由于石油研究对象、石油业务的特殊性，石油地质数字孪生相比常规设备类数字孪生有着非常明显的差异，主要表现在以下方面：
11 对客观实体描述的不确定性
常规的数字孪生一般是对某个特定的设备或者可见实体进行描述，对这些实体的描述属于确定性的描述。而石油地质研究的对象，是地下地质体，是无法直接观测的，因此对地下地质体的描述永远是研究者主观认识的描述，存在极大的不确定性。随着对地下地质体的认识深入，只能不断地接近客观实体。
12 对客观实体描述的动态性
对地下地质体的描述是随着石油勘探开发业务的开展不断深入、细化的，因此这个“客观”的实体是不断变化的，这和常规实体的唯一性有着较大的差别。这种变化需要随着工作的深入，要不断对地下地质体的描述进行实时更新。
13 数字孪生建立与运用的同步性
常规的数字孪生系统一般是先建立一个数字孪生系统，然后在这个孪生系统之上建立各种应用。而石油地质数字孪生系统是边建立边应用，在建立的过程中不断应用，应用的过程中又同时建立并不停地完善系统，两者是同步的，相辅相成的。
石油勘探开发研究对象处于地下，研究工作者无法直接观测和描述，所有对地下地质体的认识都是采用间接的方式。石油地质数字孪生是一种新的技术形式，通过这种技术可以将对地下地质体的直接描述和认识变成可能，从而解决业务上的很多技术问题。
21 对地质对象进行更准确的描述
只要能够测量与描述，就能够改善，这是工业领域不变的真理，对石油勘探开发同样这样。无论开展哪个工作，前提是对我们的工作对象进行准确的了解，都需要对地质体进行精确的测量和描述，对地质体的各种属性、参数和动态变化情况有全面的认识，从而实现在工作中进行精准的分析和优化。
过去对地质体传统的描述方法一般是单维度描述，不同维度的描述信息缺少有效的关联，从而对地质体的展示方式上也缺少更加直观的方法。
通过石油地质数字孪生可以对地下地质体进行更加全面、形象、准确地描述。对地下地质体的描述可以从过去的简单描述，升级为多个业务维度联合描述，对地质体可以实现全三维描述，并且可以随时间变化实现四维动态描述。同时，利用数字孪生技术，可以借助于物联网和大数据技术，通过采集有限的物理传感器指标的直接数据，并借助大样本库，通过机器学习推测出一些原本无法直接测量的指标和数据。
22 达到更全面的分析和预测能力
石油勘探开发各项工作都是建立在对地质体的分析和预测基础之上，特别是对未来的变化趋势及指标预测更是影响工作的关键指标。通过常规的分析方法和手段很难做到比较全面的预测分析，而数字孪生可以结合物联网的数据采集、大数据的处理和人工智能的建模分析，实现对当前状态的认识和评估、对过去发生问题的总结，以及对未来趋势的预测，并给予分析的结果，模拟各种可能性，提供更全面的决策支持。
23 实现工作过程的建模及标准化
石油勘探开发的业务过程是由一系列相互关联、相互结合的业务组成，同时该业务过程也是对地下地质体的认识、实践、再认识的一个深化过程。石油地质数字孪生可以很好的将石油勘探开发的业务过程和地下地质体的认识过程统一起来。
在石油工业中所有的石油勘探开发工作都是依据一定的行业规范或标准实施的，所以这个业务过程是标准化的。通过石油地质数字孪生可以将石油勘探开发工作过程进行建模及标准化，实现对业务的标准化 *** 作及管理。
24 实现对过去认识经验的数字化
石油勘探开发各种过程是对地下地质体不断认识的循环过程，所有的工作都是建立在前人的各种经验和各种积累基础之上的，因此对过去的工作及认识经验的总结在工作中占据非常重要的地位，采用传统方式难以对历史认识进行集成和深化。
而通过数字孪生技术可以很好地对过去的经验进行管理和应用，将原先无法保存的专家经验进行数字化，并提供保存、复制、转移和应用的能力，通过知识化的管理和应用加深对地质体的深化认识。
25 实现对未来趋势及各种认识的预测
通过对历史数据的管理不仅仅可以得到过去的经验，通过大数据分析处理技术还可以对未来进行很好的预测，这种预测结果对未来的工作有着巨大的指导意义。
26 实现勘探开发整个业务的闭环
我们对地下地质体准确的认识是为了更好地进行下一步的工作决策，整个石油工作就是在认识、实践、再认识、再实践的不断循环、不断深化的过程中开展的。数字孪生技术可以提供一个直观、客观的工作平台，一方面将认识成果沉淀起来，同时在该工作平台利用积累的认识成果进行新的认识，并指导下一步工作决策，实现整个勘探开发工作的闭环。
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。
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。
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。
物联网是指通过 各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、 连接、互动的物体或过程。
采集其声、光、热、电、力学、化 学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。
物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络
扩展资料：
受限于技术上的瓶颈，物联网的发展，其实无法像当初互联网那样爆发。或者换通俗一点的说法，大家有没有发现很多物联网的应用，其实是锦上添花的东西，需求性并没有那么强，这也就是为什么很多智能硬件卖得并不是很好的根本原因。
正是因为需求性原因，所以商业上也不会出现滴滴打车那样的持续性投入，又一定钳制了技术的进一步发展。
到今年，这一波的投资热潮冷却了很多，但是在这波浪潮里，我们的社会还是发生了很多变化。首先是关注物联网的人越来越多，从业者也越来越多。
而且很多大学也开设了相关课程，政府也出台了行业鼓励政策。前面我们说过物联网的概念被炒得有点过热，所以在物联网的大群体里，有两类人最为迷茫。其一就是专注物联网的创业者，其二就是物联网专业的学生。鄙人也曾经属于第一类人。
物联网的技术前景是广阔的，近些年上市的一些空气净化器产品，穿戴设备，家庭环境监控设备，在过去是不曾有的，在目前的消费背景下，正服务着大众。未来还会有更多的新式设备出现，这些正是物联网技术发展的必然结果，所以投身于物联网的技术研发，是很有前景的一件事。
参考资料来源：百度百科-物联网
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。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）