当今的商业模式对数字孪生的要求越来越高，包括它们的组件对象和流程以及有关它们活动的实时数据，因为公司希望解决物联网 (IoT) 不断产生的运营障碍的复杂性。
数字孪生带来了可视化、模拟、优化和远程控制系统和流程的新方法，以重新思考和重新配置看似单调的商业活动例程，以应对多变的市场。
数字孪生：从太空到商业世界
数字孪生在 NASA 的阿波罗 13 号任务中首次亮相，其氧气罐在距地球 200,000 英里的地方爆炸。 就像命中注定一样，航天器的数字双胞胎远没有目前使用的那么复杂，是其救援任务的关键； 反映它的模型、飞行路径上的数据以及远程控制系统帮助协调了它返回地球的过程。
NASA 的创新越来越多地进入商业世界，在商业世界中，IoT 是由电子、软件、通信和硬件组成的自动化连续操作系统的基础。 （阅读物联网 (IoT) 的主要驱动力是什么？）
数字孪生、3D 或 2D 仪表板在构建和安装系统之前可视化和模拟这些不同组件的集成。
数字孪生创建的模型鼓励跨职能协作，因为它们可以轻松共享。 它们还有助于比较设计和结果，以便在车间发生灾难性错误之前调整它们。
根据 Gartner 最近的一项调查，实施物联网的组织中有 13% 正在使用数字孪生，而 62% 正在设置或计划在短期内设置它们。
“IBM、微软和 SAP 等知名技术公司已将数字孪生仿真功能与数据分析相结合，而 DS（达索系统）、GE、PTC 和西门子等物联网和工程仿真软件提供商已收购 Juniper Research 首席分析师 Elson Sutanto 表示：
数字孪生的一个典型用例是供应链，迷宫充满了损坏、盗窃或损坏的风险，因为电子产品或医药产品等有价值的产品蜿蜒穿过多种运输方式、仓库和配送中心，并跨越 几个地理气候条件。
思考并试图确定变量对供应链风险的影响可能会让人不知所措，如果它们是可观察到的，就像包装质量、环境因素和执法一样多变。
Tractica 首席分析师 Keith Kirkpatrick 表示：“从传感器收集的关于温度和湿度等微变量的精细数据，以及控制它们对结果影响的需求增加了对数字孪生的需求。”
如果没有数字孪生带来的传感器和控件提供的精细数据，迷宫般的铁路网络中的资源分配（例如机车维护调度）可能会出错。 通过将网络中的数字相加，包括维修车间的利用率、资产的磨损和维修的紧迫性以及列车的行驶路径，可以获得对容量可用性的态势感知。
只有这样，模拟决策选项和分配资源才有可能。 重新进行初始计算以应对事故、意外事件和天气变化，以保持运行平稳。
阿尔斯通使用数字孪生来模拟从伦敦到格拉斯哥和爱丁堡的火车服务的资产维护调度选项，并实时监控网络以进行战术调整。
数字孪生的按需服务
并非每个商业组织都有能力安装和维护数以千计的传感器，或者有能力掌握分析和进入数字孪生的软件。 Hitachi Vantara 等组织将此视为从硬件销售转向服务的机会。
Hitachi Vantara 物联网解决方案营销高级总监 Bjorn Andersson 表示：“我们在英国的 Intercity Express 计划中提供铁路运输服务，该计划负责满足服务水平协议的运营一致性以实现盈利。”
安德森说，在这种情况下，作为铁路运输设备制造商的日立“拥有能够在部署之前进行模拟的知识和设计数据”。
日立还在所有轨道车和相关系统中安装了传感器，以监控设备状况并维修机器以获得一致的性能。
“我们通过使用为其他目的安装的传感器来保持低成本，例如监控摄像头，这些传感器提供有关过程或机器运行情况、人类如何与机器交互、材料流入生产线等的数据。” 安德森补充道。 （阅读为什么超级智能 AI 不会很快摧毁人类。）
数字孪生的信息模型
可以肯定的是，数字孪生主要用于特定应用程序的试点，现阶段不一定可重复和可扩展，我们采访了数字转型顾问 Dimitri Volkmann，他有使用数字孪生的经验。
“首先，数字孪生需要一个信息模型和分类法，就像 1990 年代为软件实现的那种 SQL，以使其具有可扩展性和可重复性。 它将从数据描述模型中提取的标准描述开始； 他们的主要数据将用他们的属性来表征他们，这为提取关于性能、模拟和预测的洞察力和情报奠定了基础。”沃尔克曼说。
“然后，任何应用程序都可以通过使用相同的描述符访问数据并查询数据来从中受益。目前，每个数字双胞胎试点都有自己的分类法和专有数据模型，这使得它们很难集成。”
“一个平台将最好地完成第一个任务，即创建物理对象的数字表示、它们的数据描述符和分类法。 在创建数字代理及其相关数据的清单之后，就可以使用分析和人工智能/机器学习进行模拟和预测并远程控制物理系统。”
“随着数字孪生数量的增加，不断学习更多现象成为可能。” 沃尔克曼补充道。
我们对数字孪生的了解
数字孪生有助于从复杂系统的物理世界迷宫中提取智能。 它们不仅有助于随时获得态势感知，而且还有助于控制物体以实现目标。
在技术和自驱动系统交叉的世界中（阅读 7 个被揭穿的自动驾驶汽车神话），它们使了解其各个元素的影响并实时进行修正成为可能。
最重要的是，它们为迄今为止固定不变的系统带来了透明度和灵活性，并为当今运营管理业务模型的创新开辟了道路。
