数字孪生仿真的12个趋势

数字孪生概念是企业战略的趋势，这一名称来自企业构建物理对象的虚拟等价物（或孪生），这些数字副本越来越受欢迎，因为它们可用于驱动在现实中不容易进行的重要仿真。

以风力涡轮机为例，数字孪生技术就派上用场。涡轮可以配备传感器，这些传感器可实时生成有关涡轮机性能的数据，无论是速度、能量输出还是天气条件。然后，这些数据可用于制作涡轮机的数字副本，包括3D数字表示。机器学习和其他模型可以用于识别这个涡轮机的模式，例如，它是否处于最佳工作状态。数字副本可用于运行仿真，而无需打扰原始涡轮机，然后改进可以反馈给原始对象。

1、仿真激发对数字孪生的兴趣

观察家认为，对多物理仿真的需求很大，这种仿真在电子、结构和热等不同物理领域呈现了整体视角，对噪音和振动等领域至关重要。顶级仿真技术包括计算流体动力学（CFD）、多体系统（MBS）或有限元分析（FEA）技术。

仿真在制造业中也越来越相关，仿真软件是制造商的保单。ABI Research首席分析师Michael Larner告诉VentureBeat，在供应商社区中已经出现了部署算法的军备竞赛。这种"保险"使他们能够响应消费者需求的快速变化和供应链的中断，例如目前阻碍汽车业的芯片短缺。ABI预测，到2030年，制造业的仿真技术将以7.1%的速度增长，达到26亿美元。

另一些人则希望利用仿真技术的进步改进运营的各个方面，特别是随着所谓元宇宙的兴起—指的是利用VR/AR、数据自动打标签、AI驱动的物理模型和供应链改进。

以下是仿真影响数字孪生的12种方式。

2、元宇宙协作

Blackshark首席执行官兼联合创始人Michael Putz说："未来三到五年，仿真和建模工具最令人兴奋的发展在于元宇宙的演变。一些更令人兴奋的改进将涉及人工智能支持的重建建筑物的建模、实时标签和AI框架。顶级综合使用案例将结合仿真和协作，服务于城市规划、位置侦察、建筑验收、物流、无人机飞行规划和保险。

3、用更少的数据学习

Deep Fake中使用的生成式AI技术在改进和优化用于不同数字孪生的仿真模型方面也越来越好。正如NASA JPL首席技术和创新官Chris Mattmann向VentureBeat解释的那样，"关键是平衡标记训练数据的需求与数字孪生环境基准的现实环境仿真。他预测，将更多地采用合成数据技术，以更少的手动标签提高模型的准确性和有效性。

4、填补物理学的空白

建模和仿真工具正在利用从物理工业过程捕获的实时数据改进使用AI构建的物理模型。Nnaisense的首席执行官兼联合创始人Faustino Gomez告诉VentureBeat，传统物理模型的数字孪生速度太慢，无法实时用于涉及化学和流体动力学的复杂过程。例如，Nnaisense与EOS GmbH合作开发了一种数字孪生，用于在添加剂制造过程中对热量建模，而无需明确的物理模型。这些模型可以实时而不是数天来预测重要现象。他认为缩小物理差距的顶级人工智能算法包括几何深度学习、神经常微分方程（ODE）模型和对比学习。

5、推理模型仿真可制造性

数字孪生传统上侧重于仿真产品性能特征。制造过程中嵌入的传感器的改进使推理模型能够仿真影响质量、成本和易装的特征。Tempo Automation首席产品官Jeff Kowalski说，推理建模技术通过直接观察实现了数字孪生的生成过程的自动化。这减少了人类手工制定模型规则的努力。它还能够根据环境的变化自动更新模型。

6、改进自治系统

更好的数字孪生也可以改进自动驾驶车、船舶、叉车甚至工厂的引导模型。Kalypso数据科学总监Jordan Reynolds告诉VentureBeat，"自治系统性能的重大进步归功于模型预测控制（MPC），这是一种数字孪生方法，它模拟了复杂的系统将如何响应操作输入和环境变化。这些模型用于仿真动态系统行为，并在物理世界中自治地控制这些系统。MPC还用于模拟COVID-19的扩散，并确定加速其下降的最佳干预措施。

7、仿真编排

仿真容器有望在支持敏捷软件开发和部署实践的应用容器的成功基础上再接再厉。XR Maurizio的Aveva首席技术专家Galardo预计，仿真工具将从旨在解决特定任务的产品转向能够让用户快速合成完整产品设计的功能容器。这些仿真微服务可在不同的设计、仿真和生产工作流程中重复使用。

8、系统生成式设计

生成式设计技术从一组启动规范中自动提供设计建议。PTC产品管理副总裁Paul Sagar解释说，工程师传统上使用生成式设计来创建和优化单个部件。他期望算法和处理能力的改进，能够解决仿真完整组件的更广泛问题，例如使用整车的数字孪生查看化油器的性能。

9、工程业务产品

计算性能和互操作性的改进带来了将业务和仿真技术相结合的数字孪生。德勤咨询公司的国家新兴技术研究总监Scott Buchholz解释说："数字孪生对于模拟从小部件到服务的销售等变化非常有用。例如，普利司通使用数字孪生来优化车队每英里的成本、维护和轮胎选择。这有助于业务团队将轮胎里程作为服务销售，并围绕寿命和维护策略调整工程决策，以改进这种新的业务模式。

10、供应链协作

仿真工具提供商如Synopsys正在寻找方法来仿真芯片设计和运行在它们上的软件。这有望改善汽车芯片等产品的合作，这些产品由于更现代芯片设计的集成挑战而面临严重短缺。Synopsys验证小组工程副总裁Tom De Schutter认为，开发可扩展的数字线程，可跨供应链运行，通过全系统产品反映各个组件，前景广阔。这包括单个硬件设计的数字孪生、芯片上的系统、电子子系统和完整系统。然而，这也需要新的基础设施来捕获、共享和跟踪为这些混合数字孪生提供动力的细粒度数据。

11、更小的模型

Altair的首席技术官Brett Chouinard说，人工智能也可以进行磨练，以构建比传统方法要更少的数据和计算能力的小型模型（称为降维模型）。他预计，这将日益支持在边缘网 关和设备等远程设备上提供精密的数字孪生模型。这些较小的数字孪生将越来越多地为新产品和服务增加价值。Chouinard说，"虽然这种情况已经发生，但它只会获得更多的关注，围绕它构建了较新的应用程序，从而提高了复杂度，并增加了对边缘容量的需求。

12、多域数字孪生

仿真集成技术也为多域仿真开辟了机会。Scalable Network Technologies的首席执行官兼创始人Rajive Bagrodia博士说，这些技术建立在多物理和集成技术的基础上，以支持跨领域的工作，如电网和天然气管道等安全和物理基础设施。例如，在电网中，延迟断路器控制或伪造传感器负载报告的攻击可能会导致一系列级联效应，给区域电网带来潜在的灾难性后果。将物理系统仿真器与网络仿真耦合的多域数字孪生可以提高对此类场景的弹性、检测和响应。

13、仿真民主化

仿真民主化可以为技术较少的业务用户提供新的规划和发展机会。如今，仿真市场主要面向研发部门的工业设计师和工程师。更易访问的工具将降低企业用户、采购部门和主题专家采用的障碍。Hexagon Manufacturing Intelligence的MSC软件部门总裁Roger Assaker解释道："设计决策将更加明智，因为新产品的挑选不是纯粹基于美学或性能，而是基于各种因素来选择。

来源：BimAnt翻译整理