人类一直在收集数据以更好地理解我们所在的这个（物理）世界。如今，企业越来越多地寻求通过数字孪生将数字世界与物理世界融合在一起，数字孪生充当两个世界之间的桥梁，提供物理对象和物理过程的实时虚拟映射。

这些虚拟映射可以帮助企业组织对使用物理资产进行测试这一过于耗时或高成本的场景进行模拟，为资本投资决策提供数据依据、帮助企业通过数字化呈现企业运营现状、制定长期业务发展规划、改进业务生产流程、进行预测性维护。

研究公司MarketsandMarkets在2022年6月发布的一项预测中称，全球数字孪生市场规模将从2022年的69亿美元增长到2027年的735亿美元，期间年复合增长率(CAGR)达到60.6%。

以下是五个分属不同领域的企业通过数字孪生改进生产、服务、决策流程的实际案例。

NTT印地赛车：让车迷深入洞察赛况

NTT印地赛车系列赛（NTT Indycar Series）是包括了印第安纳波利斯500英里大奖赛在内的五场比赛，该系列赛使用数字孪生、数据分析和人工智能技术，让车迷能够更深入地了解赛况，获得实时洞察，包括对战超车、进站预测和其他元素。

合作伙伴NTT为参加系列赛的每辆车打造了一个数字孪生，把历史数据作为基础，每辆车都配备了140多个传感器，这些传感器在每场比赛中会收集数百万个数据点，为数字孪生提供数据，包括从速度到油压再到轮胎磨损和G力的所有数据。NTT还使用了人工智能和预测分析处理数字孪生的数据，为车迷提供以前只有赛车队工程师才能了解的深入洞察，包括比赛策略和预测、拦截和争夺位置、进站性能影响、燃料影响水平和轮胎磨损等信息。

Indycar则通过交互式的Indycar应用和社交媒体渠道向粉丝以及NBC制作团队提供信息。

Indycar营销副总裁SJ Luedtke说：“我们最狂热的车迷有机会更接近他们喜爱的运动、他们喜爱的车手和车队。这就是数字孪生的用武之地。我们正在与整个团队合作，在90分钟比赛的过程中，收集数百万个数据点，帮助球迷了解赛况。”

Luedtke说，过去三年中，NTT Indycar在比赛周末将应用参与度和逗留时间延长了一倍。

Luedtke的建议：与利益相关者建立密切的关系。她指出，她和首席信息官Rebecca Ruselink展开合作，双方的合作关系很牢固，因为IT团队试图了解团队的痛点并满足了他们的需求，而不仅仅是提供IT团队认为最好的解决方案。

Luedtke说：“我们的团队会定期开会，制定一个路线图罗列出我们想要完成哪些事情。”

劳斯莱斯：提高喷气发动机效率

跨国航空航天&国防公司劳斯莱斯（Rolls-Royce）已经部署了数字孪生技术来监控生产出来的发动机，可以监控每台发动机的飞行方式、飞行条件以及飞行员使用情况。

劳斯莱斯公司首席信息和数字官Stuart Hughes说：“我们正在调整维护制度，确保我们优化了发动机的使用寿命，而不是手册所说的使用寿命。这是一项充满变数的服务，每个引擎都被视为一个单独的引擎。”

多年来劳斯莱斯一直向客户提供发动机监控服务，数字孪生技术让劳斯莱斯能够为特定的发动机提供量身定制的服务。数字孪生帮助劳斯莱斯公司将某些发动机的维护间隔时间延长了50%，显著减少了零件和备件的库存，还提高了发动机的效率，迄今为止将碳排放量降低了2200万吨。

Hughes的建议：了解你的客户，了解客户是如何以及为什么要使用数字孪生，这和了解技术本身同样重要。Hughes说，这项服务为劳斯莱斯公司及其客户提供了显而易见的好处。

“对客户的好处就是让客户看到故障减少了，因为飞机使用发动机的时间更长了，所以可以延长发动机的使用时间，对我们来说，好处就是可以优化我们的维护方式。”

玛氏：利用数字孪生优化供应链

糖果、宠物护理和食品企业玛氏（Mars）为自己的制造供应链打造了一个数字孪生，通过数字孪生为业务提供支持。目前，玛氏正在使用微软Azure云和人工智能来处理和分析工厂机器产生的数据。

玛氏首席数字官Sandeep Dadlani表示：“我们把数字化视为一个巨大的业务加速器，我们不是为了数字化而数字化。”

在埃森哲的智能制造运营顾问的帮助下，玛氏正在使用微软的Azure数字孪生物联网服务来增强160个生产工厂的运营，通过软件模拟来提高产能和流程控制，包括通过预测性维护延长机器的正常运行时间，减少由于机器打包产品数量不一致导致的浪费。玛氏还通过使用数字孪生生成一个虚拟的“用例应用商店”，使其能够在业务线中被重复使用。

展望未来，玛氏计划使用数字孪生数据统计包括天气在内的对产品构成影响的各类因素，从而提高从产品来源到消费者的供应链可见性。

Dadlani的建议：尝试并接受失败。玛氏鼓励员工在有意义的情况下考虑使用人工智能和其他新兴技术来解决问题，将企业文化转变为拥抱实验，并期望员工从失败中吸取教训，从而通过运用这些新技术在未来取得成功。去年12月，玛氏在线上举行了AI Festival活动，庆祝公司已经有200个AI用例落地在各类业务线中。

“如果你能很好地定义一个问题，你就会感到自己能力使用人工智能来解决这些问题。”

美国教师退休基金会：降低客户服务复杂性

美国教师退休基金会（TIAA）是一个帮助教师管理退休基金的非营利性金融服务提供组织，该组织为了降低新机构客户引导的复杂性，正在使用一种采用了图形数据库的数字孪生。

该组织董事总经理兼退休服务技术负责人Alex Pecoraro表示：“我们TIAA会根据IRS的所有规定，提供非常精细的退休服务产品，这需要相当多的商业知识，因此我们有一整个团队来做这件事情。”

TIAA的Outsourced Services包含600多项功能，可产生超过一万亿种可能的客户端配置。在部署数字孪生技术之前，TIAA的专业团队会根据客户所需的运营模式手动创建和测试技术配置。因此，从专业技能来看，TIAA的员工是高度“功能化”的，也就是说，员工只能处理特定类型的订单，这也让运营扩展变得十分困难。

为了解决这个问题，Pecoraro带领的团队打造了一个数字孪生，它由一个图形数据库组成，这个数据库涵盖了600多个特征，通过控制节点表示复杂的分组逻辑，通过数据节点表示实现某项功能所需的数据字段，通过关系链表示个体之间的关系。

这个数据库帮助TIAA减少了客户引导所需的时间和专业知识。

Pecoraro的建议：改变你的观念。Pecoraro说，该项目的关键是他们采取了一种产品化的方法，而不是将其视为一种技术配置的问题。

“当时团队中有人提出，我们应该把注意力从配置转移到客户正在做什么、以及他们正在购买什么产品。这种观念上的转变是至关重要的。现在回想起来似乎是显而易见的，但在当时，当你沉浸在所有细节中时，你可能会为了一棵树而迷失在整个森林中。”

拜耳作物科学：利用虚拟工厂重塑战略

拜耳作物科学（Bayer Crop Science）利用数字孪生为北美的九个玉米种子生产基地都打造了一个“虚拟工厂”。从拜耳的田地中拿到种子后，经过九个生产基地进行加工和装袋，然后分发给农民。

“现在我们可以重构我们的业务流程，通过应用机器学习算法或模型来重构决策，”拜耳作物科学数据科学卓越中心(COE)负责人Naveen Singla这样表示。

拜耳为九个生产基地都打造了一个动态的数字孪生，可呈现设备、流程和产品流特性、物料清单和操作规则，使其能够对每个生产基地进行“假设”分析。

拜耳的商业团队还推出了新的种子处理产品和新的定价策略，使用虚拟工厂来评估生产基地是否准备好调整运营以实施这些新策略。虚拟工厂还可用于制定资本购买决策、制定长期商业计划、改进业务流程。拜耳现在可以把9个生产基地长达10个月的运营压缩到仅仅两分钟，使其能够解决有关SKU组合、设备能力、流程订单设计和网络优化等一系列复杂的问题。

Singla的建议：对业务领域有所了解。Singla说，拜耳取得成功的一个关键是在决策科学负责人Shrikant Jarugumilli领导下，数字孪生决策科学团队把不同的虚拟系统进行连接，花了很多时间在生产现场了解运营情况，并且赢得了利益相关者的支持。

Singla说：“数据科学家对业务领域的了解是非常重要的，这就是Shrikant的用武之地，他和他的团队在这些种子生产基地花费了数周时间，试图了解运营情况，了解其中的细微差别，以便他们与高管层交谈时传达的信息，是高管层能够理解的语言，而不是机器学习的那套语言。”