数字双胞胎已成为近来的流行语和主要投资机会。事实上，ABIResearch的数据预测，工业数字孪生的支出预计将从2022年的46亿美元增长到2030年的339亿美元。包括亚马逊、微软和谷歌在内的主要参与者最近推出了自己的数字孪生解决方案。尽管取得了这些进展，但采用数字孪生解决方案对企业来说并不总是一个简单的过程。虽然目标是拥有整个企业的完整端到端数字化图片，但这对于许多企业来说并不是一个实际的起点，尤其是那些从头开始的企业。企业在采用数字孪生战略时需要考虑什么？数字双胞胎可以为从单台机器到整个企业的一切建模。正如IBM所定义的那样，“数字孪生是对象或系统在其整个生命周期中的虚拟表示，根据实时数据进行更新，并使用模拟、机器学习和推理来帮助决策。”想象一下引擎的数字表示，然后制造引擎的装配线、供应零件的供应链，甚至雇佣流程和人员配置模型，以确保合适的技术工人在需要的时间和地点出现，以保持生产线的运行。从长远来看，端到端系统有望逐步改善企业运营方式。比如很多公司做情景规划。这通常每年或每半年进行一次，分析师在电子表格中手工构建一些选定的模型，然后绕着桌子或白板走动。将此与不断生成的数百或数千个场景进行对比，一些决策或多或少可能会发生，许多决策是自动化的，并且算法标准对人类的积极注意力影响最大。好消息是，无需从第一天起就对整个业务进行建模即可实现数字孪生战略的价值。事实上，在处理更复杂的流程之前，先从可以产生更直接影响的小的、可实现的流程开始是明智的。数字劳动力管理就是一个很好的例子。每家公司都有招聘和雇用流程、面向客户的营销流程以及将人才分配给服务业务项目的流程。想象一下：每个季度，每个业务部门负责人都会评估他们的业务书籍和即将开展的营销活动，然后将他们需要HR招聘的角色和技能的优先级输入到电子表格中。相比之下，智能系统——数字双胞胎——正在生成关于可能需要哪些技能的情报，使用的数据包括过去类似营销活动的结果、特定技能的实际招聘时间、离职率和影响影响的经济投入。要求。像自动调整不同角色的员工推荐奖金，或者在没有人为干预的情况下改变招聘人员队列中的优先级这样简单的事情，可以创造竞争优势。无论他们的起点是业务的哪一部分，他们也需要确保建立一个高保真模型。数据需要以不同的速度流入和流经过程或产品的数字孪生体：但最重要的是，生活是实时发生的。企业应首先检查其基础设施是否能够实时处理和处理数据。否则，他们的数字孪生旅程可能会很短。拥有坚实的基础是至关重要的。不良数据的影响如果企业不遵循上述建议并且不确保其数据在现实世界中是真实的，那么最坏的情况是什么？一个潜在的结果是他们可能表现不佳。精确建模所需的复杂数据因被建模的对象而异。例如，影响天气的数据在四分之一英里的范围内；从农业设备上的传感器测量的数据可以精确到四分之一英寸。这些细节很重要，在给定场景中使用不正确的测量数据会严重破坏模型——使其无法用作数字双胞胎。企业还必须意识到将不重要的数据引入到他们的模型中。如果不了解机器或业务流程，就很难从不相关的变量中识别出重要变量。添加与现实世界不符的因素会阻碍输出。因此，任何数字双胞胎流程都必须从彻底的流程审核开始，以了解什么是相关的，什么不是。确保数字孪生有效且仅包含最相关和最准确数据的一种方法是员工的跨职能团队。负责流程或机器建模的业务线应该负责并将数据科学人员分配到他们的团队。这将减少启动数字双胞胎流程时所需的学习和教育，因为技术团队已经嵌入并对业务流程有更深入的了解。使用数字孪生获得成功向数字孪生的过渡已经在进行中。大流行病暴露的漏洞清楚地表明，将业务连续性流程转移到数字领域有助于防止重大供应链或人员配置问题失控。除了危机，企业还可以通过为他们已经手动执行的流程创建自动化数字解决方案来减少浪费。随着数据变得陈旧，员工可以腾出时间来利用数字孪生的洞察力，而不是花费数小时将可能立即过时的报告放在一起。随着各行各业的企业开始大力投资数字孪生解决方案，它也正在成为一个关键的竞争优势。早期采用者将在实现端到端商业模式方面占据上风，而那些等待的人将不得不争先恐后地追赶。数字孪生时代已经到来。企业如何接受这项技术将在未来几年产生影响。
