传统的汽车供应链制造维护依赖于经验观察和设备的人为测量。这种方法只能在离散的时间间隔内对机器性能进行采样。它受到基于一天测量时间、人为解释错误和传感器位置的重复性问题的困扰。现在，通过对所谓的“数字孪生兄弟”进行智能模拟，可以以数字方式对同一维护方法进行更现代的表示。

为了评估工厂内使用的复杂机械的详细操作特性，现在可以使用全数字孪生表示作为主要的智能工具。数字孪生兄弟由三个数字组件组成：数据模型表示、一组分析算法和机器操作的行为知识。数字双胞胎利用历史信息和已知的性能数据来理解过去的行为。它们将直接和间接数据应用于当前机器状况。通过使用针对这些知识的智能机器学习算法，可以对机器的未来行为进行建模。

一台机器的全数字孪生是由多个部件组成的。每一个机械部件都用一个孪生部件来表示。风扇叶片、轴承、活塞和紧固件都可以在最基本的水平上以数字形式表示为一个组件。组件孪生是一个对其所属资产的性能有重大影响的主要子组件。

在机器的设计阶段，这些数字元件一起开发，组成总资产，如电机或泵。资产孪生使用设计中组件孪生的编译来创建机器资产的完整模型。资产双胞胎可以是其所有组件双胞胎的信息集合。资产孪生在设备层面提供可视性。通过应用当前操作环境并预测数字孪生体的未来状态，您可以有效地监视、模拟和控制资产。智能地使用这些信息可以在长期内优化资产的生命周期。

来自asset twin数据的云中高级分析模拟可以提供制造环境中设备性能的连续实时信息。从更高的层面来看，这一资产孪生模型可以是流程孪生模型和整体企业孪生模型的一部分，该过程孪生模型对工厂、供应链和分销渠道的使用进行建模。当与统计模型进行比较时，可以利用asset twin数据进行异常检测，以生成预测性维护警报并了解剩余使用寿命。

digital twin用户可以获得一些好处。通过insight的正确决策，提高了资产的可靠性和可用性。当来自数字孪生模拟的信息用于改进时，损失或灾难性中断的风险降低。由于减少了频繁的损坏和维护停机时间，提高了设备的生产效率。由于可以可靠地监测设备的健康状况，因此总体维护成本较低。这导致更快地收回生产使用中资产的成本。

汽车物联网生产增加对复杂机械性能行为的洞察力。的能力转换数据在具有准确的模拟和使用设备的模型方面取得了新的洞察。通过在资产双框架内实现数字组件双胞胎，现在可以在没有过去的经验驱动的物理测量程序的情况下以数字方式提取这种洞察力。MachineMetrics工业IOT解决方案用于机械利用机器数据的功率来提高吞吐量和最大值。预订演示要查看MachinImetrics应用程序可以为您的业务做些什么。