数字孪生：捕捉机器和人类的定义

数字孪生：捕捉机器和人类的定义
撰写者： David Immerman
计算机辅助设计 1/31/2019 阅读时间：4分钟
数字清晰度
人类数字双胞胎

遗传学测试提供者已经创建了一种商业模型，可以告诉您您的身份和DNA来源的构成。超过最初的血统检测费用，人眼看不见的是遗传数据的来源。

这并不意味着它是出于恶意目的使用的，也不是用于Westworld Forge服务器中描述的AI世界末日场景。23andMe 与制药巨头葛兰素史克（GlaxoSmithKline）合作，利用23andMe 超过500万客户的数据库，共同开发基于DNA的未来药物，疗法和疗法，可以看到其潜在的未来收益。

这支持了新兴的医疗保健概念和基因组学的使用，从而解决了医疗问题和挽救生命。这说明了制造商和医疗保健提供者寻求其产品和/或其产品的用户（无论是人还是机器）的数字定义的趋势。数字定义本质上是产品，机器或系统的物理组件和特征的数据的软件表示。


获取工业部门的数字定义

尽管医疗设备使医生能够更全面地了解患者，但是在许多工业环境（例如工厂）中的数据并不总是很容易获得。

例如，一家汽车制造厂中可能有数千台旧机器，这些机器可能几十年前就已安装，从而形成了无法获得见解的黑匣子。尽管物联网已经开始通过连接机器并收集有价值的数据见解来解决这个难题，但系统特性的更深层仍然未知。

对于工业公司评估数字化转型而言，这种无法访问的数据源实在太有价值了，无法忽略 创造差异化产品或提高运营效率的计划。我们已经看到有远见的制造商采用了“逆向工程的思维方式”，并根据自己的技术规格寻找在其设施中运行的机器和系统的OEM，最终创建了数字孪生。这在航空和政府等安全密集型行业中也很常见，在这些行业中，性能是关键任务，因此需要此类级别的机器和产品详细信息。

工业公司和制造商为寻找内部使用的两台机器的数字定义或“ DNA”的推动力，以及他们销售的产品正在开发功能强大的数字孪生用例。

要获得此“数字X射线”以查看已部署系统的外观，则需要实时特征和历史记录系统。这些日益数字化的输入的基础是机器或产品的计算机辅助设计（CAD）模型以及通过产品生命周期管理（PLM）集成的其他环境。配备了机器详细规格的工业公司便能够运行复杂的实时计算机辅助工程（CAE）模拟应用程序，例如热分析和结构分析。

豪顿是一个现实案例，它通过基于基准产品定义数据和现实物联网性能数据为其客户实施复杂的专用数字孪生分析模型。

行业范围内的协作和受控的数据共享至关重要

这种数字定义数据和分析将开启关键分析的大门，但采用该技术将带来一些挑战。一个人的数字双胞胎自然会与敏感的患者数据合规性框架发生冲突，并引发有关谁拥有其数据的问题：他们自己，医生，制药公司还是基因测试提供者？

在工业数字孪生用例中将出现相同的数据所有权问题，并且产品/机器核心技术规范是属于零件供应商，OEM，CAD软件提供商还是最终用户？但是，与患者数据相比，机器数据的交叉共享可能不那么敏感，并且在利益相关者中更易于实现。

数字双横幅

标签： 计算机辅助设计 工业物联网 PLM
关于作者
戴维·伊默曼

David Immerman是PTC公司市场营销团队的业务分析师，在技术，趋势，市场和其他主题方面提供思想领导力。之前，David是451 Research物联网渠道的行业分析师，主要负责智能交通领域和汽车技术市场，包括车队远程信息处理，联网汽车和自动驾驶汽车。他还花了很多时间研究支持物联网的技术和其他垂直行业，包括工业。在451 Research之前，David在IDC从事市场研究。