人類一直在收集數據以更好地理解我們所在的這個（物理）世界。如今，企業越來越多地尋求通過數字孿生將數字世界與物理世界融合在一起，數字孿生充當兩個世界之間的橋梁，提供物理對象和物理過程的實時虛擬映射。

這些虛擬映射可以幫助企業組織對使用物理資產進行測試這一過于耗時或高成本的場景進行模擬，為資本投資決策提供數據依據、幫助企業通過數字化呈現企業運營現狀、制定長期業務發展規劃、改進業務生產流程、進行預測性維護。

研究公司MarketsandMarkets在2022年6月發布的一項預測中稱，全球數字孿生市場規模將從2022年的69億美元增長到2027年的735億美元，期間年復合增長率(CAGR)達到60.6%。

以下是五個分屬不同領域的企業通過數字孿生改進生產、服務、決策流程的實際案例。

NTT印地賽車：讓車迷深入洞察賽況

NTT印地賽車系列賽（NTT Indycar Series）是包括了印第安納波利斯500英里大獎賽在內的五場比賽，該系列賽使用數字孿生、數據分析和人工智能技術，讓車迷能夠更深入地了解賽況，獲得實時洞察，包括對戰超車、進站預測和其他元素。

合作伙伴NTT為參加系列賽的每輛車打造了一個數字孿生，把歷史數據作為基礎，每輛車都配備了140多個傳感器，這些傳感器在每場比賽中會收集數百萬個數據點，為數字孿生提供數據，包括從速度到油壓再到輪胎磨損和G力的所有數據。NTT還使用了人工智能和預測分析處理數字孿生的數據，為車迷提供以前只有賽車隊工程師才能了解的深入洞察，包括比賽策略和預測、攔截和爭奪位置、進站性能影響、燃料影響水平和輪胎磨損等信息。

Indycar則通過交互式的Indycar應用和社交媒體渠道向粉絲以及NBC制作團隊提供信息。

Indycar營銷副總裁SJ Luedtke說：“我們最狂熱的車迷有機會更接近他們喜愛的運動、他們喜愛的車手和車隊。這就是數字孿生的用武之地。我們正在與整個團隊合作，在90分鐘比賽的過程中，收集數百萬個數據點，幫助球迷了解賽況。”

Luedtke說，過去三年中，NTT Indycar在比賽周末將應用參與度和逗留時間延長了一倍。

Luedtke的建議：與利益相關者建立密切的關系。她指出，她和首席信息官Rebecca Ruselink展開合作，雙方的合作關系很牢固，因為IT團隊試圖了解團隊的痛點并滿足了他們的需求，而不僅僅是提供IT團隊認為最好的解決方案。

Luedtke說：“我們的團隊會定期開會，制定一個路線圖羅列出我們想要完成哪些事情。”

勞斯萊斯：提高噴氣發動機效率

跨國航空航天&國防公司勞斯萊斯（Rolls-Royce）已經部署了數字孿生技術來監控生產出來的發動機，可以監控每臺發動機的飛行方式、飛行條件以及飛行員使用情況。

勞斯萊斯公司首席信息和數字官Stuart Hughes說：“我們正在調整維護制度，確保我們優化了發動機的使用壽命，而不是手冊所說的使用壽命。這是一項充滿變數的服務，每個引擎都被視為一個單獨的引擎。”

多年來勞斯萊斯一直向客戶提供發動機監控服務，數字孿生技術讓勞斯萊斯能夠為特定的發動機提供量身定制的服務。數字孿生幫助勞斯萊斯公司將某些發動機的維護間隔時間延長了50%，顯著減少了零件和備件的庫存，還提高了發動機的效率，迄今為止將碳排放量降低了2200萬噸。

Hughes的建議：了解你的客戶，了解客戶是如何以及為什么要使用數字孿生，這和了解技術本身同樣重要。Hughes說，這項服務為勞斯萊斯公司及其客戶提供了顯而易見的好處。

“對客戶的好處就是讓客戶看到故障減少了，因為飛機使用發動機的時間更長了，所以可以延長發動機的使用時間，對我們來說，好處就是可以優化我們的維護方式。”

瑪氏：利用數字孿生優化供應鏈

糖果、寵物護理和食品企業瑪氏（Mars）為自己的制造供應鏈打造了一個數字孿生，通過數字孿生為業務提供支持。目前，瑪氏正在使用微軟Azure云和人工智能來處理和分析工廠機器產生的數據。

瑪氏首席數字官Sandeep Dadlani表示：“我們把數字化視為一個巨大的業務加速器，我們不是為了數字化而數字化。”

在埃森哲的智能制造運營顧問的幫助下，瑪氏正在使用微軟的Azure數字孿生物聯網服務來增強160個生產工廠的運營，通過軟件模擬來提高產能和流程控制，包括通過預測性維護延長機器的正常運行時間，減少由于機器打包產品數量不一致導致的浪費。瑪氏還通過使用數字孿生生成一個虛擬的“用例應用商店”，使其能夠在業務線中被重復使用。

展望未來，瑪氏計劃使用數字孿生數據統計包括天氣在內的對產品構成影響的各類因素，從而提高從產品來源到消費者的供應鏈可見性。

Dadlani的建議：嘗試并接受失敗。瑪氏鼓勵員工在有意義的情況下考慮使用人工智能和其他新興技術來解決問題，將企業文化轉變為擁抱實驗，并期望員工從失敗中吸取教訓，從而通過運用這些新技術在未來取得成功。去年12月，瑪氏在線上舉行了AI Festival活動，慶祝公司已經有200個AI用例落地在各類業務線中。

“如果你能很好地定義一個問題，你就會感到自己能力使用人工智能來解決這些問題。”

美國教師退休基金會：降低客戶服務復雜性

美國教師退休基金會（TIAA）是一個幫助教師管理退休基金的非營利性金融服務提供組織，該組織為了降低新機構客戶引導的復雜性，正在使用一種采用了圖形數據庫的數字孿生。

該組織董事總經理兼退休服務技術負責人Alex Pecoraro表示：“我們TIAA會根據IRS的所有規定，提供非常精細的退休服務產品，這需要相當多的商業知識，因此我們有一整個團隊來做這件事情。”

TIAA的Outsourced Services包含600多項功能，可產生超過一萬億種可能的客戶端配置。在部署數字孿生技術之前，TIAA的專業團隊會根據客戶所需的運營模式手動創建和測試技術配置。因此，從專業技能來看，TIAA的員工是高度“功能化”的，也就是說，員工只能處理特定類型的訂單，這也讓運營擴展變得十分困難。

為了解決這個問題，Pecoraro帶領的團隊打造了一個數字孿生，它由一個圖形數據庫組成，這個數據庫涵蓋了600多個特征，通過控制節點表示復雜的分組邏輯，通過數據節點表示實現某項功能所需的數據字段，通過關系鏈表示個體之間的關系。

這個數據庫幫助TIAA減少了客戶引導所需的時間和專業知識。

Pecoraro的建議：改變你的觀念。Pecoraro說，該項目的關鍵是他們采取了一種產品化的方法，而不是將其視為一種技術配置的問題。

“當時團隊中有人提出，我們應該把注意力從配置轉移到客戶正在做什么、以及他們正在購買什么產品。這種觀念上的轉變是至關重要的。現在回想起來似乎是顯而易見的，但在當時，當你沉浸在所有細節中時，你可能會為了一棵樹而迷失在整個森林中。”

拜耳作物科學：利用虛擬工廠重塑戰略

拜耳作物科學（Bayer Crop Science）利用數字孿生為北美的九個玉米種子生產基地都打造了一個“虛擬工廠”。從拜耳的田地中拿到種子后，經過九個生產基地進行加工和裝袋，然后分發給農民。

“現在我們可以重構我們的業務流程，通過應用機器學習算法或模型來重構決策，”拜耳作物科學數據科學卓越中心(COE)負責人Naveen Singla這樣表示。

拜耳為九個生產基地都打造了一個動態的數字孿生，可呈現設備、流程和產品流特性、物料清單和操作規則，使其能夠對每個生產基地進行“假設”分析。

拜耳的商業團隊還推出了新的種子處理產品和新的定價策略，使用虛擬工廠來評估生產基地是否準備好調整運營以實施這些新策略。虛擬工廠還可用于制定資本購買決策、制定長期商業計劃、改進業務流程。拜耳現在可以把9個生產基地長達10個月的運營壓縮到僅僅兩分鐘，使其能夠解決有關SKU組合、設備能力、流程訂單設計和網絡優化等一系列復雜的問題。

Singla的建議：對業務領域有所了解。Singla說，拜耳取得成功的一個關鍵是在決策科學負責人Shrikant Jarugumilli領導下，數字孿生決策科學團隊把不同的虛擬系統進行連接，花了很多時間在生產現場了解運營情況，并且贏得了利益相關者的支持。

Singla說：“數據科學家對業務領域的了解是非常重要的，這就是Shrikant的用武之地，他和他的團隊在這些種子生產基地花費了數周時間，試圖了解運營情況，了解其中的細微差別，以便他們與高管層交談時傳達的信息，是高管層能夠理解的語言，而不是機器學習的那套語言。”