摘译自【ASCM Insights】
By: Elizabeth Rennie, Editor-in-Chief, SCM Now magazine, ASCM
数字孪生本身就功能强大且富有洞察力。但如果借助人工智能，其优势将显著增强。在探索其众多可能性之前，了解数字孪生至关重要。根据ASCM供应链词典的定义，数字孪生是“现实世界流程、产品或服务的精确虚拟副本或模型，用于对其进行数字化模拟、测试、建模和监控”。换句话说，数字孪生可以对设备、设施或整个供应链进行建模，从而揭示各种有价值的信息。
人工智能加速数字孪生数据分析
人工智能能够快速分析数字孪生中传感器和数据源生成的大量数据，从而实时识别趋势、异常情况和潜在故障。更快的分析速度意味着更快的决策、干预和目标达成。例如，国际家具零售商宜家利用人工智能驱动的数字孪生平台，创建了37家宜家门店的数字孪生模型。在短短九个月内，该公司成功建模了4200万平方英尺的空间，其中包括10家不同制造商生产的6000台暖通空调设备。通过对7000个数据点的信息进行建模和分析，该公司成功将暖通空调中央供应系统的能耗降低了30%，并节省了数百万美元。这得益于数字孪生的人工智能组件，该组件能够基于现场数据对风险和环境影响进行高级模拟。
高速数据分析还能分析历史数据，识别模式，进而预测未来风险，例如设备故障、需求波动或运输延误。一旦发生中断，人工智能可以进行根本原因分析，精准定位问题根源，从而加快问题解决速度，并更好地预防未来风险的发生。更进一步，人工智能还能将不同类型的数据转换为数字孪生系统可以理解的数据集，为系统构建更完善的生态系统。例如，人工智能可以将维护日志、机器运行视频、设备照片和音频等信息转换为数据。然后，数字孪生系统可以将这些信息与其他数据结合使用，从而更真实、更准确地模拟运营和结果。
人工智能带来了先进的分析和决策能力，使数字孪生能够自我优化和自我配置。例如，通过迭代机器学习，人工智能可以评估当前的传感器数据和历史数据，从而决定数字孪生需要运行哪些场景。它还可以运行不同的模拟场景，揭示之前未曾发现的洞察。随着人工智能驱动的数字孪生不断发展和学习，它们最终可能具备认知能力或感知能力。这些智能系统可以自动检测异常或预测故障，并在问题发生之前提出干预建议。这些洞察可用于防止计划外设备停机，或用于智能建筑系统，以监测和维护支持最佳舒适度和运行条件的环境，并调节能源使用。
更智能的系统也能带来更精准的预测。英国的研究人员正在将人工智能驱动的数字孪生技术应用于医疗预测。他们利用医疗数据和当前健康数据训练了一个数字孪生模型，该模型应用于美国数据时，能够以88%的准确率预测患者的下一个健康状况。应用于两个不同的英国数据集时，准确率略低，分别为68%和76%，但研究人员已经在努力提高整体预测准确率。
使用数字孪生的一大障碍是创建它们所需的时间。据麦肯锡公司称，为车辆路径规划或多机生产调度等高度专业化的应用创建数字孪生可能需要六个月或更长时间的人力、计算和服务器成本。大型语言模型（一种生成式人工智能）可以生成数字孪生的代码，从而显著减少创建数字孪生所需的时间和人力。麦肯锡补充说，这种能力可用于创建数字孪生的基础通用模型，开发人员可以以此为基础创建自己的数字孪生。
当数字孪生更容易构建时，它们就能应用于更多行业和应用场景。例如，数字孪生可以成为大学生的训练平台，帮助他们获得课堂无法模拟的真实环境经验。Lam Research 认为，这对于弥合半导体行业的技能差距尤为重要。大学目前无法直接操作最新的纳米技术，也无法安全地处理半导体开发中使用的某些易挥发性化学物质，但易于获取的数字孪生可以成为一座桥梁，帮助学生为进入该领域做好准备。
重要的是，受益于这种关系的不仅仅是数字孪生及其用户。人工智能也能从中学习和改进。数字孪生为人工智能提供了大量可靠且具有上下文关联性的数据，这些数据可以为大型语言模型提供信息。此外，数字孪生还为人工智能提供了一个安全的学习环境。例如，通过数字孪生中的假设情景，人工智能可以微调其预测建模能力。数字孪生可以验证生成式人工智能的输出，以确保其符合系统的任何约束条件，例如机器温度或输出速率。这项功能仍在开发中，但它可能是一种有效减少生成式人工智能固有误差的方法。
此外，数字孪生技术能够帮助企业实施和部署人工智能资源。麦肯锡公司估计，数字孪生技术可以将部署新人工智能功能所需的时间缩短60%，并将运营成本降低高达 15%。因此，75% 的大型企业正在投资数字孪生技术以扩展人工智能解决方案。
数字孪生和人工智能相辅相成，优势互补，能够解锁更高水平的功能和效率。它们能够以前所未有的速度和规模运行模拟，从而增强可扩展性和预测准确性，为用户提供更快、更准确的分析，以支持更明智的决策。
通过ASCM供应链技术证书，了解更多关于数字孪生、人工智能和其他技术的信息。这项行业领先的教育将帮助您掌握最新的供应链技术。