三级数字孪生是预测性孪生,利用来自资产、事件、分析的物理数据(实时数据、环境数据、历史数据等)。该级别使用算法预测未来的行为、性能和风险,并提供潜在问题预警。系统可预测复杂设施与设备运行的结果和潜在问题,并做出更好、更明智的决策。
三级数字孪生技术上应该实现:
数据分析(历史数据)
预测性分析/数据外推
使用情况分析(用户行为映射、热图等)
预测性警报/基于趋势的警报
预测性模型和分类器
主要的行业应用场景包括:机器运行障碍预测,例如,飞机备份、警戒线中的瓶颈等
四级数字孪生是规范性孪生,利用建模(基于物理、基于资产等)和实时模拟来了解潜在未来场景,并利用以机器学习辅助的行业佳实践为基础的规范性分析和建议。该级别可模拟和复制设备/设施/产品和人员行为,并包含内置物理模型、流程模型和数据模型。
四级数字孪生技术上应该实现:
整合领域知识与知识图
机器学习能力
语义识别、点云分割
计算机视觉
主要的行业应用场景包括:
基于数据和趋势模式的建议响应或行动
更换部件的建议佳断电时间,增加 产品/机器生命周期的行动
三维数字孪生模型在数字孪生领域的应用可以分为以下几个方面:
三维数字孪生模型可提高数字孪生的精度和逼真度,使得虚拟世界中的数据模型能够更好地反映真实世界中的物理对象或系统的状态和变化。
三维数字孪生模型可以支持数字孪生的多维度展示和交互,使得用户能够从不同角度、不同层次、不同尺度观察和操作虚拟世界中的数据模型,增强用户体验和效率。
三维数字孪生模型可以促进数字孪生的跨领域应用和创新,使得不同行业、不同场景、不同需求之间能够通过共享和融合虚拟世界中的数据模型,实现协同创新和价值提升。
在实际数字孪生项目交付中,通常对三维数字模型有以下要求,需要引起注意:
化:模型需要能够准确地反映物理实体或系统的结构、属性、方法和行为,以及与环境的交互。并且,具有足够的细节和精度,以满足不同层次和目标的分析和仿真需求。
标准化:遵循统一的规范和格式,便于三维数字模型在不同平台和系统之间进行共享和交换。模型应该具有良好的可读性、可理解性和可扩展性,以便于后期进行模型资产的修改和更新。
轻量化。模型应尽可能地减少数据量和计算量,以提高运行效率和节省资源。需要采用合适的抽象和简化方法,去除冗余和无关信息,保留模型核心特征。
可视化:模型应该能够通过图形、图像、动画等方式进行直观地展示,以便于用户观察、理解和操作。支持多种视角和尺度的切换,以适应不同场景下模型展示和变换的需求。