数字孪生丨如何利用现有数据提升产品耐久性？

产品在不断迭代，产品开发周期也在不断变化，这在很大程度上受到海量数据的影响。如今，数据不仅用于验证虚拟模型，如系统设计中使用的数字孪生模型，而且在运营过程中也发挥着至关重要的作用。与过去不同，公司一旦产品发布便无法得知其状况，现在却能够持续与产品保持连接。

事实上，现代产品具有传输数据的能力，这些数据用于评估产品状态、监控性能、检测异常、识别潜在的意外工作条件和情景等。数据、数据、数据无处不在！

这些数据通常由一个“大脑”处理，也就是所谓的“运营”数字孪生，它们揭示出关键的洞察。听起来很简单，对吧？然而，部署数字孪生以精准地挖掘出最佳的可执行洞察，只有在拥有合适的技术合作伙伴时才有可能实现。

无论是来自仿真还是传感器，今天的挑战不在于数据的可用性，而在于其高效且有效的利用。数据常常杂乱的、不完整的、形式各异的、带有杂质，甚至是无关的数据。在实践中，只有经过彻底清洗过程后，一小部分可用数据才具备被“大脑”处理的资格.

为了直观地解释典型场景中的数据流，我喜欢用“黄金”生命周期作类比。

机器、车辆或其他资产生成的数据就像河床中的沉积物。要提取有价值的洞察，我们需要像淘金盘这样的工具，它通过筛选沉积物来发现珍贵的金屑。这个过程类似于数据准备，我们在其中筛选和组织真正相关的数据。

一旦我们准备好了数据，就进入处理阶段。在这个阶段，我们提升其价值。数字孪生通过物理或基于人工智能的技术进行处理。同样，从金屑中，我们可以打造出一枚戒指。

一旦金戒指闪闪发光，就不应该被放在抽屉里；相反，应该将其展示出来。同样，数字孪生生成的结果必须通过合适的仪表板来访问查看。

我们的类比没有提到的是反馈。事实上，基于获得的结果，我们可能会选择修改产品或其组件，从而增强它们或改进下一代产品。与保持不变的河床不同，我们可以根据从运营数字孪生中获得的洞察来适应和改进。

目前，预测性维护代表了最常见的运营数字孪生（operational digital twin），覆盖了大约 25% 的应用。这些数字孪生作为虚拟传感器，实时监控物理资产，计算诸如关键组件的剩余使用寿命（RuL）或健康状态（SoH）等指标。

它们带来了诸多好处：

• 提高安全指数

• 减少停机时间和其他成本

• 延长系统寿命

• 实践计划性维护行动

• 实现根本原因分析

• 提升可靠性，增加竞争力

它们在组件级别上易于实施，并可应用于多个领域，包括：

• 电动汽车领域，追求轻量化设计以延长续航里程，增加了疲劳相关故障的风险；

• 重工业领域，由于物料搬运，组件承受高负荷；

• 结构应用领域，结构必须承受来自移动设备（如起重机）的动态载荷或影响高大天线的风载荷。

  
  

研究表明，在未来十年内，数字孪生市场的复合年增长率平均为 40%。这一预测增长意味着从 2024 年的 150 亿美元增长到 7 年后的 1500 亿美元。

数字孪生技术将有越来越多的应用，可以处理来自现场的传感器数据，并将其转化为可读的形式；通过揭示和增强其隐藏的信息，例如计算理论关键绩效指标（KPI）、实施纠正措施和检测系统异常。

与合适软件解决方案提供商合作应满足两个关键要求：

1. 首先，供应商必须提供技术民主化的人工智能（AI）技术，这样无论用户的技术水平如何，都可以进行使用；

2. 其次，解决方案合作伙伴必须是真实可信的，引导公司能够完成其数字化旅程。

Altair 提供最全面的数字孪生解决方案，包括可以无缝集成到既定工作流程中的同类最佳技术。此外，Altair 提供领域专业知识——技术专家！事实上，除了提供软件，Altair 首先是一个由专业人员组成的公司，我们随时准备帮助您更高效地实现目标！