数字孪生是包括物体、设施和流程在内的物理实体的虚拟代表。数字孪生及其代表的网络物理空间促进了数据的实时交换，提供了一个支持各种用例的平台。
使用案例包括应用预测性和规范性分析来发现未来的挑战，并获得优化的解决方案来缓解这些挑战。在制造业等工业领域，数字孪生还被用作远程监控工具、产能规划和实时调度的数字化转型解决方案。
改进决策和优化工作流程需要神经网络。人工神经网络（ANN）可用于开发复杂的数字孪生模型，解决生产车间的回归问题。通过对数字孪生进行持续训练，利用神经网络提高数字孪生的决策能力，从而实时应对新挑战并优化日常运营。
利用 Simio 中的神经网络增强决策能力
Simio 是首款离散事件仿真和数字孪生软件，嵌入式支持使用神经网络设计和训练模型，以增强工业运营、分析复杂挑战和进行决策。Simio 提供的功能允许用户以多种方式利用神经网络，包括
- 在 Simio 中创建前馈神经网络，无需编码算法，简化了数字双胞胎中的人工智能集成。
- 内置训练器，支持对神经网络进行持续的监督和非监督**训练，以提高网络的准确性。
- 可选择将其他人工智能网络或平台上训练过的神经网络的 ONNX 文件导入 Simio。
在 Simio 中利用神经网络有助于实现与改进工业设施内决策、调度和规划相关的工作流程自动化。