《数字孪生技术在航空发动机制造领域的应用研究,涵盖基本理论、技术架构、五维模型、构建原则、建模方法、验证测试及关键应用场景,分析当前面临的挑战并展望未来发展趋势》

  • 编译者: AI智能小编
  • 发布时间:2025-07-17
  • 航空发动机被誉为“工业皇冠上的明珠”,其制造水平反映了国家的工业制造能力和科技创新实力。随着新一代信息技术的快速发展,全球制造业正在经历数字化、网络化、智能化的变革。数字孪生技术作为智能制造的关键支撑技术,为航空发动机制造带来了新的机遇。 数字孪生技术通过构建物理实体的虚拟映射,实现实体与虚拟模型之间的实时交互和融合,有效解决航空发动机制造过程中的工艺优化、质量控制、装配管理等关键问题。例如,美国GE公司在其数字化工厂中应用该技术,使发动机部件制造效率提升了25%,质量一次合格率提高了15%。中国航发集团在某型发动机制造中应用数字孪生技术,显著提升了制造过程的可控性和产品质量。 航空发动机制造面临工艺复杂度高、质量控制难度大、装配精度高等挑战。数字孪生技术为这些挑战提供了新的解决思路,通过虚拟仿真优化工艺、实时监控调整,形成闭环体系,解决工艺参数优化难、控制精度高的问题。同时,将制造从“经验驱动”转向“数据驱动”,实现制造精度动态可控、质量问题提前预警和工艺方案智能优化。在装配环节,通过“精准建模——实时仿真——智能控制——全周期追溯”体系,提供智能化解决方案。 本文详细阐述了数字孪生技术的基本理论框架,包括其概念、特征、技术架构、五维模型以及航空发动机数字孪生系统的构建原则。数字孪生技术在航空发动机制造过程中的关键应用,包括在智能制造与工艺优化、质量控制与追溯、装配过程数字化管理方面的具体实践,证明其能够有效提升制造各环节的质量与效率。通过发动机核心机部件制造、涡轮叶片智能制造、发动机装配过程等典型案例分析,验证了数字孪生技术的实际应用价值。 当前面临的技术挑战及未来发展趋势包括智能化与自主决策、全生命周期管理、跨领域融合应用等。本文最后提出了深化技术研究、拓展优化功能以及推进跨领域融合创新的研究方向建议,旨在推动航空发动机制造向智能化、精准化、高效化方向发展。
相关报告
  • 《董景辰:智能制造发展趋势》

    • 来源专题:数控机床——战略政策
    • 编译者:杨芳
    • 发布时间:2016-06-22
    • 一、智能制造内涵 大家都知道“智能制造”是《中国制造2025》的主题方向,虽然现在它的概念很热,但是我想现在还有很多同志对到底什么是智能制造不是特别清楚。所以,今天我首先想介绍一下什么是智能制造。 一是智能制造特征。“智能制造 ”到现在为止,全世界都没有一个准确的定义,学术、产业对“智能制造”的定义不太一样。但是,大家在“智能制造”最主要的特征方面,还是有一定共识的,主要具备如下三个特征:一是感知,要能够获取信息。如果智能制造没有信息,智能便无从谈起。制造过程中有产品信息、工艺信息、制造过程中各种各样的生产流程信息和质量信息,这些信息在“智能制造”领域非常重要;二是智能制造是信息技术和制造技术的结合。智能制造一定是利用了大数据、通信、软件等新的技术和制造技术结合在一起实现的;三是要将数据利用知识进行分析和优化,要能够实现与环境的相适应。这三个条件加在一起可以称为“智能制造”。当前企业中,能够达到智能制造水平的并不多,包括西门子在内,它实现智能制造也需要大约15到20年。在我们国家,如果企业说自身实现了智能制造,还为时过早。我国企业更多的是做到了感知和两化融合,这样的制造我们称之为数字化、网络化制造。 二是智能制造范围。全世界都在研究智能制造范围,我们国家也是这样。我们用一个立方体来表示智能制造的范围:x轴表示产品全生命周期,智能制造从设计、工艺、制造、管理、检验、物流的全部过程中,每一个环节都可以发挥作用,它覆盖了产品全生命周期的所有环节;y轴表示系统层次,包含设备层、生产层、管理层、车间层、企业管理层、协同网络层、制造层,在每一个层次里面,智能制造也有它的作用;z轴表示智能功能,包括互联互通、信息集成等等。这三个维度覆盖了整个智能制造可以适用的范围。 三是智能制造内容。智能制造的内容包含三个方面,分别是智能的产品、智能的制造过程和智能的经营服务方式,三方面内容共同组成了智能制造内容。在这说的智能就是数字化、自动化、网络化、智能化的简称。首先说一下智能产品,智能产品是制造业的标志,也就是说如果说一个产业很强,那这个产业必然有非常好的产品。例如,说高铁很强是因为我国有高速列车。数字技术和信息技术的发展为智能产品提供了创新空间。我举一个例子,大家都知道智能手机的出现把日本的小家电淘汰下去了,手机的出现逐步替代了随身听、录音机、照相机。最近很多企业都在研发无人驾驶汽车,对传统汽车行业更会产生深远影响。智能产品在我们的生活中扮演了重要角色。那么,智能产品有哪些特点呢?一是要有感知作用,即设备本身要有很多自己的特性,质量要好。比如说机床,以前的手摇机床是没有传感器的,后来出现了数控机床,要对移动距离进行测量,就需要传感器。再后来,温度对计算有影响,我们又要测量温度。二是要有获取信息后的自我调节功能,能够使自己处于最佳的工作状态。例如,我测量到温度,我知道温度会测量加工会有影响,就需要温度补偿以保证设备回到初始的测量精度上。还要进行自诊断,能够自动识别什么地方有故障了、电梯电流太大了、电梯发热了等问题。三是要有通讯功能,要能和其他装备和管理系统进行通讯。装备通讯很简单,数控机床配备机械手进行上料,数控机床和机械手之间就需要通讯。数控机床放在制造系统里面,也需要具备通讯功能。四是要对数据进行处理,挖掘分析,提供创造性应用服务。 比如说广东有一家企业,它监测设备的电流,如果电流有毛刺的话,表示轴承安装有问题,通过数据挖掘出新的分析结果,创造出新的价值。第二点,讲一下智能制造过程。智能制造过程包含两部分,一部分是数字化、自动化,是智能制造的基础,追求制造质量和生产效率、减少能耗、降低排放。还有一方面是信息化管理,指生产各个环节间要协调,去掉制造过程中的浪费。数字化管理和信息化、智能化结合在一起的时候才是智能制造过程的全部内容。智能制造过程在各个环节里都可以发挥作用,比如在产品设计环节,过去我们的产品设计是画成图然后把样机加工出来,进行试验发现问题,然后修改图纸,设计周期非常长。在智能化的数字设计领域,可以在虚拟的空间里制造产品模型,在计算机里进行仿真,仿真测试完全达到要求以后可以快速通过物理试验,大大缩短产品设计周期。工艺设计也是这样,一是工艺路线可以在计算机上仿真,例如哪些路线最简洁、最能节省时间;二是当我用某一个数控机床进行加工的时候,可以在计算机上先进行模拟加工,测试精度能不能达到,达标以后再将程序下载到机床里,加工的成功率会非常高,这些都是数字化工艺设计的应用。制造过程的自动化就更多了,包括生产、排产、设备的信息、生产进度信息、现场的可视化、供应链管理等。这个是检验检测,检验检测非常重要,特别是现在大家都讲质量追溯。检验检测的智能化,第一所有的检验检测数据必须是智能填上的,不能手工去填;第二生产线上所有工具的质量都应该是统计出来的,更多的是采用RFID、二维码等,要能够追踪产品生产过程。将来用户在使用过程中出现问题,能够倒追产品哪个工序、哪个工位,甚至是哪一批元器件造成的,这是质量信息方面。再一个是能源管理,我国的能耗跟世界平均水平相比差距较大,单位GDP大概是全球三倍。能源管理里面对主要的高耗能设备要进行可视化的管理,而且产量与能耗之间的关系应该搞清楚,这样就能建立各个重点环节的节能模型。最后是智能物流,这里的物流是指车间内的物流。其实,物流是目前智能化改造之后节约效应最明显的领域,能够大量减少人力、大大提高物流效率,降低物流过程中的质量损耗。可以利用电子单证、RFID等物联网技术,对物品的流动进行定位、跟踪、控制,还有立体仓库的控制等等。我也举一些例子,这是德国公司的模拟生产,在计算机上仿真生产流程,通过模拟对人工的制造资源进行优化配置。这个是西门子与玛莎拉蒂的汽车制造厂,它能够模拟产品整个生命周期的数字化和各个环节的协同,并能完全模拟生产流程。如果生产环境变化,比如原材料、物流有了变化或者供应链没有过来对供应链产生的影响,在计算机里都可以体现。在我们国家的飞机制造领域,数字化设计应用非常多。采用数字化设计以后,飞机可以做到一次装配成功、一次试飞成功。 数字化车间能够实现设备和设备、人和设备在工厂和后台的互联互通。例如海尔工厂,用户下了订单以后,可以在自己手机上看到我所下的订单的冰箱现在在哪个生产线上,到哪一工位,什么时候可以交货,这是数字化车间的典型案例在我们国家的实行。下面讲一下制造过程的智能化,主要讲精益模式的智能化。精益模式的智能化我们主要讲三个方面:一是个性化定制,红领在这方面做得非常好。个性化定制有几个条件,一是产品必须是模块化的,个性化定制并不是每一个产品都从头设计,一定是把产品模块化。经过模块化之后,将符合不同要求的不同模块组合在一起就形成个性化的产品。二是一定要有服务平台,通过服务平台用户可以根据深入的交互让用户选用模块,快速生成产品的定制方案。三是定制完成后,后续的生产要跟得上。生产计划和制造线能够跟得上订单需求,这是很不容易的。符合这三个条件才可以称为个性化定制。首先介绍一下个性化定制,例如奥迪将零件压缩之后形成重点模块,模块可以组合成更多的产品,这是模块化的生产方式。奥迪表示自己有20000多个部件,可以形成10000种产品,为30万用户提供特殊需求。我们国家在这方面的案例就是红领,大家可以看到红领的成绩非常明显,可以采集身上18个部位22个数据,根据这些数据顾客就可以形成他独有的订单,这样的设计7天就可以交付,成本只比批量生产高10%,通过这样的个性化定制,红领的年销售收入和利润增长都超过100%。所以说,个性化定制这样一种智能制造方式能够为企业带来效益。第二种方式是协同开放云制造,协同开放云制造什么意思呢?我建立一个网络平台,在网络平台里可以对不同企业或企业不同部门的创新资源、设计能力、生产能力、服务能力进行集成和对接,此外,还可以和社会上的资源和服务进行对接。目前,协同制造应用最好的领域是航空工业,航空工业本身的特点导致其必须采用协同制造。比如,沈飞坐飞机的头、成飞做机翼、西飞做的机身,肯定是不同的地区、不同的厂家在进行协同的运行设计,设计完成后要到一个地方装配,这样就必须采用协同开放云制造这样的方式才能够实现。经营模式里面,我们推荐远程监控。 远程监控就是说我们利用工业物联网,把我卖出去的产品的设备状态、操作情况、环境情况进行搜集,将数据上传运维平台进行管理,向用户提供在线监测、故障预计等预测性服务方案,此外,还配备了专家团队对远程监控提供支持,如果普通方案不能满足要求的时候,还可以请专家团队过来提出新方案。像陕西鼓风机,每卖一台鼓风机就配备一套测试装备,它在全国设有3个远程监控点为用户服务。这方面做的最漂亮的是GE公司,GE公司将传感器装在发动机的叶面上,并测试发动机叶面参数,从飞机滑行开始,将滑行、起飞、巡航、下降、遇到不同的天气波动等所有情况下的测试参数全部归纳起来,对发动机的状态进行监控,检查、判断发动机是否正常,如果有问题是哪个部件出了问题,飞机还没到达机场就将部件准备好,飞机降落之后马上把部件换上去。由于GE能够提供这种服务,后来它就不卖发动机了,只卖飞行小时,航空公司租GE的发动机,以飞行小时计价,这样的方式使得GE公司去年的业务量从69亿/年增加到187亿/年,该项业务的收入从占到总收入的40%增加到60%,现在全世界的发动机公司都在学习GE的做法。 二、发展形势 以上我将智能制造内涵大致介绍了一下,下面再抽5分钟时间把发展形势说一下。 一是我国智能制造需求旺盛。我们国家从2011年开始推行“智能制造”,当时大家觉得“智能制造”离我们太远了。但是,经过这几点的发展,大家觉得“智能制造”很快就来到了我们跟前。2011年到2014年,发改委、工信部、财政部联合实施了智能制造专项,4年共支持了124个项目,投入经费40亿元。2015年,国家又选出了46个国家试点示范项目,分布在28个省市、36个行业。而且,我国也实施了智能制造专项,其中标准研制43项、数字化车间51项,国家共投资10个亿。通过这几年的努力,我们给企业指出的方向,带动了企业对智能制造的需求,另外,关键的零部件和智能制造装备方面也取得了巨大的进展。数字化车间、数字化工厂的建设也在点上取得了一些突破,有了样板,并培训了一批人才。而且我们形成了一种机制,就是用户和制造商联合实施智能制造项目,这些都是有益的探索。经过这四年,可以说我们国家智能制造的培训期已经过了,从现在开始我们进入发展期。现在,我们国家智能制造需求非常旺盛。2014年,我们对浙江省10个市、20个行业、116家企业进行了调研,在机器换人需求方面,64.2%的企业非常强烈,44.9%的企业一般,14%的企业表示在做准备,真正没有需求的企业只占2%。此外,他们需求的目的非常明确,82%是为了解决人工问题,71.9%是为了解决劳动时间问题,71.9%是为了解决生产问题效率问题,还有46%是为了解决环境问题。浙江省每年在推进数字化、网络化、智能化战略方面政府和企业总投资要达到3600亿到5000亿之间。2015年,我们对福建省做了一项调查,100%的企业都对智能制造需求非常强烈,其中,家居行业需要升级的占32%,装备行业需要升级的站25%,监测环节需要升级的占32%,测试环节需要升级的占28%,物流、搬运、体力劳动升级的占23%。2015年,东莞机器换人已经达到1262个项目,总投资超过100亿,而且力争三年要达到80%的企业实现机器换人。江苏、广州、浙江等企业,三省每年在智能制造投入方面投资达到1万亿,占全国总投资的20%以上。 二是我国智能制造供应不足。虽然智能制造需求旺盛,但是我们国家的供应不足。我们国家的装备制造业现在是70%依赖进口,过程装备应用比率不到30%。根据世界银行的统计,我国每年进口的装备达到2万亿台发动机,这样的情况导致过程装备在市场上的占有率大概只有42%,不到一半,进口率达到58%,高端装备进口的比率会更大。因此,我国的整个市场从需求上分析,市场需求量非常大,2013年是3.5万亿到5万亿,我们预计2020年是8万亿到10万亿。这么大的市场肯定要成为我国“十三五”期间经济发展新的增长点。从供给侧来看,我国国内装备不到一半,一半以上需要进口。因此,我们必须发展我们自己国产的装备制造业,用中国装备装备中国制造,应该成为“中国制造2025”的重要核心战略。 三、关注的问题 最后关注几个问题。一是从国家层面来看,我们在促进智能制造和装备制造应该同步发展,要防止智能制造出现“空心化”,不能我们的数字化水平很高,但打开一看里面的装备全部都是国外的、机器人全部是西门子的,这样的情况不是我们想看到的。二是我们要做好三大基础,分别是标准化、基础设施和网络安全、软件,我国在这三方面还需要大大加强。三是人才培养,我国现在及其缺乏综合的智能制造方面人才,特别是系统集成,国家应该今后在这方面加强。今年,智能制造专项在实施过程中也都体现了这些思想。那么,作为企业来说,在发展智能制造过程中应注意哪些问题呢?首先,智能制造是要有基础的。现在想要实施智能制造的企业必须要管好自身基础,做实基础,包括精益生产、质量管理、劳动生产率等。北航有个老师说过三句话,我觉的很好:“不在落后的工业基础上搞自动化,不在落后的管理基础上搞信息化,不要在没有数字化、网络化的基础上搞智能制造”。所以,企业在实施智能制造的时候首先要关注自身基础。二是企业搞智能制造、搞数字化车间要有明确的经济目标,不要盲目追求高大上,不是为智能制造而智能制造,一定要关注投资汇报周期。在南方,一般企业家一年投资回收周期一定干,两年投资回收可以干,三年以上投资回收周期基本就不干了。三是智能制造不会一次就成功,不要希望投资一次就把智能制造搞起来,一定是分批分阶段,一步步提高的。
  • 《德勤发布2020技术趋势报告,五个新趋势可引发颠覆性变革》

    • 来源专题:科技大数据监测服务平台
    • 编译者:zhoujie
    • 发布时间:2020-06-29
    • “2020 年的趋势将颠覆整个行业,并在未来十年重新定义业务,即使数字创新已成为各种规模企业的常规行为。”德勤管理咨询新兴技术研究总监兼政府及公共服务首席技术官 Scott Buchholz 在一份报告中如是说。 近日,《德勤 2020 技术趋势报告》(中文版)正式发布(以下简称《报告》),报告指出了五个可能在短期内引发颠覆性变革的关键新兴趋势:“数字孪生:连结现实与数字世界”;“架构觉醒”;“技术道德与信任”;“人感体验平台”;“财务与 IT 的未来”。 值得注意的是,这是德勤第十一年发布技术趋势年度报告。今年的技术趋势报告继续在开篇回顾了 11 年来的技术趋势发展,展示了技术趋势随时间推移的演进全过程以及最新宏观科技力量作为业务转型基础带来的共生效益和不久的未来的新兴科技力量。与此同时,《报告》还指出,未来三大颠覆性技术(即环境体验、指数智能和量子技术)正蓄势待发,我们将在本世纪20年代末开始感受到它们的影响。 一、九大宏观科技力量 随着以技术为驱动的创新的空前扩张,一场高风险的“打地鼠”的竞争游戏由此展开,企业利用技术保持先进的能力将决定其生死存亡。 过去十年内,数字化体验、分析技术和云技术为各项技术赋能,展现了他们自身的价值,已然成为众多企业有效地推进战略和新商业模式的核心基础。接下来十年中,数字现实、认知技术和区块链将成为企业变革的颠覆性驱动力。它们的应用范围将越来越广,各行各业的案例成倍增加。技术业务、 风险和核心系统现代化是驱动企业变革和创新的基础技术,它们需要保持稳定、强劲、可持续发展。 基于此框架下讨论新兴技术,可以简化技术进步对企业所造成的颠覆性影响。同时,围绕九大宏观科技力量衍生更多细分领域和更加细化的技术创新点和趋势点。 十年前我们首次探索数字化体验、分析技术和云技术之时,只能看到其中的可能性,并不能确切地估测 它们的影响。现如今,这些技术已经为大家所熟知,并在对业务、运营模式和市场造成了颠覆性影响之 后,发展势头依旧迅猛。 (1)数字化体验 数字化体验依然是企业变革的重要驱动因素。实际上,在德勤 2018 年全球 CIO 调查报告 中,64% 的参与者表示接下来的三年里,数字化技术将对他们的业务造成影响。在去年的超越营销:体验重塑中,我们已经审视了这一趋势,企业正逐渐摒弃传统意义上以获客为核心的营销模式,转而致力于创造更多以人为本的互动——包括与其员工和商业伙伴的互动。 (2)分析技术 分析技术包括能够提供深刻洞察的基本技术和工具。数据管理、数据治理以及数据运营体系这些重要因素不仅仅是人工智能项目的核心基础。同时,鉴于企业内对数据储存、数据隐私和数据使用的严格要求,这些重要因素也是必须面对和考虑的重大策略点。 60%的首席信息官(CIO)表示,在未来的三年内, 数据和分析技术将对他们业务带来影响。但这个问题正变得更具挑战性。“静止的数据” 和“使用的数据”这两个久经考验的概念被“动态数据”所连接,借助工具和平台动态数据进而支持数据流、数据摄取、数据分类、储存和访问。值得欣喜的是,云技术、核心系统重塑、认知技术和其它技术正在为异常复杂的挑战带来全新的解决方案。 (3)云技术 云技术已经全面深入企业。90% 的企业在使用基于云技术的服务,并且这一比例有增无减。实际上,就信息技术领域的投资预算来看,接下来三年内对云技术的投资会翻倍。正如我们 2017 年所预计的那样,云技术已经不仅仅只是作为基础应用,它带来了 “一切即服务” 的蓝海,使任何 IT 能力都可以变成基于云的服务供企业使用。在众多企业当中,少数超大规模企业主宰了公有云和云技术服务市场,在云技术的赋能下,为其它宏观力量的进一步创新提供基础和平台,例如分析技术、云技术、区块链、数字现实,以及未来的量子技术。 云技术还驱动我们思考并重塑一些陈旧的企业管理和业务职能。 当今的颠覆性驱动力(即数字现实、认知技术和区块链)都是由体验、分析技术和云技术发展而来。未 来十年,这些新的趋势虽然不再新鲜,但它们将和过往的重大趋势一样,在人们持续深刻的理解和应用 中,推动重要的变革。 (4)数字现实 数字现实技术,包括 AR/VR 、混合现实、语音交互、语音识别、普适计算、360°全方位摄像和沉浸式技术等,帮助用户突破键盘和屏幕的禁锢,与用户感知无缝衔接,用户可更加自然地参与互动。数字现实的目的是打破传统的空间界限,让人与底层技术进行自然、本能、甚至下意识的互动。 (5)认知技术 机器学习、神经网络、机器人流程自动化、机器人程序、自然语言处理、以及更广泛的人工智能领域等认知技术可能推动所有产业变革。这些技术将人机互动个性化、场景化,通过 定制化语言或图像信息,驱动业务流程,实现无人值守。 企业对认知技术的需求大幅增长一一互联网数据中心(IDC)预测 2022 年 企业此项支出将达 776 亿美元,与此同时,信任和技术道德问题也迫在眉睫。 (6)区块链 德勤 2019 年全球区块链调查报告中,超过半数的参与者表示区块链技术至关重要,较前一 年增长了 10% 。83% 的人能够明确构思区块链技术的实际应用,较前一年增长了 9% 。调查结果显示,2019 年,企业已经不再讨论“区块链是否可行?”,转而关注“我们该如何利用区块链?” 金融服务和金融科技公司持续领航区块链技术的发展,但其它领域也开始推行区块链技术, 尤其是政府、生命科学与医疗健康、科技、媒体、通讯等领域。 再提技术业务、风险和核心系统重塑似乎有些枯燥无味,但不可否认,它们是业务的核心所在。企业在这些已经发展很成熟的领域,依然继续进行着可观的投资。综合来看,正是因为它们不仅为数字化转型、创新与增长提供了可靠的、可规模化的基础,也是在分析技术、认知技术、区块链等颠覆性技术成功投资的必要条件。 (7) 技术业务 随着技术应用与业务战略的融合,技术业务也在不断发展。随着企业更多地通过重塑 IT 来实现运营效率提升和与业务部门合作者一起进行价值创造,很多 IT 团队通过实施促进跨业务协作的开发体系(如敏捷和 DevOps ),逐渐将传统的项目制交付调整为产品化运营。 强大的技术功能让企业更敏捷地响应技术驱动的市场和业务的变化。一只强大的数字化技术运营团队能够帮助企业迅速回应技术对市场的影响以及相关业务挑战。 (8)风险 在以创新为驱动力的时代,企业面临的风险远远超越了传统的网络风险、监管风险、运营风险及财务威。2019 年的 CEO 和风险管理调查报告指出,企业最大的风险广泛涉及新颠覆性技术、创新、生态系统合作伙伴、企业品牌及名誉、文化等。对此,很多公司清楚地意识到他们还未对此类风险做好准备,或没有想法在管理此类风险方面进行投资。 除合规和安全的必要要求,企业还面临新兴技术对产品、服务和商业目标的潜在影响,这些使得企业正在把更为广泛的信任作为企业战略。 (9)核心系统现代化 核心系统现代化体现了数字化转型、用户期望及数据密集型算法给核心系统的前台、中台和后台带来的持续性压力。无论是在财务数字化、实时供应链,还是在客户关系管理系统,核心系统都承载了关键业务流程。 在如今这个即时、持续和定制交互的时代,企业需要降低整体的技术负债。实现核心系统 现代化的成熟举措,比如重塑现有的遗留系统,更新 ERP 系统及重写其他系统,这些目前来讲尤为重要。 二、未来三大颠覆性技术 随着三大颠覆性技术(即数字现实、认知技术和区块链)崛起,并准备在未来十年为业务做出重大贡献 的同时,未来三大技术发展和创新的新星(环境体验、指数型智能和量子技术)正蓄势待发。我们将在 本世纪 20 年代末开始感受到它们的影响。 a:环境体验 环境体验展望了这样一个构想:在未来,技术只是环境的一部分。计算设备的功率不断增加,体积不断缩小。这些越来越小的设备将我们的输入从非自然的(指向、点击和滑动) 演变为自然的(说话、手势和思考),它们与我们的交互从被动的(回答问题)变成主动的(提出意料之外的建议)。 随着设备变得无缝和无处不在,它们和我们越来越密不可分。想象未来的世界,一些微小的,已连接的,内容感知的设备被嵌入办公室、家中或者其他地方,成为背景活动的一部分。例如,你如果在脑海中想“我要在一个小时之内出发去机场”,就能触发一系列背景活动,包括安排航班值机,准备可供生物特征识别的虚拟登机牌,将无人驾驶汽车目的地设置为正确的航站楼,将家中的智能系统状态调为“离开”,以及暂停出差期间的快递服务等等。 b:指数智能 指数智能建立在当今认知技术能力上。如今,机器智能能够发现数据中蕴藏的规律,但是无法判断这些规律是否有内在的意义。同时,它目前还缺乏识别和响应人类互动和情感的细微差别的能力。而且,机器智能的认知能力还非常有限,比如机器能够打败国际象棋大师,却不能理解房间发生了火灾需要逃跑。 未来有无限可能。随着对语义和符号识别的理解,机器逐渐能从假想的相关中梳理出真实的因果关系。借助来自人感訥验平台的技术组合,我们的虚拟助手将越来越能够识别并适应我们的情绪。随着研究人员开发出更广义的智能,指数智能将超越统计和计算的层面。我们敢说,最终,这将导致更有能力的人工智能诞生。 c:量子技术 量子技术利用亚原子微粒的反直觉特性处理信息,进行新型计算,实现“不可非法侵入式” 交流,技术微型化等等。量子计算中,这些量子比特(或量子位)的特殊属性有可能发生 指数型变化。通过操纵单个粒子,量子计算机将能够解决某些高度复杂的问题,这些问题 对于目前的超级计算机来说,太大,太杂乱,包括从数据科学到材料科学。 随着研究者们不断突破技术限制,量子计算机将逐渐取代传统的计算机。数据科学家将能 够处理前所未有宏大的数据量,并从中获取相关性信息。材料科学家利用量子比特模拟原 子,这是无法在传统计算机上实现的。同时,在通讯、物流、安全、密码学、能量等不同领域,我们都能预见无限可能。 三、五大关键新兴趋势 一)技术道德与信任 技术变革常态化的同时,赢得全方位的信任变得更具挑战——但也充满机遇。 随着数字技术的出现,企业要用户以新的更深层次的方式信任他们,过去是获取用户个人信息,现在则是通过数字痕迹追踪用户的线上行为。同时,技术引起的问题也经常成为新闻头条,例如安全漏洞、不当或非法监视、个人信息滥用、虚假信息传播、算法歧视、缺乏透明度等等。这些事件导致利益相关方之间不信任(包括客户、雇员、合作 伙伴、投资者和管理者),严重损害企业声誉。的确,消费者对商家的信任正在逐渐下降,人们对公共机构的态度也越来越谨慎,员工则要求企业明确阐述其核心价值观。 德勤 2020 年全球市场趋势报告中提到,当今时代,品牌信任对企业来讲尤为重要,关系到企业的方方面面。无论是客户、监管机构,还是媒体,都期望品牌商在其开展业务的各个领域都是开放、诚信和始终如一,从产品生产、促销活动、到员工文化和合作伙伴关系维护等。 被技术颠覆的企业,它的每一个方面都意味着可以赢得或失去任何一个客户、员工、合作伙伴、投资者和/或监管机构信任的机会。如果领导者能够充分贯彻企业价值观和技术道德观,努力履行“做好事”的承诺,企业就能够与利益相关者建立长期牢固的信任关系。在这种情况下,信任就变成了一个全方位的 承诺,并且确保信任是企业的技术,流程,人员都在共同努力维护的基础。 技术道德这一术语指的是不局限于或侧重于任何 一项技术的综合价值观,这个价值观是指导企业对技术使用的整体方法及通过部署这些技术驱动业务战略和运营企业应考虑主动评估如何以符合公司宗旨和核心价值观的方式使用技术。 在数字时代,信任是个复杂的议题,企业面临着无数的生存威胁。虽然颠覆性技术通常会给企业带来指数型增长,但仅凭技术却无法建立长期信任。因此,领先企业们正在通过全方位的维持利益相关者所期望的高度信任。领先企业们正在尝 试通过各种方式,来维持利益相关者所期望的高度信任。 人工智能、机器学习、区块链、数字现实和其它 新兴技术正以前所未有的速度和深度融入我们的 曰常生活。企业该如何通过客户、合作伙伴和员工使用这些技术来构建信任呢? •解读企业价值观。 如今,技术根植于业务,机器学习也驱动着业务决策和行为,因此,必须先了解企业的技术解决方案,才能进一步解读和评价企业价值观。数字化系统可以被设计用来减少偏差,让企业能够遵循自己的原则运 营。 保障措施可以防止用户以不健康或不负责任的方式使用技术,从而帮助提高利益相关者的利益。例如,一家公司对可能成瘾的游戏强制限定游戏时间和游戏花费一个内容提供商提醒用户关注信息来源的准确性;云计算提供商在 户超出其预算之前自动发出警报。 •建立强大的数据基础。 如果不能系统性地、统一地追踪数据内容及来源,并确定可访问数据的人员,就没有办法营造良好的信任环境。强大的数据基础让利益相关者拥有共同的愿景, 为数据负责,采用安全的技术手段实现有效的数据管理。管理者需要让利益相关者了解他们提供的数据将如何运用,此外,除非为了法律或监管的目的,在利益相关者要求时须删除相关数据。 •强化防护措施。 德勤 2019 年未来网络调查报告显示,管理者为网络问题花费的时间越来越多,网络防御体系意味着您要 保护您的客户、员工和商业合作伙伴,让他们远离与他们——或者说你们——的价值观不同的群体。从最开始就需要建立并实施网络安全风险策略略,并将其贯穿于商业运营和政策制定的全过程,这绝不仅仅是信息技术部门的问题。企业领导者应当与信息技术部门一起制定全面的数字安全风险策略,考虑安全、隐私、 诚信和保密等各方面,增强利益相关者的信任,提高企业竞争力和优势。因此,需要评估企业的风险容忍度,明确弱点所在,并判断企业最具价值的数据和系统,制定风险缓解策略和恢复计划。 二)财务与 IT 的未来 德勤的研究发现,56% 的首席信息官(CIO)期望应用 Agile, DevOps 或类似的灵活 IT 交付模式,来提高 IT 的响应能力并激发更广泛的创新的雄心。 但目前有些难以克服的障碍阻碍这些努力:资金的来源和分配。IT 的运营和开发流程正变得越来越灵活,更加侧重产品,而财务部门仍旧按照过去数十年的方式来制定预算、融资和财报。结果显而易见:IT 需求与财务流程之间的矛盾。若这个问题得不到解决,那么它可能会破坏首席信息官(CIO)的创新计划,乃至整个企业的战略目标。 IT 对资金的需求与财务的漫长流程之间的矛盾并非形成于一夜之间。而是在过去十年中曰渐累积。云技术和平台技术一步步地颠覆了传统运营模式,迫使财务部门不得不重新评估财务管理方法。 《报告》指出这种变革体现在三方面: •从资本支出转向运营支出 从在现场转型到基于云的系统,涉及大量的支出从资本支出转移到运营支出。事实上,团队一直都有一些资本支出和运营支出。新的准则是“谁开发谁管理”。从会计的角度而言,短期运营支出增长会影响季度财报。 •衡量难以捉摸的投资回报率。 技术创新举措通常是难以达到内部收益率预期的尝试,可能产生正回报也可能不会。在财务及短期收益上, 创新投资通常不具备传统 IT 项目的信心水平, 因此这类投资往往也很难通过标准管理流程获得有力支持。在某些情况下,这会导致财务部门难以建立精确的流程,来跟踪长期投资回报率。例如,对于无限期重复使用的平台这类的固定预算投资,跟踪其投资回报率更是难上加难。 •计算交付价值。 根据德勤《 2018 年全球首席信息官(CIO)调查报 告》,65% 的受访者表示他们在评估 IT 投资时, 通常采用具体案例具体分析的方法,而不是遵循常规财报流程。显然,在评估 IT 带来的价值这件事上,首席信息官 (CIO )与首席财务官 (CFO)不在同一立场。 作为财务与未来的T趋势的一部分,我们预计有更多首席信息官(CIO)、首席财务官(CFO)以及他们各自的团队,将会积极探索解决这些及其他在融资、会计与财报上所面临的挑战的方法。 三)数字孪生技术 当下,企业正以多种方式使用数字弯生技术。在汽车和飞机制造领域,数字弯生技术逐渐成为优化整个制造价值链和创新产品的重要工具;在能源领域,油田服务运营商通过获取和分析大量井内数据,建立数字模型,实时指导钻井作业在医疗保健领域,心血管研究人员正在为临床诊断、教育、培训,创造高仿真的人类心脏的数字弯生体;作为智慧城市管理的典型案例, 新加坡使用详细的虚拟城市模型,用于城市规划、维护和灾害预警项目。 数字弯生可以模拟物理对象或流程的各个方面。它们可以展现新 产品的工程图和尺寸,也可以展现从设计到消费者整个供应链中 所有子部件和相应环节——即”已建成“数字弯生,也可采用 “即维护”模式——生产车间设备的实物展现。仿真模型可以捕获 设备如何操作,工程师如何维护,甚至该设备生产的产品如何与客户关联。数字弯生可以有多种形式,但它们无一例外都在捕获和利用现实世界的数据。 数字孪生发展势头迅猛,得益于快速发展的仿真和建模能力、更好的互操作性和物联网传感器, 以及更多可用的工具和计算的基础架构等。因此, 各领域内的大小型企业都可以更多地接触到数字孪生技术。IDC 预测,到 2022 年,40% 的物联网平台供应商将集成仿真平台、系统和功能来创建数字孪生,70% 的制造商将使用该技术进行流程仿真和场景评估。 与此同时,通过访问大量数据,使得创建比以往更为详细、更为动态化的仿真成为可能。对于数字孪生的长期用户而言,这就好比从模糊的黑白快照过渡到彩色高清数码照片一样,从数字源中获取的信息越多,最后呈现的照片就越生动逼真。 长期来看,若想要实现数字孪生技术的全部潜力, 可能需要集成整个生态圈内的系统和数据。创建 一个完整的客户生命周期或供应链(囊括了一线供应商和其自身的供应商)的数字化仿真,可以提供富有洞察力的宏观运营观点,但仍然需要将外部实体整合到内部数字化生态系统内。直至今曰,大多数企业仍对点对点连接之外的外部集成感到不满意。克服这种犹豫可能是一个长期挑战, 但最终,所有的付出都将是值得的。未来,期望企业会利用区块链打破信息孤岛,继而验证信息并将其输入数字孪生体中。这可以释放先前无法访问的大量数据,从而使仿真更加细节化、动态化、更具潜在价值。 四)人感体验平台 人感体验平台趋势颠覆了传统的设计方法,它首先确定我们想要实现的人性化和情感体验,而后决定使用何种情感和 AI 技术组合能够达成这一效果。企业将面临的一大挑战是,如何针对不同的客户群体、员工群体和其它利益相关者,确定能引起他们共鸣和引发他们情绪的具体响应或行为,并进一步开发情感技术,使其能够识别和复制某一段体验中的特质。 在不久的未来,我们将会看到人们对人性化的技术需求曰益增长。在数字化革命进程中,我们目前进入到一个阶段,就是每个人之间未必有 接,但每个人一定都与技术有联结。我们正在消除流程和交互,直接与机器互动。因此,我们渴望我们正在迅速失去的东西:有意义的联结。为此,我们期望技术能够用更 加人性化,更人道化的方式跟我们互动。设计能够满足这一期望的技术需要对人的行为有更深刻的洞察,并不断创新,以提高我们预测和响应人们需求的能力。不久的将来,人感体验很有可能会带来长久的、可持续的竞争优势。 五)架构觉醒 越来越多的技术领导层和高管们逐渐意识到,如今,技术架构领域的科学在战略上比以往任何时候都更加重要。事实上,为了在技术创新颠覆的市场中保持竞争力,已成立的企业需要不断演 他们的架构一一这一过程可以从改变技术架构师在企业内扮演的角色开始。 这种转变的目的非常明确:把经验最丰富的架构师安排到最需要他们的地方——即加入到设计复杂技术的软件开发团队中。一旦这些架构师被重新部署和赋能,他们便可帮助简化技术栈, 提升技术敏捷性,从而为新兴企业获得市场优势。另外,他们还可以直接负责实现业务成果,解决架构难题。 此外,拥抱架构觉醒这一趋势的企业将开始重新定义架构师角色,使其更具协作性、创新性,并能对利益相关者的需求做出回应。具有全局观的架构师可能会发现,自己正在多部 门混合的项目团队中,与专注于应用程序的架构师 以及来自 1T 和业务部门的同事共同作战。未来,他们的使命将不仅是利用传统的架构组件,还要利用颠覆性力量(如区块链、AI、及机器学习)大胆创新。