很多人通过收集数据来更好地了解周围的物理世界。如今，企业越来越多地寻求通过数字孪生将数字世界与物理世界相融合。数字孪生可以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企业模拟使用物理资产对过于耗时或昂贵的场景进行测试。它们可以帮助企业监控运营、执行预测性维护，并为资本购买决策提供洞察力、制定长期业务计划、识别新发明和改进流程。

研究机构MarketsandMarkets公司在2022年6月发布的一份预测报告中表示，全球数字孪生市场规模预计将从2022年的69亿美元增长到2027年的735亿美元，在此期间的复合年增长率为60.6%。

以下是当今企业有效使用数字孪生的五个示例。

1、NTT Indycar公司为车迷提供见解

NTT Indycar系列赛由包括印第安纳波利斯500在内的五场汽车比赛组成，这两家公司正在使用数字孪生、数据分析和人工智能功能的组合，让车迷能够深入实时地了解比赛，包括迎头超车、进站预测和其他元素。

Indycar公司的合作伙伴NTT公司为该系列中的每辆车创建了一个数字孪生系统。其历史数据提供了基础，每辆车都配备了140多个传感器，这些传感器在每场比赛中收集数百万个数据点，为数字孪生系统提供数据。其数据包括速度、油压、轮胎磨损以及重力等所有内容。NTT公司使用人工智能和预测分析对数字孪生数据进行分析，以向车迷提供以前只有比赛团队工程师才能获得的见解，其中包括比赛策略和预测、拦截和位置争夺、停站性能影响以及燃油水平和轮胎磨损的影响。

Indycar公司通过交互式Indycar应用程序和社交媒体渠道向车迷提供见解。它还为NBC的制作团队提供见解。

Indycar公司营销副总裁SJ Luedtke说：“我们狂热的车迷有机会更加接近他们喜爱的运动或他们喜爱的车手或车队。这就是数据和分析的用武之地。我们正在与团队合作，在90分钟的比赛过程中收集数百万个数据点，并帮助球迷了解正在发生的事情。”

Luedtke说，在过去三年中，NTT Indycar在其应用程序中的比赛中周末的参与度和逗留时间增加了一倍。

Luedtke的建议：与利益相关者建立密切的关系。她指出，她和该公司首席信息官Rebecca Ruselink携手合作，并且合作关系很牢固，因为IT团队确实试图了解其团队的痛点，并满足他们的需求，而不仅仅是提供他们认为最好的解决方案。

Luedtke说，“我们的团队定期开会，我们需要制定一个想要完成的事情的路线图。”

2、劳斯莱斯公司提高喷气发动机效率

跨国航空航天和国防技术商劳斯莱斯公司已经部署数字孪生技术来监控其生产的飞机发动机。该公司可以监控每台发动机的飞行方式、飞行条件以及飞行员如何使用它。

劳斯莱斯公司首席信息和数字官Stuart Hughes说：“我们正在调整维护制度，以确保正在优化发动机的使用寿命，而不是维护手册所说的使用寿命。将每个发动机视为单独的一项目报务，这是真正的可变服务。”

该公司多年来一直向客户提供发动机监控服务，其数字孪生功能使劳斯莱斯公司能够为特定发动机量身定制服务。它帮助该公司将某些发动机的维护间隔时间延长了50%，从而显著减少了零件和备件的库存。该技术还帮助劳斯莱斯公司提高了发动机的效率，迄今已减少了2200万吨碳排放量。

Hughes的建议：了解客户。了解如何使用数字孪生的力量与了解技术本身一样重要。Hughes表示，这项服务是一场胜利，因为它为劳斯莱斯公司及其客户提供了明显的好处。

他说，“对客户的好处是他们看到的中断更少，因为飞机发动机运行的时间更长，所以他们可以更多地使用它。对我们的好处是，可以优化我们实际进行维护的方式。”

3、玛氏公司利用数字孪生优化其供应链

糖果、宠物护理和食品商玛氏公司已为其制造供应链创建了数字孪生系统，以支持其业务。该公司正在使用Microsoft Azure云平台和人工智能来处理和分析其制造设施中生产机器产生的数据。

玛氏公司首席数字官Sandeep Dadlani说，“我们将数字视为巨大的业务加速器，我们不是为了获得数字而实现数字化。”

在数字制造和运营顾问埃森哲公司的帮助下，玛氏公司正在使用微软的Azure数字孪生物联网服务来增强其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流程控制，包括通过预测性维护延长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，玛氏公司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复使用。

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，从而提高从产品来源到消费者的供应链的可见性。

Dadlani的建议：尝试并接受失败。玛氏公司鼓励员工考虑在有意义的情况下使用人工智能和其他新兴技术解决问题。这是将企业文化转变为拥抱实验，并期望员工从失败中吸取教训的巨大努力的一部分，以便获得未来的成功。去年12月，该公司召开了一次虚拟人工智能节，以庆祝部署在各个业务线的200个人工智能用例。

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

4、TIAA降低了客户服务的复杂性

美国大学退休股票基金(TIAA)的教师保险和年金协会致力于帮助教师管理他们的退休基金。为了降低新客户入职的复杂性，这家非营利性金融服务提供商正在使用由图形数据库提供支持的数字孪生系统。

TIAA总经理兼退休服务技术负责人Alex Pecoraro说，“TIAA根据美国国税局(IRS)的所有规定，提供多种复杂的退休基金产品。为了进行设置，它需要相当多的商业知识，我们组织了整个团队来完成。”

TIAA的外包服务包含600多项功能，可以产生可能超过一万亿种客户端配置。在部署数字孪生技术之前，专业的TIAA团队根据客户所需的运营模式人工创建和测试技术配置。因此，TIAA的员工根据他们的专业知识高度“功能化”，这意味着员工只能处理某些类型的报价。这也使扩展操作变得困难。

为了解决这个问题，Pecoraro带领的团队创建了一个数字孪生系统，由一个代表600多个特征的图形数据库组成，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，关系链接表示依赖关系、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。

Pecoraro的建议：改变观点。Pecoraro说，该项目的关键是采用产品，而不是将其视为技术配置问题。

Pecoraro说，“团队中有一位同事提出了这个想法，将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产品。这种观点的转变是关键。回想起来似乎很明显，但人们当沉浸在所有细节中时，可能会一叶障目。”

5、拜耳作物科学通过虚拟工厂重塑战略

拜耳作物公司科学利用数字孪生技术为其在北美地区的九个玉米种子生产基地中的每一个创建“虚拟工厂”。这些种子从拜耳公司拥有的田地中收获，经过九个玉米种子生产基地进行加工和装袋，然后分发给农民。

拜耳作物公司科学数据卓越中心(COE)负责人Naveen Singla说。“现在我们可以重新构想业务流程，可以通过应用这些机器学习算法或模拟来重新构想我们的决策。”

拜耳作物公司为每个玉米种子生产基地都创建了设备、流程和产品流特性、物料清单和操作规则的数字孪生系统，使企业能够对每个站点执行“假设”分析。

随着商业团队推出新的种子产品或新的定价策略，企业可以使用虚拟工厂来评估这些生产基地是否准备好调整其运营以提供这些新策略。虚拟工厂还可用于制定资本购买决策、制定长期商业计划、识别新发明和改进流程。拜耳公司现在可以将9个玉米种子生产基地的10个月的运营流程压缩为两分钟，使其能够回答有关SKU组合、设备能力、流程订单设计和网络优化的复杂问题。

Singla的建议：了解业务领域。Singla表示，拜耳作物公司成功的一个关键在于，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的决策科学团队在生产现场花费了大量时间，以了解其运营并获得利益相关者的支持。

Singla说，“让我们的数据科学家了解业务领域的情况非常重要，Shrikant带领的团队将发挥重要作用。他和他的团队在这些种子生产基地花费了数周时间，试图了解运营情况，了解细微差别，以便他们与企业领导层交谈时传达的信息是领导层本身的语言，而不是机器学习的说法。”