与使用过的可用材料的可用性和使用相关联的资产性能管理器的制作方法

本公开大体涉及资产管理系统，并且更具体地，涉及用于一个或多个资产的分析系统。

背景技术：

在成本，复杂性，时间和/或准确性方面，管理一个或多个资产可能是繁重的。例如，各个行业经常与优化使用过的可用资产(例如零件，子组件，组件，机器，系统和/或系统群)的可用性和使用方面做斗争。使用过的可用资产通常有利于控制资产的整个生命周期成本。然而，由于资产通常相对于其他资产独特地运行，因此通常难以捕获用于确定每个使用过的可用资产的剩余用途的独特的、特定于资产的变化。此外，常规资产管理系统通常不能充分地最小化资产的整个生命周期成本。这样，可以改善常规资产管理系统。

技术实现要素：

下面提供了本说明书的简化概述，以便提供对本说明书某些方面的基本理解。该概述不是对该说明书的详尽概述。它既不旨在标识本说明书的关键或重要元件，也不旨在描述本说明书的特定实施方式的任何范围或权利要求的任何范围。其独特目的是以简化的形式提出本说明书的一些概念，作为稍后提出的更详细描述的序言。

根据实施例，一种系统包括数字孪生建模部件，数字孪生计分部件和资产计分部件。数字孪生建模部件生成一组数字孪生模型，该数字孪生模型指示与资产关联的一组物理部件的一组虚拟表示。数字孪生计分部件为一组数字孪生模型生成一组数字孪生分数。资产计分部件基于一组数字孪生分数和与资产的预测的操作特性相关联的前馈预测模型(fly-forwardforecastingmodel)，确定指示资产的条件状态的数字孪生分数。在某些实施例中，用户界面部件经由计算设备提供图形用户界面以确定资产的目标数据。在某些实施例中，库存部件基于资产的目标数据和数字孪生分数，确定与该组物理部件关联的一组可用资产的库存数据。在某些实施例中，库存部件将库存数据传输到管理该组可用资产的工作范围系统。

根据实施例，一种方法提供了由包括处理器的系统生成一组数字孪生模型，其指示与资产相关联的一组物理部件的一组虚拟表示。该方法还提供了由系统为一组数字孪生模型生成一组数字孪生分数。此外，该方法提供了由系统基于该组数字孪生分数和与资产的预测的操作特性相关联的前馈预测模型来确定指示资产的条件状态的数字孪生分数。

根据另一个实施例，一种计算机可读存储设备包括指令，该指令响应于执行而使包括处理器的系统执行操作，该操作包括：生成一组数字孪生模型，其指示与资产相关联的一组物理部件的一组虚拟表示；为该组数字孪生模型生成一组数字孪生分数；和基于该组数字孪生分数和与资产的预测的操作特性相关联的前馈预测模型来确定指示资产的条件状态的数字孪生分数。

以下描述和附图阐述了说明书的某些说明性方面。然而，这些方面仅指示可以采用本说明书的原理的各种方式中的几种。当结合附图考虑时，根据本说明书的以下详细描述，本说明书的其他优点和新颖特征将变得显而易见。

附图说明

通过结合附图考虑以下详细描述，本发明的许多方面，实施方式，目的和优点将变得显而易见，其中，相同的附图标记始终指代相同的部件，并且其中：

图1示出了根据本文描述的一个或多个实施例的包括资产性能部件的示例性非限制性系统的框图；

图2示出了根据本文描述的一个或多个实施例的包括资产性能部件的另一示例性非限制性系统的框图；

图3示出了根据本文描述的一个或多个实施例的包括资产性能部件的又一示例性非限制性系统的框图；

图4示出了根据本文描述的一个或多个实施例的用于管理资产性能的示例性非限制性系统；

图5示出了根据本文描述的一个或多个实施例的用于管理资产性能的另一示例性非限制性系统；

图6示出了根据本文描述的一个或多个实施例的与生成数字孪生模型相关的示例性非限制性系统；

图7示出了根据本文描述的一个或多个实施例的与生成数字孪生分数相关联的示例性非限制性系统；

图8示出了根据本文描述的一个或多个实施例的与生成资产的数字孪生计分数据相关联的示例性非限制性系统；

图9示出了根据本文描述的一个或多个实施例的与用户界面相关联的示例性非限制性系统；

图10示出了根据本文描述的一个或多个实施例的用于管理资产性能的示例性非限制性方法的流程图；

图11是示出合适的操作环境的示意性框图；和

图12是样本计算环境的示意性框图。

具体实施方式

现在参考附图描述本公开的各个方面，其中，相似的参考标号始终用于指代相似的元件。在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供对一个或多个方面的透彻理解。但是，应当理解，可以在没有这些具体细节的情况下，或者在其他方法，部件，材料等的情况下实践本公开的某些方面。在其他实例中，以框图形式示出了公知的结构和设备以有助于描述一个或多个方面。

提出了用于管理资产性能的系统和技术。例如，可以优化资产的可用性和/或使用的可用材料的使用。一方面，可以生成资产的子部件的独特数字孪生模型。数字孪生模型可以基于特定子部件在操作过程中所承受的独特工作周期，捕获特定于子部件的困境水平和/或寿命消耗。可以汇总多个数字孪生模型，并将其用于包含子部件的资产的时间检查和/或维护。在实施例中，与特定子部件标识符(例如，零件号，序列号等)有关的数字孪生分数可以存储在表示各种使用资产的整体可用性的数据库中。附加地或替代地，数字孪生分数可以链接到零件标识符，以有助于识别满足资产的期望工作周期的零件。在某些实施例中，可以使用用户界面来识别满足资产的某些标准的可用的使用过的可用资产。在实施例中，可以采用参数前馈建模技术来为资产的每个子部件计算最大可接受的数字孪生分数，以实现资产的整体预期工作周期。在另一个实施例中，供应与需求求解器可以识别一组匹配，其中可接受的库存可以支持所需需求。在某些实施例中，与供应与需求求解器相关联的信息可以被传送到用于确定接受，订购和/或消耗可接受零件的工作范围工具。在某些实施例中，用户界面可以汇总要订购的零件，以促进最大限度地使用使用过的可用资产。在某些实施例中，数字孪生分数可以链接到配置数据，以用作放置到库存中的使用过的可用部件的剩余有效性指示器。可以使用操作目标和/或维护目标以及前馈预测模型来确定可以使得能够满足预定的维护目标的最大可接受数字孪生分数(例如，与资产中的每个物理部件相关联)。最大可接受的数字孪生分数也可以与库存系统一起使用，以找到可以用来成功满足维护目标的可接受的使用过的可用材料。这样，可以确定资产中各个零件的健康状态。例如，可以更准确地估计资产的寿命消耗和/或可以更准确地确定资产的未来寿命潜力。此外，可以改善资产的性能。

首先参考图1，示出了根据本文描述的一个或多个实施例的管理资产性能的示例系统100。系统100可以在与企业应用相关联的服务器的网络上或与其结合地实现。在一示例中，系统100可以与基于云的平台相关联。系统100可以被各种系统采用，例如但不限于资产系统，设备系统，航空系统，发动机系统，飞行器系统，汽车系统，水运系统，工业设备系统，工业系统，制造系统，工厂系统，能源管理系统，电网系统，供水系统，运输系统，医疗保健系统，炼油系统，媒体系统，金融系统，数据驱动的预测系统，诊断系统，数字系统，资产管理系统，机器学习系统，神经网络系统，网络系统，计算机网络系统，通信系统，企业系统等。在一个示例中，系统100可以与平台即服务(paas)和/或资产性能管理系统相关联。在另一个示例中，系统100可以是数字预测系统。而且，系统100和/或系统100的部件可以被用来使用硬件和/或软件来解决本质上技术含量高的(例如，与机器学习有关，与数字数据处理预测有关，与数字数据分析有关，等)、不是抽象的、并且不能作为人类的一系列心理行为来执行的问题。

系统100包括资产性能部件102。在图1中，资产性能部件102可以包括数字孪生建模部件104，数字孪生计分部件106和/或资产计分部件108。在本公开中解释的系统，装置或处理的各方面可以构成体现在机器中的机器可执行部件，例如体现在与一个或多个机器相关联的一个或多个计算机可读介质(或媒体)中的机器可执行部件。当由一个或多个机器(例如计算机，计算设备，虚拟机等)执行时，这样的部件可以使机器执行所描述的操作。系统100(例如，资产性能部件102)可以包括用于存储计算机可执行部件和指令的存储器110。系统100(例如，资产性能部件102)可以进一步包括处理器112，以促进系统100(例如，资产性能部件102)对指令(例如，计算机可执行部件和指令)的操作。

资产性能部件102(例如，数字孪生建模部件104)可以接收资产数据114。可以从一个或多个数据库(例如，数据库网络)接收资产数据114。例如，资产数据114可以与存储在服务器网络上的数据相关联。资产数据114也可以是由一个或多个资产生成和/或与一个或多个资产相关联的存储数据的语料库。例如，资产数据114可以由一个或多个资产、一个或多个设备、一个或多个机器和/或一种或多种类型的设备生成和/或与一个或多个资产、一个或多个设备、一个或多个机器和/或一种或多种类型的设备相关联。在实施例中，资产数据114可以由资产的一组物理部件生成和/或与资产的一组物理部件相关联。例如，一组物理部件可以是资产的一个或多个子部件。资产数据114可以是例如时间序列数据。资产数据114也可以是例如包括一个或多个参数和相应数据值的参数数据。资产数据114可以包括各种数据，例如但不限于传感器数据，处理数据(例如，处理日志数据)，操作数据，监控数据，维护数据，参数数据，测量数据，性能数据，工业数据，制造数据，机器数据，资产数据，设备数据，装置数据，仪表数据，实时数据，历史数据，环境数据，音频数据，图像数据，视频数据和/或其他数据。资产数据114也可以是编码数据，处理的数据和/或原始数据。在非限制性示例中，资产数据114可以与从用于飞行器的发动机的多个物理部件收集的数据相关联。但是，应当理解，资产数据114可以与不同的系统相关联，例如但不限于不同的资产系统，不同的设备系统，不同的航空系统，不同的飞行器系统，汽车系统，船舶系统，工业设备系统，工业系统，制造系统，工厂系统，能源管理系统，电网系统，供水系统，运输系统，医疗系统，炼油系统，媒体系统，金融系统，数据驱动的预测系统，诊断系统，数字系统，资产管理系统，机器学习系统，神经网络系统，网络系统，计算机网络系统，通信系统，企业系统等。

数字孪生建模部件104可以生成一组数字孪生模型，该数字孪生模型指示与资产数据114相关联的一组物理部件的一组虚拟表示。例如，数字孪生建模部件104可以生成一组数字孪生模型，该数字孪生模型指示与资产数据114相关联的资产的一组物理部件的一组虚拟表示。在示例中，数字孪生建模部件104可以为与资产数据114相关联的资产的第一物理部件生成第一数字孪生模型，为与资产数据114相关联的资产的第二物理部件生成第二数字孪生模型，为与资产数据114相关联的资产的第三物理部件生成第三数字孪生模型等。来自该组数字孪生模型的数字孪生模型可以是与资产数据114相关联的资产的物理部件的数字副本。附加地或可替代地，来自该组数字孪生模型的数字孪生模型可以是与资产数据114相关联的资产的物理部件内的一个或多个故障模式(例如，一个或多个独特故障模式)的数字副本。在一方面，可以基于与资产数据114相关联的一个或多个人工智能技术、一个或多个机器学习技术和/或一个或多个其他数据分析技术来生成来自该组数字孪生模型的数字孪生模型。在一方面，来自该组数字孪生模型的数字孪生模型可以是与资产数据114相关联的物理部件的数字仿真，其为物理部件提供近似实时状态和/或近似实时条件。在实施例中，来自该组数字孪生模型的数字孪生模型可以是三维模型，该三维模型提供关于与资产数据114相关联的资产的物理部件的近似实时信息。在另一个实施例中，来自该组数字孪生模型的数字孪生模型可以为与资产数据114相关联的资产的物理部件提供关于与流体动力学，热力学，燃烧动力学，空气力学，性能，可操作性和/或一个或多个其他困境指示器(例如，零件困境)相关的信息的近似实时信息。在一方面，来自该组数字孪生模型的数字孪生模型可以对与资产数据114相关联的资产的物理部件的损坏的进展、折旧程度的进展、维修成本的进展、替换成本的进展和/或材料需求进行建模。在实施例中，数字孪生建模部件104可以将物理部件的零件号和/或序列号链接到来自该组数字孪生模型的相应的数字孪生模型。

在某些实施例中，为了促进数字孪生模型的生成，数字孪生建模部件104可以关于资产数据114进行学习。数字孪生建模部件104还可以关于资产数据114生成推论。数字孪生建模部件104可以例如采用人工智能原理来促进关于资产数据114的学习和/或生成推论。数字孪生建模部件104可以显式地或隐式地关于资产数据114进行学习。附加地或替代地，数字孪生建模部件104还可以采用自动分类系统和/或自动分类处理来促进关于资产数据114的学习和/或生成推论。例如，数字孪生建模部件104可以采用基于概率和/或基于统计的分析(例如，考虑到分析效用和成本)来关于资产数据114进行学习和/或生成推论。数字孪生建模部件104可以使用例如支持向量机(svm)分类器来关于资产数据114进行学习和/或生成推论。附加地或替代地，数字孪生建模部件104可以采用与贝叶斯网络、决策树和/或概率分类模型相关联的其他分类技术。数字孪生建模部件104所采用的分类器可以被明确地训练(例如，经由通用训练数据)以及被隐式地训练(例如，经由观察用户行为，接收外部信息)。例如，对于众所周知的svm，svm经由分类器构造器和功能选择模块内的学习或训练阶段进行配置。分类器是将输入属性向量x＝(x1，x2，x3，x4，xn)映射到输入属于类的置信度的函数-即f(x)＝置信度(类)。在某些实施方式中，数字孪生建模部件104还可以使用除了存储数据之外的历史数据来促进关于资产数据114的学习和/或生成推论和/或识别与一个或多个其他资产(例如，具有类似工作周期的一个或多个其他资产，等)的相似性。

一方面，数字孪生建模部件104可以包括推论部件，其可以部分利用基于推论的方案来进一步增强数字孪生建模部件104的自动化方面，以促进关于资产数据114的学习和/或生成推论和/或识别与一个或多个其他资产(例如，具有类似工作周期的一个或多个其他资产等)的相似性。数字孪生建模部件104可以采用任何合适的基于机器学习的技术、基于统计的技术和/或基于概率的技术。例如，数字孪生建模部件104可以采用专家系统，模糊逻辑，svm，隐马尔可夫模型(hmm)，贪婪搜索算法，基于规则的系统，贝叶斯模型(例如贝叶斯网络)，神经网络，其他非线性训练技术，数据融合，基于效用的分析系统，采用贝叶斯模型的系统等。在另一方面，数字孪生建模部件104可以执行与资产数据114相关联的一组机器学习计算。例如，数字孪生建模部件104可以执行一组聚类机器学习计算，一组决策树机器学习计算，一组基于实例的机器学习计算，一组回归机器学习计算，一组正则化机器学习计算，一组规则学习机器学习计算，一组贝叶斯机器学习计算，一组深度玻尔兹曼机器计算，一组深度信念网络计算，一组卷积神经网络计算，一组堆叠自动编码器计算和/或一组不同的机器学习计算。

数字孪生计分部件106可以为该组数字孪生模型生成一组数字孪生分数。来自该组数字孪生分数的数字孪生分数可以指示由相应的数字孪生模型表示的与资产数据114相关联的资产的物理部件的条件状态(例如，预测条件状态)。例如，来自该组数字孪生分数的数字孪生分数可以指示由相应的数字孪生模型表示的与资产数据114相关联的资产的物理部件的健康状态(例如，预测的健康状态)。在一方面，来自该组数字孪生分数的数字孪生分数可以指示由相应的数字孪生模型表示的与资产数据114相关联的资产的物理部件的困境程度(例如，预测的困境水平)。在实施例中，来自该组数字孪生分数的数字孪生分数可以是从0到10的分数，其指示由相应的数字孪生模型表示的与资产数据114相关联的资产的物理部件的困境水平(例如，预测的困境水平)。例如，较低的数字孪生分数可以表示物理部件的较低困境水平(例如，较低的预测的困境水平)，而较高的数字孪生分数可以表示物理部件的较高的困境水平(例如，较低的预测的困境水平)。在示例中，数字孪生计分部件106可以生成由第一数字孪生模型表示的与资产数据114相关联的资产的第一物理部件的第一数字孪生分数，由第二数字孪生模型表示的资产数据114相关联的资产的第二物理部件的第二数字孪生分数与，由第三数字孪生模型表示的与资产数据114相关联的资产的第三物理部件的第三数字孪生分数等。

资产计分部件108可以为与资产数据114相关联的资产生成数字孪生计分数据116。数字孪生计分数据116可以包括例如与资产数据114相关联的资产的数字孪生分数。资产的数字孪生分数可以是例如使目标数据(例如，资产的任务，资产的未来维护目标等)能够通过使用可接受的可用材料而被满足的与资产数据114关联的资产的最大可接受数字孪生分数。例如，与资产数据114相关联的资产的数字孪生分数可以是资产的最大可接受数字孪生分数，其使得目标数据能够满足与可接受的可用材料的使用相关联的定义的标准。资产计分部件108可以基于该组数字孪生分数来确定数字孪生计分数据116(例如，与资产数据114相关联的资产的数字孪生分数)。附加地或可替代地，资产计分部件108可以基于与资产数据114相关联的资产的预测的操作特性相关联的前馈预测模型，来确定数字孪生计分数据116(例如，与资产数据114相关联的资产的数字孪生计分)。在实施例中，前馈预测模型可以确定给定资产的历史操作方式和/或位置，并且可以使用该信息来预测导致给定资产的下一次维护事件的一个或多个未来操作条件。在一方面，资产数据114可以用作返回一个或多个数字孪生模型的输入，以预测资产的数字孪生分数(例如，最大可接受的数字孪生分数)，这将使资产能够满足下一个工作周期目标。例如，在资产需要1000个周期来达到下一次维护事件的情况下，可以确定资产的数字孪生分数(例如，最大可接受的数字孪生分数)，其可以传递至少1000个周期的附加操作时间。附加地或替代地，资产计分部件108可以基于与资产数据114相关联的资产的该组物理部件的配置数据来确定数字孪生计分数据116(例如，与资产数据114相关联的资产的数字孪生分数)。与资产数据114相关联的资产的数字孪生分数可以指示与资产数据114相关联的资产的条件状态(例如，预测的条件状态)。例如，与资产数据114相关联的资产的数字孪生分数可以指示与资产数据114相关联的资产的健康状态(例如，预测的健康状态)。在一方面，与资产数据114相关联的资产的数字孪生分数可以指示与资产数据114相关联的资产的困境程度(例如，预测的困境水平)。在实施例中，与资产数据114相关联的资产的数字孪生分数可以是从0到10的分数，其指示与资产数据114相关联的资产的困境水平(例如，预测的困境水平)。例如，较低的数字孪生分数可以表示与资产数据114相关联的资产的较低的困境水平(例如，较低的预测的困境水平)，而较高的数字孪生分数可以表示与资产数据114相关联的资产的较高的困境水平(例如，较高的预测的困境水平)。在非限制性示例中，与资产数据114相关联的资产的数字孪生分数可以对与资产数据114相关联的资产的损害的进展进行建模(例如，资产的数字孪生分数可以确定资产已被如何操作，预测需要维护之前的剩余周期数等)。在实施例中，资产计分部件108可以基于与资产数据114相关联的资产的一组操作参数(例如，一组历史参数)，执行前馈预测模型。例如，前馈预测模型可以采用与资产数据114相关联的资产的该组操作参数(例如，该组历史参数)来预测与资产数据114相关联的资产的未来操作特性。附加地或替代地，资产计分部件108可以基于与资产数据114相关联的资产的环境数据来执行前馈预测模型。例如，前馈预测模型可以采用与资产数据114关联的资产的环境数据来预测与资产数据114关联的资产的未来操作特性。环境数据可以包括例如关于在与资产数据114相关联的资产的操作期间的地理位置、在与资产数据114相关联的资产的操作期间的地理位置的温度、在与资产数据114相关联的资产的操作期间的地理位置的湿度、在与资产数据114相关联的资产的操作期间的地理位置处空气中的盐含量、在与资产数据114相关联的资产的操作期间的地理位置处的天气状况、在与资产数据114相关联的资产的操作期间的地理位置处的空气污染量、在与资产数据114相关联的资产的操作期间的地理位置处的空气中的悬浮颗粒量的信息和/或与资产数据114相关联的资产的操作相关联的其它环境信息。在一个示例中，资产计分部件108可以基于环境数据来修改与资产数据114相关联的资产的数字孪生分数。例如，环境数据可以用作与资产数据114相关联的资产的数字孪生分数的权重。

在某些实施例中，为了促进数字孪生计分数据116的生成，资产计分部件108可以进行与前馈预测模型相关联的学习。资产计分部件108还可以生成与前馈预测模型相关联的推论。资产计分部件108可以例如采用人工智能原理来促进与前馈预测模型相关联的学习和/或生成与前馈预测模型相关联的推论。资产计分部件108可以显式地或隐式地进行与前馈预测模型相关联的学习。附加地或替代地，资产计分部件108还可以采用自动分类系统和/或自动分类处理来促进与前馈预测模型相关联的学习和/或生成与前馈预测模型相关联的推论。例如，资产计分部件108可以采用基于概率和/或基于统计的分析(例如，考虑到分析效用和成本)来与前馈预测模型相关联的学习和/或生成与前馈预测模型相关联的推论。资产计分部件108可以采用例如支持向量机(svm)分类器来与前馈预测模型相关联的学习和/或生成与前馈预测模型相关联的推论。附加地或替代地，资产计分部件108可以采用与贝叶斯网络，决策树和/或概率分类模型相关联的其他分类技术。资产计分部件108所采用的分类器可以被明确地训练(例如，经由通用训练数据)以及被隐式地训练(例如，通过观察用户行为，接收外部信息)。例如，对于众所周知的svm，svm经由分类器构造器和功能选择模块中的学习或训练阶段进行配置。分类器是将输入属性向量x＝(x1，x2，x3，x4，xn)映射到输入属于类的置信度的函数-即f(x)＝置信度(类)。在某些实施方式中，资产计分部件108还可以使用除存储数据之外的历史数据，以促进学习和/或生成与前馈预测模型相关联的推论。

在一方面，资产计分部件108可以包括推论部件，其可以部分利用基于推论的方案来进一步增强资产计分部件108的自动化方面，以促进与前馈预测模型相关联的学习和/或生成与前馈预测模型相关联的推论。资产计分部件108可以采用任何合适的基于机器学习的技术，基于统计的技术和/或基于概率的技术。例如，资产计分部件108可以采用专家系统，模糊逻辑，svm，隐马尔可夫模型(hmm)，贪婪搜索算法，基于规则的系统，贝叶斯模型(例如贝叶斯网络)，神经网络，其他非线性训练技术，数据融合，基于效用的分析系统，采用贝叶斯模型的系统等。在另一方面，资产计分部件108可以进行与前馈预测模型相关联的一组机器学习计算。例如，资产计分部件108可以进行一组聚类机器学习计算，一组决策树机器学习计算，一组基于实例的机器学习计算，一组回归机器学习计算，一组正则化机器学习计算，一组规则学习机器学习计算，一组贝叶斯机器学习计算，一组深度玻尔兹曼机器计算，一组深度信念网络计算，一组卷积神经网络计算，一组堆叠自动编码器计算和/或一组不同的机器学习计算。

尽管图1描绘了资产性能部件102中的单独部件，但是应当理解，可以在公共部件中实现两个或更多部件。此外，可以理解，系统100和/或资产性能部件102的设计可以包括其他部件选择，部件放置等，以促进资产性能管理。

图2示出了根据本文所述的一个或多个实施例的示例性非限制性系统200的框图。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

系统200包括资产性能部件102。在图2中，资产性能部件102可以包括数字孪生建模部件104，数字孪生计分部件106，资产计分部件108，存储器110，处理器112和/或用户界面部件202。用户界面部件202可以生成用于计算设备的图形用户界面。用户界面部件202所生成的图形用户界面可以例如引导用户识别目标资产的可用的使用过的材料。在实施例中，用户界面部件202可以经由计算设备提供图形用户界面，以例如确定与资产数据114相关联的资产的目标数据。例如，数字孪生计分数据116可以部分地基于由用户界面部件202所呈现的信息来生成。在一示例中，用户界面部件202可以采用经由图形用户界面接收的数据来确定与资产数据114相关联的资产的目标数据。在非限制性示例中，用户界面部件202可以呈现一个或多个参数和/或一个或多个选项，以促进确定与资产数据114相关联的资产的目标数据。例如，基于一个或多个参数和/或一个或多个选项的选择，用户界面部件202可以确定与资产数据114相关联的资产的目标数据。在一个示例中，目标数据可以是资产的任务(例如，进行1800个周期等)。在另一实施例中，用户界面部件202可以经由计算设备提供图形用户界面，以例如有助于识别与资产数据114相关联的资产的一个或多个使用过的资产。例如，用户界面部件202可以经由计算设备提供图形用户界面，以例如有助于识别满足资产的目标(例如，期望的任务)的一个或多个使用过的资产。在一个示例中，如果资产的1800个周期定义了目标，则可以确定哪些使用过的零件是可用的，其具有足够的剩余用途来传递至少1800个周期的附加操作。该计算设备可以是例如具有显示器的设备，例如但不限于用户设备，计算机，台式计算机，膝上型计算机，监控器设备，智能设备，智能电话，移动设备，手持设备，平板电脑，便携式计算设备或与显示器相关联的另一种类型的计算设备。在一方面，用户界面部件202可以生成图形用户界面以供显示，该图形用户界面以人类可解释的格式输出与资产数据114和/或数字孪生计分数据116相关联的信息。用户界面部件202可以渲染显示器以呈现和/或接收来自计算设备的数据。在一个示例中，资产数据114和/或数字孪生计分数据116可以经由虚拟表示来数字地呈现。此外，资产数据114和/或数字孪生计分数据116可以是静态的或动态更新的，以在发生变化或事件时实时提供信息。

尽管图2描绘了资产性能部件102中的单独部件，但是应当理解，可以在公共部件中实现两个或更多部件。此外，可以理解，系统200和/或资产性能部件102的设计可以包括其他部件选择，部件放置等，以促进资产性能管理。

图3示出了根据本文所述的一个或多个实施例的示例性非限制性系统300的框图。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

系统300包括资产性能部件102。在图3中，资产性能部件102可以包括数字孪生建模部件104，数字孪生计分部件106，资产计分部件108，存储器110，处理器112，用户界面部件202和/或库存部件302。库存部件302可以管理一组资产和/或资产的一组物理部件的库存。在一个方面，库存部件302可以被配置为供应与需求求解器，其识别满足与资产数据114相关联的资产的数字孪生分数有关的标准的库存存在的匹配。例如，库存部件302可以确定来自满足与资产数据114相关联的资产的数字孪生分数有关的标准的库存中的一组资产的资产的可用性。在一个示例中，库存部件302可以确定来自满足与资产数据114相关联的资产的目标(例如，期望的未来任务)的库存中的一组资产的资产的可用性。在实施例中，库存部件302可以基于目标数据和与资产数据114相关联的资产的数字孪生分数，来确定与一组物理部件相关联的一组可用资产的库存数据。在一方面，该组可用资产可以是可用资产的库存，其可以在例如与资产数据114相关联的资产的维护处理期间替换与资产数据114相关联的资产。在实施例中，库存部件302可以被配置为匹配满足资产的最大可接受数字孪生分数的库存存在。在另一个实施例中，库存部件302可以被配置为将信号发送到工作范围工具(例如，工作范围系统)用于接受。

尽管图3描绘了资产性能部件102中的单独部件，但是应当理解，可以在公共部件中实现两个或更多部件。此外，可以理解，系统300和/或资产性能部件102的设计可以包括其他部件选择，部件放置等，以促进资产性能管理。

现在参考图4，示出了根据本文所述的一个或多个实施例的系统400的非限制性实施方式。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

系统400包括一个或多个资产4021-n和数据库404。一个或多个资产4021-n和数据库404可以经由网络406进行通信。网络406可以是通信网络，无线网络，互联网协议(ip)网络，ip语音网络，互联网电话网络，移动电信网络和/或另一类型的网络。来自一个或多个资产4021-n的资产可以是设备，机器，车辆，装备，飞行器，发动机，传感器设备，控制器设备(例如，可编程逻辑控制器)，监督控制和数据采集(scada)设备，仪表设备，监控设备(例如，远程监控设备)，边缘设备，网络连接设备，远程终端单元，遥测设备，用户界面设备(例如，人机界面设备)，历史设备，计算设备和/或其他类型的资产。一个或多个资产4021-n还可以经由网络406将资产数据114提供给数据库404。此外，数据库404可以存储资产数据114。附加地或可替代地，在某些实施例中，数据库404可以存储由资产性能部件102生成的数字孪生计分数据116。例如，在某些实施例中，数据库404可以附加地或替代地存储一个或多个前馈导出的数据集，一个或多个数字孪生模型输出(例如，数字孪生模型的结果)和/或与数字孪生计分相关联的其他信息。在一方面，数据库404和资产性能部件102可以经由网络408进行通信。网络408可以是通信网络，无线网络，ip网络，ip语音网络，互联网电话网络，移动电信网络和/或另一类型的网络。在实施例中，资产性能部件102可以从数据库404接收资产数据114。例如，资产性能部件102可以经由网络408接收资产数据114。在某些实施例中，数据库404可以使得能够维持数字孪生模型和与零件标识符(例如，零件号，序列号等)相关联的分数之间的链接。例如，数据库404可以将零件标识符(例如，零件号，序列号，顾客数据，零件的年龄数据等)与一个或多个数字孪生模型和/或数字孪生模型分数链接。此外，数据库404的至少一部分可以被配置为用于满足未来资产消耗需求的可用零件的数字仓库。

与常规系统相比，资产性能部件102可以提供改进的准确性，减少的时间，更大的能力和/或更大的适应性，以管理与资产数据114相关联的资产的性能和/或维护。另外，通过采用资产性能部件102，可以改善一个或多个资产4021-n的性能，可以降低与一个或多个资产4021-n相关的成本，并且可以使与一个或多个资产4021-n相关的风险最小化。此外，应当理解，资产性能部件102的技术特征以及一个或多个资产4021-n的性能和/或维护的管理等本质上是技术含量高的，并且不是抽象的思想。处理资产数据114的资产性能部件102的处理线程不能由人来进行(例如，大于单一人脑的能力)。例如，与单一人脑在同一时间段内可以处理的量，速度和数据类型相比，资产性能部件102在一定时间段内处理的资产数据114的量，分析的资产数据114的处理速度和/或资产数据114的数据类型可以分别更大，更快且不同。此外，资产性能部件102分析的资产数据114可以是与一个或多个资产4021-n相关联的原始数据和/或压缩数据。此外，资产性能部件102可以完全运行以进行一个或多个其他功能(例如，完全上电，完全执行等)，同时还分析资产数据114。

现在参考图5，示出了根据本文描述的一个或多个实施例的系统500的非限制性实施方式。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

系统500包括资产性能部件102和工作范围系统502。工作范围系统502可以提供数字解决方案，用于提高与资产数据114相关联的一个或多个资产的性能和/或生产率。例如，工作范围系统502可以为与资产数据114相关联的一个或多个资产提供健康分析。在实施例中，资产性能部件102可以与工作范围系统502通信。在另一个实施例中，资产性能部件102可以被集成在工作范围系统502中。在一方面，工作范围系统502可以管理可以替换与资产数据114相关联的资产的一组可用资产。在另一方面，工作范围系统502可以基于由资产性能部件102生成的数字孪生计分数据116，促进库存中一个或多个资产的订购和/或消耗。在实施例中，资产性能部件102的库存部件302可以将库存数据传输到工作范围系统502，以促进库存中的一个或多个资产的订购和/或消耗。

现在参考图6，示出了根据本文描述的一个或多个实施例的系统600的非限制性实施方式。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

系统600包括资产602。资产602可以是与维护周期相关的机器。例如，资产602可以是机器，设备，车辆，装备，飞行器，发动机，传感器设备，控制器设备(例如，可编程逻辑控制器)，scada设备，仪表设备，监控设备(例如，远程监控设备)，边缘设备，联网设备，远程终端单元，遥测设备，用户界面设备(例如，人机界面设备)，历史设备，计算设备和/或其他类型的资产。资产602可以包括一组物理部件6041-n。一组物理部件6041-n可以是资产602的一个或多个物理部件。例如，一组物理部件6041-n可以是资产602的一个或多个子部件。在非限制性示例中，资产602可以是发动机。此外，一组物理部件6041-n可以包括资产602的涡轮叶片，资产602的压缩机，具有高操作温度的资产602的部件，资产602的高速部件，资产602的高应力部件和/或资产602的另一物理部件。在实施例中，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以为一组物理部件6041-n生成一组数字孪生模型6061-n。例如，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以为资产602的第一物理部件6041生成第一数字孪生模型6061，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以为资产602的第二物理部件6042生成第二数字孪生模型6062，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以为资产602的第n物理部件604n生成第n数字孪生模型606n，等等，其中n是整数。在实施例中，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以基于该组物理部件6041-n的资产数据114来生成该组数字孪生模型6061-n。例如，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以基于资产602的第一物理部件6041的第一资产数据1141生成第一数字孪生模型6061，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以基于资产602的第二物理部件6042的第二资产数据1142生成第二数字孪生模型6062，资产性能部件102(例如，资产性能部件102的数字孪生建模部件104)可以基于资产602的第n物理部件604n的第n资产数据114n生成第n数字孪生模型606n，等等。在某些实施例中，可以将多于一个的数字孪生模型应用于一组物理部件6041-n中的单个物理部件，以例如预测单个物理部件上的多个潜在故障模式的状态的困境。在一个方面，应用于单个物理部件的多于一个的数字孪生模型可以彼此竞争，以确定最大极限故障模式，从而确定单个物理部件的总体数字孪生分数。例如，在散裂、蠕变和破裂是单个物理部件上的三个竞争故障模式，并且散裂的数字孪生分数为3.2/10，蠕变为7.8/10，以及破裂为5.5/10的情况下，单个物理部件的合计的最大极限数字孪生分数可以等于7.8/10。

该组数字孪生模型6061-n可以是资产602的该组物理部件6041-n的一组虚拟表示。例如，第一数字孪生模型6061可以是资产602的第一物理部件6041的第一虚拟表示，第二数字孪生模型6062可以是资产602的第二物理部件6042的第二虚拟表示，第n数字孪生模型606n可以是资产602的第n物理部件604n的第n虚拟表示，等等。在一方面，来自该组数字孪生模型6061-n的数字孪生模型可以是资产602的相应物理部件的数字副本。在另一方面，可以基于一个或多个人工智能技术、一个或多个机器学习技术和/或与资产数据1141-n相关的一个或多个其他数据分析技术(例如，由资产性能部件102的数字孪生建模部件104)生成该组数字孪生模型6061-n。在一方面，该组数字孪生模型6061-n可以是资产602的相应物理部件的数字仿真，其为物理部件6041-n提供近似实时状态和/或近似实时条件。在实施例中，该组数字孪生模型6061-n可以是三维模型，其提供关于资产602的相应物理部件的近似实时信息。例如，该组数字孪生模型6061-n可以是三维模型，其提供有关资产602的相应物理部件的健康状态的近似实时信息。在另一个实施例中，该组数字孪生模型6061-n可以提供关于与资产602的相应物理部件的流体动力学、热力学、燃烧动力学、空气力学、性能、可操作性和/或一个或多个其他困境指示器(例如，零件困境)相关联的信息的近似实时信息。在另一方面，该组数字孪生模型6061-n可以对资产602的相应物理部件6041-n的损坏的进展，折旧程度的进展，维修成本的进展，替换成本的进展和/或材料需求进行建模。

现在参考图7，示出了根据本文描述的一个或多个实施例的系统700的非限制性实施方式。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

系统700包括一组数字孪生模型6061-n和一组数字孪生分数7021-n。可以(例如，由资产性能部件102的数字孪生计分部件106)为该组数字孪生模型6061-n生成该组数字孪生分数7021-n。例如，资产性能部件102的数字孪生计分部件106可以为第一数字孪生模型6061生成第一数字孪生分数7021，资产性能部件102的数字孪生计分部件106可以为第二数字孪生模型6062生成第二数字孪生分数7022，资产性能部件102的数字孪生计分部件106可以为第n数字孪生模型606n生成第n数字孪生计分702n，等等。该组数字孪生分数7021-n可以指示由相应的数字孪生模型6061-n表示的资产602的相应物理部件的条件状态(例如，预测的条件状态)。例如，该组数字孪生分数7021-n可以指示由相应的数字孪生模型6061-n表示的资产602的相应物理部件的健康状态(例如，预测的健康状态)。附加地或替代地，该组数字孪生分数7021-n可以指示来自该组物理部件6041-n的单个物理部件上的单独的故障模式的困境水平。在一方面，该组数字孪生分数7021-n可以指示由相应的数字孪生模型6061-n表示的资产602的相应物理部件的困境程度(例如，预测的困境水平)。在实施例中，来自该组数字孪生分数7021-n的数字孪生分数可以是从0到10的分数，其指示由相应的数字孪生模型6061-n表示的资产602的相应物理部件的困境水平(例如，预测的困境水平)。例如，较低的数字孪生分数可以表示物理部件的较低的困境水平(例如，较低的预测的困境水平)，而较高的数字孪生分数可以表示物理部件的较高的困境水平(例如，较高的预测的困境水平)。在示例中，数字孪生计分部件106可以为由第一数字孪生模型6061表示的资产602的第一物理部件6041生成第一数字孪生分数7021，数字孪生计分部件106可以为由第二数字孪生模型6062表示的资产602的第二物理部件6042生成第二数字孪生分数7022，数字孪生计分部件106可以为由第n数字孪生模型606n表示的资产602的第n物理部件604n生成第n数字孪生分数702n，等等。在某些实施例中，数字孪生计分部件106可以在第n物理部件上生成第p故障模式，其中p是整数。

现在参考图8，示出了根据本文所述的一个或多个实施例的系统800的非限制性实施方式。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

系统800包括资产计分部件108。资产计分部件108可以接收该组数字孪生分数7021-n和前馈预测模型802。基于该组数字孪生分数7021-n和/或前馈预测模型802，资产计分部件108可以生成数字孪生计分数据116。前馈预测模型802可以与资产602和/或该组物理部件6041-n的预测的操作特性相关联。例如，前馈预测模型802可以采用资产602的一组操作参数(例如，一组历史参数)来预测资产602的未来操作特性。附加地或可替代地，可以基于与资产602的环境暴露相关联的环境数据来生成前馈预测模型802。例如，前馈预测模型可以采用资产602的环境数据来预测资产602的未来操作特性。环境数据可以包括例如资产602的操作期间的地理位置的信息，资产602的操作期间的地理位置处的温度，资产602的操作期间的地理位置处的湿度，资产602的操作期间的地理位置处的空气中的盐含量，资产602的操作期间的地理位置处的天气状况，资产602的操作期间的地理位置处的空气污染量，资产602的操作期间的地理位置处的空气中的悬浮颗粒量，和/或与资产602的操作相关联的其他环境信息。数字孪生计分数据116可以包括例如资产602的数字孪生分数。资产602的数字孪生分数可以指示资产602的条件状态(例如，预测的条件状态)。例如，资产602的数字孪生分数可以指示资产602的健康状态(例如，预测的健康状态)。在示例中，可以以整体资产级别(例如，由多个子资产或物理部件组成的机器资产等)汇总一个或多个物理部件和/或一个或多个故障模式的一个或多个数字孪生分数。

现在参考图9，示出了根据本文描述的一个或多个实施例的系统900的非限制性实施方式。为了简洁起见，省略了在此描述的其他实施例中采用的类似元件的重复描述。

在实施例中，系统900可以与用户界面部件202，库存部件302和/或工作范围系统502相关联。系统900示出了示例性用户界面902。用户界面902可以是呈现(例如，显示)图形元素的图形用户界面。在一示例中，用户界面902可以与企业应用相关联。用户界面902可以呈现在显示设备的显示器上，该显示设备例如但不限于计算设备，智能设备，智能电话，移动设备，手持设备，平板电脑，计算机，台式计算机，膝上型计算机，监控器设备，便携式计算设备或另一种类型的显示设备。在一方面，用户界面902可以呈现资产信息904。资产信息904可以与资产性能部件102所采用和/或生成的信息相关联。例如，资产信息904可以呈现与一个或多个资产和/或资产的一种或多种物理部件有关的信息。资产信息904可以以人类可解释的格式呈现。例如，资产信息904可以被呈现为图形元素，诸如但不限于通知，消息，图标，缩略图，对话框，交互式工具，小部件，图形，模型或其他类型的图形元素。在实施例中，资产信息904可以包括资产的描述。另外或可替代地，资产信息904可以包括资产的目标数据(例如，任务)。另外地或可替代地，资产信息904可以包括资产的地理位置。另外或可替代地，资产信息904可以提供资产的模型(例如，三维模型)。附加地或可替代地，资产信息904可以包括资产的客户信息和/或合同特定信息(例如，维护协议条款和条件，备用资产状态等)。附加地或替代地，资产信息904可以包括查看资产的历史维护记录的能力，以帮助工作范围专业人员确定有利于满足客户相对于资产的目标数据(例如，任务)的承诺的最佳工作范围和/或使用使用过的可用材料。另外地或替代地，资产信息904可以包括与资产中的单独的物理部件的一个或多个零件号，一个或多个序列号和/或其他信息相关联的配置数据。在另一方面，用户界面902可以呈现资产部分906。资产部分906可以包括与资产信息904相关联的资产的一个或多个物理部件的信息。例如，资产部分906可以包括与一个或多个物理部件有关的物理部件信息9061-n。资产部分906可以以人类可解释的格式呈现。例如，资产部分906可以被呈现为图形元素，诸如但不限于通知，消息，图标，缩略图，对话框，交互式工具，小部件，图形，模型或其他类型的图形元素。在实施例中，资产部分906可以包括与资产信息904相关联的资产的物理部件的列表。附加地或替代地，资产部分906可以包括与资产信息904相关联的资产的物理部件的列表的需求。另外地或替代地，资产部分906可以包括与资产信息904相关联的资产的一个或多个物理部件的一个或多个数字孪生分数和/或单独的物理部件上的一个或多个故障模式。

在另一方面，用户界面902可以呈现库存部分908。库存部分908可以包括与可用资产的库存有关的信息，该可用资产可以在维护过程中替换与资产信息904相关联的资产。例如，库存部分908可以包括可用资产信息9081-n。库存部分908可以以人类可解释的格式呈现。例如，库存部分908可以被呈现为图形元素，例如但不限于通知，消息，图标，缩略图，对话框，交互式工具，小部件，图形，模型或其他类型的图形元素。在实施例中，库存部分908可以包括可用资产的列表，该可用资产可以替换与资产信息904相关联的资产。另外地或替代地，库存部分908可以包括可用资产的可用性信息，该可用资产可以代替与资产信息904相关联的资产。附加地或替代地，库存部分908可以包括关于可用资产的百分比和/或计数的信息，该可用资产满足与资产信息904相关联的资产的数字孪生分数相关联的标准。用户界面902还可以促进分析，资产性能管理和/或资产维护的优化。应当理解，用户界面902仅是示例。因此，资产信息904，资产部分906和/或库存部分908的位置和/或内容可以改变。此外，用户界面902可以包括图9中未示出的其他特征，内容和/或功能。

已经针对多个部件之间的交互描述了前述系统和/或设备。应当理解，这样的系统和部件可以包括其中指定的那些部件或子部件，某些指定的部件或子部件和/或附加部件。子部件也可以实现为与不是包含在母部件中的其他部件通信耦接的部件。此外，可以将一个或多个部件和/或子部件组合成提供聚合功能的单个部件。为了简洁起见，这些部件还可以与未在本文中具体描述但本领域技术人员已知的一个或多个其他部件交互。

图10示出了根据所公开的主题的方法和/或流程图。为了简化说明，将方法描绘和描述为一系列动作。应当理解和意识到，本发明不限于所示出的动作和/或动作的顺序，例如，动作可以以各种顺序和/或同时发生，以及与本文未呈现和描述的其他动作一起发生。此外，根据所公开的主题，可能不需要所有示出的动作来实施该方法。另外，本领域技术人员将理解并认识到，该方法可替代地经由状态图或事件被表示为一系列相互关联的状态。另外，应当进一步理解，下文和整个说明书中公开的方法能够存储在制品上，以便于将这样的方法传输和转移到计算机。本文所使用的术语制品旨在涵盖可从任何计算机可读设备或存储介质访问的计算机程序。

参照图10，示出了根据本发明的一个或多个实施例的用于管理资产性能的方法1000。作为示例，方法1000可以用于各种应用中，例如但不限于资产系统，设备系统，航空系统，发动机系统，飞行器系统，汽车系统，船舶系统，工业设备系统，工业系统，制造系统，工厂系统，能源管理系统，电网系统，供水系统，运输系统，医疗保健系统，炼油系统，媒体系统，金融系统，数据驱动的预测系统，诊断系统，数字系统，资产管理系统，机器学习系统，神经网络系统，网络系统，计算机网络系统，通信系统，企业系统等。在1002，由包括处理器的系统(例如，由数字孪生建模部件104)生成一组数字孪生模型，一组数字孪生模型指示与资产相关联的一组物理部件的一组虚拟表示。来自该组数字孪生模型的数字孪生模型可以是资产的物理部件的数字副本。例如，可以基于与资产的资产数据相关联的一个或多个人工智能技术，一个或多个机器学习技术和/或一个或多个其他数据分析技术来生成来自该组数字孪生模型的数字孪生模型。在一方面，来自该组数字孪生模型的数字孪生模型可以是与资产相关联的物理部件的数字仿真，其为物理部件提供近似实时状态和/或近似实时条件。在实施例中，来自该组数字孪生模型的数字孪生模型可以是三维模型，其提供关于资产的物理部件的近似实时信息。在另一个实施例中，来自该组数字孪生模型的数字孪生模型可以提供关于与资产的物理部件的流体动力学、热力学、燃烧动力学、空气力学、性能、可操作性和/或一个或多个其他困境(例如，零件困境)指示器相关联的信息的近似实时信息。在一方面，来自该组数字孪生模型的数字孪生模型可以对资产的物理部件的损坏的进展、折旧程度的进展、维修成本的进展、替换成本的进展和/或材料需求进行建模。

在1004，确定资产是否包括另一物理部件。如果是，则方法1000返回到1002。如果否，则方法1000进行到1006。

在1006，由系统(例如，由数字孪生计分部件106)生成用于该组数字孪生模型的一组数字孪生分数。来自该组数字孪生分数的数字孪生分数可以指示由相应的数字孪生模型表示的资产的物理部件的条件状态(例如，预测的条件状态)。例如，来自该组数字孪生分数的数字孪生分数可以指示由相应的数字孪生模型表示的资产的物理部件的健康状态(例如，预测的健康状态)。在一方面，来自该组数字孪生分数的数字孪生分数可以指示由相应的数字孪生模型表示的资产的物理部件的困境程度(例如，预测的困境水平)。附加地或替代地，来自该组数字孪生分数的数字孪生分数可以指示物理部件内的一个或多个故障模式的困境程度(例如，预测的困境水平)。在实施例中，来自该组数字孪生分数的数字孪生分数可以是从0到10的分数，其指示由相应的数字孪生模型表示的资产的物理部件的困境水平(例如，预测的困境水平)。例如，较低的数字孪生分数可以表示物理部件的较低的困境水平(例如，较低的预测的困境水平)，而较高的数字孪生分数可以表示物理部件的较高的困境水平(例如，较高的预测的困境水平)。

在1008，通过系统(例如，通过用户界面部件202)在计算设备上呈现图形用户界面，以确定资产的目标数据。例如，图形用户界面可以呈现一个或多个参数和/或一个或多个选项，以促进确定资产的目标数据。在一示例中，基于经由图形用户界面的一个或多个参数和/或一个或多个选项的选择，可以确定资产的目标数据。在一个示例中，目标数据可以是资产的任务(例如，进行1800个周期等)。在实施例中，可以将目标数据输入到图形用户界面中，用于识别满足维护事件目标的可用的使用过的可用资产。在一方面，可以经由计算设备来呈现图形用户界面，以例如有助于识别资产的一个或多个使用过的资产。计算设备可以是例如具有显示器的设备，例如但不限于用户设备，计算机，台式计算机，膝上型计算机，监控器设备，智能设备，智能电话，移动设备，手持设备，平板电脑，便携式计算设备或与显示器相关联的另一种类型的计算设备。

在1010，通过系统(例如，通过资产计分部件108)基于该组数字孪生分数和与资产的预测操作特征相关联的前馈预测模型来确定指示资产的条件状态的数字孪生分数。资产的数字孪生分数可以指示资产的条件状态(例如，预测的条件状态)。例如，资产的数字孪生分数可以指示与资产相关联的资产的健康状态(例如，预测的健康状态)。在一方面，资产的数字孪生分数可以指示资产的困境程度(例如，预测的困境水平)。在实施例中，资产的数字孪生分数可以是从0到10的分数，其指示资产的困境水平(例如，预测的困境水平)。例如，较低的数字孪生分数可以表示资产的较低的困境水平(例如，较低的预测的困境水平)，而较高的数字孪生分数可以表示资产的较高的困境水平(例如，较高的预测的困境水平)。在一个示例中，资产的数字孪生分数可以是资产的最大可接受的数字孪生分数。

在1012，由系统(例如，由库存部件302)基于资产的目标数据和数字孪生分数来确定与一组物理部件关联的一组可用资产的库存数据。例如，可以确定来自满足与资产的数字孪生分数和/或目标数据有关的标准的库存中的一组资产的资产的可用性。该组可用资产可以是可用资产的库存，该可用资产可以在例如资产的维护过程期间替换资产。

在某些实施例中，方法1000可以进一步包括由系统获取与资产相关联的一组物理部件的配置数据(例如，零件号，序列号，操作时间/周期等)。附加地或替代地，方法1000可以进一步包括基于该组数字孪生分数、前馈预测模型和配置数据来确定资产的数字孪生分数。在某些实施例中，方法1000可以附加地或替代地包括由系统基于与资产相关联的一组操作参数和环境数据来执行前馈预测模型。在某些实施例中，方法1000可以附加地或替代地包括由系统将库存数据传输至管理该组可用资产的工作范围系统。

为了提供所公开的主题的各个方面的环境，图11和图12以及以下讨论旨在提供对其中所公开的主题的各个方面可以实现的合适环境的简要概述。

参考图11，用于实现本公开的各个方面的合适环境1100包括计算机1112。计算机1112包括处理单元1114，系统存储器1116和系统总线1118。系统总线1118将包括但不限于系统存储器1116的系统部件耦接到处理单元1114。处理单元1114可以是各种可用处理器中的任何一个。双微处理器和其他多处理器体系结构也可以用作处理单元1114。

系统总线1118可以是几种类型的总线结构中的任何一种，包括存储器总线或存储器控制器，外围总线或外部总线，和/或使用任何可用总线架构的本地总线，包括但不限于：工业标准架构(isa)，微通道架构(msa)，扩展isa(eisa)，智能驱动电子(ide)，vesa本地总线(vlb)，外围部件互连(pci)，卡总线，通用串行总线(usb)，高级图形端口(agp)，个人计算机存储卡国际协会总线(pcmcia)，火线(ieee1394)和小型计算机系统接口(scsi)。

系统存储器1116包括易失性存储器1120和非易失性存储器1122。基本输入/输出系统(bios)存储在非易失性存储器1122中，该基本输入/输出系统(bios)包含例如在启动过程中在计算机1112内的各个元件之间传递信息的基本例程。作为说明而非限制，非易失性存储器1122可以包括只读存储器(rom)，可编程rom(prom)，电可编程rom(eprom)，电可擦除可编程rom(eeprom)，闪存或非易失性随机存取存储器(ram)(例如铁电ram(feram))。易失性存储器1120包括充当外部高速缓冲存储器的随机存取存储器(ram)。作为说明而非限制，ram有多种形式，例如静态ram(sram)，动态ram(dram)，同步dram(sdram)，双倍数据速率sdram(ddrsdram)，增强型sdram(esdram)，synchlinkdram(sldram)，直接rambusram(drram)，直接rambus动态ram(drdram)和rambus动态ram。

计算机1112还包括可移动/不可移动、易失性/非易失性计算机存储介质。图11示出了例如磁盘存储1124。磁盘存储1124包括但不限于诸如磁盘驱动器，软盘驱动器，磁带驱动器，jaz驱动器，zip驱动器，ls-100驱动器，闪存卡或记忆棒的设备。磁盘存储1124还可以单独地或与其他存储介质结合地包括其他介质，其他存储介质包括但不限于光盘驱动器，诸如光盘rom设备(cd-rom)，cd可记录驱动器(cd-r驱动器)，可擦写cd驱动器(cd-rw驱动器)或数字多功能磁盘rom驱动器(dvd-rom)。为了便于将磁盘存储设备1124连接到系统总线1118，通常使用可移动或不可移动接口，例如接口1126。

图11还描绘了充当用户与在合适的操作环境1100中描述的基本计算机资源之间的中介的软件。这样的软件包括例如操作系统1128。可以存储在磁盘存储1124中的操作系统1128用于控制和分配计算机系统1112的资源。系统应用1130利用操作系统1128通过程序模块1132和程序数据1134对(例如存储在系统存储器1116或磁盘存储1124中的)资源的管理。应当理解，本公开可以用各种操作系统或操作系统的组合来实现。

用户通过输入设备1136将命令或信息输入计算机1112。输入设备1136包括但不限于指点设备，诸如鼠标，轨迹球，触控笔，触摸板，键盘，麦克风，操纵杆，游戏垫，卫星天线，扫描仪，电视调谐器卡，数码相机，数码摄像机，网络相机等。这些和其他输入设备经由接口端口1138通过系统总线1118连接到处理单元1114。接口端口1138包括例如串行端口，并行端口，游戏端口和通用串行总线(usb)。输出设备1140使用一些与输入设备1136相同类型的端口。因此，例如，usb端口可以用于向计算机1112提供输入，并且将来自计算机1112的信息输出到输出设备1140。提供输出适配器1142以说明存在一些输出设备1140，例如监控器，扬声器和打印机，以及其他输出设备1140，其需要特殊的适配器。作为示例而非限制，输出适配器1142包括视频和声卡，其提供了输出设备1140和系统总线1118之间的连接方式。应当注意，其他设备和/或设备的系统提供输入和输出功能，例如远程计算机1144。

计算机1112可以使用到一个或多个远程计算机(例如，远程计算机1144)的逻辑连接，在网络环境中操作。远程计算机1144可以是个人计算机，服务器，路由器，网络pc，工作站，基于微处理器的设备，对等设备或其他公共网络节点等，并且通常包括许多或全部相对于计算机1112描述的元件。为了简洁起见，仅示出了具有远程计算机1144的存储器存储设备1146。远程计算机1144通过网络接口1148逻辑连接到计算机1112，然后经由通信连接1150物理连接。网络接口1148包含有线和/或无线通信网络，例如局域网(lan)，广域网(wan)，蜂窝网络等。lan技术包括光纤分布式数据接口(fddi)，铜缆分布式数据接口(cddi)，以太网，令牌环等。wan技术包括但不限于点对点链接，电路交换网络(如集成服务数字网络(isdn))及其上的变体，分组交换网络和数字用户线(dsl)。

通信连接1150是指用于将网络接口1148连接到总线1118的硬件/软件。尽管为了说明清楚起见在计算机1112内部示出了通信连接1150，但是它也可以在计算机1112的外部。仅出于示例性目的，连接到网络接口1148所需的硬件/软件包括内部和外部技术，例如包括常规电话级调制解调器，电缆调制解调器和dsl调制解调器的调制解调器，isdn适配器和以太网卡。

图12是本公开的主题可以与之交互的样本计算环境1200的示意性框图。系统1200包括一个或多个客户端1210。客户端1210可以是硬件和/或软件(例如，线程，进程，计算设备)。系统1200还包括一个或多个服务器1230。因此，除其他模型之外，系统1200可以对应于两层客户端服务器模型或多层模型(例如，客户端，中间层服务器，数据服务器)。服务器1230还可以是硬件和/或软件(例如，线程，进程，计算设备)。例如，服务器1230可以容纳线程以通过使用本公开来进行变换。客户端1210和服务器1230之间的一种可能的通信可以是在两个或更多个计算机进程之间传输的数据分组的形式。

系统1200包括通信框架1250，其可以被用来促进客户端1210和服务器1230之间的通信。客户端1210可操作地连接到一个或多个客户端数据存储器1220，其可用于存储客户端1210本地的信息。类似地，服务器1230可操作地连接到一个或多个服务器数据存储器1240，其可用于存储服务器1230本地的信息。

要注意的是，本公开的各方面或特征可以在基本上任何无线电信或无线电技术中使用，例如，wi-fi；蓝牙；微波访问的全球互操作性(wimax)；增强型通用分组无线业务(增强型gprs)；第三代合作伙伴计划(3gpp)长期演进(lte)；第三代合作伙伴计划2(3gpp2)超移动宽带(umb)；3gpp通用移动电信系统(umts)；高速分组访问(hspa)；高速下行链路分组访问(hsdpa)；高速上行链路分组访问(hsupa)；gsm(全球移动通信系统)edge(gsm演进的增强数据速率)无线电接入网络(geran)；umts地面无线电接入网(utran)；lteadvanced(lte-a)；等等。另外，可以在例如gsm的传统电信技术中利用本文描述的一些或所有方面。另外，移动以及非移动网络(例如，互联网，诸如互联网协议电视(iptv)的数据服务网络等)可以利用本文描述的方面或特征。

尽管上面已经在运行在一个或多个计算机上的计算机程序的计算机可执行指令的一般环境中描述了主题，但是本领域技术人员将认识到，本公开内容也能够或可以与其他程序模块结合地实现。通常，程序模块包括执行特定任务和/或实现特定抽象数据类型的例程，程序，部件，数据结构等。此外，本领域技术人员将理解，可以用其他计算机系统配置来实践本发明的方法，包括单处理器或多处理器计算机系统，小型计算设备，大型计算机以及个人计算机，手持计算设备(例如pda，电话)，基于微处理器的或可编程的消费类或工业电子产品等。所示出的方面也可以在分布式计算环境中实践，在分布式计算环境中，任务由通过通信网络链接的远程处理设备执行。然而，本公开的一些(如果不是全部)方面可以在独立计算机上实践。在分布式计算环境中，程序模块可以位于本地和远程存储器存储设备中。

如在本申请中使用的，术语“部件”，“系统”，“平台”，“接口”等可以指代和/或可以包括计算机相关实体或与具有一个或多个特定功能的可操作机器相关的实体。本文公开的实体可以是硬件，硬件和软件的组合，软件或执行中的软件。例如，部件可以是但不限于在处理器上运行的进程，处理器，对象，可执行文件，执行线程，程序和/或计算机。作为说明，在服务器上运行的应用程序和服务器都可以是部件。一个或多个部件可以驻留在执行的进程和/或线程中，并且部件可以位于一台计算机上和/或分布在两个或多个计算机之间。

在另一个示例中，各个部件可以从其上存储有各种数据结构的各种计算机可读介质执行。部件可以例如根据具有一个或多个数据分组的信号(例如，来自与本地系统，分布式系统中的另一部件交互和/或经由该信号通过诸如因特网的网络与其它系统交互的一个部件的数据)经由本地和/或远程进程进行通信。作为另一示例，部件可以是具有特定功能的装置，该特定功能由电气或电子电路操作的机械部件提供，该特定功能由处理器执行的软件或固件应用来操作。在这种情况下，处理器可以在设备内部或外部，并且可以执行软件或固件应用的至少一部分。作为又一个示例，部件可以是通过不具有机械部件的电子部件提供特定功能的设备，其中电子部件可以包括处理器或其他装置，以执行至少部分地赋予电子部件功能的软件或固件。在一方面，部件可以经由例如云计算系统内的虚拟机来仿真电子部件。

另外，术语“或”旨在表示包含性“或”而不是排他性“或”。也就是说，除非另有说明或从上下文可以清楚看出，否则“x使用a或b”旨在表示任何自然的包含性排列。也就是说，如果x使用a；x使用b；或x使用a和b两者，则在任何前述情况下都满足“x使用a或b”。此外，在主题说明书和附图中使用的冠词“一”和“一种”通常应被解释为表示“一个或多个”，除非另有说明或从上下文清楚地理解为是单数形式。

如本文中所使用的，术语“示例”和/或“示例性”被用来表示用作示例，实例或说明。为了避免疑问，本文所公开的主题不受这些示例的限制。另外，本文中描述为“示例”和/或“示例性”的任何方面或设计不必被解释为比其他方面或设计优选或有利，也不意味着排除了本领域普通技术人员已知的等效示例性结构和技术。

本文描述的各个方面或特征可以使用标准编程或工程技术实现为方法，装置，系统或制品。另外，可以通过实现本文所公开的方法中的至少一个或多个的程序模块来实现本公开中公开的各个方面或特征，该程序模块被存储在存储器中并且至少由处理器执行。硬件和软件或硬件和固件的其他组合可以实现或完成本文描述的方面，包括所公开的方法。如本文所使用的术语“制品”可以涵盖可从任何计算机可读设备，载体或存储介质访问的计算机程序。例如，计算机可读存储介质可以包括但不限于磁存储设备(例如硬盘，软盘，磁条……)，光盘(例如光盘(cd)，数字通用光盘(dvd)，蓝光光盘(bd)…)，智能卡和闪存设备(例如卡，棒，密钥驱动器…)等。

如在本主题说明书中采用的，术语“处理器”可以基本上指包括但不限于单核处理器的任何计算处理单元或设备；具有软件多线程执行能力的单处理器；多核处理器；具有软件多线程执行能力的多核处理器；具有硬件多线程技术的多核处理器；并行平台；以及具有分布式共享存储器的并行平台。另外，处理器可以指集成电路，专用集成电路(asic)，数字信号处理器(dsp)，现场可编程门阵列(fpga)，可编程逻辑控制器(plc)，复杂的可编程逻辑设备(cpld)，分立的栅极或晶体管逻辑，分立的硬件部件或其设计为执行本文所述的功能的任何组合。此外，处理器可以利用纳米级架构，例如但不限于基于分子和量子点的晶体管，开关和门，以优化空间使用或增强用户设备的性能。处理器也可以被实现为计算处理单元的组合。

在本公开中，诸如“存储”，“存储器”，“数据存储”，“数据存储器”，“数据库”以及与部件的操作和功能有关的基本上任何其他信息存储部件的术语被用来指代作为“存储器”中体现的实体的“存储器部件”，或包括存储器的部件。应当理解，本文所述的存储器和/或存储器部件可以是易失性存储器或非易失性存储器，或者可以包括易失性和非易失性存储器两者。

作为说明而非限制，非易失性存储器可包括只读存储器(rom)，可编程rom(prom)，电可编程rom(eprom)，电可擦除rom(eeprom)，闪存或非易失性随机存取存储器(ram)(例如，铁电ram(feram))。易失性存储器可以包括ram，例如，ram可以用作外部缓存。作为说明而非限制，ram有多种形式，例如同步ram(sram)，动态ram(dram)，同步dram(sdram)，双倍数据速率sdram(ddrsdram)，增强型sdram(esdram)，synchlinkdram(sldram)，直接rambusram(drram)，直接rambus动态ram(drdram)和rambus动态ram(rdram)。另外，本文的系统的公开的存储器部件或方法旨在包括但不限于包括这些以及任何其他合适类型的存储器。

应当理解和明白，关于特定系统或方法所描述的部件可包括与关于本文公开的其他系统或方法所描述的相应部件(例如，分别命名的部件或相似命名的部件)相同或相似的功能。

上面已经描述的内容包括提供本公开的优点的系统和方法的示例。当然，不可能为了描述本公开而描述部件或方法的每种可能的组合，但是本领域的普通技术人员可以认识到，本公开的许多进一步的组合和置换是可能的。此外，在详细说明书，权利要求书，附录和附图中使用术语“包括”，“具有”，“具备”等的范围内，这些术语旨在以类似于术语“包括”为“包含”在权利要求书中被用作过渡词时而被解释的方式具有包容性。

本发明的进一步方面通过以下条项的主题提供：

1.一种系统，包括：存储器，所述存储器具有存储在其上的计算机可执行部件；处理器，所述处理器至少执行以下计算机可执行部件：数字孪生建模部件，所述数字孪生建模部件生成一组数字孪生模型，所述一组数字孪生模型指示与资产相关联的一组物理部件的一组虚拟表示；数字孪生计分部件，所述数字孪生计分部件为所述一组数字孪生模型生成一组数字孪生分数；和资产计分部件，所述资产计分部件基于所述一组数字孪生分数和与所述资产的预测的操作特性相关联的前馈预测模型，确定指示所述资产的条件状态的数字孪生分数。

2.根据任何在前条项的系统，其中所述数字孪生建模部件生成数字孪生模型，所述数字孪生模型指示来自所述一组物理部件的物理部件上的故障模式的虚拟表示。

3.根据任何在前条项的系统，其中所述资产的所述数字孪生分数是所述资产的最大可接受的数字孪生分数，所述最大可接受的数字孪生分数使得目标数据能够满足与使用可接受的可用材料相关联的定义标准。

4.根据任何在前条项的系统，其中所述数字孪生计分部件使用与所述资产相关联的所述一组物理部件的配置数据，并且其中，所述资产计分部件基于所述一组数字孪生分数、所述前馈预测模型和所述配置数据来确定所述资产的所述数字孪生分数。

5.根据任何在前条项的系统，其中所述资产计分部件基于与所述资产相关联的一组操作参数和环境数据来执行所述前馈预测模型。

6.根据任何在前条项的系统，其中所述计算机可执行部件进一步包括：用户界面部件，所述用户界面部件经由计算设备提供图形用户界面，以确定所述资产的目标数据。

7.根据任何在前条项的系统，其中所述计算机可执行部件进一步包括：库存部件，所述库存部件基于所述资产的所述目标数据和所述数字孪生分数，确定与所述一组物理部件相关联的一组可用资产的库存数据，其中所述库存部件将所述库存数据传输到管理所述一组可用资产的工作范围系统。

8.一种方法，包括：由包括处理器的系统生成一组数字孪生模型，所述一组数字孪生模型指示与资产相关联的一组物理部件的一组虚拟表示；由所述系统为所述一组数字孪生模型生成一组数字孪生分数；和由所述系统基于所述一组数字孪生分数和与所述资产的预测的操作特性相关联的前馈预测模型，确定指示所述资产的条件状态的数字孪生分数。

9.根据任何在前条项的方法，进一步包括：由所述系统获得与所述资产相关联的所述一组物理部件的配置数据。

10.根据任何在前条项的方法，其中确定所述数字孪生分数包括：基于所述一组数字孪生分数、所述前馈预测模型和所述配置数据，确定所述资产的所述数字孪生分数。

11.根据任何在前条项的方法，进一步包括：由所述系统基于与所述资产相关联的一组操作参数和环境数据来执行所述前馈预测模型。

12.根据任何在前条项的方法，进一步包括：由所述系统在计算设备上呈现图形用户界面，以确定所述资产的目标数据。

13.根据任何在前条项的方法，进一步包括：由所述系统基于所述资产的所述目标数据和所述数字孪生分数，确定与所述一组物理部件相关联的一组可用资产的库存数据。

14.根据任何在前条项的方法，进一步包括：由所述系统将所述库存数据传输到管理所述一组可用资产的工作范围系统。

15.一种计算机可读存储设备，所述计算机可读存储设备包括指令，所述指令响应于执行而使包括处理器的系统执行操作，所述操作包括：生成一组数字孪生模型，所述一组数字孪生模型指示与资产相关联的一组物理部件的一组虚拟表示；为所述一组数字孪生模型生成一组数字孪生分数；和基于所述一组数字孪生分数和与所述资产的预测的操作特性相关联的前馈预测模型，确定指示所述资产的条件状态的数字孪生分数。

16.根据任何在前条项的计算机可读存储设备，其中，所述操作进一步包括：利用与所述资产相关联的所述一组物理部件的配置数据。

17.根据任何在前条项的计算机可读存储设备，其中确定所述数字孪生分数包括：基于所述一组数字孪生分数、所述前馈预测模型和所述配置数据，确定所述资产的所述数字孪生分数。

18.根据任何在前条项的计算机可读存储设备，其中所述操作进一步包括：基于与所述资产相关联的一组操作参数和环境数据来执行所述前馈预测模型。

19.根据任何在前条项的计算机可读存储设备，其中所述操作进一步包括：在计算设备上显示图形用户界面，以确定所述资产的目标数据。

20.根据任何在前条项的计算机可读存储设备，其中所述操作进一步包括：将所述库存数据传输到管理一组可用资产的工作范围系统。