如何在数字化转型中推进和实施数字孪生？

从2017年和2019年Gartner将数字孪生（Digital Twin）作为十大战略性技术发布以来，数字孪生正在从虚拟产品生命周期管理、工业物联网专业技术，发展为企业数字化的核心通用技术。作为企业数字化通用技术，数字孪生为企业的运营创新、产品与服务创新、商业模式创新、管理创新带来了新的机会，本文结合PLM、工业互联网及企业领域数字孪生技术的发展演进探讨如何规划和实施企业数字孪生战略。

数字孪生的技术演进：从虚拟产品技术到数字化战略技术

2021年上海车展特斯拉车主维权事件中，特斯拉分别向市场监管部门、维权的张女士发送了整理为Excel表格的48页6697组后台服务器数据，详细记录了车主在事故前30分钟的车辆状况和驾驶动作。

特斯拉的用户不仅可以通过特斯拉的数字孪生追溯设备的过去和当前使用状况，还可以发现，在使用过程中，特斯拉 汽车 的功能似乎越来越智能，特斯拉 汽车 似乎会越来越懂你。特斯拉通过数字孪生给用户提供了一种“持续智能”，可以持续适配用户、持续优化。特斯拉通过这种服务，每年可以从每辆特斯拉获得超过1200美元的收入。

要构建类似特斯拉这样的数字化产品、服务和商业模式，首先需要理解数字孪生技术的由来、发展及持续演进。数字孪生迄今经历了三个演进阶段：

1、虚拟产品管理发展阶段

2003年迈克尔·格里夫斯（Michael Greives）第一次提出将数字孪生（Digital Twin） 作为PLM的一个概念模型，将虚拟产品纳入PLM的管理范畴，重新定义了PLM。到2011年NASA将“数字孪生”（Digital Twin）列入美国航空航天发展规划，这个阶段是数字孪生的概念形成阶段。这个阶段数字孪生主要被定位为下一代PLM系统的“虚拟完美模型”（Virtually perfect Model）。

2、工业互联网发展阶段

2011年以来，GE公司发布雄心勃勃的工业互联网计划，随后，在GE和西门子、PTC等公司的倡导和支持下，数字孪生作为工业互联网的核心技术得到了前所未有的重视，这个阶段，无论是GE、PTC还是西门子，都不仅将数字孪生用于CAD、CAE、PLM等虚拟产品系统工程，还在设备（APM）、过程控制、网络等工业互联网各个领域以数字孪生和数字主线作为核心技术支持，各个厂商分别发布了设备、网络、过程、产品、生产、运营等不同应用场景数以百万计的数字孪生体。数字孪生通过工业互联网的发展进入到商用阶段，不过迄今大约只有1%的企业资产应用了数字孪生技术。

3、数字化战略技术发展阶段

2017年Gartner将数字孪生列入10大战略技术趋势，数字孪生从工业互联网的核心技术进一步发展为基于物联网的智慧城市和企业数字化的核心战略技术。数字孪生作为战略技术，从复杂系统工程（iMBSE）和工业互联网等特定领域发展为智慧城市和企业的数字化基础设施。Gartner数字孪生分为离散数字孪生、组合数字孪生、组织数字孪生三个基本类型。产品数字孪生也好，设备数字孪生也好，实际都是一种离散的数字体，这样的数字孪生的作用是局部的，Gartner的建议实际是将这种离散的数字孪生能力“组装”起来，打造具备特定的业务模式和运营模式的组织数字孪生（DTO），让企业具备数字孪生的持续智能能力。这样，数字孪生就成为企业数字化的一种核心战略技术。

数字孪生实施路线：从离散可视、数据驱动到持续智能

数字孪生的概念虽然出现已久，但是在企业数字化转型中的应用还刚刚开始，即使引入数字孪生的企业也还处于试点和 探索 阶段。但是在未来一年内，65%的大型企业都表示会投入启动数字孪生项目。未来两到三年，是企业数字孪生建设的战略机遇期，有的放矢的拟定数字孪生战略，无疑将获得先行优势。

目前推行数字孪生的制造企业，基本有两条战略实施路线，一条是从产品数字孪生开始，基于产品数字孪生，实现虚拟样机、虚拟仿真，缩短产品研发周期，降低产品研发成本。典型代表是中车集团如中车株机；一条是设备和车间数字孪生开始，基于设备和车间数字孪生，实现透明化的装备生产、运维和服务。典型代表是树根互联参与的三一重工8号工厂；

从企业战略发展角度，为了实现通过数字孪生构建未来的竞争优势，企业的数字孪生的战略可以按照四个步骤展开：

1、第一阶段：实现离散数字孪生的连接与可见

离散数字孪生,是实现设备、人员等单一的资源数据连接和数据可视以实现资源优化的单一数字孪生体。这一阶段，基于边缘网络技术、设备及资源管理系统，通过选定的设备、流程、系统的数字化连接和数据采集、数字化标识、数字化监测，实现数字化设备、流程和系统的诊断、描述性分析和预测；目前在不少企业推行的RPA（流程机器人）其实也是一种离散数字孪生的应用。设备的离散数字孪生未来将主要通过设备供应商提供；流程的离散数字孪生主要通过应用软件服务商提供；

2、第二阶段：实现复合数字孪生的互联与数据驱动

复合数字孪生是基于内部离散数字孪生和外部数据资源复合而成的数字孪生体，如一条产线，一个端到端的服务线。数字孪生的复合过程不是简单的数据互通，包括基于 历史 数据的机器学习和模型训练、基于实时数据的模型实时运行和监测。所以复合数字孪生的能力是需要通过一个包括AI和大数据能力在内的物联网平台实现的。符合数字孪生一般通过企业个性化定制实现。

3、第三阶段：实现企业数字孪生的数据驱动与持续智能

企业数字孪生（DTO）重点是面向企业全流程，通过数据孪生监测和驱动的业务运行，形成一种可以持续自动采集、自动分析、自主执行、自主决策的数据驱动闭环。在2020年的战略技术趋势预测中，Gartner提出了一个“持续智能”的新概念刚好可以解释企业数字孪生的价值。持续智能指的是基于数字化在线平台实时获取数据流，实时进行情景分析并给出响应方案，实现决策与运营的一体化。企业数字孪生的的建设是一个系统工程，基本的建设内容包括全价值链的数据获取、模型构建、数据监测及支持持续智能的数据与分析平台建设。这种需求很多企业都是存在的，不过大多数企业因为不了解企业数字孪生的概念，可能将这个项目简单等同于大数据中心。

4、第四阶段：实现数字孪生的生态服务与价值共生

将产业上下游的数字孪生组织集合起来，就成为以链主为核心的产业数字孪生，如 汽车 制造商上下游数字孪生体集合起来就可以构成一个包括消费者、供应商、4S店及 社会 服务资源在内的 汽车 产业数字孪生。产业数字孪生将改变传统的产业协同关系，衍生出全新的基于数据和智能的生他服务和价值共生模式。个性化订制、网络化协同最终将体现在客户参与数字孪生、生态伙伴共享产业数字孪生的价值。

数字孪生的创新策略：模型驱动、架构引领， 探索 中前进

从离散数字孪生，复合数字孪生到企业数字孪生、生态数字孪生，数字孪生在企业的应用深度不断加深、实施的复杂性和应用的难度也会逐级加大。在实施的过程中必然面临不确定的风险，在行业内实际还缺少行之有效的数字孪生实施方法。

在复杂系统工程领域，有基于模型的系统工程方法（iMBSE）对产品定义、领域建模与仿真给出了方法论指导；

在虚实融合的数字化方法论层面，德国工业40参考架构、中美工业互联网参考架构也已经发表了发表了相关的架构框架。

但是在企业数字孪生领域，在面向企业运营和流程优化领域，原有的BPM（业务流程管理）的方法论已经不能支持模型驱动、虚实融合的数字化业务模式和运营模式创新需求，企业需要新的业务和运用模式优化方法论。

作者：金蝶软件（中国）有限公司

组稿：李艾离

本文内容仅代表作者观点，不构成购买或投资建议。

物联网就是物物相连的互联网。

这有两层意思：

其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；

其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。

物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。

物联网的应用：

1、智能交通。物联网技术在道路交通方面的应用比较成熟。随着社会车辆越来越普及，交通拥堵甚至瘫痪已成为城市的一大问题。对道路交通状况实时监控并将信息及时传递给驾驶人，让驾驶人及时作出出行调整，有效缓解了交通压力。

2、智能家居。智能家居就是物联网在家庭中的基础应用，随着宽带业务的普及，智能家居产品涉及到方方面面。 家中无人，可利用手机等产品客户端远程 *** 作智能空调，调节室温。

3、公共安全。近年来全球气候异常情况频发，灾害的突发性和危害性进一步加大，网可以实时监测环境的不安全性，情况提前预防、实时预警、及时采取应对措施，降低灾害对人类生命财产的威胁。

当下，企业正以多种方式使用数字孪生体技术。在 汽车 和飞机制造领域，数字孪生体技术逐渐成为优化整个产品制造价值链和创新产品的重要工具；在能源领域，油田服务运营商通过获得和分析大量井内数据，建立数字孪生模型，实时指导钻井和油气运输作业；在医疗保健领域，心血管研究人员正在为临床诊断、教育、培训，创造高仿真的人类心脏的数字孪生体；作为智慧城市管理的典型案例，新加坡使用详细的虚拟城市模型，用于城市规划、维护和灾害应急预警等项目。自从数字孪生概念提出以来，数字孪生体技术在不断快速演化，无论是对产品的设计、制造还是服务质量，都产生了巨大的推动作用。数字孪生体技术的普及应用将极大地推动企业在数字化、网络化两个层级的发展，助力企业加速数字化智能制造转型的进程，为企业实现数字化智能制造转型升级进行赋能。

数字孪生体技术在制造业中的快速发展和应用，不仅改变了制造企业的传统生产方式，也推动企业管理模式、组织形态的重构。

数字孪生体技术在制造业发展应用过程中主要体现了如下特点：

一是仿真镜像

在产品甚至是生产线和工厂正式制造、建造之前，就可以通过数字化设计、模拟和仿真出实体，输出3D、全息影像等形式的设计图纸和制造手册。仿真分析过程形成了完整的产品数字化虚拟档案，不仅仅包括产品的结构和功能，还包括了材料、工艺和流程，是制造材料、制造过程、制造结果三位一体的数字化信息集成，不仅仅是制造现状的描述和记录，还可以实现质量问题源头的追溯，例如某个电容是用在哪块电路板上等，还可以实现情景再现，例如模拟微型涡喷发动机的生产工艺流程规范是否科学、运行效果是否达标等。

二是动态映射

传统的数字化制造技术主要停留在仿真镜像阶段，没有实现制造过程中以及投入使用后，实体与虚体之间的数据交互。随着IoT技术的深入，通过实时智能传感和监测，可以捕捉到制造实体变化的动态信息，及时反馈到孪生虚体中进行记录和修正，通过计算和验证，降低风险减少误差，通过动态调整、虚实同步，实现产品全生命周期的相互孪生、共同成长。

三是质量预测

通过产品全生命周期大数据的积累和机器深度自主学习等技术的应用，及时发现制造环节和使用环节的错误和痛点，在孪生虚拟体上进行调整和验证，有效评估和提升产品质量管理水平，降低企业研发成本和生产成本。

同样数字孪生体技术在助力制造企业的数字化转型升级过程中，对企业质量管理业务领域也产生了极大的变化和影响：

基于IoT技术实现全面互联的产品开发制造生态圈，它使包括人员、产品、机器及有关系统实现质量信息无障碍流通；

IoT器件、芯片、信息流、人工智能植入传统产品硬件，大大提高了产品的功能，也对产品质量、可靠性和风险管理构成挑战；

除了传统的质量管理方法，很多高 科技 方法，如云计算、深入学习、人工智能、VR/AR进入实用，虽然功能强，但是错用，滥用风险高；

在制造过程中高性能的设备、仪器、元件增加，产生了新能力和新问题。比如精确、快速的3D扫描仪，可快速生成加工件精准电脑图像模型，可代替传统的点测量来进行质量管理，但同时需搞出"以图像为基础的质量管理过程"…

基于以上质量管理业务领域的变化和影响，也同时给企业的质量管理工作带来不一样的变化：

1、未来是个性化定制与服务的柔性生产时代，企业质量管理工作的重点不再是质量缺陷和失效的控制，而是客户价值的不断感知、满足和提升；

2、IoT、大数据、云计算、人工智能等数字孪生体使能技术的应用，实现了产品全生命周期各阶段信息的高效互联互通，同时也促使企业质量管理人员的队伍将扩展到IT部门、数据分析师、工业互联网平台管理者等；

3、在个性化定制生产服务下，产品质量更多体现在为终端消费者创造价值上，数字孪生工厂让客户全程参与产品的研发、设计、生产等过程，产品设计与创新从以企业为中心向以用户为中心转变，通过数字孪生体平台使越来越多的消费者参与产品创新，改变了传统质量需求模式；

4、企业质量管理人员的思路、能力和方法也将发生变化：

快速且高质量的处理海量客户信息的能力；

提高和满足客户感知价值的能力；

数据质量和数据的校准能力；

嵌入式系统的质量管理能力；

预测性质量控制与设备维护能力；

风险控制系统的管控能力；

…

随着新一代信息技术和数字技术的突飞猛进，让数字孪生成为可能，也让企业产品质量追溯、质量监测、质量预警、质量修复变得更加及时、精确和有效，实现了从实物追踪到虚拟镜像的 历史 性跨越，必将为企业产品质量评价或"客户价值感知"带来颠覆性的突破。个人理解，在数字孪生制造新业态下，未来企业质量管理的工作重点方向将有如下几个方面：

一、质量管理战略和规划

未来质量管理将不再是减少错误，而是如何为客户创造价值。面对未来需求个性化的发展趋势，企业质量战略的核心是数字孪生质量平台的打造，实现企业质量管理平台化。数字孪生技术的应用除了降低成本，还会导致市场竞争日趋激烈，产品同质化情况进一步加剧，马太效应进一步放大。在此情况下，企业质量战略和规划工作应先人一步，通过高质量口碑抢占先机，逐渐构建产业质量管理生态链，集生态链智慧，创造企业质量竞争优势。

二、产品技术与质量标准体系的构建

产品技术与质量标准体系是企业质量管理工具和方法选择的参考依据，也是一切质量管理工作执行的目标方向。特别是数字孪生技术应用给产品的全生命周期管理带来颠覆性的变化，因此各企业需要基于数字孪生制造技术的应用特点，构建适合及满足企业质量管理工作需求的标准体系。

三、数据建模及交互协同质量的控制

在产品研发、采购、制造、质量管理到交付的链条中，各链条的数据交互协同将会带来大量的挑战。它直接影响了最终产品的质量，也影响了产品全生命周期质量管理的效率。

随着数字孪生和增材制造等新技术的加入，数据类型更为丰富、数据容量几何级增长、数据交互的时效性要求更高、数据价值和应用分析的工具更为先进，同时也带来了对数据标准更新和工具更新的质量控制要求。以增材制造为例，研发和制造过程中的产品数据，动辄以G计算；由于传感器、机器视觉、人工智能和数字孪生的应用，数据传输过程也由传统单向低速控制指令，转变为控制指令和过程检测数据双向高速传输；而生产过程中积累的大量数据，除产品质量保证外，在其生命周期中的可靠性管理和预测性维护等领域，都将发挥重要价值。

对于数字孪生体和增材制造相关数据建模及交互协同控制等标准的制定，已成为ISO等国际标准化组织和我国十四五数字化制造的核心研究课题。

四、关键过程链的质量波动模拟建模与分析

在经济全球化和加速企业数字化转型升级背景下，市场竞争已经从企业间竞争变为基于关键过程链产品的质量竞争，企业对关键过程链的关注重点已经从传统的产品优化、成本优化，扩展到了质量保障、正向设计过程以及风险控制等各方面，关键过程链上的任何质量波动都可能为企业带来重大的经济损失和市场风险。因而，建立关键过程链的质量波动模型，使之能预测和控制可能的质量波动及其影响范围，是数字孪生制造新业态下产品质量管理的一个关键内容。

五、企业产品创新质量的精准控制

基于产品全生命周期数字孪生体的数据应用，可协助企业精准地锁定用户和表达用户需求，然后按照用户需求创新出一个新产品，通过数字孪生平台模拟测试并生产出来让消费者体验和价值感知，大幅度降低产品研发周期及实现产品的精准上市。这也是一种新的商业模式：在数字世界中对企业的生产流程进行模拟、优化，降低成本，提高效率。

六、产品使用过程的预测性维护质量管理

基于产品使用过程中大数据AI模型、机理模型、故障知识库深度融合，构建产品使用过程孪生体平台，让企业售后人员能够精准识别产品售后故障部件、故障模式、故障原因、故障等级及改善措施，并自动生成详尽的产品售后诊断报告。

以上是基于个人认识的简单思考，欢迎各位交流与指正！

一、数字孪生发展背景

“孪生”的概念起源于美国国家航空航天局的“阿波罗计划”，即构建两个相同的航天飞行器，其中一个发射到太空执行任务，另一个留在地球上用于反映太空中航天器在任务期间的工作状态，从而辅助工程师分析处理太空中出现的紧急事件。当然，这里的两个航天器都是真实存在的物理实体。

2003年前后，关于数字孪生（Digital Twin）的设想首次出现于Grieves 教授在美国密歇根大学的产品全生命周期管理课程上。在该设想中数字孪生的基本思想已经有所体现，即在虚拟空间构建的数字模型与物理实体交互映射，忠实地描述物理实体全生命周期的运行轨迹。

直到2010 年，“Digital Twin”一词在NASA 的技术报告中被正式提出。近年来，数字孪生得到越来越广泛的传播。同时，得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生的实施已逐渐成为可能。

现阶段，除了航空航天领域，数字孪生还被应用于电力、船舶、城市管理、农业、建筑、制造、石油天然气、 健康 医疗、环境保护等行业。特别是在智能制造领域，数字孪生被认为是一种实现制造信息世界与物理世界交互融合的有效手段。

二、数字孪生的定义及典型特征

（1）标准化组织中的定义
数字孪生是具有数据连接的特定物理实体或过程的数字化表达，该数据连接可以保证物理状态和虚拟状态之间的同速率收敛，并提供物理实体或流程过程的整个生命周期的集成视图，有助于优化整体性能。
（2）学术界的定义
数字孪生是以数字化方式创建物理实体的虚拟实体，借助 历史 数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段a。
（3）企业的定义
数字孪生是资产和流程的软件表示，用于理解、预测和优化绩效以实现改善的业务成果。

三、数字孪生特征

保真性：数字孪生的保真性指描述数字虚体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真，在状态、相态和时态上也要仿真。
实时性：数字孪生技术要求数字化，即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包括外观、状态、属性、内在机理，形成物理实体实时状态的数字虚体映射。
互 *** 作性：数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，因此数字孪生具备以多样的数字模型映射物理实体的能力，具有能够在不同数字模型之间转换、合并和建立“表达”的等同性。
闭环性：数字孪生中的数字虚体，用于描述物理实体的可视化模型和内在机理，以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数，实现决策功，即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性。

四、数字孪生与仿真技术的区别

仿真技术是应用仿真硬件和仿真软件通过仿真实验，借助某些数值计算和问题求解，反映系统行为或过程的模型技术，是将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的方法，目的是依靠正确的模型和完整的信息、环境数据，反映物理世界的特性和参数。仿真技术仅仅能以离线的方式模拟物理世界，不具备分析优化功能，因此不具备数字孪生的实时性、闭环性等特征。

数字孪生需要依靠包括仿真、实测、数据分析在内的手段对物理实体状态进行感知、诊断和预测，进而优化物理实体，同时进化自身的数字模型。仿真技术作为创建和运行数字孪生的核心技术，是数字孪生实现数据交互与融合的基础。在此基础之上，数字孪生必需依托并集成其他新技术，与传感器共同在线以保证其保真性、实时性与闭环性。

2021年12月1日，亚马逊云 科技 在2021 re:Invent全球大会上宣布推出Amazon IoT TwinMaker，可以让开发人员更加轻松、快捷地创建现实世界的数字孪生，如楼宇、工厂、工业设备和生产线。

数字孪生是物理系统的虚拟映射，可根据其所代表的现实世界对象的结构、状态和行为定期更新。Amazon IoT TwinMaker让开发人员可以轻松汇集来自多个来源（如设备传感器、摄像机和业务应用程序）的数据，并将这些数据结合起来创建一个知识图谱，对现实世界环境进行建模。客户可以通过Amazon IoT TwinMaker，使用数字孪生来构建反映现实世界的应用程序，提高运营效率并减少停机时间。使用Amazon IoT TwinMaker无需预付费用，客户只需为使用的服务付费。

开发人员可以将Amazon IoT TwinMaker连接到设备传感器、视频源和业务应用程序等数据源，快速开始构建设备、装置和流程的数字孪生。为方便从各种数据源收集数据，Amazon IoT TwinMaker包含适用于Amazon IoT SiteWise、Amazon Kinesis Video Streams和Amazon S3的内置连接器（客户也可以为Amazon Timestream或Snowflake等数据源添加自己的连接器）。

Amazon IoT TwinMaker会自动创建一个知识图谱，整合并理解所连接数据源的关系，因此它可以使用被映射系统的实时信息更新数字孪生。客户可以将现有的3D模型（例如CAD和BIM文件、点云扫描等）直接导入Amazon IoT TwinMaker，轻松创建物理系统（例如楼宇、工厂、设备、生产线等）的3D视图，并将知识图谱中的数据叠加到3D视图上，创建数字孪生。

数字孪生创建完毕后，开发人员就可以使用适用于Amazon Managed Grafana的Amazon IoT TwinMaker插件创建基于Web的应用程序，在工厂 *** 作员和维护工程师用于监控和检查设施和工业系统的设备上，即可显示该应用程序的数字孪生。例如，开发人员可以通过将来自工厂设备传感器的数据与运行中的各种机器的实时视频以及这些机器的维护 历史 相关联，创建金属加工厂的虚拟映射。然后，开发人员可以设置规则，在检测到工厂熔炉中的异常情况（例如温度已超过阈值）时向工厂 *** 作员发出警报，并在工厂 3D 模型的熔炉实时视频中显示这些异常，这可以帮助 *** 作员在熔炉发生故障之前快速做出预测性维护决策。

亚马逊云 科技 IoT总经理Michael MacKenzie表示：“客户对有机会使用数字孪生来改善其运营和流程感到兴奋，但为不同使用场景创建数字孪生和自定义应用程序所涉及的工作复杂且昂贵，令大多数企业望而却步。Amazon IoT TwinMaker包括大多数客户构建数字孪生模型所需的内置功能，例如连接不同来源的数据，建模物理环境，以及可视化具有空间维度的数据。Amazon IoT TwinMaker的推出让更多客户可以全面了解他们的工业设备、设施和流程，实时监控和优化其运营的各个环节。”

Amazon IoT TwinMaker现已在美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、亚太地区（新加坡）和欧洲（爱尔兰）区域提供预览，其他区域也将很快推出。

目前，已有一些企业使用了Amazon IoT TwinMaker进行数字化升级。

开利（Carrier Global）是一家建筑与冷链解决方案提供商。“通过我们的Abound平台，我们可以从各种系统和传感器中汇总楼宇性能数据，让客户实时了解其互联空间。为物业主和运营商提供数字孪生以增强该平台一直是我们的首要任务。”开利数字化和云高级总监Dan Levine表示：“然而，内部开发这一能力并非易事，面临着成本高昂、进展缓慢等一系列问题。通过Amazon IoT TwinMaker，我们发现了可以显著加快Abound平台技术战略的关键推动力。Amazon IoT TwinMaker将帮助我们的开发团队专注于快速创建差异化的客户成果，既不用将大量精力投入到繁重的数字孪生数据抽象工作中，也无需向我们的解决方案添加3D可视化。”

另一个典型案例是埃森哲。制造业的数字化转型对埃森哲的客户而言是一个巨大的机会，但他们经常会面临零散、孤立和非结构化工业数据的挑战，导致许多概念验证无法扩展。埃森哲Industry X行业数字制造与运营全球技术主管Maikel van Verseveld认为：“我客户希望在开始并扩展他们的数字化制造之旅时，拥有能够快速应对这些挑战的工具。通过Amazon IoT TwinMaker，他们现在可以轻松地创建数字孪生，从不同的 IT 和 OT 系统中获得更加情境化、数据驱动和实时的制造运营视图，从而让最终用户可以做出更好的决策并优化运营。通过埃森哲与亚马逊云 科技 紧密协作的团队，我们已经能够开始借助Amazon IoT TwinMaker为客户带来价值。”

关于亚马逊云 科技

超过15年以来，亚马逊云 科技 （Amazon Web Services）一直以技术创新、服务丰富、应用广泛而享誉业界。亚马逊云 科技 一直不断扩展其服务组合以支持几乎云上任意工作负载，目前提供超过200项全功能的服务，涵盖计算、存储、数据库、网络、数据分析、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面；基础设施遍及25个地理区域的81个可用区（AZ），并已公布计划在澳大利亚、加拿大、印度、印度尼西亚、以色列、新西兰、西班牙、瑞士和阿联酋新建9个区域、27个可用区。

---