麦肯锡《技术热门趋势报告》上篇：数字孪生技术从基础研究向大规模应用过渡

    近日，麦肯锡发布《技术热门趋势报告》（The Top Trends in Tech），对世界科学技术发展趋势进行了研究。报告认为，更高水平的流程自动化、可视化，分布式基础设施、下一代计算平台、AI应用等已经成为各行各业的发展趋势。同时，报告还对其中具有重要影响科学技术进行了深入洞察，具体包括：数字孪生、3-D/4-D打印技术、应用AI技术、云计算、边缘计算、区块链等等。文章选取其中部分技术洞察进行编译分享，本期提供了麦肯锡有关“数字孪生”的洞察分析。

    以下是报告详细内容：数字孪生数字孪生指的是某项资产的数字复制品，通过集成来自数字和物理世界的数据，可以：

    完成产品开发、制造流程规划、工具开发和可维护性成本优化过程中的虚拟工程；▘实现营业资产的性能优化。

    通过集成来自设计、工程、制造和服务功能的端到端数据，数字孪生可以模拟一项资产的期望状态或其在现实场景中的行为。管理层如果具有该领域的洞察，就能快速做出决策或自动优化行为。

    技术成熟情况

    数字孪生技术正在从基础研究向大规模应用过渡，现在处于过渡的中间阶段，尚未成为一项大规模落地的成熟技术。

    到2022年，数字孪生技术的使用相比2018年将增加3倍，70%的制造商将定期运用数字孪生技术。

    行业适用情况

    数字孪生技术正在从特定行业向各行各业应用过渡，现在处于过渡的中间阶段，尚未成为一项在多个行业普遍落地的成熟技术。

    数字孪生对企业的价值

    增强预测能力：利用不同的建模技术预测各种情景下的未来。▘绩效跟踪和持续改善：利用数字孪生对某项资产的绩效历史进行统一整理，从而持续改进关联资产和流程。▘了解资产前景：利用数字孪生集成各类数据，从而揭示资产间的影响和依赖。▘实现自动化：根据数字孪生产生的洞见将决策点编码和自动化，从而减少决策者之间的重复决策。▘构建数据湖：由于创建数字孪生需要一个共同的数据源，所以公司不得不改变他们的数据收集和分析方法，这将创造更多的数字化和优化的可能性。

    应用示例

    01

    缩短进入市场的时间

    无需搭建基础设施或产品就能够模拟设计选项，实现设计虚拟化、开发和测试(例如通过同步工程做出制造驱动的设计决策)。

    如：汽车原始设备制造商在使用数字孪生前需要按顺序做出设计决策，因而受到限制。特别是在设计安全带紧固系统时，需要花费3天多的时间，增加了整体设计耗时。而根据设计和工程团队的约束因素和目标建立了数字孪生模型后，确定最佳设计选项所花时间仅略大于1分钟。

    02

    提高产品或服务开发的质量

    在真实环境测试(如多物理模拟)之前，就能查看各种设计选项在性能模拟中的情况。

    如，在使用数字孪生前，飞利浦生产的医疗成像设备(如磁共振成像)很难使医生根据一组二维图像重建和解释病人心脏的解剖结构。但在使用数字孪生后，则可以根据患者的数字孪生创建三维心脏模型，提供有关心脏的规格和动态变化等详细深入的信息。与使用二维医学图像相比，心脏模型将手术时间减少了82%。

    03

    提高息税折旧摊销前利润

    降低运营成本(如通过有根据的流程规划)、增加收入(如提升产品/服务的性能)。

    美国内华达州卡森市在用水高峰时期偶尔会停水。为此该市利用数字孪生来模拟未来供水情况(例如在用水高峰时期的情况)，以保证供水并节省运营成本。在使用数字孪生后，根据数字孪生提供的深度信息能够重新实现3个县之间的供水平衡。未来这种供水平衡将由数字孪生自动控制。引入数字孪生后，不仅使得工作时间减少了15%，还能保证5万人口的水源稳定提供。

    此外，数字孪生还能减少资本密集型投资，使得管理者能够根据模拟结果做出投资决策，从而降低冗余或替换的风险(因为产品是定制的)。同时，数字孪生还可以增加项目确定性，通过模拟可能路径、追踪绩效并对标里程碑，在偏离项目计划的情况下及时纠正(如把数字孪生运用到建设中的复杂项目)。

    发展前景

    未来五年数字孪生技术的发展前景如下：

    阶段一：基于模拟的数字孪生技术将得到广泛应用

    大型技术公司(如微软云)使得技术孪生成为一种日益普遍的服务，从而增加该技术的使用案例。一旦出现了典型使用案例，也就是利用数字孪生获得大量商业利益的案例(例如制造业中的机器操作优化)，就能鼓励其他行业应用数字孪生。

    阶段二：增强端到端的决策制定和优化

    数字孪生会被应用到包括设计和售后服务（端到端）的各个阶段，将各个阶段中产生的洞见整合起来，然后将这些洞见打包，使其可视化。管理层利用数字孪生提供的洞见和其他用户技术(如混合现实)能够做出更好的决策。由于数字孪生覆盖了端到端，因此能进一步优化流程自动化，从而进一步提升效率，为公司创造收益。

    阶段三：自动优化资产和连续制造

    AI驱动的流程优化和机器控制(如机器人)使得离散制造和连续制造之间的界限变得日益模糊。将数字孪生集成到物联网/边缘环境中后，数字孪生就变成了物理资产的智能软件驱动程序，支持实时分析、反馈和实施。如果要在不同的生态系统和供应链中运用数字孪生技术，就需要实现应用环境(如客户关系或价值链)的全数字化。

    数据/资料来源：1.专家采访；2.麦肯锡公司的分析；3.Gartner物联网部署情况调查（2018年）；4.国际数据中心2017年10月发布的《前景：全球物联网2018年预测》；5.Forrester对AI的预测（2020年）；6.IHS Markit报告（2020年）；7.Fauenhofer研究所。