數字孿生已成為近來的流行語和主要投資機會。事實上，ABI Research 的數據預測，工業(yè)數字孿生的支出預計將從 2022 年的 46 億美元增長到 2030 年的 339 億美元。包括亞馬遜、微軟和谷歌在內的主要參與者最近都推出了自己的數字孿生解決方案。
盡管有這些發(fā)展，但采用數字孿生解決方案對企業(yè)來說并不總是一個簡單的過程。雖然目標是擁有整個業(yè)務的完整端到端數字圖像，但這對于許多企業(yè)來說并不是一個實際的起點，尤其是那些從零開始的公司。
企業(yè)在采用數字孿生戰(zhàn)略時需要考慮什么？
數字孿生可以對從單臺機器到整個企業(yè)的所有事物進行建模。正如IBM 所定義的，“數字孿生是跨越其生命周期的對象或系統(tǒng)的虛擬表示，從實時數據更新，并使用模擬、機器學習和推理來幫助決策?！?/p>
想象一個引擎的數字表示，然后是制造引擎的裝配線，供應零件的供應鏈，甚至是雇傭過程和人員配備模型，以確保在需要的時候和地點，有合適的熟練工人，以保持生產線運轉。
從長遠來看，端到端系統(tǒng)有望逐步改善企業(yè)的運營方式。例如，許多公司做情景規(guī)劃。這通常是每年或每半年進行一次，分析師通過手工工作在電子表格中構建一些選定的模型，然后圍繞桌子或在白板前進行推演。
與此形成對比的是，不斷生成的場景有數百或數千個，隨著一些決策或多或少可能發(fā)生，許多決策被自動化，而算法標準對主動的人類注意力產生了最重要的影響。好消息是，整個業(yè)務不需要從第一天就建立模型來實現數字孿生戰(zhàn)略的價值。事實上，明智的做法是先從可實現的小過程開始，這樣可以產生更直接的影響，然后再處理更復雜的過程。數字化勞動力管理就是一個很好的例子。每個公司都有招聘和雇傭的流程，面向客戶的營銷流程，以及在服務企業(yè)中為項目分配人才的流程。想象一下這樣的現狀:每個業(yè)務部門領導每個季度評估他們的業(yè)務賬簿和即將到來的營銷活動，然后將他們需要人力資源部門雇傭的角色和技能的優(yōu)先級輸入到電子表格中。與之相比，智能系統(tǒng)——數字孿生——正在生成關于可能需要哪些技能的智能，利用數據，如過去類似的營銷推廣結果、特定技能的實際招聘時間、人員流動率和影響需求的經濟投入。一些簡單的事情，比如自動調整不同角色的員工推薦獎金，或者在不需要人工干預的情況下改變招聘人員隊列中的優(yōu)先級，都可能創(chuàng)造競爭優(yōu)勢。
無論企業(yè)的起點在業(yè)務的哪個部分，他們還需要確保建立一個高保真模型。數據需要以不同的速度流入和通過過程或產品的數字雙胞胎:但底線是，生活是實時發(fā)生的。企業(yè)應該首先檢查其基礎設施是否能夠實時處理和處理數據。如果不是這樣，他們的數字孿生旅程很可能會很短。擁有堅實的基礎是至關重要的。壞數據的影響如果一個企業(yè)不接受上述建議，不確保其數據在現實世界中是真實的，最壞的情況會是什么?一個潛在的結果是，他們可能會低于模型。精確建模所需的復雜數據因建模對象的不同而不同。例如，對天氣有影響的數據在四分之一英里的尺度上;從農業(yè)設備上的傳感器測量到的數據可以精確到四分之一英寸。這些細節(jié)是很重要的，在給定的場景中使用不正確測量的數據可能會嚴重地破壞模型——使其在作為數字雙孿生的目的中無效。企業(yè)還必須意識到在模型中引入不重要的數據。如果不了解機器或業(yè)務流程，就很難從那些可能不相關的變量中確定重要的變量。加入與現實世界不符的因素會阻礙產出。因此，任何數字孿生過程都必須從徹底的過程審計開始，以了解什么是相關的，什么是不相關的。確保數字孿生是有效的，并且只包含最相關和最準確的數據的一個方法是跨職能團隊的員工。負責建模的流程或機器的業(yè)務線應該負責，并將數據科學人員分配到他們的團隊中。這將減少啟動數字孿生流程時所需的學習和教育，因為技術團隊將已經嵌入其中，并對業(yè)務流程有更深入的理解。
使用數字孿生獲得成功
向數字孿生的轉變已經在進行中。大流行暴露出的脆弱性清楚地表明，將業(yè)務連續(xù)性流程轉移到數字領域有助于防止主要的供應鏈或人員配備問題在失控之前發(fā)生。
除了危機之外，企業(yè)還可以通過為他們已經手動執(zhí)行的流程創(chuàng)建自動化數字解決方案來減少浪費。由于數據過時，員工可以騰出時間來利用來自數字孿生的洞察力，而不是花費數小時匯總可能幾乎立即過時的報告。
隨著各行各業(yè)的企業(yè)開始在數字孿生解決方案上投入大量資金，它也正在成為一個關鍵的競爭差異化因素。早期采用者將在實現端到端商業(yè)模式的上占據先機，而那些等待的人將只能奮力追趕。
數字孿生的時代到來了。企業(yè)如何接受這項技術將對未來幾年產生影響。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
