隨著船舶設計中使用的3D模型越來越富有綜合性和靈活性，我們可以將其與通過傳感器和其他渠道得來的數據進行融合，以便能全面模擬船舶性能。3D模型可以應用在多個方面，比如預測航行表現和疲勞壽命。這些模型不僅是準確模擬船舶性能的關鍵，而且還有助于縮小當前船舶數據方面存在的差距，使不具備完整傳感器解決方案的船舶能夠享受到類似于物聯網解決方案所帶來的優勢。專家指出，3D建模功能將成為構成船舶工業4.0解決方案的必要組成部分。

目前，要想充分利用大量附加數據還面臨著兩項主要挑戰。第一是要保證所收集數據的準確性，第二是要確保相同的數據不會安靜地長眠在黑匣子里無人問津。它們必須轉化為有用的信息，并且得到最佳的商業化運用。

當前，由于收集的數據不完整，還有很多空白需要填補，這使得上述兩項挑戰更加嚴峻。NAPA航運服務和解決方案公司在今年年初對船東和船管公司進行數據收集和航行優化習慣調查時發現，他們的選擇十分廣泛，但是每一種情況都無一例外地需要依靠船舶午報（noon reports），無論使用的是物聯網還是傳感器解決方案。

這說明我們不見得每次都能得到準確評估船舶性能所需的測量數據。比如說，一艘船可能沒有配備足夠的傳感器來測量螺旋槳的功率，即使配備了，這些數據也不一定會向所有利益相關者披露。船東或許不會將測量結果透露給可能支付油費并對船舶的實際性能水平感興趣的租船人。由于這些因素的影響，無論船舶采用了哪些額外的數據收集方法，午報仍然是目前船東推斷船舶性能水平的主要手段。

但是午報太過簡單，不可避免地具有局限性。如果每天只有一個數據點，我們對它又能有多少信任呢？此外，日間的天氣可能會發生相當大的變化，從而極大地改變消耗量——這些信息午報都無法報告。由于風速、浪高和燃料消耗等因素之間的關系是非線性的，這意味著午報中未包含的天氣變化會對船舶性能產生不合理的影響。

要想讓數據更加豐富，常見的解決方案是將天氣信息與可公開獲得的AIS數據相互關聯，這樣我們就能得到不同船舶位置所對應的天氣狀況。不過這也有其局限性。如果船舶沒有配備傳感器（很多都沒有），則很難對其性能做出假設。

這就是船舶設計和建模領域知識的用武之處！通過獲取來自AIS的所有信息以及有關船舶的公開信息，我們可以運用艦艇水動力學和船舶設計方面的知識和經驗來建造船舶的數字孿生。如此一來，我們就能克服午報缺少可用數據所帶來的一些挑戰。

這給我們提供了可以覆蓋各種船舶的通用模型，為我們奠定了可以開始進行分析的基礎。接下來，我們可以將其與來自安裝有傳感器的船舶的自動化信號相結合，進一步擴充我們的數據集，進而增強這些模型。借助這些數字模型，我們可以提取信息，監控船舶性能，開展更好、更精確的運營計劃。

NAPA的船舶性能模型可以應用水動力模型，該模型考慮到了風、浪、洋流和淺水的耦合效應，并結合了完整的推進系統和發動機系統模型，能夠在船舶的實際位置、實際操作速度以及實際風浪條件下解決所有這些因素的力平衡問題。

可用的數據多了，準確性也會得到提升。在研究船隊的三年時間里（平均而言），收集三個月的數據后，消耗量估值的不確定性小于7.5％。半年后，不確定性就可降到5％以下。

將3D模型和AIS數據結合起來還可以更好地估計疲勞壽命。把這些數據集與先進的結構分析相結合，可以創建出一艘能夠可靠地估算剩余疲勞壽命和安全性能的數字孿生船舶。利用這類信息來給船舶做財務評估也是有可能的。

為這些結構和波浪估計提供基礎的科學研究并不罕見。它們是過去十年來大量實證調查的結果，其潛在效果已經得到驗證。但是，直到最近我們才得以將它們組合成一個簡單易用的程序包。

與其他無損疲勞檢測方法相比，這種組合能夠優化檢測體驗，相比常規測試還能大大降低檢驗成本。

所有這些都可以用來增強船舶運營計劃的準確性，提供有關污垢影響、海洋邊緣、預估消耗量以及航行時間等方面的有用信息。NAPA認為，3D模型的應用在可預見的未來將成為通向更全面的物聯網解決方案的重要橋梁。

下一步是要研究如何以最佳形式將3D結構模型與其他組件的數字模型結合起來。通過創建船舶、發動機和相關系統的虛擬實時副本，我們可以更好地監測、分析以及預測船舶性能，從而實現更加安全高效的運營。

全面開發這些系統需要對數字孿生采取多學科的方法。海軍建筑師傾向于將形狀、鋼材和結構視為數字孿生，而它實際上則要復雜得多，且更為碎片化。例如，目前很少有數字孿生能模擬整艘船的電氣系統，盡管它們對運營至關重要，液壓系統和燃料系統也是如此。接下來要解決的問題是，使用不同的格式在不同的CAD系統中構建實體零件的數字版本時，這數以百萬計的零件要如何協同工作？如何模擬電流、水流以及其他流體？還有一個重要的問題，以數字方式連接所有這些部件如何能使最終買單的人（即船東或租船人）受益？

從NAPA與大宇造船、發動機研究所AVL以及韓國海事大學最近聯合開展的一項合作中，我們可以看到實現上述目標所需采取的下一步措施的一個示例。這項合作旨在創建最全面的數字孿生，包括高質量機械數據、船舶性能以及氣象數據的獲取和處理，以及培訓、模擬和人機交互，這對于將有關船舶運營數據的見解轉化為實際效率不可或缺。

在組件和系統級別上構建和集成高級實時模型所需的工作量相當龐大，但是這樣做絕對是值得的。首先，它有助于我們改進通常被視為數字孿生經典用例的系統仿真：測試子系統之間的兼容性和交互操作性。隨著船東逐漸意識到數字化的益處，以及通過更好地融合傳感器和自動化系統，在設計階段證明船舶經得起未來考驗的需要，設計師和船廠也開始越來越重視電子和數字解決方案的設計。優化數字孿生模型使我們能夠更好地模擬這些系統的交互作用，從而為船舶的數字化設計提供諸如CFD給船體線型那樣的支持。

上述合作項目的成果遠不止于此。憑借AVL的專業技術和詳盡的發動機性能數據庫，項目組還可以更大程度地豐富模型細節，更好地模擬發動機表現。例如，添加具有曲柄角度分辨率、實時性且基于物理學的發動機模型，可以將針對不同發動機現象的考慮因素納入現有的性能模型。

我們要克服的挑戰是實時能力與模型保真度之間的權衡；此外，在模型屬性和質量方面，合作伙伴之間的互操作性和協調性也需要注意。為了進一步優化操作，我們還可以使用虛擬傳感器來創建駕駛臺輔助系統和模擬器以進行培訓。

此外，數字孿生還可以應用在船舶設計階段。通過創建發動機和船體線型的精細模型，我們可以仿真和迭代針對特定性能目標進行過優化的更優設計。有了更好的模型和更詳細的發動機信息，我們就能更好地利用這些迭代設計解決方案。