随着云基础设施、边缘计算、物联网、分布式数据管理平台和机器学习能力的进步，数字孪生已从科幻小说转变为更主流的业务能力。

长期以来，企业可以承受OT和IT之间的分离，但对于制造商、建筑业、零售业和其他必须连接物理世界和数字世界的企业而言，情况已不再如此。数字孪生是实现这种连接的一种渠道，其具有优化生产和提高质量的运营优势。更重要的是，当使用对真实世界数据的机器学习来改进产品、服务和业务流程时，可以带来战略收益。

以下为开发数字孪生前的7个步骤：

1、研究成功部署

在集思广益并深入任何新技术领域之前，还是建议先研究企业、用例和早期采用者所带来的好处。对于数字孪生，在制造、建筑、医疗保健和其他领域有很多示例，包括人脑本身。

任何新兴技术领域的领导者都在寻找激励采用的故事。有些应该是鼓舞人心并有助于说明可能性的艺术；而有些则必须务实并展示业务成果以吸引支持者。如果企业的直接竞争对手已经成功部署了数字孪生，那么突出其用例通常会产生一种紧迫感。

2、确定改变游戏规则的机会

建立数字孪生是昂贵的。例如，一个小组估计，为商业办公楼开发数字孪生的成本在120万到170万美元之间。因此，在开发数字孪生之前，团队应记录产品愿景、考虑业务原理，并估算财务收益。

有时，改变游戏规则的目标会推动投资。一个示例：2020年，TCS与当地一家非政府组织合作，解决了新出现的COVID-19热点问题。企业数字孪生模拟过程和情况，以模拟影响传播的因素——病毒特征、人口异质性和流动模式。这座城市的数字孪生是一项‘计算机实验’，旨在探索在不损害公共健康和安全的情况下有效的干预措施。

3、考虑生命周期管理

开发数字孪生需要时间和费用，也需要持续的支持成本来确保模型提供准确的结果。在尝试数字孪生之前要接受的三个原则：

• 不要只是为了技术本身而试验技术。
• 确保用于创建模型、服务或模拟的数字孪生群体代表现实世界中的人。
• 准备MLOps工具集，以便快速可靠地从开发到部署数字孪生。

其实，这主要建议的是预先考虑整个生命周期的要素，尤其是支持机器学习模型和仪器自动化部署的功能。

4、利用系统设计工具

设计好业务案例和生命周期后，团队应该考虑使用哪些工具来开始其计划和实验？

以下是专业领域中使用的系统设计工具的一些示例：

• Autodesk数字孪生，用于建筑、工程和建筑。
• Bentley基础设施数字孪生，用于信号塔和供水系统等领域。
• General Electric数字孪生，用于设备、网络和制造过程。
• Siemens数字孪生，用于设计、开发和制造消费品。
• Bosch数字孪生，用于智能建筑，包括空间管理和预测性维护。

这些只是少数几个例子，但对于从事数字孪生工作的技术人员来说，重要的是熟悉运营团队使用的工业平台。

5、定义用户角色和机会

每当技术人员开始一项技术计划时，确定最终用户和最终平台的使用角色至关重要。IT领导者应该定义谁从数字孪生中获益最多，通常情况下，主要受益者是从事运营工作的人员。

数字孪生的主要功能是合并OT/IT数据，并在需要时通过数据分析或AI/ML将这些数据集放入上下文。但其真正力量在于使工程师、维护人员和其他技术人员等OT能够检索数据点，因为他们能完全理解这些数据点。

了解用户角色是第一步，下一步是确定其工作流程和操作的哪些部分可以从数字孪生的数据收集、机器学习预测和场景规划功能中受益。

6、构建可扩展的数据平台

数字孪生生成的数据数pb甚至更多，必须对其进行保护、分析和用于维护机器学习模型。一个关键的架构考虑因素是设计用于收集物联网实时数据流的数据模型和流程，以及数字孪生的数据管理架构。

许多数据管理平台支持实时分析和大规模机器学习模型。但是，用于模拟数千个或更多实体（如制造组件或智能建筑）的行为的数字孪生将需要一个能够查询实体及其关系的数据模型。

7、建立云计算和新兴技术竞争力

安装数字孪生平台、集成来自数千个物联网传感器的数据，以及建立可扩展的数据平台，都需要IT在大规模部署技术基础设施方面具有核心竞争力。当IT团队考虑用例并试验数字孪生平台功能的实验时，IT领导者必须考虑支持生产就绪数字孪生所需的云、基础设施、集成和设备。

除了基础设施之外，还应开发支持新兴设备和利用分析的能力。数字孪生的成功始于强大的数字核心，由AI/ML和AR/VR等云原生应用支持，并帮助组织处理数据和应用，而不需要考虑基础设施。

总结

数字孪生具有巨大的潜力，但直到现在，对于许多没有先进技术能力的企业而言，其规模和复杂性都是遥不可及的。好在，此类情况已不再如此，学习并与运营合作的IT领导者有机会为其组织带来数字孪生能力。