概述
随着物联网（IoT）技术的发展，物理实体拥有虚拟镜像的概念变得越来越重要。
数字孪生代表物理系统的虚拟化身。这些数字孪生是由专家基于应用领域的知识以及从系统上的传感器收集的数据构建的。
基于智能体的汽轮机运行和维护（ATOM）模型是由DecisionLab Ltd和西门子共同开发的数字孪生仿真模型。数字孪生仿真西门子航空衍生燃汽轮机部门的全球维护维修和大修（MRO）运营。该模型由供应链中已有的实时数据驱动，能够使用复杂的仿真和数据分析方法来优化西门子的车队运营，从而实现数据驱动决策，提高客户运营和资产管理的生产率和效率。
问题
西门子生产各种工业汽轮机，最近从劳斯莱斯收购了能源燃汽轮机和压缩机业务。随后，西门子在所收购资产的基础上推出了一款新的航空衍生燃汽轮机(SGT-A65)。
由于新的汽轮机不是完全在内部开发，所以生产和维护等过程中产生了更多新的挑战，其中包括不可预见的在役性能和支持问题。
当时西门子使用的基于Excel的预测工具在新形势下并没有取得有效的效果。运用Excel管理的数据量太大，结果不够清晰，无法轻松识别瓶颈并快速找到解决方案。
简而言之，公司需要一种更强大的方法,来解决其燃汽轮机机组的运行问题。主要的需求是：
- 预测与决策有关的业务表现及关键业绩指标；
- 评估投资选项——运行“what-if”方案，以便快速了解最佳投资方向。
西门子希望将整个生产和维护过程可视化，包括对系统至关重要的供应链物流在内，能够可视化多个“what-if”方案的结果，为多个投资选项提供业务案例参考，并在公司内部和外部与客户之间提供更好的决策。
解决方案
智能体交互图
为了应对这些挑战，decisionLab和西门子提出了一种数字孪生——基于智能体的汽轮机运行和维护（ATOM）。ATOM数字孪生利用了西门子工程和制造业务中出现的数字技术。它使用大量可用的数据来集成客户、供应链、生产和维护情况，以提高客户操作和资产管理中的生产力和效率。ATOM 的核心是通过仿真在整个车队和运营周期中的客户运营、设施维护运营、发动机特性和供应链物流的详细复杂性来实现数字孪生。
将整个系统表示为数字孪生可提供出色的系统分析功能。用户可以检查系统的任何方面，并运行假设场景来研究所有的相互依赖关系。这样可以很容易地识别系统瓶颈，并使决策能够考虑整个系统的运行。
数字孪生的开发需要高度复杂的仿真环境，开发人员通常会使用专业的仿真软件开发。这就需要仿真软件具有很大的灵活性，以成功建模不同级别的业务流程并管理不同的复杂性。因此，decisionLab选择AnyLogic作为核心仿真工具。
在这个项目中，模型的核心部分是由许多独立的元素组成的，所以使用基于智能体的建模表示系统的关键细节。为了构建模型，开发人员需获取西门子燃汽轮机车队运营的关键数据，包括:
- 客户操作（在什么条件下客户使用汽轮机，如温度条件）
- 维修设施操作（主要维修设施都已考虑）
- 发动机特性（与特定发动机部件相关的不同故障模式）
- 供应链物流（由于客户遍布全球）
这些信息都在Agent交互图中表示，明确了数字孪生环境的复杂性。
除了基于Agent的建模方法之外，数字孪生还采用了模块化架构，允许将系统划分组成功能层，并提供基于系统工程的模型开发方法。这种方法允许并发用户以不同的方式与模型交互，甚至使用不同的数据集，使开发团队在项目过程中能够持续的开发和部署，无需中断来强化元素学习。
数字孪生的模块化架构
与西门子合作，未来的开发阶段可包括以下内容：
- 从Excel数据库转移到包含所有西门子系统和数据库的集中数据库以优化数据存储和处理；
- 将模型部署到云中，以便多个用户可以访问它；
- 能够使用ATOM作为演示工具与客户一起工作（即继续改进可视化部分）；
- 强化系统学习能力以优化仿真环境中的动态决策过程，并得到西门子可能采用商业投资决策的最优策略。
结果
DecisionLab已经创建了一个复杂的数字孪生，可以捕获西门子所需的所有功能。该ATOM数字孪生仿真模型代表了西门子航空衍生燃汽轮机的整个车队运行，使其用户能够：
- 捕获和预测系统KPI
- 可视化车队和维护设施的运行
- 识别系统中的瓶颈
- 快速运行“what-if”和已有的详细方案以辅助投资决策
虽然这是一个非常复杂的仿真模型，但DecisionLab提供了一个全公司可用的用户友好的交互式系统，高层管理人员和分析师都可以使用ATOM 轻松满足他们的需求。
ATOM-twin仿真模型
decisionLab的高级顾问Amrith Surendra博士和仿真建模顾问Vitor Lemos的项目介绍
