数字孪生的优势

数字孪生是一种强大的数字工具,允许原始电子制造商 (OEM) 或工程和制造服务提供商创建和利用物理产品的数字模型。从工厂 4.0 实施到高级智能家居,数字孪生在许多应用中越来越受欢迎,这些应用支持预防性维护。在复杂、高可靠性系统的设计工程中,数字孪生显示出巨大的前景。

数字孪生技术使我们能够模拟真实世界的系统,以识别数字环境中的设计和制造挑战和解决方案。因此,这种专业技术具有许多好处,包括:

  • 防止产生代价高昂的故障
  • 加快产品上市速度
  • 减轻维护负担

数字孪生增强卓越设计

更进一步,数字孪生允许在审查和与数字模型交互时提供更深层次的细节。尽管构建数字模型的能力已经存在了一段时间,但数字孪生使我们能够组合系统并更好地了解这些不同系统如何相互反应和协同工作。

例如,从理论上讲,我们可以开发一个带有所有预期集成系统(例如无线电)的直升机驾驶舱的虚拟表示,然后模拟直升机飞越无线电干扰器的环境,以了解我们如何解决这一挑战。这种使用数字模型的灵活性和能力将大大增强设计、测试和制造,并将增强整体卓越设计 (DFX) 流程。但问题仍然存在:

  • 我们如何组织所有这些数据以使其尽可能有效?
  • 谁拥有数据?
  • 谁负责开发各种零件和组件的建模,谁来推动构成数字孪生的系统的标准?

当我们考虑如何在航空航天和国防市场中使用这种专业技术时,数字孪生变得更加复杂,因为系统设计的复杂性正在增加,对获得解决方案所需时间的期望正在降低。尽管如此,美国国防部(DoD)和Prime正在关注数字孪生的发展。

美国军方对数字孪生的拥抱

军用飞机、作战坦克和军舰服役的时间越长,制造或采购所需零件就越困难。因此,保持健康的供应链和确保最佳性能可能变得越来越困难。由于制造商可以基于数字模型生产精确的零件,因此国防部正在转向数字孪生技术,以缩短零件采购的交货时间。

但是,除了克服供应链和维护问题之外,数字孪生还为国防部提供了一些额外的好处,“从增加网络安全和周边防御到加强设施运营和规划未来发展”。 随着数字孪生技术变得越来越容易获得,美国空军、陆军、海军、海军陆战队和海岸警卫队将继续寻找机会与先进的工程和制造公司合作,利用数字孪生来确保任务的持续成功。

但目前的挑战使我们无法实现所有这些优势。然而,克服这些障碍并提出必要的问题将有助于我们更好地了解数字孪生的未来可能走向何方。

数字孪生带来的挑战

我们应对的主要挑战之一是组织和捕获产品开发所需的组件、硬件、软件等的所有不同数字模型。以蓝牙模块为例。为了使数字孪生的概念有效工作,用户需要拥有每个组件(例如,驱动程序、兼容软件、天线/射频组件、固件等)。但是,如果这些部件中的每一个都来自不同的供应商和服务提供商,那么谁负责物理部件、组件或子系统的相应数字孪生?

另一个挑战是使用更敏感的知识产权,例如,如上所述,在军事系统设计和开发中。拥有功能齐全的数字孪生会带来严重的网络安全威胁,因为任何获得数字孪生访问权限的人都可以在物理世界中重新创建产品。这种潜在威胁需要对数字模型各个方面的访问进行限制,使数据创建、所有权和访问的想法进一步复杂化。

克服数字孪生挑战

目前,有几种不同的方法可以解决所有权、创建数字孪生的责任和可访问性问题。我们在下面概述了其中的一些:

  • 选项一:物理和数字模型的所有权

第一种选择是让负责零件、子系统或组件的每个人也负责创建各自的数字模型,并拥有这些零件的数据。尽管这会带来更大的安全风险,但在快速开发数字孪生和在众多组织之间分担创建数字孪生的责任方面,它更有效率。此选项还使这些人更容易与可能需要零件的其他系统共享其模型,前提是创建并支持模型和“仿真环境”的标准。

  • 选项二:OEM 所有权

第二种选择是让 OEM(拥有产品的 IP)创建、管理和拥有数字孪生的所有方面。此选项将提供更好的安全性,因为所有权的变量更少,并且 OEM 将对数字孪生的可访问性有更多的控制权。缺点是系统设计所有者将承担创建和维护子系统模型和数据的艰巨任务。

  • 选项3:扩展当前热仿真或电仿真模型

第三种选择涉及现有仿真建模能力的演变,其中一组公司为数字孪生运营环境开发资产,并将这些资产出售给需要它们的公司。这些公司的范围包括:

1)那些已经参与硬件设计和开发的人

2)基于使用其软件创建的资产创建库的模拟软件公司

3)为创建和管理数字孪生而建立的全新公司

尽管这些模型中的每一个都有各种优点和缺点,但我们必须保持对话向前发展。

继续进行数字孪生对话

没有人完全确定这将如何发展,但预计这将是这些不同选项的组合,基于对安全性和可访问性的日益关注以及所需的前期投资。围绕机器学习 (ML) 和人工智能 (AI) 将如何影响数字孪生存在疑问。尽管如此,这些都是现在要问的关键问题,因为数字孪生的兴起将不可避免地在以下方面提供实质性的推动:

  • 加快上市速度
  • 在受限的供应链中寻找替代品
  • 使 OEM 和服务提供商能够更快地应对复杂的挑战(并且无需创建多次硬件和测试)

参考来源:Benchmark,Jan Janick

成为VIP会员查看完整内容
39

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
驾驭未来战场:国防工业的未来创新
专知会员服务
21+阅读 · 2024年2月13日
基于人工智能的自主系统:军事的未来
专知会员服务
48+阅读 · 2024年1月25日
军事数据空间:挑战、机遇和用例
专知会员服务
124+阅读 · 2023年11月14日
可解释的机器学习模型和架构
专知会员服务
90+阅读 · 2023年9月17日
端到端自动驾驶:挑战与前沿
专知会员服务
49+阅读 · 2023年7月3日
大模型如何赋能医学?全科医学人工智能基础模型
专知会员服务
85+阅读 · 2023年4月13日
虚拟数字人应用技术与发展路径
专知会员服务
100+阅读 · 2021年11月3日
专知会员服务
136+阅读 · 2021年2月17日
基于模型的强化学习综述
专知
33+阅读 · 2022年7月13日
医疗中的自动机器学习和可解释性
专知
24+阅读 · 2019年4月1日
无人机集群、蜂群与蜂群算法
无人机
89+阅读 · 2018年9月25日
知识在检索式对话系统的应用
微信AI
32+阅读 · 2018年9月20日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
机器学习必知的15大框架
云栖社区
16+阅读 · 2017年12月10日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
27+阅读 · 2015年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
Arxiv
163+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
424+阅读 · 2023年3月31日
Arxiv
153+阅读 · 2023年3月24日
Arxiv
22+阅读 · 2023年3月17日
Arxiv
68+阅读 · 2022年9月7日
VIP会员
相关VIP内容
驾驭未来战场:国防工业的未来创新
专知会员服务
21+阅读 · 2024年2月13日
基于人工智能的自主系统:军事的未来
专知会员服务
48+阅读 · 2024年1月25日
军事数据空间:挑战、机遇和用例
专知会员服务
124+阅读 · 2023年11月14日
可解释的机器学习模型和架构
专知会员服务
90+阅读 · 2023年9月17日
端到端自动驾驶:挑战与前沿
专知会员服务
49+阅读 · 2023年7月3日
大模型如何赋能医学?全科医学人工智能基础模型
专知会员服务
85+阅读 · 2023年4月13日
虚拟数字人应用技术与发展路径
专知会员服务
100+阅读 · 2021年11月3日
专知会员服务
136+阅读 · 2021年2月17日
相关资讯
基于模型的强化学习综述
专知
33+阅读 · 2022年7月13日
医疗中的自动机器学习和可解释性
专知
24+阅读 · 2019年4月1日
无人机集群、蜂群与蜂群算法
无人机
89+阅读 · 2018年9月25日
知识在检索式对话系统的应用
微信AI
32+阅读 · 2018年9月20日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
机器学习必知的15大框架
云栖社区
16+阅读 · 2017年12月10日
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
27+阅读 · 2015年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员