这五家公司正在使用数字双胞胎来监控运营、规划预测性维护、改善客户服务和优化供应链。

人类一直在收集数据，以更好地了解我们周围的物理世界。如今，公司越来越多地寻求通过数字双胞胎将数据的数字世界与物理世界融合起来。数字双胞胎作为两个领域之间的桥梁，提供物理对象和过程的实时虚拟表示。

这些物理操作的虚拟克隆可以帮助组织模拟使用物理资产进行测试时过于耗时或昂贵的场景。它们可以帮助组织监控运营，执行预测性维护，并为资本购买决策提供洞察，创建长期业务计划，识别新发明和改进流程。

在2022年6月发布的预测中，研究公司MarketsandMarkets表示，全球数字孪生市场预计将从2022年的69亿美元增长到2027年的735亿美元，同期复合年增长率（CAGR）为60.6%。

这里有五个例子，说明当今组织如何有效地使用数字孪生兄弟。

NTT Indycar将风扇置于方向盘后面

NTT Indycar系列由五场比赛组成，包括印第安纳波利斯500赛，它结合了数字孪生、数据分析和人工智能（AI）功能，让车迷能够深入、实时了解比赛，包括迎头超车、进站预测和其他元素。

合作伙伴NTT为该系列中的每辆车创建了一个数字孪生兄弟。历史数据提供了基础，每辆车都配备了140多个传感器，在每次比赛中收集数百万点数据，为数字孪生提供数据。数据包括从速度到油压到轮胎磨损和重力的一切。NTT使用人工智能和数字孪生数据的预测分析，向车迷提供以前只有比赛团队工程师才能获得的见解，包括比赛策略和预测、拦截和位置争夺、进站性能影响以及燃油油位和轮胎磨损的影响。

Indycar通过互动Indycar应用程序和社交媒体渠道向粉丝提供见解。它还为NBC的制作团队提供了见解。

Indycar市场营销副总裁SJ Luedtke说：“我们最狂热的球迷有机会更接近他们热爱的运动、他们热爱的车手或车队。”。“这就是数据和分析的切入点。我们正在与团队合作，在90分钟的比赛过程中获取数百万个数据点，帮助球迷了解发生了什么。”

Luedtke说，在过去三年中，NTT Indycar在比赛周末的应用程序中的参与度和停留时间增加了一倍。

Luedtke的建议：与利益相关者建立密切关系。她指出，她和首席信息官丽贝卡·鲁塞林克携手合作。她说，他们的合作关系很强，因为它真正试图理解团队的痛点，并回答他们的需求，而不是仅仅提供他们认为最好的解决方案。

“我们的团队定期开会，”Luedtke说。“我们有一个实现目标的路线图。”

劳斯莱斯提高喷气发动机效率

跨国航空航天和国防公司罗尔斯·罗伊斯（Rolls-Royce）部署了数字孪生技术来监控其生产的发动机。该公司可以监控每台发动机的飞行情况、飞行条件以及飞行员如何使用。

劳斯莱斯首席信息和数字官斯图尔特·休斯（Stuart Hughes）表示：“我们正在调整我们的维护制度，以确保我们优化的是发动机的寿命，而不是手册中规定的寿命。”。“这是真正的可变服务，将每个发动机视为一个单独的发动机。”

多年来，该公司一直为客户提供发动机监控服务，但其数字孪生功能使劳斯莱斯能够为特定发动机定制服务。它帮助该公司将某些发动机的维修间隔时间延长了50%，使其能够大幅减少零件和备件库存。这项技术还帮助劳斯莱斯提高了发动机的效率，迄今为止节省了2200万吨碳。

休斯的建议：了解你的客户。了解如何以及为什么使用数字孪生兄弟的力量与理解技术本身同样重要。休斯说，这项服务是一个胜利，因为它为劳斯莱斯及其客户提供了明显的好处。

“对客户的好处是，客户看到的中断更少，因为发动机在飞机上的时间更长，因此他们可以更多地使用它。对我们的好处是我们可以优化我们实际进行维护的方式，”他说。

Mars通过数字孪生优化其供应链

糖果、宠物护理和食品公司Mars创建了其制造供应链的数字孪生兄弟，以支持其业务。该公司正在使用Microsoft Azure云和人工智能来处理和分析其生产设施中生产机器生成的数据。

“我们将数字视为一个巨大的商业加速器，”Mars首席数字官Sandeep Dadlani说。“我们不是为了数字而做数字。”

在埃森哲的数字制造和运营顾问的帮助下，Mars正在使用微软的Azure Digital Twins物联网服务扩大其160个制造设施的运营。该公司正在创建软件模拟，以提高产能和过程控制，包括通过预测性维护提高机器的正常运行时间，并减少与机器包装不一致产品数量相关的浪费。使用数字孪生结构，Mars还可以生成一个虚拟的“用例应用商店”，可以在其业务线中重用。

展望未来，该公司计划使用数字孪生数据来考虑影响其产品的气候和其他情况因素，从而提高从产品起源到消费者的供应链的可见性。

达德拉尼的建议：尝试并拥抱失败。Mars鼓励员工考虑使用人工智能和其他新兴技术解决问题。这一切都是一项巨大努力的一部分，旨在将公司文化转变为一种拥抱实验的文化，并希望员工从失败中学习，从而将其应用于未来的成功。去年12月，该公司举办了一次虚拟人工智能节，以庆祝跨不同业务线部署的200个人工智能用例。

“如果你能很好地定义一个问题，你应该感到有能力使用人工智能来解决它，”Dadlani说。

TIAA降低了客户端服务的复杂性

美国大学退休权益基金教师保险和年金协会（TIAA）帮助教师管理退休基金。为了降低新机构客户入职的复杂性，这家非营利金融服务提供商正在使用由图形数据库提供支持的数字双胞胎。

“在TIAA，我们有一个非常复杂的退休产品，基于美国国税局的所有规定，”TIAA的董事总经理兼退休服务技术主管Alex Pecoraro说。“为了进行设置，需要相当多的业务知识，我们组织了整个团队来完成。”

TIAA的外包服务由600多个功能组成，可以产生超过1万亿个可能的客户端配置。在部署digital twin技术之前，专业的TIAA团队根据客户所需的操作模型手动创建和测试技术配置。因此，TIAA的员工根据其专业知识高度“功能化”，这意味着员工只能处理特定类型的报价。这也使得缩放操作变得困难。

为了解决这个问题，Pecoraro的团队创建了一个数字孪生模型，由一个图形数据库组成，该数据库代表了600多个功能，控制节点用于表示复杂的分组逻辑。数据节点表示实现功能所需的数据字段，关系链接表示依赖、验证和排除。

该数据库减少了客户入职所需的时间和专业知识。

佩科拉罗的建议：改变你的观点。Pecoraro表示，该项目的关键在于采用产品采用方法，而不是将其视为技术配置问题。

“团队中有一位同事提出了这个想法，将我们的注意力从配置转移到客户正在做什么以及他们正在购买什么，”Pecoraro说。“这种视角的转变是关键。回顾起来，这似乎很明显，但当你沉浸在所有细节中时，你可能会迷失在森林中。”

拜耳作物科学利用虚拟工厂重塑战略

拜耳作物科学公司利用数字孪生兄弟为其在北美的九个玉米种子生产基地创建了“虚拟工厂”。种子从拜耳的田地里收获，经过九个地点进行加工和装袋，然后分发给农民。

“现在，我们可以重新想象我们的业务流程。我们可以通过应用这些机器学习算法或模拟来重新想象决策，”拜耳作物科学数据科学卓越中心（COE）负责人纳文·辛格拉（Naveen Singla）说。

拜耳为九个站点中的每一个创建了设备、工艺和产品流程特征、物料清单和操作规则的动态数字表示，使公司能够对每个站点进行“假设”分析。

随着商业团队引入新的种子处理产品或新的定价策略，企业可以使用虚拟工厂来评估网站是否准备好调整其运营以交付这些新策略。虚拟工厂还可以用于做出资本购买决策、创建长期商业计划、识别新发明和改进流程。拜耳现在可以将9个生产基地10个月的运营时间压缩为2分钟，从而能够回答有关SKU组合、设备能力、工艺订单设计和网络优化的复杂问题。

Singla的建议：了解商业领域。Singla表示，拜耳成功的一个关键是，由决策科学-互联虚拟系统负责人Shrikant Jarugumilli领导的负责构建数字孪生兄弟的决策科学团队在制造现场花费了大量时间，以了解他们的运营并赢得利益相关者的支持。

辛拉说：“让我们的数据科学家了解业务领域非常关键，这就是施里坎特的作用所在。”。“他和他的团队花了数周时间在这些种子生产基地，试图了解运营情况，了解细微差别，以便他们与领导层交谈时所传达的信息是领导层本身的语言，而不是机器学习的语言。”

本文：