江苏龙网

  1. 首页 > 人文 > >

数码小王|根叔新作！浅说数字孪生( 四 )


（1）实体的观测数据 。 如来自资产的传感器、日志或仪表数据 ， 或从其他主要输入计算出的虚拟传感器等数据；从其他来源收到的数据 ， 如卡车上所载货物的信息、设备所有者的姓名、设备序列号和历史维护记录等 。
（2）衍生数据 。 由数字孪生内的逻辑衍生之数据 ， 如有关事物环境（例如环境温度、当地天气条件）或与事物间接相关的对象（例如所有者的姓名和地址以及所有者身份之外的其他细节）的数据 。 这些数据不属于数字孪生本身 ， 但属于数字孪生中的逻辑 ， 或者使用孪生的应用程序中的逻辑 ， 必要时可能需要访问这些数据 。
（3）操作数据 。 操作数字孪生系统内的输入数据或存储在数字孪生系统外的数据 。 例如 ， 数字孪生可以通过对卡车观察到的燃油水平、油箱尺寸和平均速度 ， 应用公式来计算并存储卡车耗尽燃油前的剩余时间 。 此剩余时间是操作后获得的数据 。
（4）调用外部数据 。 基于数字孪生在外部（物理上）实现的逻辑 。 孪生逻辑可以向外部决策服务调用API ， 例如计算卡车预期到达时间的地理空间映射服务 。 这可以使用卡车当前位置和计划路线（下一个目的地的标识）上的数字孪生数据 ， 并获取不在孪生中的外部信息（地图和其他系统中保存的实时交通信息） 。
从上面的介绍可见 ， 需要把数字孪生技术与实体及其过程充分融合 ， 以达到优化的目的 。
数字孪生的支撑技术
从前述的例子可以看出 ， 某种意义上数字孪生是一种技术理念 ， 其实现需要多种基础技术 ， 如传感、物联网、大数据、CAD/CAE、仿真、VR/AR/MR/XR（虚拟现实/增强现实/混合现实/泛现实）、AI等 ， 此处不专门介绍 。
促成数字孪生技术应用所需基础要素的部署一直在加速[4]：
（1）仿真 。 构建数字孪生技术所需工具的能力和成熟度都在不断提高 。 现在 ， 人们可以设计复杂的假设仿真情景 ， 从探测到的真实情况回溯 ， 执行数百万次的仿真流程也不会使系统过载 。 而且 ， 随着供应商数量的增加 ， 选择范围也在持续扩大 。 同时 ， 机器学习功能正在增强洞察的深度和使用性 。
（2）新的数据源 。 实时资产监控技术如激光探测及测距系统（lightdetectionandranging ， LIDAR）与菲利尔（FLIR）前视红外热像仪产生的数据 ， 现在已经可以整合到数字孪生体内 。 同样地 ， 嵌入机器内部的或部署在整个供应链的物联网传感器 ， 可以将运营数据直接输入到仿真系统中 ， 实现不间断的实时监控 。
（3）互操作性 。 过去10年里 ， 将数字技术与现实世界相结合的能力已经得到显著提高 。 这一改善主要得益于物联网传感器、操作技术之间工业通讯标准的加强 ， 以及供应商为集成多种平台集成做的努力 。
（4）可视化 。 创建数字孪生体所需的庞大数据量可能会使分析变得复杂 ， 如何获得有意义的洞察就变得更具挑战性 。 先进的数据可视化可以通过实时过滤和提取信息来应对该挑战 。 最新的数据可视化工具除了拥有基础看板和标准可视化功能之外 ， 还包括交互式3D、基于VR和AR的可视化、支持AI的可视化以及实时媒体流 。
（5）仪器 。 无论是嵌入式的还是外置的物联网传感器都变得越来越小 ， 并且精确度更高、成本更低、性能更强大 。 随着网络技术和网络安全的提高 ， 可以利用传统控制系统获得关于真实世界更细粒度、更及时、更准确的信息 ， 以便与虚拟模型集成 。
（6）平台 。 增加功能强大且价格低廉的计算能力、网络和存储的可用性和访问是数字孪生技术的关键促成要素 。 一些软件公司在基于云平台、物联网和分析技术领域进行了大量投资 ， 紧跟数字孪生潮流 。 其中部分投资正在用于简化行业特定数字孪生应用的开发工作 。
需要注意的是 ， 在不同场景下的数字孪生体所用到的技术是不一样的 。
似 ， 是 ， 与不是


推荐阅读


上一篇：廿五|更好的运动体验，西圣挂脖式蓝牙耳机体验，狂甩不掉

下一篇：科技俱乐部菌|Reddit热议SN击败V5：人们再也不能看轻苏宁了