16、探索 AIoT 与数字孪生：从概念到实践

探索 AIoT 与数字孪生：从概念到实践

1. 数字孪生的应用情境与数据基础

在数据复杂度和分析需求较低的情况下，系统可以将数字孪生更多地作为逻辑设计概念，并应用传统数据分析方法。只有当传感器数据复杂度和分析需求增加时，才需要使用人工智能。

数字孪生是一个相对通用的概念，其具体实现很大程度上取决于作为基础的数据类型。由于数字孪生通常指的是物理资产，潜在的数据可以沿着典型物理资产的生命周期来确定，包括设计数据或数字主数据、模拟数据、制造/生产数据、客户数据和运营数据。对于运营数据，区分与物理资产本身相关的数据（如状态、事件、配置数据和历史记录）以及与资产环境相关的数据非常重要。

2. 数字孪生的应用案例

• 气动系统的运营数字孪生

  • 泄漏检测系统的基础是运营数字孪生。由于客户通常不提供其系统的详细设计信息，因此重点是在现场访问期间获取尽可能多的信息，并在现场动态构建数字孪生的主要部分。
  • 该系统基于四个领域的数字孪生数据：
    • 领域 I ：包括 AIoT 解决方案本身的组件，如移动网关和超声波传感器。这个领域对于支持系统管理很重要，例如基于 OTA 的声音检测机器学习模型更新。
    • 领域 II ：包括现场的气动组件，如压力发生器、压力罐、阀门等。这些组件的定义通过产品目录提供，并可以在现场动态选择。
    • 领域 III ：包括机身以及它如