数字孪生

数字孪生的构成要素：
- 几何模型：描述实体对象的空间结构与布局；
- 数据接入：来自 WMS、TMS、IoT 传感器与设备控制系统的实时状态；
- 仿真引擎：按业务规则推演状态变化，如订单涌入后的排队与拥堵；
- 可视化与交互：三维或二维界面呈现结果，支持参数调整与方案对比。
与仿真的区别：传统仿真是一次性的离线推演，输入历史数据、输出报告；数字孪生与实体保持连接，可以持续校正模型，使其越来越接近真实。
投入门槛较高，适合规模大、改动成本高的对象：自动化仓库布局调整、集装箱码头岸桥与集卡调度、区域配送网络规划。中小场景用离散事件仿真即可，不必追求完整孪生。
相关术语：可视化、物联网（IoT）、仿真。

1. 先明确要回答的问题，再决定建模颗粒度，为建孪生而建模的项目大多止步于演示；
2. 模型精度不必处处一致，瓶颈环节建细、非关键区域简化，能大幅降低建模成本；
3. 数据接入的稳定性决定孪生是否可用，数据断流的孪生很快会变成过时的三维模型；
4. 用历史场景验证模型可信度，仿真结果与过去实际发生的情况吻合后，才用来推演未来；
5. 输出要落到决策建议，只做可视化展示的孪生难以持续获得投入。

误区一：数字孪生就是三维模型——没有实时数据驱动与仿真能力的三维展示只是可视化。
误区二：孪生可以完全替代试运行——模型是对现实的简化，关键改动仍需小范围实测验证。
误区三：建模越精细越好——颗粒度每提高一层，数据接入与维护成本成倍增长。