数字孪生还是仿真？区别在于数据链路

Inhaltsverzeichnis+

定义，简洁且平实

仿真模型： 对流程的再现，使用假设并为特定问题计算。使用周期：数周。决策后归档。

数字孪生： 相同的模型，但长期与真实运行连接。它持续从源系统提取数量、处理时间、产能和状态，以反映现实而不是假设。使用周期：数年。它有运营方、预算和值班安排。

区别在于治理，而非模型本身。

三个接入层级

大多数自称“数字孪生”的项目其实属于层级2。这并非批评。层级2常常正合适。但使其成为层级3的回路，会带来治理、责任与运行管理。

孪生还能做的事

• 它始终是最新的。 不会出现“模型来自上年春”的情况。
• 它能识别偏差。 当实际与模型偏离，要么现实改变了，要么某个假设不对。两者都很有价值。
• 它能重复回答问题。 “如果明天缺两个人会怎样？”不再是一项研究，而是一项查询。
• 它能做预测， 因为它知道当前的库存，而不仅仅是数量结构。

额外成本

• 与 ERP、MES、工单系统和考勤的接口，每个都需单独构建与维护。
• 数据质量成为持续议题。拉取错误数据的孪生比没有孪生更危险，因为人们更容易相信它。
• 运行管理： 接口半夜故障时谁来监控？
• 模型维护。 流程变了，模型也要变。否则孪生会反映已不存在的流程。
• 数据保护与职工参与， 一旦涉及到个人绩效数据。

实践经验的经验法则：接入成本是模型本身的数倍。不知道这个比例的人，会只计划较小的部分，然后感到惊讶。

何时选择哪种

仿真模型足够当：

• 问题是一次性的（“这项自动化值得吗？”），
• 决策将在本季度做出，
• 流程发生在系统之外（电子邮件、电话、纸质），
• 无人需要持续基于结果进行管理。

数字孪生值得投入当：

• 每日或每周都要做决策（调度、人员部署、顺序），
• 已有可靠的数据来源，
• 流程足够昂贵，能支持一个运行团队，
• 现实变化快速，昨天的模型毫无价值。

层级3的典型场景有制造、内部物流、网络与设备运行。层级1的典型场景有行政、申请与审批流程，不是因为它们更简单，而是因为那里缺少数据痕迹。

“组织的数字孪生”

该术语来自 Process Mining 供应商领域，指从事件日志持续构建的流程映像。对此有两点，均平实陈述：

正确之处： 如果存在贯穿的日志，自动更新是真正的优势。任何仿真的薄弱环节都是估计输入；日志用测量值取而代之。

需检验之处： 过去的映像并不等于未来的模型。向供应商问同样的问题，如同对任何仿真工具所问：它是把队列在被占用环节之前建模，还是沿路径累加持续时间，而且结果以区间还是单一数值呈现？即便两者在同一界面中，测量与计算的区别仍然存在；详细讨论见 Prozesssimulation vs. Process Mining。

务实路径

几乎没人一开始就需要层级3。

1. 构建模型，手工填入。 半天。回答当前问题。
2. 当同一问题第三次出现时， 把两到三个最常变动的输入自动化，通常是数量和产能。这是向层级2的过渡，成本仅为全面接入的一小部分。
3. 只有在每天都要决策时， 再考虑层级3，并配置运营方、预算与职责。

按此顺序推进的人，在第1步后就已有答案。从层级3开始的人，六个月后却只有一个接口。