能源行业的重资产运营商将从基于云的数字孪生中受益匪浅,但是成功的数字化转型举措可能并非易事——特别是在涉及到维持长期绩效改善的时候更是如此。无论是首席技术官、首席财务官还是组织内其他什么人推动了数字孪生之旅,正确的合作伙伴都可以极大地增加变革过程管理的成功率。
既然数字化转型是行业的重中之重,那么如何才能确保为你的工业资产选择的数字孪生合作伙伴是最合适的呢?根据Kongsberg Digital与全球重资产行业领导者合作的广泛经验,我们发现在选择供应商时需要注意以下十个问题。
1、行业经验
寻找一个具有行业经验和技术能力的供应商,将业务需求转化为成功、适时的数字孪生旅程。他们应该表现出对OT和IT成功融合重要性的理解,确保解决方案能够解决现有系统的挑战并适应数据迁移和系统整合。
寻找:在相同或相邻行业有突出表现的历史,并能灵活提供定制的解决方案。
好处:通过利用供应商的行业经验和对全球范围内创新、执行和参与的熟悉,在早期取得快速的胜利。
2、投资回报率
衡量一个IT解决方案的实际影响可能会很复杂,对新的数字工具的投资需要利益相关方和决策者有意义的参与。有几件事情需要考虑:技术支持、订阅服务、生产力的提高,当然还要确定投资回报率(ROI)的时间表。
为了最大限度地提高潜在投资回报率,需要仔细定义最初的业务成果和劳动力目标。这有助于将投资成本与数字孪生带来的、潜在的增收节支联系起来,并据此进行权衡。
寻找:低实施成本、广泛的灵活性以及能够展现投资回报率的客户案例。
好处:让投资回报率计算更容易并且更具说服力,而且可以避免长期授权。
3、数字孪生的能力范围
需要解决的痛点是什么?当你审查供应商时,考虑其提供的能力与你需要的、不可谈判的条件。基本功能应包括:
寻找:一个具有开箱即用功能的数字孪生,使你能够立即收获低垂的果实。
好处:从第一天起就具备实用性,并具备相关的功能来实现更有效和更环保的操作。
4、可扩展性
数字孪生技术应该可以在整个设施和任意数量的全球资产上进行扩展。毫无疑问,你的资产基础会因为新的能源投资或传统投资的进展而改变。数字孪生技术应可扩展,可容纳和培训无限的并发用户,同时保持对不断增长的数据点(如IIOT和实时传感器)的未来证明。
寻找:一个支持不可知性的供应商,可以摄取任何类型的数据源,并为任何地点的任何资产构建全场3D模型。
好处:一个长期的解决方案,与你的资产一起扩展及成熟,增强你支持循环经济的能力。
5、专注于净零排放目标
随着可持续发展和净零目标的强化,清洁和绿色能源的势头越来越强。数字孪生技术可以帮助管理和减少排放,通过报告功能来衡量和提供重要的排放信息,实现碳中和。
寻找:内置功能,使你能够查看、分析和启动减排。
好处:遵守法规,根据净零承诺进行优化,并能够设计未来资产以提高性能并降低成本。
6、高级分析能力
除了提供指标和静态分析,今天的数字孪生可以利用先进的分析方法将数据转化为有价值的洞察力——即使数据缺失或不完整,它也可以通过模拟数据进行补充。一个注入了混合机器学习和模拟的数字孪生可以帮助:
寻找: 支持实时视图、提供性能改进建议的解决方案,并具备在执行前运行假设场景的能力。
好处:提高效率,操作更加安全,增加产量。
7、数字化的可持续性
软件基础设施的构建方式应该允许运营商保留数据的所有权。通过采用标准和开放API的供应商可以加强数字孪生的可持续性,这反过来又使运营商能够以互操作的方式利用厂商进行信息交换、跨职能的工作执行和创新。
寻找:开放的API、开箱即用的产品、配以渐进的产品路线图和对未来发展的坚实愿景。
好处:一个功能齐全且不断改进的解决方案,已针对市场准备就绪。
8、合作伙伴支持的生态系统
可互操作的数字孪生可以实现跨系统的工作流程执行和数据传输。对于能源行业来说,这创造了一个生态系统,客户可以利用行业伙伴关系,并努力实现增强工业数字化的共同目标。一个由合作伙伴支持的生态系统有助于避免供应商锁定,并刺激大规模的创新。
寻找:一个全球数字化的领导者,能够容纳现有的应用程序作为孪生的数据源,并支持全行业的改进和各种举措。
好处:扩大孪生的效用,灵活地进行整合和创新。
9、服务交付
数字孪生解决方案不是“一锤子买卖”,超越典型的供应商-厂商关系能够最大地发挥它的价值。供应商应该允许客户定义自己的路径,同时用技术、培训和经验支持他们实现自己的愿景。
寻找:一个高度配合的供应商,倡导沟通并创造以人为本的技术。
好处:利益相关方和用户的满意;真正的数字化转型。
10、X因素
每家公司都有自身的竞争优势。问问数字孪生供应商,他们的产品和市场地位有何特色。如果它满足或者超过了你的需求,并且给你带来竞争优势……这就是该用X标志的地方!
寻找: 一个能证明其独特价值主张的数字孪生供应商。
好处: 了解供应商的与众不同之处。
好文章,需要你的鼓励
人工智能领域正在通过改进模型工作方式来释放新功能。研究人员开发了一种名为"SVDquant"的4位量化系统,可以使扩散模型运行速度提高3倍,同时提升图像质量和兼容性。这种技术通过压缩参数和激活值来大幅降低内存和处理需求,为资源受限的系统带来新的可能性。
Meta公司开发了一种机器学习模型SEAMLESSM4T,能够实现36种语言之间的近即时语音翻译。该模型采用创新方法,利用互联网音频片段避免了繁琐的数据标注。这一突破性技术有望简化多语言交流,但仍需解决噪音环境、口音等挑战,并关注技术可能带来的偏见问题。
生物制药行业正积极拥抱人工智能技术,大型企业投入巨资,小型公司谨慎布局。行业面临人才、数据和工作流程等挑战,但预计到2025年将在AI就绪度方面取得实质性进展。AI有望加速药物研发,提高效率,最终造福患者,重塑医疗保健的未来。
随着 AI 需求激增,数据中心行业面临严峻挑战。能源消耗激增威胁可持续发展目标,新项目遭遇公众反对。电力供应和分配方式亟需改革,行业或将迎来动荡的 2025 年。