数字孪生的四个成功案例

[[420294]]

这些物理操作的虚拟克隆可帮助企业模拟那些利用物理资产进行测试会过于耗时且昂贵的场景。虚拟克隆可帮助企业监控运营工作、执行预测性维护和为资本收购决策提供洞察力、制定长期业务计划、开启新发明以及改进流程。

在2020年9月发布的一项预测中，研究公司MarketsandMarkets表示，2020年全球数字孪生市场规模为31亿美元，到2026年将达到482亿美元，在此期间的复合年增长率为58%。

以下是目前企业如何有效使用数字孪生技术的四个示例。

劳斯莱斯公司提高了喷气发动机效率

劳斯莱斯是一家航空航天和国防领域的跨国公司，已部署了数字孪生技术来监控其生产的发动机。该公司可监控每台发动机的飞行情况、飞行环境以及飞行员如何使用发动机。

劳斯莱斯公司首席信息和数字官斯图尔特·休斯(Stuart Hughes)表示：“我们正在调整保养制度，以确保我们发动机的使用寿命得到优化，而不是手册上所述的使用寿命。”“将每台发动机视为单独的个体，其保养工作真得存在很大差异。”

多年来，劳斯莱斯公司一直为客户提供发动机监控服务，但其数字孪生功能使公司能够为特定发动机量身定制服务。该功能已帮助劳斯莱斯公司将某些发动机的维修间隔时间延长了50%，使其能够大幅减少零部件的库存。该技术还帮助劳斯莱斯公司提高了发动机的效率，而且迄今为止已减少了2.2万吨的碳排放。

休斯的建议：了解您的客户。了解如何以及为何使用数字孪生功能与了解该技术本身同样重要。休斯表示，维护工作一直非常成功，因为它可以为劳斯莱斯及其客户带来明显的好处。

“为客户带来的好处是，因为发动机在飞机上运行的时间更长，因此客户的业务中断情况变得更少，客户也可以更多地使用发动机。对我们来说，好处是我们可以优化实际维护工作的方式。”他说。

玛氏公司(Mars)通过数字孪生技术来优化供应链

玛氏是一家糖果、宠物护理和食品公司，已创建了其生产供应链的数字孪生，以支持其业务工作。该公司正在使用微软Azure云和AI技术来处理和分析由其制造基地生产设备所生成的数据。

“我们将数字化视为一个巨大的业务加速器，”玛氏公司首席数字官桑迪普•达德拉尼(Sandeep Dadlani)说。“我们不是为了数字化而进行数字化。”

在埃森哲咨询公司数字化制造和运营顾问的帮助下，玛氏公司正在使用微软的 “Azure数字孪生物联网服务”来增强其160个制造基地的运营工作。该公司正在创建软件模拟以提高产能和流程控制，包括通过预测性维护来增加设备的正常运行时间，以及减少与设备产生不一致包装产品数量相关的浪费。通过使用数字孪生结构，玛氏公司还可以生成一个虚拟的“用例应用商店”，该应用商店可以在其各业务部门中重复使用。

展望未来，该公司计划使用数字孪生数据来思考影响其产品的气候及其他情况因素，从而更好地了解从产品源头到消费者这一供应链。

达德拉尼的建议：进行尝试，接受失败。玛氏公司鼓励其员工思考并合理使用人工智能和其他新兴技术来解决问题。这是公司努力进行文化转型的一部分，即转变为一种接受尝试并期望员工从失败中吸取教训的企业文化，从而可将经验应用于未来的业务成功发展。去年12月，该公司举办了一场虚拟“人工智能节”，以庆祝在各个业务部门中部署了200个AI用例。

“如果您能很好地定义一个问题，则您就会觉得自己有能力利用人工智能解决该问题。”达德拉尼说。

TIAA协会降低了客户服务的复杂性

美国教师保险和年金协会 - 大学退休股票基金(TIAA)帮助教师管理他们的退休基金。为了降低该机构的新客户引导流程复杂性，这家非营利性金融服务提供商正在使用由一个图形数据库所支持的数字孪生。

“在TIAA协会，基于美国国税局(IRS)的所有法规，我们提供了非常复杂的退休产品，”TIAA协会董事总经理兼退休服务技术主管亚历克斯•佩科拉罗(Alex Pecoraro)说。“为了完成这些工作，我们需要具备大量的业务知识，然后我们将全部团队组织起来做这件事。”

TIAA协会的外包服务包含600多个功能，可产生超过一万亿个可能的客户配置。在部署数字孪生技术之前，专业的TIAA协会团队根据客户想要的运作模式来手动创建和测试了一些技术配置。因此，TIAA协会的员工基于他们的专业知识被高度“功能化”，这意味着员工只能处理某些类型的产品。这也使得扩大业务规模变得很难。

为了解决这个问题，佩科拉罗的团队创建了一个数字孪生，它由一个可表示600多个特征的图形数据库组成，并且控制节点用于表示复杂的分组逻辑。数据节点表示实现某一功能所需的数据字段，而关系链接表示依赖关系、验证和排除情况。

该数据库已减少了客户引导流程所需的时间和专业知识。

佩科拉罗的建议：改变您的视角。佩科拉罗表示，该项目的关键是采取一种产品采用方法，而不是将其视为一个技术配置问题。

“团队中有一个人提出了这个想法，即把我们的注意力从配置上转移到客户正在做什么以及他们正在购买什么产品上，”佩科拉罗说。“这种视角的转变非常重要。回想起来，这似乎显而易见，但当您沉浸在所有细节中时，您可能会因为只看树木而迷失在森林中。”

拜耳作物科学公司(Bayer Crop Science)通过虚拟工厂来重塑战略

拜耳作物科学公司已利用数字孪生技术为其在北美地区的九个玉米种子生产基地的每一个创建了“虚拟工厂”。种子从拜耳作物科学公司的田地里收获，经过九个生产基地进行加工和装袋，然后配送给农民。

“现在我们可以重新思考自己的业务流程。我们可以通过应用这些机器学习算法或模拟方法来重新思考自己的决策，”拜耳作物科学公司数据科学卓越中心(COE)负责人Naveen Singla说。

拜耳作物科学公司为九个生产基地中的每一个都创建了设备、流程和产品流特性、物料清单和操作规则的动态数字表示，从而使公司能够对每个生产基地进行“假设”分析。

当商业团队推出新的种子处理产品或新的定价策略时，企业可以使用虚拟工厂来评估其生产基地是否准备好调整其运营工作以交付这些新策略。虚拟工厂还可用于做出资本收购决策、制定长期业务计划、开启新发明和改进流程。拜耳作物科学公司现在可将九个生产基地10个月的运营时间压缩为两分钟，从而使其能够回答有关库存单位(SKU)组合、设备产能、流程订单设计和网络优化的复杂问题。

Singla的建议：了解业务领域知识。Singla表示，拜耳作物科学公司成功的关键是，由决策科学负责人Shrikant Jarugumilli领导的决策科学团队负责构建数字孪生——他们将多个虚拟系统连接起来，花大量时间在生产基地了解他们的运营工作，并且赢得了利益相关者的支持。

“让我们的数据科学家了解业务领域知识非常重要，这就是Shrikant的切入点，”Singla说。“他和他的团队在这些种子生产基地花了数周时间，试图了解运营情况，了解细微差别，从而他们在与领导层对话时使用的是领导所说的语言，而不是机器学习方面的技术语言。”