三维仿真(三维虚拟仿真平台)

在行业中，我们经常会遇到一种理解，认为数字孪生是直接与三维仿真显示联系在一起的，特别是在三维仿真的后台显示一些数据时，就认为是数字孪生。这种理解是片面的。“结对”的核心在于对生产现场采集的数据进行近乎实时的计算，从而准确了解生产现场的工作状况，做出符合事件的决策。其核心是数据和计算。三维模拟显示虽然也是一种映射，但只是三维之间的映射空。因此，数据、状态或事件的显示以及系统的浏览都非常直观，尤其是大屏幕的形式，给参观者一种很酷的感觉。但是，它毕竟是人机界面的一种表达方式，其中显示的数据、状态或事件必须从数字孪生数据和算法模型中获取。没有数字孪生数据和算法的支持，这些显示意义不大。

从另一个角度来看，如果数字双胞胎数据丰富，算法强大，对应的工业APP也强大，大部分生产运维操作都可以自动解决，不需要人工干预，那么这些三维仿真展示的必要性就会减弱。就像我们现在用电饭锅做饭，没有人会打开锅盖看水是不是干了。虽然我们目前大部分场景都达不到这样的程度。但是随着时间的拖延和技术的提高，我们会逐渐向这个目标迈进。

有时候，我们看到一些虚拟设备巡检是在3D仿真模型中进行的，操作人员不再需要亲临现场。另一方面，如果设备的所有数据都已经采集完毕，并且有算法对设备的运行状态进行监控，并得到相应的报警、记录和处理，那么这种虚拟检测的作用就不大了，或许除了满足之前一些流程的要求之外。

三维仿真作为一种数字孪生模型，是基于物理实体的实际空参数和空之间的拓扑关系建立的可视化模型。尤其是与AR相结合，3D仿真将继续在设计、设备拆装维护操作指导、体育器材操作赛事回放等方面发挥独特作用。

传统仿真模型基于

不等于数字双胞胎。

业内的另一种理解是将数字孪生等同于模拟仿真。仿真是在计算机中建立模型，再现物理系统中的本质过程，通过调整模型的输入和控制参数进行实验计算。它用于研究和评估现有或正在设计的系统的特性和行为，并寻找可行或最优的设计。它广泛应用于制造业。因为物理过程必须符合物理化学规律，比如物体的运动轨迹和速度，不同物体之间的拓扑关系空，液体介质的流动，固体的材料特性和热工特性等。，可以用物理和化学方程来表征和计算。一般来说，实际的系统构建成本高，耗时长，有些实验耗时长或者有危险，那么利用计算机模拟显然是一种事半功倍的方法。

如果数字孪生是在计算机中构建的产品或系统的全生命周期的副本，那么这些用于产品或系统设计的仿真模型显然属于数字孪生算法模型的一类。如果这些模拟模型能够准确地计算实际系统的特性和行为，它们确实可以成为数字双胞胎的主要计算模型，可用于生产过程的计算。但是，由于实际系统的复杂性和当前技术的局限性，在建立这些仿真模型时，大多需要大量的简化，只关注关键因素，忽略次要因素，或者只对系统的某些方面进行仿真，这样就可以满足验证设计结果是否满足一定的设计要求，比如安全生产的要求。这些要求一般都有比较大的冗余范围，但是计算精度不容易满足生产过程中监督和优化的要求。

此外，设计过程中使用的仿真模型软件大多基于仿真数据，批量使用，与生产现场实时数据不衔接。在计算性能上也难以支持连续流计算，难以支持数字孪生中生产运行过程的控制和优化。

总的来说，仿真是数字孪生的重要支撑技术。设计过程中的仿真模型是数字孪生算法模型的重要组成部分，但并不等同于数字孪生本身。一般来说，需要利用机理模型或数字模型来升级设计仿真模型或建立新的算法模型。

作为技术框架系统的数字结对

数字孪生映射现实世界中的实体，并对其状态进行模式判断、根本原因分析、状态预测等计算。从这个角度来看，把数字孪生作为用户的终端应用，而作为数字工业应用的支撑技术，甚至作为这些应用架构中的中间件，一般是不合适的。

为了映射生产现场设备的状态和行为，需要在软件中建立相应的镜像对象。如果借鉴面向对象编程的范式，需要设置数字双胞胎中设备对应的参数，包括属性、状态、指令等类型。在此基础上，这些参数与从设备收集的数据一一对应。如果设备的某个运行参数发生变化，它会几乎实时地反映在相应的数字孪生上。这是一个整理设备数据的过程，也是一个将工业知识沉淀到软件中的过程。

之后，我们可以使用算法模型来分析和计算这些数据，并映射物理实体的行为。比如判断或预测设备的运行状态，是否异常，是否符合工艺要求，是否符合能效要求等。如果是异常，分析异常的根本原因和解决策略，这些都会用到机理模型和数据算法模型。但是数字双胞胎的数据和算法并不是最终的解决方案。最终的解决方案必须以digital twin映射的设备的运行特性和行为作为输入，结合生产运营管理的业务逻辑和生产规则，特别是精益管理的原则和方法论，做出适当的决策并执行。这些逻辑一般都可以用App的形式实现。

这就是数字孪生作为技术框架体系的意义，作为数字工业应用架构的中间件:启动物联网的数据，连接现场，连接工业app，传达对现场状态和行为的洞察，支持控制现场的决策。

孪生数的特征函数

Twins系统地在数字空之间映射来表示物理世界，目的是使工业软件能够在复杂场景下高效实现和持续改进。

在这一页中，我列举了数字双胞胎的很多特点和作用，供大家参考，其中一些在之前也有不同程度的论述。这里我想强调一下所谓的OT和脱钩。

我们使用数字结对方法来建立一个新的技术框架。从OT的角度，我们以设备为主要对象建模，定义设备的特征数据，构建算法模型来判断或预测行为。然后，数字孪生可以让了解设备的专家相对容易地定义设备的特征数据，让了解设备操作和生产过程的专家与算法工程师合作构建算法模型，通过数字孪生结构融合在一起。这样就为各种设备建立了数字双胞胎，将数据定义和算法封装成软件组件，可以在很多地方被插件重用。但是，熟悉设备或工艺的设备供应商或工业设计院可以独立构建并提供某一设备或生产工艺的数字双胞胎，并且可以支持多种场景。

同时，数字结对本身与软件结构中的其他业务软件组件(如生产规则或用户界面)的代码分离。当数字孪生的算法迭代改进时，比如某个计算的精度提高，只需要独立更新数字孪生，改变业务的软件代码不需要重新修改。

总之，通过使用数字结对的方法论，可以构建一个能够有效支持数字技术与工业知识融合的技术框架，促进工业知识的沉淀、积累和持续改进，促进生态工业知识的广泛重用和共享。

数字结对的挑战

要实现数字双胞胎的价值，需要各种技术和知识的融合，尤其是数字技术(IT)和工业知识(OT)的融合。就制造企业而言，往往会遇到IT技术资源薄弱，OT知识积累薄弱的困境。单靠数字双胞胎推进数字化生产运营管理，普遍面临诸多障碍。由于工业系统的高度复杂性、生产环境的多样化和多变性以及工业知识积累的碎片化，要建立有效的数字孪生，需要工业生态伙伴的共同努力。数字技术供应商、设备供应商、工业知识供应商(如工业科研院所、设计院等。)将作为甲方与企业一起建设和完善技术和系统。

在这个过程中，推动数字双胞胎在行业生态中的重用显得尤为重要。作为数字结对的目标，该软件用于深入和准确地映射设备和生产过程的特征状态和行为。各企业场景下自主建设门槛高，成本高，积累推广慢，结果事半功倍。如果能在行业内建立相应的数字双胞胎共享技术框架和价值交易机制，促进数字双胞胎的再利用，将会降低创业成本，加速其有效性、质量和性能，提高数字双胞胎的性价比。

从更广的范围来说，软件可以说是可以使用的。一个软件应用，用户多了，场景多了，解决的问题多了，就会变得丰富强大，稳定性也会提高，这是通过复用积累的结果。这也是为什么第三方软件产品普遍比自研好的原因，这是空(场景)和时间积累的差异造成的，尤其是交叉空复用的优势。因此，复用不仅有利于软件供应商，也有利于软件用户。

孪生数字不是炼金术。

是持续改进的机会。

作为一种方法论，一种框架技术体系，甚至是一种面向生产运营环境数字化架构的中间件，数字结对不是一蹴而就的神奇技术，也不是一剂见效的灵丹妙药。孪生的有效性取决于设备或生产过程的复杂程度、模式确定、状态预测或优化策略计算的难度以及从现场收集的用于计算的传感器数据的完整性和准确性。

就像人对现实世界的认知有一个不断学习和提高的过程一样，数字双胞胎对物理世界的把握也是一个从粗糙到精细的过程。在实际应用中，如果数字孪生的计算相对于人工判断和操作能有显著的提高，采用数字孪生能带来一定的价值，那么采用这样的数字孪生应该是一个很好的起点，有机会不断提高。没有这样的基础，就永远没有提升和晋升的机会。就像一个从小没上过学的孩子，永远没有机会成为一个知识丰富的成年人。

我们不应该将数字结对视为一种黄金技术，期望数字结对能够一步到位地解决难题。这是不切实际的期望。数字结对确实可以有效解决一些问题，但对于很多问题，还需要在落地一段时间后，根据使用的反馈不断完善和推广。

数字化的核心是软件，本质上是一种持续改进的技术。不继续迭代改进的软件是没有生命的。

目前，许多企业在建设数字化应用系统时仍然沿用传统的基于软件项目的实施管理机制，属于一次性项目实施。解决方案供应商中标实施交付后，保修一年，之后一般没有后续维护或更新的考虑或机会。下次就很难积累和提高了。如果我们这样对待数字孪生，这种数字孪生是没有生命的。企业需要与解决方案提供商保持长期的合作关系，并提供相应的投资来支持软件应用的维护和推广，这样才能给已经建立的数字化解决方案留下长期的机会，有机会成长和成熟，避免一次性出售。同时，企业也可以考虑采用第三方供应商的产品，避免不必要的自建项目，这样就可以利用上面提到的空中供应商产品复用的积累和改进成果。

中趣科技作为数字孪生云服务提供商，不仅提供VR服务，还提供云平台，构建庞大的数字空室，这是实现元宇宙最基本的环节。