数字孪生是一种流行方法,可以针对物理对象(如汽车、工厂和建筑)以及非固定实体(如业务流程、供应链甚至城市基础设施)进行建模和测试。埃森哲云优先首席技术专家 Teresa Tung 将数字孪生描述为企业“转变物理产品开发的一种方式,就像软件产品开发从瀑布式发展到敏捷式一样。”
用于测试的传统建模与数字孪生的主要区别在于,后者利用真实世界数据的持续更新运行。为支持数字孪生而设计的系统通常会配备一套语义模式,帮助连接模拟组件和真实组件的不同视图。
这些类型的模式可以帮助电气、机械和其他类型的工程团队通过单一视图进行设计并权衡性能,而不用将数据在不同的工具和面板之间传来传去。但是,数字孪生方法并非万无一失,想要有效运用数字孪生方法的话,企业需要问自己三个重要问题,这三个问题分别关于数据完整性、业务背景和现有测试程序的准确性。
孪生系统可信吗?
数据管理提供商DataStax的战略副总裁Bryan Kirschner建议质量保证团队特别关注现实世界和数字孪生可能出现的状态差异。测试团队需要测试各种情况,以确定数字孪生作为权威真相来源的可信赖条件范围。
Kirschner表示:“测试目标从‘这个系统运行得如何’转变为‘它作为权威的真相来源是否值得信任’。”Kirschner强调了识别各种具体场景的重要性,在这些场景中,来自孪生的数据可能无法准确表示真实世界的情况。要做到这一点,质量保证团队需要确保数字孪生的底层设计与企业现有的测试工作流程一致。
例如,mCloud Technologies公司的首席产品和技术官Jim Christian表示,该公司正在使用数字孪生方法来建模和模拟大容量数据处理系统,实时测试运行性能。为了实现这一目标,数字孪生系统采用模块化架构设计,这样既可以单独测试,也可以一起测试,从而能够更密切地跟踪数据完整性。
背景是否清晰?
数字服务提供商Apexon的企业质量保证高级总监Siva Anna认为,质量保证团队从现实世界中收集哪些数据点用于数字孪生需要仔细斟酌,这一点非常重要。数字孪生的成功应用取决于对特定重要参数的捕捉,这些参数最终有助于校准性能并改进设计。测试团队应该牢记,向数字孪生系统提供数据的各种传感器可能涉及多种数据格式和质量水平,需要将其整合到单一视图中。
Blue Yonder供应链规划副总裁Puneet Saxena表示,测试团队还应该与开发人员合作,了解通过用例表达的背景。例如,针对制造商的集成需求和供应链规划,使用数字孪生在软件模型中详尽地表示物理供应链,那么这个模型就既要表示物理对象,例如仓库、地理位置或者自动化机器,也要表示抽象实体,如物料清单、平均生产周期和生产率目标等。
Saxena表示:“软件对物理现实的表现越逼真,结果就越好。”例如,供应链的数字孪生可以帮助企业根据现有需求、原材料供应、在制产品计划或与生产能力相关的其他因素,预测特定生产设施的产量,从而为该设施确定现实的生产基准。
测试是否全面准确?
德勤咨询公司新兴技术研究总监Scott Buchholz认为,质量保证团队还应为新控制系统设计数字孪生测试,对使用控制软件时的真实情况和数字孪生预期的行为和故障模式进行对比。
质量保证团队需要排除模拟行为与实际行为之间的偏差;这些偏差可能表明孪生系统或者软件出现了问题,或者两者兼而有之。测试的数量、性质和复杂程度因系统的关键程度而异。例如,自动列车的软件控制系统可能要比住宅恒温器系统的控制软件承担的直接责任更重要,测试应确保最终结果在预定的容差范围内反映预期结果——Buchholz认为,这些测试应优先于其他测试。
在某些方面,实施数字孪生项目就类似于引入测试驱动开发(TDD),即软件团队在开始编写代码之前就创建自动测试套件。在TDD中,测试用例和软件都可能出现缺陷。根据自动测试的复杂程度和团队规模,可以由质量保证团队、核心开发团队或者其他专门的应用程序维护团队进行调试和维护,具体要取决于数字孪生本身的复杂程度和底层技术。
好文章,需要你的鼓励
DDN推出Infinia对象存储系统,采用键值存储架构和Beta Epsilon树数据结构,实现读写性能平衡。系统在对象列表性能上比AWS快100倍,延迟降至毫秒级,支持多租户和SLA管理。通过与英伟达合作优化RAG管道,在AWS上实现22倍性能提升并降低60%成本。
大连理工大学和浙江大学研究团队提出MoR(Mixture of Reasoning)方法,通过将多种推理策略嵌入AI模型参数中,让AI能自主选择最适合的思考方式,无需人工设计专门提示词。该方法包含思维生成和数据集构建两阶段,实验显示MoR150模型性能显著提升,比基线模型提高2.2%-13.5%,为AI推理能力发展开辟新路径。
Alpine Linux核心开发者Ariadne Conill推出了Wayback项目,这是一个实验性的X兼容层,允许使用Wayland组件运行完整的X桌面环境。该项目本质上是一个提供足够Wayland功能来托管rootful Xwayland服务器的存根合成器。与现有的XWayland不同,Wayback旨在创建一个类似X11风格的基于Wayland的显示服务器,让用户能够继续使用传统的X11窗口管理器和桌面环境,而无需重写或替换这些熟悉的工具。
剑桥大学研究团队开发了FreNBRDF技术,通过引入频率修正机制显著提升了计算机材质建模的精度。该技术采用球面谐波分析提取材质频率信息,结合自动编码器架构实现高质量材质重建与编辑。实验表明,FreNBRDF在多项指标上超越现有方法,特别在频率一致性方面改善近30倍,为游戏开发、影视制作、电商预览等领域提供了重要技术支撑。