XiaoMi-AI文件搜索系统
World File Search System数字孪生
数字孪生：
本文是多个组织共同努力的结果。AIAA 数字工程集成委员会 (DEIC) 整合了多个部分的组织作者身份。本文描述的通用参考模型由 INCOSE 基于模式的系统工程工作组编写，并针对本文介绍的数字孪生进行了量身定制。本文讨论的八个现实世界数字孪生用例由诺斯罗普·格鲁曼公司 (Cygnus 案例研究)、NASA 综合计算材料工程 (ICME) 优化 Aurora D8 飞机先进复合材料部件案例研究)、范德比尔特大学 (旋翼机部件数字孪生案例研究)、STEP Tools, Inc. (制造数字孪生系列案例研究)、波音公司 (更智能的座椅认证测试案例研究)、佐治亚理工学院 (Kendeda 大厦案例研究)、通用电气 (数字幽灵案例研究) 和土耳其航空航天公司 (铁鸟数字孪生案例研究) 编写。
数字孪生 - ePrints@IISc
数字孪生 (DT) 技术远未全面成熟，导致其在实践中的实施非常零散，其中一些功能由 DT 自动化，而其他功能仍由人类执行。这种零散的 DT 实施常常使从业者想知道在工作系统中应该为 DT 分配什么角色（或功能），以及它将如何影响人类。缺乏对人类和 DT 在工作系统中所扮演的角色的了解可能会导致巨大的成本、资源分配不当、对 DT 的不切实际的期望以及战略错位。为了缓解这一挑战，本文回答了研究问题：当人类与 DT 一起工作时，DT 可以扮演哪些类型的角色，这些角色可以在多大程度上实现自动化？具体来说，我们提出了一个二维概念框架，即数字孪生级别 (LoDT)。该框架整合了 DT 可以扮演的角色类型，大致分为 (1) 观察者、(2) 分析师、(3) 决策者和 (4) 行动执行者，以及每个角色的自动化程度，分为五个不同的级别，从完全手动到完全自动化。特定的 DT 可以在不同级别扮演任意数量的角色。该框架可以帮助从业者系统地规划 DT 部署，清晰地传达目标和可交付成果，并制定战略愿景。案例研究说明了该框架的实用性。
数字孪生 - Bmt.org
在 BMT，我们将数字孪生定义为“实物资产、流程 / 人员 / 地点 / 系统 / 设备的虚拟表示，当输入或提供真实世界数据时，可以做出有效决策，从而优化相关系统的性能和效用”。一组软件模型和模拟，辅以实时（或延时）测量数据，可以实现明智的决策过程。孪生首先是学习系统，由实时从传感器收集的数据驱动。下面提供了船舶数字孪生的示例组件结构，展示了如何将设计过程中的数字模型和文档与实物资产数据输入相结合，以提供智能决策支持、见解和优势。
数字孪生城市
4.1. 城市部署 29 4.1.1. 剑桥：应用于交通管理的数字孪生 30 4.1.2. 赫尔辛基：数字孪生作为向公众开放的测试工具 31 4.1.3. 雷恩：围绕特定用例研究构建的数字项目 32 4.1.4. 鹿特丹：用于管理城市基础设施资产的数字孪生 34 4.1.5. 欧洲其他项目 35 4.2. 北美部署 36 4.2.1. 波士顿：用于监督城市规划项目的数字孪生 37 4.2.2. 帕萨迪纳：面向城市公共部门参与者的有用监管工具 38 4.2.3. 波特兰：由居民蜂窝数据激活的数字孪生 39 4.3. 亚洲/中东部署 40 4.3.1.迪拜：以用户体验为重点的数字孪生项目 41 4.3.2. 斋浦尔：支持城市规划和监管的数字孪生 42 4.3.3. 新加坡：迄今为止最先进的数字孪生 43 4.3.4. 鹰潭：5G 数字孪生 44 4.4. 城市项目 45 4.4.1. 阿马拉瓦蒂：由数字孪生创建的城市 46 4.4.2. 多伦多滨水区：由数字孪生管理的智慧城市项目 47 4.5. 定位 48 4.5.1. 城市在开放性和应用数量方面的定位 49 4.5.2. 城市通过使用数字孪生进行定位 50
