随着船舶设计中使用的3D模型越来越富有综合性和灵活性，我们可以将其与通过传感器和其他渠道得来的数据进行融合，以便能全面模拟船舶性能。3D模型可以应用在多个方面，比如预测航行表现和疲劳寿命。这些模型不仅是准确模拟船舶性能的关键，而且还有助于缩小当前船舶数据方面存在的差距，使不具备完整传感器解决方案的船舶能够享受到类似于物联网解决方案所带来的优势。专家指出，3D建模功能将成为构成船舶工业4.0解决方案的必要组成部分。
利用3D模型弥合数据鸿沟
目前，要想充分利用大量附加数据还面临着两项主要挑战。第一是要保证所收集数据的准确性，第二是要确保相同的数据不会安静地长眠在黑匣子里无人问津。它们必须转化为有用的信息，并且得到最佳的商业化运用。
当前，由于收集的数据不完整，还有很多空白需要填补，这使得上述两项挑战更加严峻。NAPA航运服务和解决方案公司在今年年初对船东和船管公司进行数据收集和航行优化习惯调查时发现，他们的选择十分广泛，但是每一种情况都无一例外地需要依靠船舶午报（noon reports），无论使用的是物联网还是传感器解决方案。
这说明我们不见得每次都能得到准确评估船舶性能所需的测量数据。比如说，一艘船可能没有配备足够的传感器来测量螺旋桨的功率，即使配备了，这些数据也不一定会向所有利益相关者披露。船东或许不会将测量结果透露给可能支付油费并对船舶的实际性能水平感兴趣的租船人。由于这些因素的影响，无论船舶采用了哪些额外的数据收集方法，午报仍然是目前船东推断船舶性能水平的主要手段。
但是午报太过简单，不可避免地具有局限性。如果每天只有一个数据点，我们对它又能有多少信任呢？此外，日间的天气可能会发生相当大的变化，从而极大地改变消耗量——这些信息午报都无法报告。由于风速、浪高和燃料消耗等因素之间的关系是非线性的，这意味着午报中未包含的天气变化会对船舶性能产生不合理的影响。
要想让数据更加丰富，常见的解决方案是将天气信息与可公开获得的AIS数据相互关联，这样我们就能得到不同船舶位置所对应的天气状况。不过这也有其局限性。如果船舶没有配备传感器（很多都没有），则很难对其性能做出假设。
这就是船舶设计和建模领域知识的用武之处！通过获取来自AIS的所有信息以及有关船舶的公开信息，我们可以运用舰艇水动力学和船舶设计方面的知识和经验来建造船舶的数字孪生。如此一来，我们就能克服午报缺少可用数据所带来的一些挑战。
这给我们提供了可以覆盖各种船舶的通用模型，为我们奠定了可以开始进行分析的基础。接下来，我们可以将其与来自安装有传感器的船舶的自动化信号相结合，进一步扩充我们的数据集，进而增强这些模型。借助这些数字模型，我们可以提取信息，监控船舶性能，开展更好、更精确的运营计划。
NAPA的船舶性能模型可以应用水动力模型，该模型考虑到了风、浪、洋流和浅水的耦合效应，并结合了完整的推进系统和发动机系统模型，能够在船舶的实际位置、实际操作速度以及实际风浪条件下解决所有这些因素的力平衡问题。
可用的数据多了，准确性也会得到提升。在研究船队的三年时间里（平均而言），收集三个月的数据后，消耗量估值的不确定性小于7.5％。半年后，不确定性就可降到5％以下。
将3D模型和AIS数据结合起来还可以更好地估计疲劳寿命。把这些数据集与先进的结构分析相结合，可以创建出一艘能够可靠地估算剩余疲劳寿命和安全性能的数字孪生船舶。利用这类信息来给船舶做财务评估也是有可能的。
为这些结构和波浪估计提供基础的科学研究并不罕见。它们是过去十年来大量实证调查的结果，其潜在效果已经得到验证。但是，直到最近我们才得以将它们组合成一个简单易用的程序包。
与其他无损疲劳检测方法相比，这种组合能够优化检测体验，相比常规测试还能大大降低检验成本。
所有这些都可以用来增强船舶运营计划的准确性，提供有关污垢影响、海洋边缘、预估消耗量以及航行时间等方面的有用信息。NAPA认为，3D模型的应用在可预见的未来将成为通向更全面的物联网解决方案的重要桥梁。
真正的数字孪生应涵盖各个角度
下一步是要研究如何以最佳形式将3D结构模型与其他组件的数字模型结合起来。通过创建船舶、发动机和相关系统的虚拟实时副本，我们可以更好地监测、分析以及预测船舶性能，从而实现更加安全高效的运营。
全面开发这些系统需要对数字孪生采取多学科的方法。海军建筑师倾向于将形状、钢材和结构视为数字孪生，而它实际上则要复杂得多，且更为碎片化。例如，目前很少有数字孪生能模拟整艘船的电气系统，尽管它们对运营至关重要，液压系统和燃料系统也是如此。接下来要解决的问题是，使用不同的格式在不同的CAD系统中构建实体零件的数字版本时，这数以百万计的零件要如何协同工作？如何模拟电流、水流以及其他流体？还有一个重要的问题，以数字方式连接所有这些部件如何能使最终买单的人（即船东或租船人）受益？
从NAPA与大宇造船、发动机研究所AVL以及韩国海事大学最近联合开展的一项合作中，我们可以看到实现上述目标所需采取的下一步措施的一个示例。这项合作旨在创建最全面的数字孪生，包括高质量机械数据、船舶性能以及气象数据的获取和处理，以及培训、模拟和人机交互，这对于将有关船舶运营数据的见解转化为实际效率不可或缺。
在组件和系统级别上构建和集成高级实时模型所需的工作量相当庞大，但是这样做绝对是值得的。首先，它有助于我们改进通常被视为数字孪生经典用例的系统仿真：测试子系统之间的兼容性和交互操作性。随着船东逐渐意识到数字化的益处，以及通过更好地融合传感器和自动化系统，在设计阶段证明船舶经得起未来考验的需要，设计师和船厂也开始越来越重视电子和数字解决方案的设计。优化数字孪生模型使我们能够更好地模拟这些系统的交互作用，从而为船舶的数字化设计提供诸如CFD给船体线型那样的支持。
上述合作项目的成果远不止于此。凭借AVL的专业技术和详尽的发动机性能数据库，项目组还可以更大程度地丰富模型细节，更好地模拟发动机表现。例如，添加具有曲柄角度分辨率、实时性且基于物理学的发动机模型，可以将针对不同发动机现象的考虑因素纳入现有的性能模型。
我们要克服的挑战是实时能力与模型保真度之间的权衡；此外，在模型属性和质量方面，合作伙伴之间的互操作性和协调性也需要注意。为了进一步优化操作，我们还可以使用虚拟传感器来创建驾驶台辅助系统和模拟器以进行培训。
此外，数字孪生还可以应用在船舶设计阶段。通过创建发动机和船体线型的精细模型，我们可以仿真和迭代针对特定性能目标进行过优化的更优设计。有了更好的模型和更详细的发动机信息，我们就能更好地利用这些迭代设计解决方案。
编译自The Naval Architect
