AI • 物聯網 • 網路邊緣

想像一下，有一顆水晶球能告訴您未來某個專案能獲致成功，又或者會在過程中遭遇災難性的差錯。現在把這夥水晶球想像為鏡映影像。歡迎來到數位孿生的世界。

對於製造商和整個工廠環境來說，這個概念具有振奮人心的含義，最近也引起許多人的關注。CCS Insight 的營運長暨 IoT 研究負責人和 Intel 工業解決方案總監 Ricky Watts 為我們逐一話說從頭。究竟什麼是數位孿生？製造商使用這項新技術可能會面臨什麼挑戰？又會迎來哪些短期和長期的優勢？CCS Insight 也在一份白皮書中分享了這個主題的研究，現在可供 insight.tech 的讀者閱讀。

特別針對製造業來說，究竟是什麼數位孿生？

Martin Garner：我蠻喜歡 Digital Twin Consortium（以這些事物為中心的產業機構)的視角，即數位孿生是機器、工廠流程及其他在現實世界存在之事物的虛擬模型。實物和虛擬模型之間需要某種同步，這有可能是即時的，也可能要慢得多。您也必須瞭解正在同步之資料的品質，以及同步的頻率。一切聽起來似乎再簡單不過了，但實際上有很多層面的工作都在其中執行。

在製造業，您可以聯想在會議室牆上呈現 007 電影裡的圖表，所有操作都可一覽無遺地即時呈現。您可以在那裡分析流程、查看磨耗率，並進行預測性維護、流程模組化及最佳化。進行員工訓練的同時，您也不會讓人員在實體機器上鬆懈。數位孿生有一種用途是軟體測試和模擬，深得我的青睞。例如，您可以先在虛擬機器上進行軟體更新，接著驗證，確保它不會當機或中斷，然後將軟體下載至實物。

我們也開始思考數位孿生更宏大、更遼闊的願景。工廠處於極大的供應鏈中心，所以何不在整個供應鏈中設一個數位孿生？這甚至可能包括您向客戶供應的機器，以瞭解在那個級別的工作狀況。特斯拉就是這樣生產車輛。

Ricky Watts：容我補充說明，如果問我數位孿生為何存在，以及它在哪裡出現，我會說它和資料息息相關。隨著我們看到愈來愈多來自工廠的資料，我們必須在應用那筆資料前明智地瞭解其內容。在某種程度上，數位孿生是在資料匯出機器時，代表資料的一種方式：對資料進行某種評估，並在應用輸出或結果前善加瞭解資料。

這些新技術帶來哪些挑戰？

Ricky Watts：其中一項挑戰是製造商多半不諳 AI 和機器學習；在某種程度上，我們確實有技能落差。那麼，該如何在目前擁有的員工中推行呢？當然，另一項困難在於這些全是相對新穎的技術：您該如何相信資料？該如何應用？我認為這些也是 AI 和 ML 所面臨的一些挑戰。

還有代表大量工業足跡的中小型企業。因此，將規模納入解決方案至關重要，為汽車製造商擴充數位孿生，而非為幫汽車製造商生產螺絲的人擴充數位孿生。這是為了確保我們不只賦予製造商權力，也必須讓生態系統有能力到外面服務這些模型。

這些是我們在 Intel 努力的一些事項：如何簡化使用其中的某些技術，以及建立夥伴關係和生態系統，將其引進基礎結構。在幕後其實是很大的工程。

製造商可以如何成功採用數位孿生？

Martin Garner：在最完整的版本中，數位孿生可以是橫跨 OT 和 IT 的長期計劃。在這種情況下，這絕對不是應急的權宜之計。在當前的經濟環境下，有些公司可能會躊躇不前，不敢貿然踏進規模更大的長期計劃。但可以使用數位孿生可以實現短期收益。有些優秀的用途具有令人驚艷的回本時間；預測性維護和軟體測試是其中兩種關鍵用途。訣竅在於您有一個架構合宜的系統，具有充分的開放性，足以建立生態系統、插入其他機器，並朝著更完善的願景發展。

Ricky Watts：身為技術人員的我們，從中看出它無窮的潛力。但就月前來說，我認為最重要的是集中火力滿足製造商的需求。這些製造商非常在意他們的生存之道，畢竟未來幾年的財務環境應該相當艱困。這確實需要善加運籌帷幄：今天我做些什麼，能否在明天立竿見影，而非等到下週、下下週或者明年。

是的，預測性維護就是一個很好的例子。如果您有數位孿生代表機器的一部分，而該數位模型告知您的機器會發生故障，那麼您就可以在預測成真前進行修正。這麼做便能使工廠繼續運作。

所以，請把重點擺在可在短期增添價值的東西。這有兩個好處。其中，它能解決現今遭遇的問題。其二，它提供製造商自己展開學習的機會。它為您提供了因應短期挑戰的短期成果；此外，從長遠來看，它給予您權限，讓員工也能在那些環境中使用資料。事實上，隨著數位孿生的使用更為廣泛，這些短期機會可以在中期乃至於長期為我們帶來助益。

製造商需要具備哪些技術組合來完成這個過程？

Ricky Watts：您不可能像變魔術般一下子生出一堆資料科學家。那麼，您要怎麼將石油與天然氣工廠的流程控制工程師有效地變成資料科學家，而不必耗費十年的訓練？我們在背景中創造工具與功能，重新利用這位流程控制工程師的技能。也就是說：「利用您現在掌握的技能，向我回報現況。然後，我們會以非常簡化的方式將其套用在資料模型與數位孿生模型上。」

在某種意義上，我確實認為「技能」不可或缺：您如何安裝運算？又要如何照顧它？但千萬別捨棄這些流程控制工程師的優勢：他們對結果瞭若指掌。製造過程中如果出了問題，他們都一清二楚。我們可以將其轉化為置於數位孿生、我們的模型與 AI 之中的運算代碼，進而識別問題所在。

實施這項方法需要哪些工具和技術？

Martin Garner：人們覺得最大的難處之一是以某種方式組織及設定資料摘要，讓資料可以相容。不同的感應器與不同的機器以各種方式呈現資料，因為它們不需要相容。工廠的組成錯綜複雜。它們具有形形色色、各種不同的機器和技術：從連線能力一直到 AI，在技術堆疊各個層級的技術。因此，做範本的難度相當高。

這表示對於一個大型系統來，可能需要很大幅度的系統整合工作，才能真正取得價值。我認為您可以從難度低的小處著手，開始從中獲得價值，再漸漸向外拓展。但在你擴展規模的同時，它也會很快成為一個更大的專案。

Ricky Watts：我們正在努力的工作之一，是利用諸如 OPC UA 等通用語言，透過工廠標準創造統一性。這表示使用通用語言，讓機器互相溝通，因此至少在某種程度上，每台機器都能理解其他機器。

Martin Garner：精妙之處在於，它把煙囪式的、垂直的、專有的東西變成了水平平台的方法。如此一來，在製造商、供應鏈、不同部門等領域擴大規模將獲益匪淺。這是一種全方位的更佳舉措。

Intel^® 扮演什麼角色，使數位孿生這個概念獲得成功？

Ricky Watts：除了打造卓越的運算平台，在網路邊緣運行這些東西之外，Intel 的強項也包括研究規模及建立標準。我們與工業夥伴合作，為創建聯盟、識別建立標準的方法打下根基。我們一直在石油與天然氣產業，以他們稱為 OPAF（開放式流程自動化論壇）的論壇為中心進行這項努力。

我們一直在研究運算平台，確定我們能引進製造商所需的技術。例如，它們需要在原子鐘上同步，以便平台上的資料與另一平台上資料的時間戳記同步。我們讓軟體生態系統使用這些功能，確保我們能以 Linux 作業系統、Windows、虛擬機器、Kubernetes 進行驗證：這些卓越的產品基本上都是軟體基礎結構層，可供我們執行應用程式。

相當然爾，我們會與終端使用者社群合作，以免生出科學怪人般的產物。

最後有什麼重點要再次強調？

Martin Garner：數位孿生的最大願景可能包括類似行星規模的氣象和地質系統，幫助我們進一步瞭解全球暖化這類的議題。但反觀現今有許多小型公司實在不知道該從何著手。因此，我們需要將流程簡化及增加價值，讓他們願意投資這個概念。

這表示專注短程成果：如何在下一季利用數位孿生節省開銷，如何讓數位孿生更方便購買及設置。願景是一回事，但我們必須拉攏大眾市場，畢竟他們同樣可能會使用數位孿生。我們不能捨近求遠，我們要兩者兼得。

Ricky Watts：Martin 說的完全正確。凡事簡單，從小處著手。我們的確有現成的解決方案，可供您展開數位孿生的旅程；您現今的問題也是我們極為關注的焦點。

相關內容

如要進一步瞭解製造業的數位孿生，請聆聽播客《數位製造營運的角色》（The Role of Digital Manufacturing Operations），以及閱讀 CCS Insight 針對這個主題的白皮書。如要進一步瞭解CCS Insight 與 Intel 的最新創新技術，請在 Twitter 上關注 @ccsinsight 和 @Inteliot，以及在 LinkedIn 上關注 CCS-Insight 和 Intel-Internet-of-Things。

本文由Erin Noble編審。