近日在网上冲浪的时候，看到了荷兰一家新近成立的水务数字孪生创业公司，在官网上介绍了他们的数字孪生产品，遂做了一点简单的机翻，供诸位参考。

A Digital Twin is a virtual representation of a physical element, asset or system where real time data connections enable the physical and virtual states to be continuously synchronized. This allows Digital Twins to be used to:

better understand past and current performance of an asset or system and generate insights that help predict and optimize current and future performance and be proactive about maintenance thus reducing down-time.

simulate interventions before these are deployed in the real world, perform what-if analyses and make informed decisions, from short-term early warning and emergency response to longer-term system risk assessment and management.

数字孪生是物理元素、资产或系统的虚拟表达，其中，实时数据连接使物理和虚拟状态能够持续同步。这使得数字孪生可用于：

更好地了解资产或系统的过去和当前运行情况，生成有助于预测和优化当前和未来运行情况的洞察力，并积极主动地进行维护，从而减少故障（停机）时间。

在将干预措施部署到现实世界之前，模拟干预措施，执行假设（what-if）分析并做出明智的决策，从短期预警和应急响应到长期系统风险评估和管理。

To handle the diversity of data sources (virtual/real devices, assets and knowledge elements) Digital Twins incorporate mechanisms to manage data acquisition in real time. The aim is not only to retrieve data from devices but to also aggregate information from any other systems and data sources available. Data Sources interface with the rest of the components via a Data source proxy and an appropriate Communication Application Programming Interface (API). A Messaging Bus Broker manages the information flows in real-time utilising the data published from the diverse data sources, to be consumed by domain-specific applications.

为了应对数据源（虚拟/真实设备、资产和知识元素）的多样性，数字孪生融合了管理实时数据采集的机制。其目的不仅是从设备中检索数据，而且还包括从任何其他可用的系统和数据源中聚合信息。数据源通过数据源代理和适当的通信应用程序编程接口 (API) 与其他组件交互。消息总线代理（Messaging Bus Broker）利用从不同数据源发布的数据，实时管理信息流，以供特定领域的应用程序使用。

The Data Management functionality addresses cleaning and denoising the data coming from the data sources. The pre-processed are be stored in appropriate Data Stores. Data store management mechanisms are engaged for storing all received data, both processed and raw and subscribe to every topic of the Messaging Bus Broker. Analysis and Learning is used for post-processing and further analysis of the “cold” (non-real time data) as well as the processing and analysis of real time data in order to calculate the operative KPIs for corresponding asset/system. The calculated KPIs are then also be stored in the Data Store(s) to be used for further analysis, decision making using different algorithms including Artificial Intelligence (AI) ones. Finally, the Digital Twin comprises visualisation mechanisms and a graphical user interface allowing the user to view valuable insights and interact with the Digital Twin based on user requirements.

数据管理功能解决来自数据源的数据清理和去噪问题。预处理数据存储在适当的数据存储（Data Stores）中。数据存储管理机制用于存储所有接收到的数据，包括已处理的和原始的，并订阅消息总线代理的每个主题。分析和学习用于对“冷”（非实时）数据进行后处理和进一步分析，以及实时数据的处理和分析，以计算相应资产/系统的运行 KPI。然后，计算出的 KPI 也将存储在数据存储中，以用于进一步分析、使用不同算法（包括人工智能 (AI) 算法）做出决策。最后，数字孪生包括可视化机制和图形用户界面，允许用户查看有价值的见解并根据用户要求与数字孪生进行交互。

以上是原文和翻译，还有一张产品架构图。

和国内数字孪生建设更多强调BIM、GIS不同，这套架构更多的把功能聚焦在时间序列数据上，围绕时序数据做文章，后台包括了以下几个模块：

数据存储（Data store）：管理时序数据的数据库（我的一个好奇：像InfluxDB一类的时序数据库会比传统的关系型数据库更适用么？）。

数据源（Data Sources）：

外部时序数据的接入，对于产品来说，不仅包含从设备端的接入，还得包含从外部其他系统（比如其他数据库）接入的能力和机制。

消息总线代理（Messaging Bus Broker）：将数据分发至数字孪生功能实体（具体的技术实现我是门外汉，欢迎同行普及）。

分析和学习（Analysis & Learning）：通过内置或外接模型、算法，实现对时序数据的深度分析和洞察。算法和模型，既包含复杂的数学模型、数据驱动模型，也有必要根据数据特征，深挖统计函数的应用（关于这部分的简述可见他山之石|“挖掘机经济学”

）。

业务逻辑和业务规则（Business Logic & Rules）：对接用户实际需求的功能模块。在我看来，前面的几个模块都是通用性质的，技术上一旦打通，是适用于所有数字孪生用户的。甚至，我们可以大胆畅想——数据存储、数据源和消息总线代理模块，是一切行业数字孪生的基石；当增加专门针对水务行业数据的分析和学习模块之后，该架构可以作为通用的水务数字孪生基石；而最终叠加业务逻辑和业务规则，则最终成为针对某一特定用户的水务数字孪生应用场景。

目前国内很多数字孪生实践，可能有以下几个方面特征：

不注重数据存储、数据源和消息总线代理模块的通用性，项目模式而非产品模式；

不太懂分析和学习模块（缺少行业专业知识）；

迎合用户的业务逻辑和业务规则，而用户想要实现的，往往又和实际能做的之间，存在巨大的鸿沟（这一块其实需要一定的工程咨询能力）。

以上水务数字孪生产品架构，只是针对时序数据的，不包含BIM、GIS等针对静态资产的功能延伸。一家之言一家之论，不做深入挖掘，仅供参考。

欢迎同行交流：