未来的工作是将重复、耗时的任务或活动自动化。数字化转型解决方案和人工智能（AI）为智能自动化工作流程和推动自主决策提供了一条途径。
数字孪生是一种包含上述所有内容的解决方案。世界经济论坛在 2015 年将数字孪生命名为有能力改善系统运营的决定性解决方案。从那时起，数字孪生就从数据交换和解决问题的虚拟镜像发展成为利用神经网络构建复杂规则逻辑、预测数值或结果以优化运营系统的尖端解决方案。
神经网络的集成扩展了普通数字孪生的功能和应用可能性。要在数字孪生中充分发挥神经网络的应用优势，首先要进行适当的整合，以下是一些帮助您实现这一目标的小贴士。
1.整合智能行为
数字孪生为企业提供了监控和管理实时运营和流程的数字镜像。企业部署数字孪生的原因多种多样，目的也各不相同。例如，将数字孪生作为远程监控工具或预测未来绩效以及实现优化绩效所需的选择。
将数字孪生作为预测或性能优化解决方案的应用依赖于智能对象以及将这些对象嵌入决策逻辑的能力。对于复杂的数字孪生应用来说，为规则定义自定义逻辑是一项艰巨而耗时的任务。这些困难可追溯到将影响决策的各种因素捕捉到规则中的过程。
将神经网络集成到数字孪生解决方案中，为您提供了构建复杂逻辑的便捷途径。有了神经网络，建立复杂逻辑的过程就被省略了，神经网络利用历史数据做出所需的决策。通过使用模拟或实时数据进行重复训练，神经网络的准确度也会得到提高。
2.汇总训练数据
具备人工智能能力的机器、系统或模型需要依赖干净且有标记的数据来提高决策能力。因此，要将人工智能应用于实现智能工厂或自动化工作流程，获取干净且有标记的数据至关重要。
在工作区内利用数字孪生为企业提供了实时捕获运营数据的手段。但捕获数据只是从数据中获得洞察力的第一步。要在人工智能框架内使用捕获的数据，就必须对捕获的数据进行清理、标记并提供上下文洞察力。在数字孪生中集成神经网络，可为企业提供生成模拟数据以训练人工智能算法的工具。
3.工作流程自动化
在工业领域，处理耗时的重复性任务是导致人为错误的主要原因之一。因此，人工智能解决方案的主要卖点之一就是让系统做出准确的决策，从而支持自动化。
神经网络使利用数字孪生的企业能够在仿真和数字孪生模型中自动制定规则或决策逻辑，并监控性能数据，从而自动做出实时决策。
4.利用无监督学习
工业 4.0 的重点是智能工厂在没有人为监督的情况下实现最佳运作的能力。因此，人工智能及其子集神经网络在工厂车间实施工业 4.0 商业模式方面发挥着重要作用。将数字双胞胎与神经网络配对，可为自动化流程带来无监督学习。
通过适当训练的神经网络，数字孪生可以做出推断或提供准确的解决方案，以应对可能存在隐藏因素的复杂挑战。神经网络能够应用强化学习来制定政策，从而优化价值创造或利润。例如，神经网络可以提供时间估算，为时间敏感型任务提供指导。如果一项生产任务不能在规定的时间内完成，就不能启动。神经网络在预测预计完成时间时，会将生产周期所涉及的所有因素都考虑在内。然后，预估的时间线会提供启动工作或协商可实现的完成时间跨度所需的信息。
5.验证和评估人工智能算法
数字孪生为企业提供了物理设施系统的虚拟再现。这样，虚拟平台就成为一个更安全的环境，可用于评估在现有设施中添加新运营计划、时间表或系统的影响。
数字孪生还可用于测试和训练人工智能算法，以确保它们不会在使用单一数据集时表现最佳，而在使用其他数据集时表现不佳。在这里，训练数据集、验证数据集和测试数据集用于评估人工智能算法，然后再将其部署到操作系统中。
开始使用数字孪生和神经网络
模拟和数字孪生模型可为有意优化日常流程的企业提供更强的分析能力。应用机会包括规划和调度、预测性维护、远程监控、数据驱动的工厂优化、验证和测试等。
神经网络的加入在仿真和人工智能之间建立了一种共生关系。神经网络简化了复杂逻辑的创建，并使仿真和数字孪生模型中的工作流程自动化。仿真和数字孪生为开发合成训练数据、训练和评估神经网络提供了一个肥沃的平台。您可以使用 Simio 开发合成训练数据，开始评估和训练您的神经网络。