颠覆世界的“数字孪生”到底是什么?这篇文章带你搞懂全部内涵!

news2024/11/16 0:50:22

在春节很火的电影《流浪地球2》中,已经去世的小女孩图丫丫,被她的父亲重新将其个人的信息模型导入最强大的计算机而“复活”了。屏幕中的丫丫就是一个数字孪生体。我们可以看到她的一颦一笑,听到她跟你的对话,看到她做出反应。这就是数字孪生的另一特色,数字孪生会不断接收实际物体的各类信息,实时调整状态,努力达到真实世界的状态。

在这里插入图片描述

图丫丫在赛博空间的活动

目前的数字孪生还在快速发展期,数字孪生体可以对应到物理世界中的一个人、一个家具、一辆车、一栋房子,一座工厂,一个校园,一个城市,甚至一个地球。虽然现在像电影中一样的人体数字孪生体还存在于屏幕上,但是这样的赛博人类也许就在不远的未来。

一、什么是数字孪生?
1、概念
数字孪生,英文名叫Digital Twin(数字双胞胎),也被称为数字映射、数字镜像。

数字孪生,是充分利用物理模型、传感器设备、运行历史等数据,集成多学科、多物理量、多尺度、多概率的模拟仿真过程,在3维空间中映射,从而反映相对应的实体的全生命周期过程。

简单来说,数字孪生就是创造了一个数字版的“克隆体”。

在这里插入图片描述

计算机仿真技术是数字孪生技术出现的基础,数字孪生和仿真模型的区别在于数字孪生具有演化性。数字孪生会不断接收实际物体的各类信息,实时调整状态,努力达到与实际物体实时对应的状态。

2、优势
2.1、改进产品设计
使用数字孪生可以更有效地研究和设计产品,并创建大量关于可能的性能结果的数据。这些信息可以帮助公司在开始生产之前进行必要的产品改进。

2.2、生产效率提高
即使在新产品投入生产后,数字孪生也可以帮助镜像和监控生产系统,着眼于在整个制造过程中实现并保持最高效率。

2.3、产品回收资源
孪生甚至可以帮助制造商决定如何处理已达到产品生命周期终点并需要通过回收或其他措施进行最终处理的产品。通过使用数字孪生,他们可以确定可以收获哪些产品材料。

二、数字孪生的应用
数字孪生在前两点应用中较多,特别是第二条。企业的升级转型已经成为一个潮流,得益于数字孪生的投射生产流程和管理流程带来效率的提高,有很多行业的升级就使用了数字孪生技术,比如智慧工厂,智慧医院,智慧校园,智慧供应链仓库,智慧展厅等等。

所有的3d建筑和实时数据图表都反映在一张大屏上,便于管理者从数据中察觉到生产流程中的问题,并有助于制定精准利用资源的生产计划。以下是FineVis制作数字孪生大屏的案例。

智慧工厂
在这里插入图片描述

设备状态检修: FineVis的大屏编辑器提供强大了数据可视化能力,其智能化监测和实时报告功能有助于保持设备状态的良好运行,管理者通过大屏看可直接连接设备的参数,有助于工厂及时发现异常设备并进行维修。

数字车间:通过投射物理世界的人,物到大屏, FineVis通过数字化的设备监控, 智能化的根据指标来评价设备的状态,监控和提醒设备的生命周期,进一步提高工作效率,降低设备成本。产出情况的实时呈现和当天的生产指标的对比,管理者可以更精确的利用人工,推进项目进度。

智慧校园
在这里插入图片描述

安防监控:智慧校园集成视频监控、人脸识别、安防人员信息、安防事件管理等监控,通过统一平台对数据进行综合处理,基于校园三维场景对各类设备的监控和运维管理,实现场景联动和统一展示管理,增强保障校园安全防范管理,提供一个平安、舒适的学习环境。

智慧医院
在这里插入图片描述

楼层状况:通过切换,可以将门诊大楼,分层打开。点击进入具体楼层查看具体楼层状况。可以看到楼层具体的候诊科室以及目前患者挂号就诊情况。将诊室依据平均就诊时长以及候诊人数进行诊室类别划分,当具体诊室平均就诊时长过长以及候诊人数过多时,将其标记为忙碌诊室,同时能够显示其附近的空置诊室,能够帮助医院及时进行合理的诊室资源调度。同时可以调用设置在各个点位的监控设备,查看现场实际情况。点击“门诊大楼”将建筑分层展开,一窥楼层内部的大致布局,而后可以再点击进入楼层查看具体楼层状况。

智慧仓储
在这里插入图片描述

仓储设备实时运行状态展示:自动仓中有各种不同的仓库所需设备构建起一个完整的仓储链路,其中设备的运行和实时状态会影响一个仓储的全链路,因此针对整个自动仓所有设备的实时运行监控便是三维场景的一个核心。用户可以通过一张大屏页面实时监控到自动仓所有设备当前运行路径、位置、状态,并能够及时获取到设备故障带来的告警问题并及时解决和优化。
在这里插入图片描述

货品仓位监管:监控当前所有货架仓位的实时变化情况,当前仓位有货品时自动显示对应货品模型,通过点击可以查看当前仓位货品详细情况,当前仓位没有货品时,自动隐藏当前仓位的货品相关模型实现数字化仿真效果。

我也整理了更多关于可视化大屏的数字孪生合集,包含10多个行业的40多张大屏,都是基于FineVis制作的,套用数据直接可以用,私信我免费发给你们。

在这里插入图片描述

三、数字孪生的未来
我们回到一开始的话题,我们会拥有自己的数字孪生吗?

人都是独一无二的,不同于流水线上千篇一律的产品,人类是极其复杂的。创建一个能够和现实中的人同步成长的数字孪生,到今天依然是不可能的任务。尽管如此,人们对数字孪生在智慧升级领域的美好前景依旧满怀信心。

曾经人们认为不可能建造的一套大型数字孪生建筑物,现在已经是各大企业的家常便饭。

智慧园区
园区总览

在这里插入图片描述

智慧工厂
厂区调度中心大屏

在这里插入图片描述

设备科技化管理

在这里插入图片描述

工厂能耗管理

在这里插入图片描述

人体数字孪生的搭建工作,在今天看来,还存在许多不可能完成的挑战,但我们相信们科技的进步会逐步解决这些挑战。作为一个多学科交叉的复杂领域,数字孪生被应用在城市规划、基础建设、生物医疗等领域已是家常便饭。另一个“我”,或许就在不远的将来。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/466930.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【细读Spring Boot源码】启动步骤

前言 版本:spring-boot-2.7.3 | spring-context-5.3.22 main函数 直接使用静态函数启动 public static void main(String[] args) {SpringApplication.run(SettlleApplication.class, args); }静态帮助程序,可用于使用默认设置从指定源运行SpringAppli…

港联证券|人民币大消息!美科技股涨嗨,微软一夜暴增超万亿!

当地时间26日,美股三大股指收盘涨跌纷歧。到收盘,道指报33301.87点,下跌0.68%;标普500指数报4055.99点,下跌0.38%;纳指报11854.35点,上涨0.47%。 榜首共和银行大跌29.75%,该股昨天大…

SuperMap iClient3D for Cesium 构建隧道

背景 前段时间看到一篇构建隧道的文章(https://blog.csdn.net/supermapsupport/article/details/128453116),突然想到一个使用场景:隧道通常是建在山体下面,是否可以通过这种方式构建出一条贯穿山体的隧道&#xff0c…

mysql如何加行锁

一、概述 InnoDB 引擎是支持行级锁的,而 MyISAM 引擎并不支持行级锁,所以后面的内容都是基于 InnoDB 引擎的。当我们使用delete、update进行数据库删除、更新的时候,数据库会自动加上行锁。但是,行锁有时也会失效。 数据库版本&a…

正则表达式 - 边界

目录 一、零宽断言 二、行的开始和结束 1 . ^ 与 $ 2. dotall 模式 三、单词边界和非单词边界 1. 统计某个单词出现的次数 2. 统计单词个数 四、主题词的起始与结束位置 五、使用元字符的字面值 六、在段首加标签 一、零宽断言 断言(assertions&#xff0…

颜色选择器vue3-colorpicker

其他选择器:一款支持vue3 的颜色选择器 | ColorPickerV3基于vue3的颜色选择器支持颜色透明度与rgba、hexhttps://colorpickerv3.wcrane.cn/guide/#%E7%89%B9%E7%82%B9 这个选择器也挺好看的, 只是貌似不能外部打开选择器面板 官网:Webpack Ap…

第五章:多表查询

一、笛卡尔积的多表查询 1.案例 查询员工名为’Abel’的员工在哪个城市工作? 2.出现笛卡尔积(交叉连接)的错误 select employee_id, department_name from employees,departments为什么出现2889条记录? Employees 107 Departments 27 …

Python 一元线性回归模型预测实验完整版

一元线性回归预测模型 实验目的 通过一元线性回归预测模型,掌握预测模型的建立和应用方法,了解线性回归模型的基本原理 实验内容 一元线性回归预测模型 实验步骤和过程 (1)第一步:学习一元线性回归预测模型相关知识。 线性回归模型属于…

如何高质量的提问题让chatgpt更明白我们的意图

如何更好地向 ChatGPT 提问 ChatGPT是一款基于深度学习的人工智能语言模型,用户可以通过文本输入向其提问并获得自然语言回答。以下是如何更好地向ChatGPT提问的几个建议: 确定问题类型。ChatGPT的训练数据源广泛,支持各种类型的问题&#x…

[INFOCOM 2019] NeuralWalk:使用神经网络的在线社交网络中的信任评估

NeuralWalk: Trust Assessment in Online Social Networks with Neural Networks | IEEE Conference Publication | IEEE Xplore 摘要: 评估信任社交网络(TSN)中用户之间的信任是许多应用中的关键问题,例如电影推荐,…

buuctf5

目录 [极客大挑战 2019]BabySQL [极客大挑战 2019]PHP 神秘龙卷风 假如给我三天光明 后门查杀 webshell后门 [极客大挑战 2019]BabySQL 1. 发现存在sql注入 2.使用bp用fuzz字典爆破一下哪些词被过滤了,发现or,select等都被过滤了 尝试双写注入 3.…

Vue.js 框架能力的官方认证

这两天Vue官方推出了Vue.js 认证计划。 即框架能力官方认证,即 Vue.js 框架能力证书。该认证由 Vue School 与 Vue.js 团队合作提供支持。官网:Vue.js - Official Certification Program 官方介绍此次的试题集和代码挑战由 Vue.js 核心团队审核&#xff…

docker 安装 datax和datax-web 之 datax-web登录时提示账号或密码错误

docker 安装docker 安装 datax和datax-web 安装教程地址: https://www.cnblogs.com/leihongnu/p/16612273.html 根据该博客的教程安装成功后,登录页面能打开,但是所提供的账户密码一直报错,这个就需要根据日志一步步去寻找原因了…

《编程思维与实践》1037.一元多项式乘法

《编程思维与实践》1037.一元多项式乘法 题目 思路 比较容易想到将步骤分为三步: 1.读取多项式每项的系数(coefficient)和对应的指数(dim); 2.进行多项式乘法; 3.输出进行多项式乘法后的非零项系数. 其中多项式乘法可以通过循环来处理,输出可以用if来判断系数是否为0,需要考虑…

多重共线性问题如何解决?

​ 一、多重共线性说明 多重共线性一般是指:如果有两个或者多个自变量高度相关(相关系数大于0.8),难以区分一个自变量对因变量的影响和作用,将自变量相关性产生的后果定义为多重共线性,一般提出多重共线性…

Pytorch 安装

Pytorch PyTorch介绍 特点: 1.简单易用、分布式训练、服务器部署方便、移动端部署方便; 2.PyTorch 是基于以下两个目的而打造的python科学计算框架: 无缝替换NumPy,并且通过利用GPU的算力来实现神经网络的加速。 3.通过自动…

ubuntu-18.0.04 鸿蒙OpenHarmony系统源码(OHSP)下载

如果想下载HarmonyOS中 api7里面的java 源码的,可以止步了。因为这一块并没有开源,api 7里面java的部分属于HarmonyOS,不是openharmony的部分… 怪不得网上找不到任何一个介绍Ability.java AbilitySlice.java这种源代码的文章。java应该只是鸿…

Cilium架构简介eBPF数据流向查看

1 环境准备 上一篇文章将 k8s 的网络插件改为 cilium 同时部署了观测平台 hubble,部署方式可参考上篇。 基于eBPF的k8s网络插件Cilium部署与流量治理浅尝 本篇讲一下 cilium 的架构和数据流向的查看方式。首先,你需要一个kubernetes集群,并使…

算法记录 | Day43 动态规划

1049.最后一块石头的重量 II 思路: 本题其实就是尽量让石头分成重量相同的两堆,相撞之后剩下的石头最小,这样就化解成01背包问题了。 本题物品的重量为stones[i],物品的价值也为stones[i]。 对应着01背包里的物品重量weight[i…

[学习笔记] [机器学习] 3. KNN( K-近邻算法)及练习案例

视频链接数据集下载地址:《3. KNN及练习案例》配套数据集 1. K-近邻算法(KNN)概念 学习目标: 掌握K-近邻算法实现过程知道K-近邻算法的距离公式知道K-近邻算法的超参数 K K K值以及取值问题知道kd树实现搜索的过程应用KNeighborsClassifier实现分类知…