将数字线程与混合数字双胞胎、ai支持的模拟和云计算连接起来

班纳吉在播客中解释说:“要实现数字双胞胎，你需要有一个物理资产，比如变压器、开关设备或机器人。”“然后你必须有一个资产模型。通常，人们会将资产的模拟模型与数字双胞胎相混淆。让数字双胞胎成为数字双胞胎的是第三件事，那就是在实物资产和模型之间传递信息。因此，信息从资产流向这个模型，使其更加准确，信息从模型回流到资产，再流向物联网平台。”

在过去，产品创造过程中的联系是有限的。有人想到了一个想法，他们把它设计成一个原型，如果它可行，他们就把它按比例制造出来。想象的东西和实际创造的东西之间没有联系。今天，我们有数字线程，在产品生命周期的每个阶段保持连接。不过，仅使用过去的资产数据来预测未来的数字双胞胎仍然缺乏。这就是混合数字双胞胎和模拟发挥关键作用的地方。

混合数字双胞胎提高精度

混合数字双胞胎将传感器收集的资产数据与仿真软件提供的物理数据相结合，以优化系统设计、预测性维护和工业资产管理。在播客中，Banerjee提供了一个现实世界的例子，说明混合数字双胞胎如何优于仅由资产数据驱动的数字双胞胎。

当挑战者号航天飞机在1986年1月28日爆炸时，建造航天飞机的科学家和工程师没有足够的数据来具体预测爆炸即将发生。然而，通过物理模拟和传感器数据的结合，工程师们可以模拟出航天飞机进入地球大气层时如何产生巨大的热量和力，使航天飞机的瓦片膨胀并产生压力。一个混合数字双胞胎应该能够预测瓷砖最终会爆炸。

“这些基于物理的分析只能通过详细的模拟来完成，”Banerjee说。“但你将其与物联网结合起来……如果你可以将物联网连接(实际连接，实际资产)与一些模拟同步……你可以得到惊人的、准确的结果。”这就是数字双胞胎的未来所在。”

Ansys Twin Builder是一个开放的解决方案，使工程师能够使用真实世界和虚拟传感器输入创建这种混合的、基于模拟的数字双胞胎。

预测模拟的未来

混合数字双胞胎使我们更容易了解特定资产或系统的未来，但人类的大脑却不容易预测未来。然而，Banerjee告诉Momenta，有一些明确的趋势将定义未来五年的数字融合:人工智能/机器学习(ML)、云计算和生态系统。

班纳吉说:“人工智能和机器学习对整个世界来说将会非常非常重要。”“我们Ansys正在研究AI/ML在模拟中的应用。”

AI/ML可以提高Ansys软件用户的工作效率，使他们能够更快地模拟，而无需牺牲精度以换取速度。推进软件改进依赖于通过云访问的计算能力。

班纳吉说:“从本质上讲，这将改变，改变基于模拟的产品创新世界。”“因为在过去，你的能力有限。我想做一个有限元分析。我没有那么多的计算能力，所以我被限制在只有一百万网格点。如果我有一百万个过程，我可以做十亿个网格点，我可以做一万亿网格点。不用担心准确性，我可以和现实世界一样准确，甚至更准确。”

最后，Banerjee分享了他对企业如何合作应对复杂性和技术颠覆的挑战的看法，比如电气化和自动化。

“一家公司不可能自己做所有的工作，”他说。“问题是:未来创新将如何发生?我相信这将通过一个生态系统实现，让第三方开发者、供应商等为你共同创新。”

这种规模的合作需要一个开放的生态系统。谈到开放式仿真平台，Banerjee表示，Ansys一直在寻找方法，使第三方开发者能够使用Ansys求解器进行创新。

要收听或阅读整个播客的文本，访问动量．