尽管用数字化模型表达现实物体已经不是新鲜事,但数字孪生与传统数字模型之间仍有巨大区别——就是要与实体始终保持“孪生”关系。
未来几年,数字孪生有望与物联网技术(包括传感器、高级数据分析、数据驱动制造以及数字经济等)结合,最终带来更准确、更高效的制造与管理能力,降低制造成本,并最终在更长的生命周期内实现最佳产品效能。
英国数字建造中心是商业、能源与工业战略部(BEIS)与剑桥大学合作建立的机构。该中心主任Mark Enzer表示,数字孪生应该能运用来自数字建筑、高性能资产、智慧城市、数字经济乃至互联民众的丰富数据。
英国数字建造中心希望探索如何在这些数据的推动下,更好地设计、建造、运营和集成建筑环境,尝试让数字化全面渗透进基础设施、建筑与公共事业等各个层面。
Enzer在本次公共事业周WWT智能水资源大会上表示,“说起数字孪生,它体现的其实就是信息价值链——一种物理与数字之间的双向连接。我们构建数字孪生的出发点绝不是因为有趣,而应该考虑明确的诉求。”
建立数字孪生
Enzer还简单介绍了创建数字孪生的四个关键阶段。
首先,他强调“设计”阶段应该以信息管理与数据收集技术的最佳实践为核心,强调建立具备“更佳性能”的资产与基础设施。
在随后的“制造”阶段,最重要的就是利用新兴数字制造、信息、管理与制造技术来提高制造过程中的安全性、质量水平与生产效率。
在“运营”层面,Enzer解释道,则需要依靠有效的信息管理方法来改善制造的效能和服务水平。
最后,在“整合”阶段,他强调应了解智能制造如何提高公民的生活质量,特别是怎样利用信息持续推动社会、经济基础设施与服务。
实现最佳决策
这项工作的一大核心,就是在整个制造项目内开展有效的信息管理,并将这种管理能力贯彻到人员、流程与技术的部署当中。Enzer解释道,“应该把信息当作核心。这一切都是为了让人们能够利用信息做出更佳决策,实现流程的改进与顺畅互通,更明智地应用并整合各类技术成果。”
因此,在制造领域应用数字孪生的根本目的,应该是让数字模型自己“说话”,而非简单建立起“包罗万象的大规模模型”;否则,“这只会是一场彻头彻尾的噩梦。”
从本质上讲,国家层面的数字孪生计划需要以结果为导向,专注于实现项目的预期成果、根植于现有系统并辅以强有力的价值观指引。
指导原则
我们的制造系统由经济、社会与自然基础设施等多种元素构成,如果能将这些基础设施连接起来,我们就能在必要时进行更有针对性、更富实效的干预——这种能力对于大多数行业、特别是需要灵活调整和实时干预的公共事业部门而言至关重要。
为此,要想让数字孪生成为跨部门、乃至全行业中的核心组成部分,当务之急就是建立一种通用语言,确保不同产品间可以“相互交流”、共享参考数据并建立起通用数据模型。
Enzer还补充道,虽然数字孪生在人力与组织等方面带来不少现实挑战,但英国数字建造中心已经发布Gemini原则框架,希望解决这些横亘在数字孪生面前的障碍。
Gemini原则框架由英国数字建造中心于2018年12月发布,希望能在整个制造领域之内建立起统一的信息管理方法——特别是共识性的定义与原则,以便降低数据共享门槛。
作为其中的核心理念,框架要求一切数字孪生项目都须具备明确的目的、必须值得信赖且必须有效运作。
这些原则被描述为“信息管理框架与国家数字孪生的良心”,目标就是让英国的数字孪生项目始终遵循强有力的价值主张与造福公众的利益指导。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。