“數字孿生”在過去幾年已成為一個流行詞。但到底什么是“數字孿生”？顧名思義，數字孿生就是指對物理對象的數字克隆。兩者的關系就像是一副真實畫作和它的數字掃描版。可以利用數字孿生技術實時查看所述對象的所有相關數據。根據所研究系統的情況，可追蹤和測量特定的傳感器，還可復制系統環境（道路、天氣、周圍物體或系統等）。

對汽車業來說，數字孿生的價值主要在于運行模擬。 在模擬器中模擬碰撞測試、自動駕駛和其他場景比使用實體車輛在真實環境中進行測試更容易（成本更低）。 利用人工智能和機器學習（AI/ML），虛擬數字孿生可在物理孿生出現問題前幫助發現這些問題。這意味著人們可以在真實世界中的物理孿生出現問題時盡快予以維護。

下面來看一些具體應用：

研發新車

汽車行業中的數字雙孿生技術可應用于多個領域的系統設計階段，無論是車輛還是機械臂設計。從車輛設計角度看，利用數字孿生技術進行開發設計更可靠。

以電動車為例，為新原型的能耗建模是非常重要的。清楚了解車輛表現（如電池管理系統（BMS），車輪和胎壓）有助于工程師有效完善設計。能夠在限制熱沖擊或電磁影響的同時優化線路布局，這有助于減輕車輛重量，降低成本。在考慮電池能耗時，首先要想到的要素是電池的充電狀態。

但實際上，汽車的空氣動力學也會對能耗產生巨大影響（不僅僅是電動汽車，所有的汽車都是如此）。憑借計算流體力學模擬技術，設計師可以最大限度優化車輛的空氣動力學設計。原始設備制造商就是利用這種方法計算汽車的最低風阻系數。

工廠和供應鏈模擬

數字孿生還可幫助優化生產流程。原始設備制造商和供應商必須考慮整個供應鏈才能簡化各項操作，包括制造限制。從工廠的角度而言，機械臂的設計，供應鏈和輸送設備的發展非常重要。公司也可以利用擴展的數字雙孿生模型模擬其供應鏈，并運行AI/ML模型來測試不同的場景。

能夠在設計工廠機器時預測傳感器的最佳位置，不僅可以在使用時節省時間，還可節省相關組件，優化材料。此外公司也可以利用擴展的數字雙孿生模型模擬其供應鏈，并運行AI/ML模型來測試不同的場景。

自主駕駛模擬

在汽車行業，數字孿生技術也可在系列生產階段發揮作用。 憑借數字孿生技術，制造商可利用 AI/ML 計算實時模擬自主駕駛（AD）算法。使用模擬環境驗證 AI/ML 算法可以讓工程師和開發人員確定它們是否安全。如果所述算法可在模擬現實世界的數字環境中通過數萬公里的測試，即可安全應用于物理原型。

物理測試需要時間，在實際應用中，我們可以并行加快和運行模擬，從而在考慮了應用重力、重量和物理碰撞的的逼真模擬環境中完成數千小時的駕駛。 數字孿生技術有助于更好地監控該計算，并確定哪些特定場景需要進行深入模擬。例如，一些自主駕駛的現實情形很難再現，但對傳感器和算法的優化很有幫助。

物理原型不會被完全取代，但我們可利用真實物理傳感器（即：相機、激光定位器等）的數字模型進行數字模擬，這樣就不必在開放世界的開發過程中運行無法預見的情境。這樣不僅可以節省大筆開支，還可以減少與其他車輛、行人等發生交通事故的風險。

預見性維護

數字孿生技術采用實時車輛傳感器數據，從而實現預見性維護。如今，許多車企使用這一組合監測傳感器（如安全氣囊的觸發展開裝置），以及獲取車輛或工廠機器各類部件的磨損狀態數據。這樣做不僅可以節省大量時間和成本（不再因故障停工、庫存和資源可提前安排）還可以最大限度降低廠內事故風險，減少車輛設計缺陷，同時持續獲取每一關鍵（安全相關）和非關鍵系統元素的狀態數據。

汽車行業的強大推動因素

數字孿生技術可為處于汽車生命周期不同階段的車企提供各類幫助。 在開發階段，可利用數字孿生技術模擬和優化汽車的概念、布線、重量、空氣動力學設計和整體結構，而不需要測試物理原型的這些變量，從而幫助原始設備制造商降低成本。

在制造階段，它有助于優化設備布局、維護以及制造過程中每一步的規定運行。在系列生產階段，它可以幫助預測磨損、缺陷，還可以用于重現實體車輛面臨的真實場景。







審核編輯：劉清