利用混合式數位孿生提升運作效率：Vitor Lopes 的訪談

操作人員可在運作中重複使用工程設計，工程師則可獲得根據先前資料所知的現場深入見解，在下一個設計週期運用。從虛擬感應器到未建模物理，混合式數位孿生在多個產業中均受到運用，以協助企業解決許多挑戰。在這場與 Ansys 資深產品銷售經理 Vitor Lopes 進行的訪談中，我們將更深入瞭解混合數位孿生，以及這項技術在能源產業中的典型使用案例。

問題：能否請您概述在淨零排放和數位轉型環境中的資產管理？

Vitor Lopes：我們談到資產管理時，通常會想到效能、資產可靠性和安全。我們會思考如何以更有效率的方式操作特定資產。在能源產業中面臨需改善效率的情況時，我們通常會想要收集偏移資料、分析並做出決策。擁有的高品質資料越多，我們就可更妥善地做出決策，如此即可將風險降至最低，並讓我們嘗試進行的作業成功機率達到最高。

但有時我們無法取得所有想要的資料，或是偶爾我們可以取得這些資料，但風險卻遠高於可得資料的品質。通常從一開始就會在流程中規劃安全限度，但若缺乏資料或不確定性太高，就會設定較大的安全限度。這麼做沒有必要，只會限制我們可從特定資產中得到的效能。

最近，能源產業面臨許多挑戰與經濟壓力。大家一直強力推動改善現有資產的效率。此外，此產業中的大部分程序都為熱密集，而效能提升有時也代表碳排放量降低。無論是要達到運作效率，或甚至是透過改善資產管理體驗達成永續目標等，這就是數位轉型發揮重要作用的部分。

數位轉型可實現資料可用性，並能從原始資料集中取得更多深入見解。我們能以前所未有的高效率完成，是因為大多數公司為了提升效率並壓低成本而採用的數位技術，最近都有所進展。這種變動也讓公司可透過改善現有資產的效能，同時開發/替換永續性更高、一開始就具備高效率的下一組資產，進而在邁向淨零排放目標時搶先一步。數位孿生當然位於這些計畫的最前線。

問：這些計畫如何幫助我們更容易理解數位孿生？

VL：數位孿生的概念是您在現場有資產或程序，而在虛擬世界中則有呈現前述資產關鍵元素的模型，並且也有方法讓兩者同步。資料會從在現場運作的資產傳輸至數位模型。然後，模型會從測量的資料進行預測，產生現場無法測量的深入見解。最後，操作人員會及時從模型收到這些資訊，並進行調整。取得這些額外資料後，就能更有效率地做出決策。早在創造「數位孿生」這個詞之前，資產管理產業採用此概念就已行之有年。

而這與過去有何不同之處？技術的進步讓我們能以比過去更高的頻率和傳真度來同步兩個世界。這強化了我們的能力，可以做出更佳的決策。我們從這些層面思考數位孿生時，通常需在建立具備正確準確度和速度的模型時取得平衡。這通常是一種取捨。此外也有靈活性的因素。如何將智慧引進這些模型？是否有感應器資料？是否有實體模型？是採用 1D 或 3D？接著則是適應性的因素。即使模型對現場測試的回應良好，而且從一開始即可提供準確的預測，但在距今 10 年後又會如何回應呢？數位孿生是否能依循老化程序並調整適應？

擴充性也是必須考量的因素。即使已找到解決其他挑戰的解決方案，但是該如何以可擴充的方式來進行，以便輕鬆地複製至多種資產上？另外，此處也要考量互通性與安全性的全面性挑戰。您會希望元件能彼此通訊且安全無虞。

傳統上會採用兩種不同方式來產生數位孿生背後的模型：資料型與物理型。Ansys 與許多客戶都瞭解，這兩種方式各有其優勢與挑戰。為了獲得最高的準確度、速度、靈活性、適應性和擴充性，以超越傳統挑戰，Ansys 將這兩種方式合併為混合式解決方案，讓利害關係人可透過更成熟和準備更充分的方法，起步更強勁、收集初始價值，並透過引進更多第二種方式的元素，獲得更進一步的洞見與優勢，並繼續邁進。

問：可以請您說明適用於線上調適性虛擬感應器的 Ansys 混合式數位孿生嗎？

VL：混合式數位孿生不僅能從物理模型和資料模型中生成智慧，還能結合其潛力。如果從資料的角度踏上數位旅程，隨著時間，您可能會發現這些模型逐漸達到過去測量的極限。若情境有大量的高品質相關歷史資料可供使用，那麼資料型方法會是不錯的開始。儘管如此，在必須進行超出前述範圍的預測時，就會變得略為複雜，不僅在運作範圍方面，從未收集相關資料的變數方面也是如此。此時，推估及解釋新現象會帶來許多挑戰。

另一方面，如果從物理型角度踏上數位孿生旅程，物理模型能在可解釋性的範圍內產生大量瞭解的資訊。使用物理模型訓練這些數位孿生，可讓您更充分掌控預測範圍。您可以確保所擁有的模型，是在預期用於現場資產的邊界條件下接受訓練。不僅如此，如果具體探討 3D 物理模型，那麼您可以在數位資產的任何位置定義局部測量，這項功能非常強大。這基本上就是虛擬感應器的概念。

然而大多數時候，物理模型並不完美。可能有遺漏的物理因素，或是資產已過時。對來自現場的測量資料進行微調，可這些模型變得高度相關。這是混合式數位孿生的主要概念。

就此而言，Ansys 提供了能帶領您踏上這段旅程的平台。您可以從自己的環境建立和驗證模型，無論是 3D 或 1D 都能做到。還可以更進一步建立可部署的單元，可以連線至資產並進行校正。您甚至可以設定技術，線上調整這些模型。

最後是對其進行擴充的能力。無論涉及的是容器或網路應用程式，都可透過多種不同方式，取出在 Ansys Digital Twin 平台中建置的模型並帶至外部，放置在您的環境中，並搭配即時感應器資料執行該模型。您可使用這些模型以饋送可測量的項目，並預測無法測量的項目。

問：混合式數位孿生的典型使用案例為何？

VL：在我們的產業中有許多不同的參與者。在業務的不同部分，可能會有營運商、服務公司、工程、採購及施工 (EPC) 專家，或原始設備製造商 (OEM)。這取決於您如何使用數位孿生為公司帶來價值，您可能會以不同方式展現這些使用案例。舉例來說，製造商會使用已從其系統獲得的設計資訊來建立數位孿生。除了其現有產品外，他們可能會透過提供數位孿生，向營運商銷售附加服務或加值項目。或者，營運商也可能開發內部孿生，以將執行時間、運作時間和產量最佳化，並預測維護、故障率和未來效能。

在最常見的混合式數位孿生使用案例中，通常是嘗試改變或開始新程序。您可以離線使用這些數位孿生，將其做虛擬調適的一部分。您可以嘗試瞭解假設情境，並學習如何定義設定點。隨後就可以讓其上線，以接收虛擬感應資料。可以開始將其用於監控，再透過自動化和最佳化加以擴充。最後，您也可以使用這些虛擬感應器來進行預測性維護。即使在必須維修現場的資產時，若能事先掌握維修排程，通常就能讓公司能節省更多成本，因為這麼做可避免意外的停機時間。

問：這個解決方案有何獨特之處？

VL：有三個主要層面。首先，我們可以從 3D 模型取得結果，為多種應用與使用案例訓練降階模型 (ROM)。過去由於執行時間相當長，因此 3D 模型在線上資產管理方面的應用有限。然而，我們可加快這些模型的執行速度，同時仍維持其準確度和精確度。第二是能使用測量資料和機器學習技術，以校正殘差物理或對其建模，混合式孿生的概念是結合了兩種方式的最佳之處。第三是能將這些模型容器化，以進行可擴充的部署。您可以在 Ansys 環境之外工作，並將這些容器連接至您自己的環境，或把不分平台的產品連接至您自己的環境。這會使用表現層狀態轉換 (REST) API，以連線至您的物聯網 (IoT) 或邊緣裝置，以便快速部署。

Ansys 的歷史已有 50 年之久，而我們的數位孿生平台則已有至少十年的歷史。運用在不同產業中學習到的知識，以及跨產業的知識，我們可以為您提供協助。許多專業知識都可在不同領域間交叉利用，且我們的技術專家可與您合作，打造第一個解決方案。

問：針對資料有限的舊資產，投入心力使用物理型模型來開發數位孿生，是可行之舉嗎？

VL：這取決於擁有的資訊量有多少。假設您有物理型模型和有限的資料，那麼可能會遇到的一項障礙是需驗證這些模型。這可能帶來的挑戰，是必須信任結果可用於推動決策。但在有了這種程度的瞭解後，如果您可量化不確定性的程度，並決定您願意承擔的風險程度，就能信任初始數位孿生會隨著時間進化。

透過混合式技巧收集越來越多資料，您即可調整並驗證這些物理模型，或甚至從一開始就發現這些模型相當理想。因為您可信任數位孿生，這種量化作業能降低在工程上的障礙。

問：如果沒有 3D 物理模型呢？

VL：我們目前有許多客戶使用內部程式碼、1D 模型或製造商的效能曲線。通常這是良好的第一步。但如果他們就只有這些呢？這會妨礙著手開始嗎？並不盡然。必須瞭解的重點在於，這些模型帶來多少不確定性。如果發現 1D 模型不準確，且內部程式碼執行時間過長，我們有辦法可以解決。

您可使用 ROM 技巧來加速模型和混合式分析，進行微調。結合您現有的項目和我們的平台後，我們可助您著手產生有意義的孿生，讓您從中瞭解決策的程度，並擬定計畫以同時建立 3D 模型。並非每個應用都需要 3D 模型，但即使是需要 3D 模型的應用，您也可以從 1D 開始著手，並逐步邁向 3D。

如果您對 Ansys Digital Twin 解決方案有興趣，請與我們聯絡，可以獲得免費試用。