您可能聽過數位孿生：Digital Twin Consortium 的定義為：「真實世界實體和過程的虛擬呈現，以特定的頻率和準確度進行同步。」但是什麼是混合式數位孿生？要如何建立？基本上，混合式數位孿生是藉由混合資料和物理學來增加數位孿生的價值。透過人工智慧/機器學習 (AI/ML) 的整合，您可以使用 Ansys Twin Builder 模擬型數位孿生平台和 Ansys TwinAI 人工智慧支援的數位孿生軟體來建立混合式數位孿生。
Ansys 資深產品行銷經理 Asmaa Lapouge 在 Ansys 的訪談系列「The Twin Talks」中討論了混合式數位孿生。最近，她與兩位 Ansys 專家一同概覽混合式數位孿生，包括常見的應用和使用案例。以下是這些訪談的部分重點和摘錄。
問：您能否簡單說明混合式數位孿生是什麼，以及它們與傳統數位孿生有何不同？
Ansys 首席產品經理 MANZOOR TIWANA：傳統的數位孿生或這些模型的傳統方法，一直是純粹的模擬。以 Ansys 為例，我們在物理和模擬方面非常強大，因此我們根據模擬和物理學建立這種模型，而另外有許多人的模型是基於 AI/ML 分析技術等 ML 技術。混合式數位孿生可以結合模擬和物理以及 AI/ML 兩領域的優點。
問：混合式數位孿生是否在特定產業或應用領域中展現重大影響，例如營運最佳化、改善決策品質，或是提升整體效能？
Manzoor Tiwana
MT：在 Ansys，我們的客戶遍布幾乎所有產業。舉幾個例子，我們有來自航太、汽車、製造、醫療保健、能源、石油和天然氣等產業的客戶。這些客戶所做的事或所面臨的挑戰，就是他們如何能以非常準確的方式呈現這些資產或程序，同時使其速度飛快且可擴充。
我們有位客戶正在網路流中使用這個混合式數位孿生，搭配由泵、閥、管線組成的系統。這些容器協助他們預測元件故障，並進一步優化運作以提升能源效率。因此，這可能是最佳化營運以及在出現故障時預測故障的目標。我們也在 IEEE 中發佈了一篇論文，說明這個使用案例展示透過單純的分析方法，可以達到大約 80% 的準確度。這可能依案例而異，但在這個案例下，他們的準確度約為 80%，使用模擬後的準確度則達到約 90%。不過在結合兩者後，準確度高達 98%。…然後我們有位客戶正在使用這項技術來預測他們引擎的排放量，並且採用這種混合式方法來限制他們必須執行的模擬數量。他們可以結合模擬和真實資料，迅速獲得這些結果，因此不需要執行多次模擬才能獲得更高的準確度，而是可以結合這兩者以快速達成目標。
問：從 Ansys 的角度來看，您是否可以告訴我們公司該如何將混合數位孿生整合至解決方案中，以及分析模擬在建立全面性實體資產呈現所扮演的角色？
MT：我們的產品 Twin Builder 軟體可協助建立以物理為基礎的數位孿生，然後我們有 TwinAI 平台可執行這種 AI/ML 整合。TwinAI 平台讓工程師能融合資料和物理學，打造出進階的數位孿生。因此，使用者也可以執行參數校正與融合等動作來建立模型，將物理和感應器資料結合到模型中。
問：在產品階段中，數位孿生有哪些使用方式？有哪些使用案例？
Ansys 資深產品銷售經理 Vitor Lopes：就像任何優秀的技術一樣，數位孿生有趣的地方就是它非常靈活，而且適用於各種情境。所以，如果專指已經有資產的營運或環境，將資產連結至孿生，您可能會將這項技術作為虛擬感應器使用，也是我最愛的其中一項，以測量在資產運作時無法測量的項目。您可以將其帶入不同的情境。一開始可以用於監控，然後可以用來控制，可以用來最佳化。甚至可以用來預測行為，例如：「嘿，資產何時會故障，這樣我才能提前維修，將意外停機的相關成本降到最低？」這就是營運領域。
Vitor Lopes
建置混合式數位孿生有兩種方法：由上而下和由下而上。
現在，想像您在設計一個專案的情境中。您想要實現這個設計，但仍處於調適階段。您可以將其當成離線孿生使用，減少調試時間和風險。因為甚至在還沒建構產品之前，您就可以開始瞭解：「嘿，我將如何使用這個產品？在現場或生產線上的什麼條件下可能發生？」有各種不同的使用案例。
最後，在產品開發初期，您可能只有數位原型。在這個階段，資產確實不存在，您仍在設計，但可以使用這些模型來驗證設計、最佳化設計，以及瞭解在不同效能中執行的更佳方法。這是虛擬原型製作、虛擬驗證及決定感應器位置的概念。
問：您是否能分享一些具體範例，說明數位孿生在不同產業中的影響？
VL：能源、金屬和採礦等產業有非常嚴苛的條件，但同時需要嚴格控管營運。他們可能使用這些孿生來瞭解資產或系統中的特定點，也就是所謂的虛擬感應器，先前這些部分的運作情形是盲點。您不太知道實際狀況，直到實際連接上孿生才能開始看到：「哦，這裡的溫度太高，壓力太低」之類的事情，這可能會推動營運增加產量或將風險、成本或效能下降等因素最小化。
混合式數位孿生結合資料、物理和人工智慧/機器學習 (AI/ML) 技術，提供最準確的資產呈現。
現在，這可能發生在製造環境中，但舉例來說，我們看到這類情況也經常發生在航太和國防產業，人們實際將這些孿生連接到飛機，並能夠以更精細的方式瞭解何時需要維修。因為現在有了混合式的概念，您握有資料，但也有物理學可讓您瞭解實際狀況，以及如果即將發生故障，也可以知道故障原因和位置。
若要進一步瞭解，請觀看線上研討會「Ansys TwinAI：結合物理準確度與資料導向深入見解」。
