数据如何转化为知识和洞察力?
对于制造企业来说，这可能是他们要面临的一项日常挑战。温度传感器显示75°，这本身是没有什么意义的，除非你知道这个传感器是在哪条生产线上，正在生产哪种产品，工厂的环境条件怎么样，预期的读数范围是什么，准确性的历史记录是怎样的等等。
虽然制造企业可以部署控制系统在读数超过预定义阈值的时候发出警报，但却往往无法提供更多的信息，尤其是当重要的维护信息隐藏在报告、图表或图片等信息中。
数据和洞察力之间缺失的环节
因此，制造企业面临的一个关键问题就是如何通过相关信息把原始数据转化为洞察力，并通过自动化来实现现代化制造工厂所需的规模和速度，也就是在预测性维护和自主运营等领域能够最大程度释放数据价值的用例。
的确，近年来制造数据架构方面取得了真正的进展，特别是有很多企业在持续投资数据湖。数据池已经被证明是一种强大的方法，通过把制造数据集中在一个地方，来克服传统数据架构问题，释放出以前被锁定在电子表格或碎片系统中的关键数据。
然而，数据池本身通常是无法提供释放数据价值所需的关键的、额外的上下文信息，特别是数据池往往无法提供工程师和操作员实际改善制造运营所需的结构化信息和洞察力。
数字孪生解决方案
真正改变游戏规则的是数字孪生。数字孪生是通过创建物理系统的实时虚拟体，将多个来源的数据汇集在一起，而且还可以统一这些数据并使其情境化。
实际上，数字孪生为企业用户、工程师、操作员甚至其他工业应用和算法提供了上下文化的制造数据“一站式”资源，反过来又为新用例提供了支持，例如供应链、生产模拟、大规模预测智能等等。
数字孪生最引人注目的方面之一，是它能够以工程师和操作员可以理解的方式存储和构造信息，这一点很重要，因为以前每次你想了解或使用数据集的时候，都必须咨询数据分析师，这根本不是一种有效的或者可持续的解决方案。
数字孪生还可以加速和简化应用开发，解决日常制造过程中的挑战，例如通过添加现代低代码/无代码(LCNC)工具，让制造企业为数据工程师提供一个直观的、安全的空间，让他们可以尝试使用新的方法来优化运营，并最终提高质量、吞吐量和效率。
迈向自主运营的关键一步
数字孪生的另一个重要好处，是它可以逐步将隐性的制造知识数字化和形式化为结构化数据，这是建立自主型制造业务的一个关键支柱。
在战略实施过程中，这种结构化的数据可以被用于为工程师和操作员提供情境化的警报，帮助他们以更智能的方式更快速地做出反应，从而提高运营绩效，还可以用于开始开发知识图谱，在组织内不同的数据集之间建立重要的概念性连接。
在战略用例方面，数字孪生的结构化数据可以实现基于事件的实时绩效管理，系统可以开始定制描述性和预测性的洞察，并根据每种情况下推荐最佳行动方案(无论是由人还是机器来执行)。
最终的目标是创建能够自行感知、解释和行动的自学习的、自主的、闭环的系统。反过来，工程师和操作员可以腾出时间专注于其他关键活动。这些自主解决方案还可以从整个系统的运行中进行自我学习，不断完善和改进在系统中的各项操作。
实时数据洞察力提供竞争优势
制造企业将数字孪生融入到供应链和制造系统中，对数据实施情境化，并开始启用一些代表了制造业未来的关键下一代用例，这就是为什么所有制造企业现在都在认真考虑把部署数字孪生作为提高运营效率、成本优化、质量、客户满意度和竞争优势的一个关键推动因素。
