最後，聚合類型的數位孿生從大量設備中收集資料。例如，OEM 可以將客戶端安裝的所有裝置的資料收集到一個集合中。這將給出通用物件的表示而不是單一實例。數位孿生聚合將成為收集統計資料的地方：平均故障間隔時間是多少，標準差是多少；最常發生故障的部分是什麼？施加在機器上的典型負載是多少？
從零件到完整系統及其他
數位孿生也可以根據它們所代表的資產的複雜程度進行分類。 的層次結構由三個層級組成：零件、產品和系統。分類或多或少是顯而易見的：零件的數位孿生代表設備的單個零件，可由零件製造商建造和使用。產品數位孿生將零件的數位孿生組合成完整設備的數位孿生。在系統層面，數位孿生將由大量互動設備的數位孿生組成。
事實發現了第四類
稱為流程，以強調數位孿生不僅需要應用於實體設備。這種觀察是非常正確的，但在我看來，這個額外的類別並不是前三個類別的邏輯額外類別。下一節中面向用例的分類對於該類別來說具有更合理的位置。
按照複雜程度進行分類，揭示了未來數位孿生經濟成敗的重要特徵之一：一個生產商的 英國電子郵件列表 數位孿生是否與其他生產商的數位孿生相容。理想情況下，零件製造商將在其產品中附帶數位孿生（原型、實例或聚合），然後產品製造商可以使用該數位孿生來建造產品的數位孿生。這需要某種標準化。
每個用例都有一個數位孿生
對數位孿生進行分類的第三種方法是查看其用例。例如，西門子談論三個類別：產品、生產和性能。產品類別著重於單一產品，因此與先前分類中的產品類別相同。生產類別是生產流程的表示，用於設計穩健且靈活的流程。最後一類是性能數位孿生，它收集生產過程的營運數據以優化性能。
以某種類似的方式識
別數位孿生，用於狀態監控、操作和模擬。狀態數位孿生僅反映設備的當前狀態。它基本上只是一個帶有狀態資訊的儀表板。營運數位孿生類似於過去所謂的監控和資料採集（SCADA）系統。它用於控制設備或系統。模擬數位孿生用於執行假設場景，以探索系統及其設定的潛在變化的影響。
這種分類也體現在我前段時間在
的演講中看到的一張圖片中。圍繞著圓圈中心的一個大「數位孿生」術語，有兩段術語，第一段是「資產雙胞胎」、「運營商雙胞胎」、「工程雙胞胎」等術語，還有「保險雙胞胎」等術語第二段是「合規雙胞胎」。
根據用例對數位孿生進
行分類提供了廣泛的可能的數位孿生類別。人們可能會識別用於設計、施工、融資、維護和資產運營的數位孿生。這似乎是洛克希德馬丁公司數位掛毯概念背後的想法，它結合了某種資產的所有不同數位視圖。
複雜程度
ARUP 的出色報告 透過觀察數位孿生的複雜程度，對數位孿生進行了另一種分類。這種複雜性表現為自主性、智力、學習力和忠誠度。等級範圍從 1（非智能、非自主數位孿生）到 5（替代人類執行某些重要任務的數位孿生）。
這可能不是一個容易使用的分
類方案，因為數位孿生可能在一個 迴聲資料庫 方面得分高，而在另一個方面得分低，這就引出了哪個總體水平合適的問題。但我覺得有趣的是，ARUP 顯然希望數位孿生變得更聰明、更自主。
事實上，數位孿生如此重要的原因之一是它們使實體資產適合人工智慧。如果沒 以色列電子郵件清單範例 有某種形式的數位孿生，人工智慧就無法進行任何工作。我們建立數位孿生只是為了餵養人工智慧，以便它們能夠接管我們想要自動化的任務嗎？我不這麼認為。我認為數位孿生在沒有人工智慧的情況下也很有用，但這確實是一個需要考慮的方面。
應用
描述數位孿生的最後一種但可能不太有用的方法是考慮應用領域。水管理、石油業、電網、建築和人體等領域都有數位孿生。
我說這是一個不太有用的分類，並不是對這些數位雙胞胎中的任何一個不尊重。只是應用領域並沒有增加太多關於數位孿生的資訊。
儘管如此，從應用的角度來看數位孿生會發現，該概念在某些領域的採用遠遠超出了其他領域。這可能是分析差異原因的起點，並可能為刺激數位孿生採用滯後領域的發展提供線索。