工具正在帮助全球的工业企业“化虚为实”。自上世纪60~70年代至今，数字化工具已从计算机辅助设计，演进为强大、灵活和成熟的多种系统工具。例如，借助产品生命周期管理（PLM）系统，工业企业可在组织上下实现产品知识的捕获、整理、处理和传播，PLM也已成为工程师的日常沟通平台。
正所谓“能力越强，责任越大”，工程设计工具也不例外。软硬件的不断结合升级使得产品功能愈发强大，传感和传输能力也提升了产品特性，让产品得以根据运作情况和用户需求实现快速调整。此外，功能先进、设计精巧的用户界面也极大简化了操作流程。
随着商业模式的演变，设计与使用的界限也变得愈益模糊。客户希望产品能通过在线软件更新和按需功能开发等形式，在生命周期内实现性能的持续提升。此外，许多产品已融入相关生态系统，产品和服务的联系愈发紧密。越来越多的客户选择按次付费或是功能订阅，而非一次性购买产品。
数字孪生的诞生
面对不断变化的需求，数字化产品的呈现方式出现了重大转变，数字孪生这一新的数字化工具应运而生。数字孪生整合了现有数字化设计工具，并嵌入了额外的数据源、高级模拟和分析能力，可实时收集、分析制造和使用过程中的产品数据。传统的PLM系统只能实现“一对一”，单一模型仅代表产品的单一变量，而数字孪生实现了“一对多”，可通过单一模型涵盖产品的所有变量，并基于收集的产品数据不断升级更新。
数字孪生技术适用于产品设计、制造流程，乃至整个价值链。本文将重点讨论其在产品端，尤其是产品设计端的应用。
对以产品为中心的企业和用户而言，数字孪生技术有着丰富的潜在收益，譬如优化设计、降低成本、缩短上市时间、加快客户需求回应等。数字孪生也能带来新的收入源，通过远程维护支持以及“产品即服务”等商业模式增加盈利。
根据我们的分析，部分企业应用数字孪生技术后，成功将营收提高10%，上市时间缩短50%，产品质量提升25%。毫无疑问，数字孪生技术的产业前景广阔。当前预估数据表明，到2025年，仅欧洲的数字孪生市值将达到70亿欧元左右，年增长率为30%~45%【1】。
数字孪生的三大维度
数字孪生的表现形式各异。组织需以自身的技术和业务目标为依据，选择最合适的技术表现形式。数字孪生技术的差异主要体现在三大维度上（见图1）。
1、价值链
与传统PLM系统类似，工程设计数字孪生涵盖从产品定义到详细设计的各个环节；生产过程中，数字孪生模型会记录下组件、材料、流程工艺参数，以及测试和质检数据，实现对产品的虚拟呈现；售后服务的数字孪生则会记录工作状态、性能、诊断信息和维护历史等产品使用数据。成熟度最高的数字孪生模型可跨越价值链上下游多个环节，通过收集产品使用数据，优化制造过程及未来的设计迭代。
2、模型范围
一款产品可能由几个主系统、多个子系统，以及成百上千的硬件和软件组成。某些数字孪生模型只包含一个或几个组件，如模拟管道液体流动的数字孪生，其他则可能会涵盖一个完整的产品，如模拟车辆碰撞特性的数字孪生。考虑到其计算能力有限，通常情况下，数字孪生的范围越窄，其虚拟映射就越精确。相比之下，要想管理一个涵盖完整产品的数字孪生模型，往往需要对某些概念做抽象化处理，或简化某些产品行为。
3、成熟度
一级数字孪生模型最简单，由各种产品数据组成，分布在产品上的数据源之间关联度较低。二级模型依托传统模拟工具分析产品设计性能，并通过PLM系统或类似的平台整合各类数据来源。三级模型依托预测或规范性分析，以及机器学习技术自动化运行，不断产生新洞见。基于模型带来的直观结果和性能评估，设计和制造团队可以提升决策质量。四级模型通过预测组件故障率及性能变化，及时应对外界环境调整，并将结果反馈到实体模型中。这种方法可用于状态监测系统，例如，模拟系统接收到传感器数据后，对产品的状态和行为进行推断和预测，通过实时参数调整，在部件出现磨损或外部操作条件改变时调整设备状态。
数字孪生成功案例
由于数字孪生在三大维度上表现形式各异，且各组织起点不同，企业需要制定战略，明确重点，厘清数字孪生的开发路径与相关落地举措，捕获最大价值。当前，各行各业都在加速部署数字孪生技术，并将该技术积极应用于产品开发、制造和售后服务等不同环节，实现价值的真正增长（见图2）。这些应用也为我们提供了诸多成功案例。
案例一
某整车厂依托数字孪生技术，为早期阶段的产品开发创建了一个“概念构建工具”（concept configurator）。销售、设计工程师、财务人员等利益相关方的开发理念和需求往往不同甚至存在冲突，所以对复杂产品而言，早期开发阶段尤其具有挑战性。通过应用数字化的“概念构建工具”，该车厂实现了在不同客户需求、技术概念和产品成本之间的评估权衡。倘若出现技术概念变更，系统会迅速显示该变更是否偏离客户需求，以及它对产品成本的影响。
跨职能开发团队对“概念构建工具”的使用帮助车厂减少了5%~15%的材料支出，并将节省的资金用于创造客户价值。同时，通过利用该工具选择合适的汽车部件，车厂实现了成本和客户价值的双重优化，部件的价值贡献率提高了5%~10%。此外，团队决策时间也减少了20%，从而加快了产品上市速度。
案例二
某消费电子公司正在使用数字孪生技术改进产品质量，提升供应链韧性。系统储存了详细的产品信息以及各组件的供应来源，一旦发生问题，公司可精确追溯供应商，采取行动防止问题重现。基于同样的方法，某汽车供应商将产品质量问题追溯到上游供应链，成功将废品率降低20%。
案例三
不少企业正在借助数字孪生技术改进下一代产品。例如，一家电动汽车（EV）制造商部署了80多个传感器，基于收集的实时数据，跟踪不同驾驶模式和不同天气条件下的能源消耗情况。分析得出的数据洞见能够助力企业升级车辆控制软件，实现硬件软件的双更新。
自动驾驶系统开发商也在积极使用虚拟环境开发新技术。在模拟环境中训练和验证算法比现实世界更为安全，价格也更低。由于虚拟系统可同步运行大量模拟，测试过程可提速一万倍以上。在测试中输入真实的传感器数据，有助于提高模拟的真实性，并识别虚拟测试数据库的盲点。
案例四
借助数字孪生技术，一家可再生能源公司实现了水力发电涡轮机的自动运行，并改进了其工程设计和使用效率。机器学习系统大幅加速了新设计的评估过程，几秒钟内便可完成一百多万次设计评估，而传统的计算流动动力学（CFD）分析则需耗时几小时。系统会从理论的角度选取性能最优的几何学设计，效果远超传统优化方法。此外，机器学习技术还将整个端到端设计周期时间减少了一半。
案例五
企业也在使用数字孪生技术深入分析客户行为与偏好。例如，依托产品使用数据，某家用电器制造商识别出使用频次最高和最低的产品功能，为未来的产品开发决策提供指导：如，删除不常使用功能，或调整用户界面，提升产品使用的便利性。
数字孪生部署三步走
数字孪生的应用具有广阔的多面性，范围覆盖产品组合选择、商业模式设计、研发、制造、售后服务等各个环节。企业初次应用数字孪生技术时，可能会感到无从下手。然而，这种多面性也是一种优势。企业可摸索前进，逐步扩大用例的范围、复杂性和在价值链层面的应用。为此，我们总结了部分企业的成功经验，可助力企业开启数字孪生之旅，提高应用成功率。
1、界定目标，明确价值
关注最佳实践。充分了解业内最佳实践，掌握数字孪生技术新趋势。深入评估组织愿景的各个组成部分，理清优先次序，衡量数字孪生技术的潜在机遇，并绘制技术应用路线图。
明确商业价值。量化不同数字孪生技术的价值，明确企业所需的模型成熟度。成功的商业用例讲究高效开发、快速回报。
精选试点用例。动用组织内部专家力量，在技术会议上合力评估组织能力基础，开发用例原型，并不断实现优化调整。这一做法可以筛除期望过高的方案，避免资源浪费。此外，作为价值催生的一大必行之举，该做法也能保证用例的成功实施。
2、了解长处，评估能力
开展成熟度评估。从开发方法、PLM治理、数据策略、业务流程、系统复杂性和协作这六大维度评估组织当前的数字化产品开发能力。识别自身擅长的领域后，便可理清投资重点，平衡数字孪生技术的应用及用例部署。人才和能力可以决定数字孪生项目的成败。在高级模拟、建模、用户体验设计、数据分析等领域，不少组织都亟需提高能力建设。
3、循序渐进，敏捷实施
开发最小可行产品（MVP）。打造一支投身于重点用例的跨职能敏捷团队，并在此过程中建立数字化能力。MVP的开发有助于从产品开发伊始就最大化产品价值，而非等到项目最终确定后才开始斩获效益。
评估部署情况，视情调整方案。根据第一个MVP阶段的试行情况，选择继续落实数字孪生部署进程，或根据现有用例的有效性、实施的复杂性，以及组织的成熟度来调整方案。作为价值催生的第二大必行之举，该做法能够进一步调整实施计划的范围，避免产生沉没成本。
扩大部署规模，加速投资回报。根据MVP阶段所收集的洞见，优化并规范化实施过程。依托外部合作伙伴或自建一个招聘及能力建设战略，构建一个能够快速推广成功经验的运营模式。向领军企业看齐，将数字孪生技术打造为核心战略能力。
数字孪生技术应用为企业展现的是巨大的价值前景。蓝图已现，领先企业早已开始积极布局，面对产品的无限可能与触手可及的效益，你是否已经做好准备？
