当人员难以到达现场时，数字孪生技术更具优势
疫情之下，与许多行业一样，能源行业也在经历着挑战。在此，我们列出了一些在人员难以到达现场的情况下，数字孪生技术提高重资产运营的稳定性、改善控制和提升效率的方式。
2020年4月
#1 在任何地点都能全面了解资产情况
面对作业场景时，关键是要具有现场经验。然而，自疫情以来，实际部署在设施上的人员数量已经大大减少，但意外关停和紧急关停的情况仍在发生。这时，作业者能够拥有快速反应的能力是十分重要的。
数字孪生技术让作业者在任何地点都能查看他们的设施，远程协调工作的执行，并让位于全球的专家做出决策支持。无法到达现场的员工仍然可以协助维护设施的日常运作与安全。
数字孪生可实现对人员、资产和事件的全面洞察，使作业者能够放大需要重点关注的部分。远程操作可以改善任务管理，带来1+1>2的效果，让作业者将来自全球的专业知识部署到其整个资产组合中。
#2 缩短实现价值的时间
当油价大幅波动时，缩短实现价值的时间就成为了作业者的首要任务。在这种情况下，数字孪生便体现出两大优势。
首先，它可以让用户深入了解实体资产和丰富的基础数据。轻松访问数据可让用户安全地进行测试和快速分析，并将其迅速转化为实际行动。其次，数字孪生能够快速推出灵活且易访问的创新框架，迅速部署以价值为目标的应用程序。
康士伯数字与客户共同合作，迅速部署数字孪生以获取价值，涵盖短期的盈利和长期的战略计划。这些战略计划必须与作业者面临的主要挑战相一致，其中包括：
• 提高生产效率。
• 通过优化设备维护、提升工人效率和减少差旅/物流来降低运营成本。“少花钱多办事”是我们反复强调的主题。
#3 实现并保持稳定的生产机制
市场可能不受我们的控制，生产稳定性却不应如此。数字孪生在作业异常的情况下也能提供更高的确定性，使作业者保持生产稳定，并应对复杂的作业挑战。作业者可以利用数字孪生来进行基于场景的分析，即搭建基于假设参数的模型，而不必在集成数据上浪费时间。
除了可以为生产机制带来价值，数字孪生还具备现场情境态势感知功能。如果一个变化的场景需要其它态势感知，也可以将其加入模型之中。
在康士伯数字的数字孪生解决方案Kognitwin® Energy 中，混合式机器学习技术将数据分析方法与物联网和基于物理机理的仿真模型相结合，在Kognitwin® 上进行模拟仿真，以测试、监控和预测结果或检测异常行为。这些机制使作业者能够在近乎实时的情况下采取行动，降低设备的不稳定性，避免不利事件的发生。
#4 危机后的增长定位
当大量项目的开发面临着延迟或暂停时，项目的计划时间便会受到影响，其它能够创造价值的工作也会因此暂停，其中包括数字化战略的执行。现在我们可以利用这些暂停来主动改善运营机制，即关注那些能够对项目产生很大影响的细节。这些工作包括：
• 培训操作员和远程作业人员——重点是构建共同领域（如数字孪生）和工作实践。
• 调整陆上和海上的工作流程，以获取数字化技术（如数字孪生）的最大价值。在当前情况下采用的工作流程可能为未来如何更有效地管理工作树立积极的先例。
• 主动测试生产机制。
• 对设施做进一步的虚拟化测试，发现在油田开发或项目变更中成本高昂的过度设计或错误设计。
#5 持续专注于降低运营成本
作业者正在通过大幅降低运营成本来应对油价的波动，这让作业者需要 “少花钱多办事”，并适当利用分析和数字化技术来提高效率。
通过使用数字孪生，大型能源公司可以集成专业知识和历史数据，以优化性能。通过数字孪生的云端自助式分析，本地资产团队可以发布对特定设备的专业知识需求，并访问全球的专业知识，让专家能够运用分析工具，轻松访问历史数据、实时数据流和OEM信息，进行虚拟协作并解决问题。用户可以在虚拟场景而不是实际设施中对算法和方法进行测试、部署与实验，使测试边界案例成为可能，从而拥有更高的安全水平，更有信心面对设施的变化。
#6 减少重资产的资本支出
由于设施超标或安装前的测试不足，作业者经常需要重新设计和部署部分设施。与结构化工程数据系统集成的数字孪生，可以让作业者在最终确定设计之前对生产操作进行虚拟测试。
数字孪生具有基于云的扩展机制，使作业者能够测试边界案例，从而提高对设计的信心，减少返工与重新采购的成本。不论是在水下还是平台上，全面模拟生产机制的功能都可以让作业者进行虚拟调试和升级，从而缩短调试时间，加速油田投产。
数字孪生是资产设施完全虚拟化的模型，它可以提前模拟并执行设备维护和物流操作，从而提高作业者对操作的熟悉度，降低风险，有助于减少资本支出。这些概念在设施全生命周期的重大事件，如大型维护活动、周转和复杂的改造项目中可进一步重复使用。
