"匠心，数字孪生不是西门子、华为那种大厂才玩得起的吗？我一个做电子元器件的，设备总共就十几台，你让我搞数字孪生？"

去年一个东莞做连接器的老板这么问我。他的工厂不大，一条SMT生产线、两条装配线、一个测试车间。但有个让他头疼了两年多的问题：设备综合效率OEE一直在65%左右徘徊，行业平均水平是75%，他的比行业平均低了十个百分点。65%意味着什么？每三台机器就有一台在"摸鱼"——不是真的坏了，是换线时间太长、故障停机的响应太慢、排产不合理导致等待时间过长。

我说："数字孪生不是让你建一个一比一的虚拟工厂，是让你把最关键的那条产线的实时数据抓上来，做一个数字镜像。"

他问怎么做。

三步。

第一步：数据采集。在SMT生产线上加装了几个传感器——温度、振动、电流、转速。成本不到两万块。同时把生产排程系统里的换线时间、故障记录、良品率这些数据也拉进来。一个月的数据跑下来，发现了一个很明显的规律：每次换线之后的第一个小时，良品率比正常运行时低了6%。原因是换线之后设备参数需要微调，而操作工完全是凭感觉在调，每次调的都不一样。

第二步：数字建模。把所有采集到的数据灌进一个参数库里，建立这条产线的数字镜像。这个模型能模拟"如果换一种排产方式会怎样""如果提前十分钟预热设备会怎样""如果操作工调参的顺序变一下会怎样"——不用真的在产线上试，数字模型里先跑一遍。

第三步：优化迭代。模型跑出来的结果发现，只要在换线前提前八分钟把设备温度升到目标值的80%，换线后的良品率下跌就能控制在1%以内。就这么一个不起眼的动作，把换线损失吃掉了一大半。

六个月后数据出来：OEE从65%提到了82%，比行业平均还高了7个百分点。一年省下来的料废、换线时间、故障停机——折算成钱，120万。

那个老板后来跟我说了一句特别实在的话："以前我以为数字化就是花钱买高大上的系统，现在才知道是先把数据抓上来看看机器到底在干嘛。"

数字孪生的核心不是3D建模、不是VR眼镜、不是看起来很炫的数字化大屏。是一个简单的逻辑：你能不能把一台机器的行为变成一个数字模型，然后用这个模型回答"如果这样做会怎样"——在真正动手之前。这个能力，两万块的传感器加一个会写Python的工程师就能做到，不用等到公司规模做到100亿才配拥有。

你的产线OEE有多少？在公众号对话框告诉我，我帮你看看数字孪生适不适合你的场景。