مهندس دوقلوی دیجیتال صنعتی
Digital Twin Engineer (Industrial)
مهندس دوقلوی دیجیتال صنعتی نسخهٔ مجازی یک کارخانه، خط تولید، انبار یا ماشین را می‌سازد و آن را به داده‌های واقعی همان سیستم وصل می‌کند تا هر تغییر را پیش از اجرا در دنیای واقعی روی مدل بیازماید: چیدمان تازهٔ خط، ظرفیت و گلوگاه‌ها، برنامهٔ PLC و ربات پیش از نصب (راه‌اندازی مجازی) یا رفتار ماشین در شرایط مختلف. ابزارهای اصلی این کار شبیه‌سازی رویداد گسسته (Plant Simulation، FlexSim، AnyLogic)، صحنه‌های سه‌بعدی OpenUSD در NVIDIA Omniverse و اتصال به داده‌های صنعتی با OPC UA و MQTT است. نام قدیمی این صفحه، «تکنسین دوقلوی دیجیتال صنعتی» (Industrial Digital Twin Technician)، عنوان شغلی نیست: در آگهی‌هایی که ما در ۲۳ اکتبر ۲۰۲۶ بررسی کردیم، هیچ آگهی دوقلوی دیجیتالی با عنوان technician نبود و جستجوی همین عبارت در لینکدین فقط به آگهی‌های تکنسین BIM، Revit و VDC در ساخت‌وساز می‌رسید، که شغل دیگری است. کارفرماها این کار را Digital Twin Engineer یا Digital Twin Developer می‌نامند و همین کار با عنوان‌هایی مثل Factory Simulation Engineer و Virtual Commissioning Engineer هم آگهی می‌شود. هوش مصنوعی در این شغل نقش اصلی ندارد: در بیشتر آگهی‌ها یادگیری ماشین یا اصلاً نیامده یا امتیاز اضافه است.
مقدمه و تعریف شغل
مهندس دوقلوی دیجیتال صنعتی (Digital Twin Engineer) مدلی کامپیوتری از یک سیستم صنعتی می‌سازد، آن را به داده‌های همان سیستم وصل می‌کند و از آن برای آزمودن تصمیم‌ها پیش از اجرا استفاده می‌کند. طبق ویکی‌پدیا، دوقلوی دیجیتال در تعریف دقیقش با یک شبیه‌سازی معمولی فرق دارد، چون پیوسته از دادهٔ واقعی همتای فیزیکی‌اش برای هم‌گام شدن با آن استفاده می‌کند؛ اطلاق این نام به مدلی که هیچ داده‌ای از سیستم واقعی نمی‌گیرد، تفسیری بیش از حد گسترده و تا حد زیادی تبلیغاتی دانسته می‌شود. در آگهی‌های صنعتی ۲۰۲۶ این کار سه بخش دارد: ساختن مدل (معمولاً شبیه‌سازی رویداد گسسته یا صحنهٔ سه‌بعدی فیزیکی)، اتصال آن به داده‌های کارخانه، و اعتبارسنجی مدل تا جایی که مهندسان تولید و مدیران به خروجی‌اش اعتماد کنند.
به گفتهٔ John Vickers، اصطلاح «digital twin» حدود سال ۲۰۱۰ در تمرینی برای نقشهٔ راه فناوری NASA در حوزهٔ مواد، سازه و تولید ساخته شد و همکاری او با Michael Grieves آن را از مهندسی ناسا به دنیای گسترده‌تر برد. ویکی‌پدیا می‌نویسد در دهه‌های ۲۰۱۰ و ۲۰۲۰ صنایع تولیدی این مفهوم را از خود محصول به کل فرایند تولید گسترش دادند. امروز عنوان Digital Twin در بازار کار سه شغل متفاوت را می‌پوشاند. اول، نسخهٔ صنعتی که این صفحه دربارهٔ آن است: شبیه‌سازی کارخانه و ماشین و اتصال آن به دادهٔ کارخانه، در شرکت‌هایی مثل Siemens Energy، Caterpillar، Hyundai، Rivian و Hadrian. دوم، نسخهٔ ساختمان و زیرساخت (BIM)، مثل Asset Intelligence & Digital Twin Specialist در WSP یا Digital Twin Engineer در Larsen & Toubro که صریحاً روی طراحی و ساخت پروژه تمرکز دارد «نه بهره‌برداری یا نگهداری»؛ این شغل دیگری با مسیر معماری و عمران است. سوم، نسخهٔ مهندسی داده و مهندسی سیستم، مثل Senior Data Engineer Digital Twin در Oteemo. دربارهٔ سهم هوش مصنوعی هم باید صادق بود: در نمونهٔ ما از ۲۶ آگهی مهندسی دوقلوی صنعتی که متن کاملشان را خواندیم، یادگیری ماشین فقط در ۶ آگهی شرط یا وظیفهٔ اصلی بود، در ۶ آگهی امتیاز یا وظیفهٔ جانبی، و در ۱۴ آگهی اصلاً نیامده بود. ITJobsWatch هم نشان می‌دهد Machine Learning در ۲۶٫۶٪ آگهی‌های دائم بریتانیا که به Digital Twin اشاره کرده‌اند آمده است.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مهندس دوقلوی دیجیتال صنعتی
مدل جریان مواد و ظرفیت کارخانه
در Rivian مهندس شبیه‌سازی برای بخش‌های بدنه، رنگ، پیشرانه، باتری و مونتاژ نهایی مدل رویداد گسسته می‌سازد، ظرفیت و گلوگاه‌ها و اندازهٔ بافرها را تحلیل می‌کند تا چیدمان کارخانه بهینه شود، و مدل را با دادهٔ واقعی تیم اتوماسیون و کنترل اعتبارسنجی می‌کند.
دوقلوی متصل به دادهٔ زندهٔ کارخانه
Siemens Energy برای کارخانهٔ پره‌های توربین گازی در تامپا مدل Plant Simulation می‌خواهد که دادهٔ بلادرنگ حسگرها، PLC، SCADA و MES را بگیرد و با API به سیستم‌های ERP، MES و CMMS وصل باشد.
محیط راه‌اندازی مجازی
Tata Technologies از Virtual Commissioning Engineer می‌خواهد برنامه‌های PLC، ربات و اتوماسیون را روی مدل مجازی سیستم تولید آزمایش کند. Clorox هم محیط‌های emulation می‌سازد تا تجهیزات اتوماسیون، منطق PLC و تعامل با MES پیش از اجرا آزموده شوند.
صحنهٔ سه‌بعدی کارخانه در Omniverse
در HMGICS مهندس pipeline دارایی‌های OpenUSD را می‌سازد تا مدل‌های CAD در محیط شبیه‌سازی درست کار کنند، و Cooler Master تبدیل مدل‌های صنعتی CAD و BIM به USD بهینه را از وظایف اصلی آورده است.
مدل رفتار ماشین
Caterpillar، که به گفتهٔ آگهی بیش از ۱٫۶ میلیون دستگاه متصل دارد، از Digital Twin Engineer می‌خواهد منطق شبیه‌سازی و مدل رفتاری ماشین‌ها را بنویسد و دقت دوقلو را با دادهٔ تست و تله‌متری واقعی بسنجد.
دوقلوی فرایند برای آموزش و آزمون
در تیم Digital Twin Projects شرکت Emerson، مهندس مدل‌هایی از منطق کنترل می‌سازد که رفتار واقعی نیروگاه را در محیط شبیه‌سازی بازتولید کنند؛ این سیستم‌ها برای آموزش، آزمون و بهبود بهره‌برداری به کار می‌روند و مهندس در تست پذیرش با مشتری هم حاضر است.
تخصص‌های مختلف مهندس دوقلوی دیجیتال صنعتی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
شبیه‌سازی کارخانه و جریان مواد
Factory & Material-Flow Simulation
مدل رویداد گسستهٔ خطوط و کارخانه برای چیدمان، ظرفیت و برنامه‌ریزی؛ رایج‌ترین شکل این کار، با عنوان‌هایی مثل Factory Simulation Engineer در Hadrian و Rivian یا Senior Industrial Engineer, Simulation در Anduril.
راه‌اندازی مجازی و emulation
Virtual Commissioning & Emulation
آزمودن برنامهٔ PLC، ربات و تجهیزات اتوماسیون روی مدل پیش از نصب؛ Tata Technologies، Clorox، Körber و Wandelbots. در این شاخه شناخت کنترل و اتوماسیون به اندازهٔ شبیه‌سازی مهم است.
سکوهای دوقلوی سه‌بعدی (Omniverse و OpenUSD)
3D Industrial Twin Platforms (Omniverse / OpenUSD)
ساخت اپلیکیشن، extension و pipeline دارایی‌های سه‌بعدی برای دوقلوی کارخانه یا مرکز داده؛ HMGICS، Caterpillar، Cooler Master، Eclipse Automation و شرکت‌های مشاوره‌ای مثل Capgemini Engineering. این شاخه بیشترین شباهت را به مهندسی نرم‌افزار دارد.
دوقلوی فرایند و دارایی
Process & Asset Twins
مدل فیزیکی یا کنترلی یک فرایند یا تجهیز: نیروگاه در Emerson، سیستم ذخیرهٔ باتری در Ford Energy و تونل باد در North Wind. پیشینهٔ مهندسی مکانیک، شیمی یا کنترل در این شاخه وزن بیشتری دارد.
دوقلوی ترکیبی با یادگیری ماشین
AI-Augmented / Hybrid Twins
ترکیب مدل فیزیکی با داده: مدل جانشین و مرتبه‌کاهش‌یافته در HMGICS، دوقلوی ترکیبی فیزیکی و داده‌محور باتری در Ford Energy، مدل‌سازی فیزیک‌محور با AI در ABB و یادگیری ماشین برای نگهداری پیش‌بینانه در J.M. Smucker. تنها شاخه‌ای که یادگیری ماشین در آن مهارت اصلی است.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
هر دو ممکن است با Omniverse، Isaac Sim و فیزیک شبیه‌سازی کار کنند، اما مشتری‌شان فرق دارد. مهندس شبیه‌سازی رباتیک و خودران شبیه‌ساز را می‌سازد تا نرم‌افزار خودکار، یعنی سیاست ربات یا پشتهٔ رانندگی، در آن آموزش ببیند و آزموده شود؛ کارش C++ قوی، فیزیک تماس، حسگر شبیه‌سازی‌شده و اجرای تعداد زیادی سناریوی تکرارپذیر است. مهندس دوقلوی دیجیتال صنعتی کارخانه، خط یا ماشین را مدل می‌کند تا مهندسان تولید و عملیات دربارهٔ چیدمان، ظرفیت و راه‌اندازی تصمیم بگیرند؛ ابزارهایش شبیه‌سازی رویداد گسسته، راه‌اندازی مجازی PLC و اتصال به MES و SCADA است و عنوان چند آگهی، مثل Anduril، اصلاً Industrial Engineer است. مرز این دو گاهی باریک می‌شود: Lead Software Engineer (Simulation/Digital Twin) در Caterpillar شبیه‌سازی حسگر برای ماشین‌های خودران ساختمانی است و Körber نقش دوقلوی دیجیتالش را در تیم Robotics & Autonomous Systems گذاشته است.
متخصص نگهداری پیش‌بینانه از سیگنال حسگر مدلی می‌سازد که خرابی را پیش از وقوع تشخیص دهد؛ خروجی کارش هشدار و تخمین عمر باقی‌ماندهٔ تجهیز است. مهندس دوقلوی دیجیتال مدل شبیه‌سازی و اتصال دادهٔ سیستم را می‌سازد و نگه می‌دارد، و نگهداری پیش‌بینانه یکی از کاربردهایی است که روی این بستر سوار می‌شود. در آگهی Stealth AI Startup، مهندس دوقلو با مهندسان AI/ML همکاری می‌کند تا نگهداری پیش‌بینانه و تشخیص ناهنجاری ممکن شود؛ در J.M. Smucker همین کار جزو وظایف خود سرپرست دوقلوی دیجیتال است. اگر هدفتان ساختن مدل یادگیری ماشین است، آن مسیر نزدیک‌تر است.
مهندس داده pipeline، انبار داده و زیرساخت پردازش داده را برای مصرف‌کنندگان مختلف سازمان می‌سازد. مهندس دوقلوی دیجیتال هم pipeline می‌نویسد، اما برای رساندن دادهٔ کارخانه، از PLC و SCADA و MES و با پروتکل‌هایی مثل OPC UA و MQTT، به یک مدل شبیه‌سازی؛ Siemens Energy همین را از Factory Digital Twin Developer می‌خواهد. نسخهٔ داده‌محور همین عنوان هم وجود دارد: آگهی Senior Data Engineer Digital Twin & Operational Modeling در Oteemo برای دوقلوی یک اتاق عمل ۷+ سال تجربهٔ مهندسی داده و کار با ابزارهایی مثل Databricks، Spark و Kafka می‌خواهد و تجربه با دوقلوی دیجیتال یا شبیه‌سازی رویداد گسسته را کنار آن‌ها آورده است.
متخصص Edge AI مدل یادگیری ماشین را کوچک و سریع می‌کند تا روی خود دستگاه، با حافظه و توان محدود، اجرا شود. مهندس دوقلوی دیجیتال از طرف دیگر با لبه سروکار دارد: گرفتن داده از دستگاه‌ها و دروازه‌های کارخانه و رساندن آن به مدل. Siemens Energy آشنایی با پروتکل‌های IoT، edge computing و اتصال صنعتی را می‌خواهد، و در آگهی Ford Energy طراحی دوقلو شامل تقسیم کار مشخص بین لبه (BMS و EMS) و ابر است. مهارت اصلی Edge AI بهینه‌سازی مدل است و مهارت اصلی این شغل مدل‌سازی سیستم.
تأثیر در صنایع مختلف
مهندس دوقلوی دیجیتال صنعتی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
خودروسازی
Rivian با شبیه‌سازی رویداد گسسته طراحی کارخانه را از ایدهٔ اولیه تا بهره‌برداری هدایت می‌کند و HMGICS برای کارخانهٔ نرم‌افزارمحور Hyundai دوقلو را در Omniverse می‌سازد
تولید هوافضا و دفاعی
Hadrian کارخانه‌های تازه را در آهنگری، ریخته‌گری، ماشین‌کاری، جوشکاری و مونتاژ پیش از ساخت شبیه‌سازی می‌کند و Anduril از شبیه‌سازی کارخانه برای تصمیم‌های سرمایه‌ای و عملیاتی استفاده می‌کند
ماشین‌آلات سنگین
Caterpillar دوقلوی ماشین‌ها را در Omniverse می‌سازد و دقت آن را با تله‌متری دستگاه‌های متصلش می‌سنجد
انرژی
Siemens Energy کارخانهٔ پره‌های توربین گازی را با Plant Simulation و دادهٔ IoT مدل می‌کند، Emerson رفتار نیروگاه را برای آموزش و آزمون شبیه‌سازی می‌کند و Ford Energy دوقلوی سیستم‌های ذخیرهٔ باتری می‌سازد
لجستیک و انبار
TGW نرم‌افزار emulation سیستم‌های لجستیکی را با C# می‌نویسد، Körber نوار نقاله و سیستم‌های جابه‌جایی مواد را مدل می‌کند و Tesco زنجیرهٔ تأمین را شبیه‌سازی می‌کند
کالای مصرفی
Clorox خطوط تولید را برای ظرفیت، توازن خط و راه‌اندازی محصول تازه شبیه‌سازی می‌کند و J.M. Smucker برای کارخانه‌های بخش Pet خود، با شروع از کارخانهٔ Topeka، دوقلوی خطوط تولید را با دادهٔ حسگر و یادگیری ماشین می‌سازد
مراکز داده
استارتاپی در حیدرآباد دوقلوی مراکز داده را با دادهٔ BMS و SCADA و شبیه‌سازی حرارت و جریان هوا برای طراحی و راه‌اندازی می‌سازد
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
دوقلوی دیجیتال یعنی یک مدل سه‌بعدی زیبا از کارخانه
طبق ویکی‌پدیا، دوقلوی دیجیتال در تعریف دقیقش مدلی است که با دادهٔ واقعی همتای خود هم‌گام می‌شود. در آگهی‌ها هم بخش سنگین کار اعتبارسنجی است: Caterpillar اجرای برنامهٔ صحه‌گذاری را می‌خواهد تا دوقلو دقیق و از نظر عددی پایدار باشد و Rivian مدل را با دادهٔ واقعی تولید می‌سنجد. ظاهر سه‌بعدی بدون مدل درست و دادهٔ درست ارزش تصمیم‌گیری ندارد.
این یک شغل هوش مصنوعی است
در نمونهٔ ما از ۲۵ آگهی مهندسی دوقلوی صنعتی، یادگیری ماشین در ۱۴ آگهی اصلاً نیامده بود و فقط در ۵ آگهی شرط یا وظیفهٔ اصلی بود؛ ITJobsWatch هم Machine Learning را در ۲۶٫۶٪ آگهی‌های بریتانیایی مرتبط با Digital Twin نشان می‌دهد. Siemens Energy از ادغام شبیه‌سازی با یادگیری ماشین نام می‌برد، اما در شرایط لازم هیچ مهارت یادگیری ماشینی نخواسته است. هستهٔ کار شبیه‌سازی، داده‌های صنعتی و مهندسی تولید است.
با یک دورهٔ کوتاه می‌شود «تکنسین دوقلوی دیجیتال» شد
چنین عنوانی در آگهی‌ها پیدا نشد. آگهی‌های این کار مدرک مهندسی یا علوم کامپیوتر و سابقه می‌خواهند: Emerson دست‌کم ۲ سال، NATEK دست‌کم ۴ سال کار با FlexSim و Siemens Energy ۵+ سال. نقش‌های سطح تکنسین که با جستجوی «digital twin technician» پیدا می‌شوند، مثل BIM Technician، Revit Technician و VDC Technician، همه در ساخت‌وساز هستند، که شغل دیگری است.
هر آگهی با عنوان Digital Twin همین کار است
زیر این عنوان دست‌کم سه شغل هست. نسخهٔ BIM، مثل آگهی WSP، با مدل اطلاعات ساختمان، GIS، اسکن لیزری و محیط دادهٔ مشترک پروژه کار می‌کند و آگهی Larsen & Toubro صریحاً می‌گوید روی طراحی و ساخت پروژه است «نه بهره‌برداری یا نگهداری». نسخهٔ داده‌محور، مثل Oteemo، اساساً مهندسی داده است. پیش از درخواست، فهرست ابزارهای آگهی را بخوانید: Revit و Navisworks یعنی نسخهٔ BIM، و Plant Simulation، Omniverse و OPC UA یعنی نسخهٔ صنعتی.
دوقلو فقط وقتی معنا دارد که دادهٔ زنده و دوطرفه داشته باشد
به نقل John Vickers، گزارش ۲۰۲۴ آکادمی‌های ملی آمریکا تعامل دوطرفه با سیستم واقعی را جزو تعریف می‌داند، اما خود او با این معیار مخالف است و می‌گوید دوقلو به هدفش بستگی دارد. در عمل هم بخشی از کار پیش از وجود سیستم واقعی انجام می‌شود: Hadrian ایده‌های چیدمان را به شبیه‌سازی قابل اجرا تبدیل می‌کند و ZS به مشتری کمک می‌کند کارخانه را پیش از ساخت یا تغییر آزمایش کند. اتصال دادهٔ زنده معمولاً مرحلهٔ بعد، پس از بهره‌برداری است.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
تازه‌کار (۰–۲ سال)
بیشتر وقت صرف ساختن بخش‌هایی از مدل، جمع کردن داده از تیم کارخانه و آزمودن مدل می‌شود. کار زیر نظر یک مهندس ارشد است و حضور در کارخانه یا نزد مشتری بخشی از آن است؛ Emerson تا ۲۰٪ سفر را ذکر کرده است.
- ◆ساختن مدل یک ایستگاه یا یک تجهیز و افزودن آن به مدل اصلی
- ◆گرفتن زمان‌های چرخه و خرابی‌ها از تیم تولید و تبدیلشان به توزیع ورودی مدل
- ◆اجرای سناریوها و مقایسهٔ خروجی مدل با دادهٔ واقعی
- ◆تبدیل یک مدل CAD به دارایی قابل استفاده در شبیه‌سازی
میانی (۲–۵ سال)
مسئولیت یک مدل یا یک خط را از تعیین محدوده تا تحویل دارید. با کارشناسان فرایند، اتوماسیون و IT کار می‌کنید و باید سؤال کسب‌وکار را به داده و سطح جزئیات مناسب مدل تبدیل کنید.
- ◆جلسه با مهندسان تولید برای تعریف اینکه مدل باید به چه سؤالی جواب دهد
- ◆اتصال مدل به دادهٔ MES یا PLC و بررسی کیفیت و کمبودهای داده
- ◆آزمودن برنامهٔ PLC یک خط تازه روی مدل مجازی پیش از نصب
- ◆نوشتن گزارش سناریوها با فرض‌ها و میزان عدم قطعیت برای مدیر تولید
ارشد (۵+ سال)
تصمیم‌های معماری، استانداردهای مدل‌سازی و اعتبارسنجی و ارتباط با مدیران با شماست. Anduril از مهندس ارشدش مالکیت کامل قابلیت شبیه‌سازی کارخانه را می‌خواهد، به‌عنوان دارایی‌ای که سال‌ها زنده می‌ماند و دادهٔ تازه می‌گیرد.
- ◆طراحی معماری دوقلو: کدام داده، با چه تأخیری و کجا اجرا شود
- ◆تعریف استاندارد و کتابخانهٔ دارایی‌های مدل‌سازی برای کل تیم
- ◆ارائهٔ تحلیل بازگشت سرمایهٔ یک تغییر چیدمان به مدیران ارشد
- ◆منتورینگ مهندسان جوان‌تر و بازبینی مدل‌هایشان
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈ساخت و نگهداری مدل‌های شبیه‌سازی کارخانه، خط تولید، انبار یا ماشین با ابزارهایی مثل Plant Simulation، FlexSim یا AnyLogic
- ◈تحلیل ظرفیت، گلوگاه، اندازهٔ بافر و مسیر مواد برای انتخاب چیدمان و برنامهٔ تولید
- ◈اتصال مدل به دادهٔ واقعی: حسگرها، PLC، SCADA، MES و ERP از طریق OPC UA، MQTT و API
- ◈ساخت صحنه‌های سه‌بعدی از مدل‌های CAD در OpenUSD و NVIDIA Omniverse و نوشتن ابزار و extension برای آن‌ها
- ◈راه‌اندازی مجازی: آزمودن برنامهٔ PLC، ربات و تجهیزات اتوماسیون روی مدل پیش از نصب
- ◈اعتبارسنجی مدل با دادهٔ واقعی و تست سناریو، و مستند کردن فرض‌ها و میزان عدم قطعیت
- ◈استقرار و نگهداری سکوی دوقلو روی ابر یا سرور کارخانه، همراه با تیم‌های IT و OT
- ◈گفتگو با کارشناسان فرایند و تیم کارخانه برای تبدیل یک سؤال عملیاتی به محدوده و دادهٔ لازم برای مدل
- ◈ارائهٔ نتیجهٔ شبیه‌سازی به مدیران به زبان تصمیم: کدام گزینه، با چه هزینه و چه ریسکی
- ◈ساختن کتابخانهٔ دارایی‌ها و استانداردهای مدل‌سازی که تیم بتواند در کارخانه‌های دیگر هم به کار ببرد
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مهندس دوقلوی دیجیتال صنعتی موفق به آن‌ها نیاز دارد
مهارت‌های فنی
مدل کردن ایستگاه، صف، منبع و جریان مواد؛ شرط اصلی در Siemens Energy، Rivian، Clorox، NATEK و TGW
Plant Simulation، FlexSim، AnyLogic، Emulate3D یا Simio؛ Rivian ساختن ماژول تازه در این ابزارها با SimTalk، FlexScript، C++ یا Python را می‌خواهد
برای ساخت مدل، خودکارسازی، extension و اتصال داده؛ تقریباً در همهٔ آگهی‌ها آمده است
مقایسهٔ خروجی با دادهٔ تست و تله‌متری، تست سناریو و رگرسیون؛ از شرایط آگهی Caterpillar
OPC UA و MQTT برای گرفتن داده از PLC و حسگر؛ Siemens Energy و Tata Technologies نام برده‌اند
شناخت PLC، SCADA، MES و ERP و جای هر کدام؛ Clorox تفسیر منطق PLC و جریان‌های MES را امتیاز می‌داند
ساخت صحنه و extension و pipeline دارایی؛ در آگهی‌های Caterpillar، HMGICS، Cooler Master و Eclipse Automation
آزمودن PLC و ربات روی مدل؛ Tata Technologies، Wandelbots و Körber
اتصال دوقلو به سیستم‌های سازمان؛ Siemens Energy توسعهٔ API و pipeline داده به ERP و MES را می‌خواهد
AWS یا Azure و Docker/Kubernetes برای استقرار سکوی دوقلو؛ Siemens Energy تجربهٔ قوی با ابر و HMGICS استقرار کانتینری را خواسته‌اند
برای شبیه‌سازی‌های سنگین‌تر یا نرم‌افزار emulation؛ Caterpillar و Körber C++ و TGW C# و .NET می‌خواهند
مدل جانشین و مرتبه‌کاهش‌یافته؛ در HMGICS امتیاز است و Ford Energy مدل مرتبه‌کاهش‌یافتهٔ باتری می‌خواهد
مهارت‌های نرم
NATEK توانایی ترجمهٔ نیاز فرایند و کسب‌وکار به نیازمندی شبیه‌سازی را می‌خواهد
گرفتن اطلاعات درست از کارشناسان و تیم کارخانه؛ از شرایط آگهی NATEK
Tesco توضیح روشن یافته‌ها همراه با فرض‌ها، عدم قطعیت و محدودیت‌های مدل را از وظایف آورده است
Hadrian و Clorox ارائهٔ نتیجه به مخاطب فنی و غیرفنی و مدیران را می‌خواهند
همکاری هم‌زمان با تولید، اتوماسیون، IT و داده؛ در تقریباً همهٔ آگهی‌ها
دانش حوزه‌ای
توازن خط، زمان چرخه، takt time و Lean؛ Rivian، Clorox و Hadrian این پیشینه را می‌خواهند
توجیه فنی و مالی تغییرات؛ Clorox تحلیل ROI برای سرمایه‌گذاری را از وظایف آورده است
خودرو در Rivian و HMGICS، نیروگاه در Emerson، لجستیک در TGW و Körber، مرکز داده در Stealth AI Startup
SolidWorks، NX یا Blender برای آماده کردن مدل‌ها؛ Hadrian و Wandelbots نام برده‌اند
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مهندس دوقلوی دیجیتال صنعتی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
Python، داده و آمار برای شبیه‌سازی
Python زبان مشترک تقریباً همهٔ این آگهی‌هاست: Siemens Energy تسلط به Python و SQL را شرط گذاشته و Hadrian تجربهٔ توسعهٔ شبیه‌سازی با Python شیءگرا (OOP) را می‌خواهد. کنار آن آمار و احتمال را جدی بگیرید، چون مدل شبیه‌سازی با توزیع زمان‌ها و عدم قطعیت کار می‌کند؛ Rivian دانش آمار، عدم قطعیت و تحلیل حساسیت را صریحاً خواسته است.
شبیه‌سازی رویداد گسسته و اصول مهندسی صنایع
هستهٔ بیشتر آگهی‌های این حوزه شبیه‌سازی رویداد گسسته (Discrete-Event Simulation) است: مدل کردن ایستگاه‌ها، صف‌ها، بافرها و جریان مواد برای پیدا کردن گلوگاه و سنجیدن ظرفیت. اول مفهوم را با کتابخانهٔ متن‌باز SimPy در Python یاد بگیرید، بعد همان مدل را در یک ابزار صنعتی بسازید؛ نسخهٔ Personal Learning Edition نرم‌افزار AnyLogic برای آموزش و یادگیری شخصی رایگان است. از همین مرحله یاد بگیرید مدل را با دادهٔ واقعی بسنجید؛ Rivian از مهندسش می‌خواهد مدل را با دادهٔ واقعی تولید اعتبارسنجی کند.
داده‌های صنعتی و اتوماسیون: OPC UA، MQTT، PLC و MES
دوقلوی دیجیتال بدون دادهٔ واقعی فقط یک شبیه‌سازی است. Siemens Energy از این نقش می‌خواهد دادهٔ بلادرنگ حسگرها، PLC، SCADA و MES را به محیط شبیه‌سازی برساند و با پروتکل‌های MQTT و OPC UA آشنا باشد. لازم نیست برنامه‌نویس PLC شوید، اما باید منطق PLC را بخوانید و لایه‌های سیستم‌های کارخانه (از کف کارگاه تا MES و ERP) را بشناسید؛ استاندارد ISA-95 همین لایه‌ها را تعریف می‌کند و Clorox تجربهٔ تفسیر منطق PLC و جریان‌های کاری MES را امتیاز می‌داند.
سه‌بعدی و راه‌اندازی مجازی: OpenUSD، Omniverse و تست برنامهٔ PLC
بخش بزرگی از آگهی‌ها دوقلو را در محیط سه‌بعدی می‌خواهند: Caterpillar، HMGICS، Cooler Master و Eclipse Automation از NVIDIA Omniverse و OpenUSD نام برده‌اند و کار روزمره تبدیل مدل‌های CAD به صحنهٔ قابل شبیه‌سازی و نوشتن extension با Python است. بخش دیگر راه‌اندازی مجازی (virtual commissioning) است: برنامهٔ PLC و ربات پیش از نصب روی یک مدل مجازی آزموده می‌شود. Tata Technologies برای این کار Process Simulate، TIA Portal و OPC UA را نام برده است. برای تمرین، Factory I/O یک کارخانهٔ سه‌بعدی مجازی است که PLC یا شبیه‌ساز PLC به آن وصل می‌شود.
دوقلوی ترکیبی: مدل فیزیکی، داده و جای واقعی یادگیری ماشین
یادگیری ماشین در این شغل بیشتر یک لایهٔ اضافه است تا هستهٔ کار، اما در نقش‌های پیشرفته جای مشخصی دارد: ساختن مدل جانشین (surrogate) که خروجی یک شبیه‌سازی کند را در کسری از زمان تخمین بزند، و مدل‌های مرتبه‌کاهش‌یافته (reduced-order). در آگهی HMGICS به روایت PERSOL، این مهارت امتیاز اضافه است و Ford Energy از متخصص الگوریتم‌های باتری و دوقلوی دیجیتال می‌خواهد همراه با تیم مدل‌سازی باتری، مدل‌های الکتروشیمیایی، حرارتی و فرسایش را به شکل مرتبه‌کاهش‌یافته و مناسب اجرای embedded دربیاورد. مدل‌های سیستمی با استاندارد FMI و ابزار متن‌باز OpenModelica هم در دوقلوهای ماشین و فرایند به کار می‌روند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
شبیه‌سازی رویداد گسسته و جریان مواد
ابزار شبیه‌سازی کارخانه و خط تولید؛ Siemens Energy تسلط به آن یا ابزار مشابه را شرط گذاشته و Rivian، Clorox، HMGICS و Caterpillar هم از آن نام برده‌اند
شبیه‌سازی سه‌بعدی جریان مواد؛ NATEK دست‌کم ۴ سال تجربه با آن می‌خواهد و Rivian از زبان FlexScript آن نام برده است
شبیه‌سازی رویداد گسسته، عامل‌محور و پیوسته؛ در آگهی‌های Clorox، HMGICS و Oteemo آمده و نسخهٔ یادگیری شخصی آن رایگان است
سه‌بعدی، OpenUSD و شبیه‌سازی ربات
سکوی ساخت دوقلوی سه‌بعدی؛ محیط اصلی در آگهی‌های Caterpillar، HMGICS، Cooler Master، Eclipse Automation و Stealth AI Startup
قالب توصیف صحنهٔ سه‌بعدی که Omniverse روی آن ساخته شده؛ HMGICS کار با composition، layer و variant را می‌خواهد
راه‌اندازی مجازی و داده‌های صنعتی
استاندارد تبادل داده در کارخانه؛ در آگهی‌های Siemens Energy، Tata Technologies و Stealth AI Startup آمده است
پروتکل سبک پیام‌رسانی IoT و یک broker متن‌باز برای آن؛ Siemens Energy آشنایی با MQTT را خواسته است
شبیه‌سازی ربات و راه‌اندازی مجازی؛ اولین ابزار در فهرست Tata Technologies برای Virtual Commissioning Engineer
ابر، مدل سیستمی و یادگیری ماشین
سرویس Microsoft برای مدل کردن محیط‌ها و دارایی‌ها روی ابر؛ Citi کار با سکوهای دوقلوی ابری روی Azure یا AWS را می‌خواهد
محیط متن‌باز مدل‌سازی سیستم‌های فیزیکی با زبان Modelica؛ جایگزین رایگان برای یادگرفتن مدل‌سازی سیستمی
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
مهندس پروژهٔ شبیه‌سازی / مهندس دوقلوی دیجیتال تازه‌کار
۰ تا ۲ سال
ساخت و اجرای بخش‌هایی از مدل زیر نظر مهندس ارشد، آزمودن منطق کنترل در محیط شبیه‌سازی و آماده کردن دارایی‌های سه‌بعدی؛ آگهی Emerson برای Projects Engineer - Digital Twin Simulation دست‌کم ۲ سال تجربه در اتوماسیون، شبیه‌سازی یا کنترل می‌خواهد
مهندس دوقلوی دیجیتال
۲ تا ۵ سال
مسئولیت یک مدل یا یک خط از جمع‌آوری داده تا اعتبارسنجی و تحویل؛ آگهی‌های Digital Twin Engineer در سنگاپور (GMP) و Cooler Master دست‌کم ۳ سال تجربه می‌خواهند
مهندس ارشد / Principal
۵+ سال
طراحی معماری دوقلو، تعیین استاندارد مدل‌سازی و اعتبارسنجی، اتصال به سیستم‌های سازمان و توجیه سرمایه‌گذاری؛ Siemens Energy و HMGICS ۵+ سال، Anduril ۶+ سال و Clorox ۸+ سال تجربه می‌خواهند
سرپرست برنامهٔ دوقلوی دیجیتال (Lead / Manager)
پس از سطح ارشد
رهبری تیم چندتخصصی و گسترش دوقلو از یک کارخانه به کارخانه‌های دیگر؛ مثل Lead Engineer, Digital Twin Systems در J.M. Smucker و Manager – Manufacturing Digital Twin در ZS که دست‌کم ۷ سال تجربه می‌خواهد
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
اعتماد به خروجی مدل
عمومیمدلی که اعتبارسنجی نشده، تصمیم اشتباه را با اطمینان پشتیبانی می‌کند. Caterpillar برنامهٔ صحه‌گذاری و اعتبارسنجی را جزو وظایف اصلی آورده و Tesco از مهندسش می‌خواهد فرض‌ها، عدم قطعیت و محدودیت‌های مدل را روشن توضیح دهد. بخش بزرگی از کار، قانع کردن تیم کارخانه است که مدل واقعاً شبیه کارخانهٔ آن‌هاست.
دادهٔ ناقص و پراکندهٔ کارخانه
شرکت بزرگدادهٔ تولید در سیستم‌های مختلف و با کیفیت متفاوت است. J.M. Smucker پیدا کردن کمبود داده، drift حسگر، دادهٔ گم‌شده و ناسازگاری‌ها را از وظایف سرپرست دوقلو آورده و Siemens Energy مسئولیت کیفیت و یکپارچگی داده را با خود مهندس گذاشته است.
انتخاب سطح جزئیات
عمومیمدل خیلی ساده جواب غلط می‌دهد و مدل خیلی دقیق دیر آماده می‌شود. Hadrian شبیه‌سازی در سه سطح دقت کم، متوسط و زیاد می‌خواهد، Körber توانایی انتخاب سطح مناسب جزئیات را شرط گذاشته و Tesco ساختن مدل در سطوح مختلف دقت را بر اساس سؤال، داده و توان محاسبه از وظایف آورده است.
مرز IT و OT
شرکت بزرگدوقلو بین شبکهٔ اداری و شبکهٔ کنترل کارخانه قرار می‌گیرد و هر دو طرف قواعد امنیتی خود را دارند. Siemens Energy همکاری با تیم‌های IT و OT برای زیرساخت ابری و محلی را می‌خواهد و HMGICS برنامه‌ریزی دسترسی‌ها و امنیت استقرار را با تیم‌های زیرساخت جزو کار آورده است.
وابستگی به ابزارهای تجاری
عمومیابزارهای اصلی بازار، مثل Plant Simulation، Process Simulate و FlexSim، نرم‌افزار تجاری‌اند و هر آگهی ابزار متفاوتی می‌خواهد. یادگیری مفهوم با ابزار رایگان (SimPy یا نسخهٔ یادگیری شخصی AnyLogic) کمک می‌کند مهارت به یک ابزار گره نخورد، اما در مصاحبه معمولاً تجربه با ابزار مشخص آگهی را می‌سنجند؛ NATEK چهار سال تجربه با FlexSim خواسته است.
بازار پراکنده و عنوان‌های گوناگون
عمومیهمین کار با ده‌ها عنوان آگهی می‌شود و عنوان Digital Twin با آگهی‌های BIM و مهندسی داده مخلوط است. ITJobsWatch در شش ماه منتهی به ۲۳ اکتبر ۲۰۲۶ فقط ۶۴ آگهی دائم بریتانیا با اشاره به Digital Twin ثبت کرده است. برخی آگهی‌های آمریکایی هم شرط تابعیت یا مجوز صادرات دارند، مثل ITAR در Hadrian و مجوز صادرات در Siemens Energy. جستجو با چند عنوان، مثل Factory Simulation، Virtual Commissioning و Omniverse، ضروری است.
حقوق و بازار کار جهانی
حقوق جهانی مهندس دوقلوی دیجیتال صنعتی
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Caterpillar posting, Digital Twin Engineer (Irving, TX; no years stated), listed Sep 2026: summary pay range; median = midpoint
- Hadrian posting, Factory Simulation Engineer (Los Angeles; no years stated), published Jul 21 2026: target salary range; median = midpoint
- Rivian posting, Sr. Simulation Engineer, Factory Design (Normal, IL / Plymouth, MI; 5+ yrs), listed Oct 2026: range for IL and MI; median = midpoint
- Anduril posting, Senior Industrial Engineer, Simulation (Costa Mesa, CA; 6+ yrs), first published Sep 4 2026: base salary range; median = midpoint
- Clorox posting, Principal Industrial Simulation Engineer (Alpharetta, GA; 8+ yrs), listed Oct 2026: Zone A range; median = midpoint
- Eclipse Automation posting, Nvidia Omniverse Developer (Cambridge, ON; no years stated), listed Sep 2026: compensation range; median = midpoint
- ITJobsWatch, UK permanent jobs citing Digital Twin, 6 months to 23 Oct 2026 (39 salaries quoted): 25th–75th pct; median = 50th pct
- GMP Recruitment posting (MyCareersFuture), Digital Twin Engineer (Singapore; 3+ yrs), posted Oct 8 2026: SGD 6,000–9,000 per month, shown ×12; median = midpoint
- PERSOL Singapore posting (MyCareersFuture), Senior Software Engineer (Digital Twin) (Singapore; 5+ yrs), posted Oct 15 2026: SGD 7,000–9,000 per month, shown ×12; median = midpoint
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: Python برای شبیه‌سازی
Python را تا جایی یاد بگیرید که با کلاس و تابع کد تمیز بنویسید و با pandas داده‌های تولید را تحلیل کنید.
ماه ۲: شبیه‌سازی رویداد گسسته با SimPy
یک خط از کارخانهٔ محل کار یا تجربهٔ قبلی‌تان را مدل کنید؛ دانش فرایند شما مزیت اصلی‌تان است.
ماه ۳: یک ابزار صنعتی
همان مدل را در نسخهٔ یادگیری شخصی AnyLogic بسازید و دو سناریو را مقایسه کنید.
ماه ۴: دادهٔ صنعتی
یک سرور OPC UA شبیه‌سازی‌شده بسازید و داده‌اش را با MQTT به یک داشبورد برسانید.
ماه ۵: راه‌اندازی مجازی
یک نوار نقاله را در Factory I/O با منطق PLC کنترل کنید و خطاهای منطق را روی مدل پیدا کنید.
ماه ۶: پورتفولیو و درخواست
سه پروژه را با گزارش کوتاه و فرض‌های مدل منتشر کنید و با عنوان‌های Digital Twin Engineer، Factory Simulation Engineer و Virtual Commissioning Engineer جستجو کنید.
پروژه‌های پیشنهادی برای رزومه
مدل رویداد گسستهٔ یک خط تولید کوچک با SimPy
مبتدییک خط چهار ایستگاهی با زمان‌های تصادفی، خرابی و بافر بین ایستگاه‌ها بسازید. گلوگاه را پیدا کنید، اثر اندازهٔ بافر بر ظرفیت را با چند سناریو بسنجید و فرض‌ها و محدودیت‌های مدل را در README بنویسید.
مقایسهٔ چیدمان کارخانه در یک ابزار صنعتی
متوسطهمان خط را در AnyLogic (نسخهٔ یادگیری شخصی) بسازید، دو چیدمان را مقایسه کنید و نتیجه را با مدل SimPy تطبیق دهید. یک گزارش یک‌صفحه‌ای بنویسید که مدیر تولید بفهمد کدام چیدمان بهتر است و چرا.
اتصال مدل به دادهٔ زنده با OPC UA و MQTT
متوسطبا opcua-asyncio یک سرور OPC UA بسازید که داده‌های یک ماشین را شبیه‌سازی کند، داده را با MQTT به یک پایگاه دادهٔ سری زمانی بفرستید و در Grafana نمایش دهید. وضعیت ماشین‌ها را به مدل SimPy بدهید تا پیش‌بینی ظرفیت شیفت با دادهٔ روز به‌روز شود.
راه‌اندازی مجازی یک نوار نقاله
متوسطدر Factory I/O یک ایستگاه مرتب‌سازی بسازید و منطق کنترلش را با OpenPLC یا شبیه‌ساز PLC بنویسید. خطاهایی را که در مدل مجازی پیدا کردید و اصلاح کردید مستند کنید؛ این دقیقاً همان کاری است که راه‌اندازی مجازی پیش از نصب انجام می‌دهد.
صحنهٔ OpenUSD همراه با مدل جانشین
پیشرفتهیک صحنهٔ OpenUSD ساده از خط تولید بسازید که رنگ هر ماشین را بر اساس وضعیت زنده‌اش عوض کند. بعد روی چند صد اجرای مدل شبیه‌سازی یک مدل جانشین با scikit-learn آموزش دهید که ظرفیت را بدون اجرای دوبارهٔ شبیه‌سازی تخمین بزند، و دقت و سرعتش را با خود شبیه‌سازی مقایسه کنید.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق ویکی‌پدیا، دانشمند، نویسنده و مدیر آمریکایی و متخصص مدیریت چرخهٔ عمر محصول (PLM) است. کارشناسی مهندسی کامپیوتر را از Michigan State University، MBA را از Oakland University و دکترا را از Case Western Reserve University گرفته و در Florida Institute of Technology دانشمند ارشد تولید پیشرفته و معاون اجرایی عملیات بوده است.
از نخستین مدافعان رویکرد دوقلوی دیجیتال است و مدیر اجرایی و دانشمند ارشد Digital Twin Institute بوده. در ۲۰۱۴ مقالهٔ «Digital twin: manufacturing excellence through virtual factory replication» را دربارهٔ تکثیر مجازی کارخانه نوشت و در ۲۰۱۷ همراه John Vickers فصلی دربارهٔ کاربرد دوقلو برای مهار رفتارهای پیش‌بینی‌نشده در سیستم‌های پیچیده منتشر کرد.
مسیر او از مهندسی کامپیوتر به مدیریت و PLM می‌گذرد. به نظر می‌رسد دوقلوی دیجیتال بیش از یک فناوری، پلی بین طراحی محصول، تولید و مدیریت است و کسی که هر دو زبان را بلد باشد جای خوبی در آن دارد.
طبق مصاحبهٔ آوریل ۲۰۲۶ دانشگاه LSU، چهل سال در NASA کار کرد: مسئول فناوری تولید پیشرفته در Space Technology Mission Directorate، رهبر ارشد تولید پیشرفته در Marshall Space Flight Center و مدیر National Center for Advanced Manufacturing، و در همین نقش راهبرد پژوهش و توسعهٔ دوقلوی دیجیتال NASA را هدایت کرد.
به گفتهٔ خودش، اصطلاح «digital twin» حدود ۲۰۱۰ در تمرینی که برای نقشهٔ راه فناوری NASA در حوزهٔ مواد، سازه و تولید رهبری می‌کرد ساخته شد. اکنون نخستین مدیر مرکز Digital Twin Core Facility در LSU است. او می‌گوید دوقلو به هدفش بستگی دارد و با معیار دوطرفه بودن در تعریف آکادمی‌های ملی آمریکا مخالف است.
دیدگاه او دربارهٔ تعریف‌ها یادآوری مفیدی است: در مصاحبهٔ کاری و در پروژه، اول بپرسید این دوقلو قرار است به چه سؤالی جواب دهد، بعد دربارهٔ ابزار و میزان اتصال داده تصمیم بگیرید.
طبق صفحهٔ معرفی نویسنده در McGraw-Hill (ویرایش ۲۰۰۷)، دکترا و کارشناسی ارشد مهندسی صنایع و تحقیق در عملیات را از UC Berkeley گرفته، استاد علوم تصمیم در University of Arizona و دانشیار مهندسی صنایع در University of Wisconsin–Madison بوده و رئیس شرکت Averill M. Law & Associates در زمینهٔ آموزش، مشاوره و نرم‌افزار شبیه‌سازی است.
نویسندهٔ کتاب Simulation Modeling and Analysis است. طبق همان صفحه، تا آن زمان بیش از ۴۰۰ دورهٔ کوتاه شبیه‌سازی در ۱۷ کشور برگزار کرده بود، از جمله برای Boeing، Caterpillar، GM و Whirlpool، نرم‌افزار ExpertFit را برای انتخاب خودکار توزیع‌های ورودی شبیه‌سازی ساخته و مجموعه مقاله‌هایش دربارهٔ شبیه‌سازی سیستم‌های تولیدی جایزهٔ بهترین انتشار ۱۹۸۸ مؤسسهٔ مهندسان صنایع (IIE) را گرفته است.
بخش زیادی از کار او دربارهٔ ورودی و خروجی آماری مدل است، نه ظاهر آن. همین بخش است که مدل قابل اعتماد را از مدل تزئینی جدا می‌کند و تازه‌واردها بیشتر از همه از آن می‌گذرند.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Factory Digital Twin Developer
تحلیل نیازمندی‌ها
Bachelor’s or Master’s degree in Computer Science, Industrial Engineering, Mechatronics, or related field.
سه رشته کنار هم آمده‌اند: کامپیوتر، صنایع و مکاترونیک. یعنی این نقش هم از مسیر نرم‌افزار و هم از مسیر مهندسی تولید قابل دسترس است، به شرطی که کمبود طرف دیگر را جبران کنید.
ضروری5+ years of experience in cloud architecture and digital twin development in manufacturing.
نقش ارشد است و صفحهٔ آگهی سطح تجربه را «Manager / Team Leader» نوشته. تجربه باید در خود محیط تولید باشد، نه فقط در نرم‌افزار عمومی.
ضروریProficiency in Siemens Plant Simulation (PlantSim) or similar discrete event simulation tools.
قلب کار شبیه‌سازی رویداد گسسته است. عبارت «or similar» یعنی تجربه با FlexSim یا AnyLogic هم پذیرفته می‌شود، اما چون کارفرما خود Siemens است، Plant Simulation مزیت روشنی دارد.
ضروریStrong technical capabilities in Python, SQL, automation, software engineering concepts, and integrating applications through APIs.
این شغل فقط ساختن مدل در یک ابزار نیست؛ باید بتوانید کد بنویسید، با پایگاه داده کار کنید و مدل را با API به سیستم‌های دیگر وصل کنید.
ضروریStrong experience with cloud platforms (AWS preferred).
دوقلو قرار است روی ابر اجرا و مقیاس داده شود. AWS ترجیح دارد، ولی مفاهیم ابر بین سکوها مشترک است.
مهمFamiliarity with IoT protocols (MQTT, OPC UA), edge computing, and industrial connectivity.
«Familiarity» یعنی آشنایی کافی است، نه تخصص. باید بدانید داده چطور از PLC و حسگر بیرون می‌آید و به مدل می‌رسد.
مهمتحلیل مسئولیت‌ها
Develop and maintain digital twin models using Siemens Plant Simulation (PlantSim) or equivalent tools.
مدل خط تولید را می‌سازید و با تغییر کارخانه به‌روز نگه می‌دارید؛ مدلی که نگهداری نشود به‌سرعت از واقعیت فاصله می‌گیرد.
Develop APIs and data pipelines to connect digital twins with enterprise systems (ERP, MES, CMMS) while integrating real-time data from sensors, PLCs, SCADA, and MES systems into simulation environments
همین بند است که یک شبیه‌سازی را به دوقلو تبدیل می‌کند: مدل از یک طرف به دادهٔ کف کارگاه و از طرف دیگر به سیستم‌های برنامه‌ریزی و نگهداری سازمان وصل می‌شود.
Collaborate with manufacturing, automation, and data science teams to model and simulate production lines.
مدل را تنها نمی‌سازید. دانش فرایند از تیم تولید، داده از تیم اتوماسیون و مدل‌های تحلیلی از تیم علم داده می‌آید.
Enable predictive and prescriptive analytics through simulation and machine learning integration.
تنها جای یادگیری ماشین در این آگهی، و به شکل «ادغام»: شما بستر را آماده می‌کنید تا مدل‌های پیش‌بینی روی آن کار کنند. در شرایط لازم هیچ مهارت یادگیری ماشینی خواسته نشده است.
Monitor system performance and continuously improve simulation accuracy and cloud efficiency.
دقت مدل یک بار برای همیشه تأیید نمی‌شود؛ باید مدام خروجی مدل را با کارخانه مقایسه و اصلاح کنید.
Ensure data governance, quality, and integrity for all datasets used in AI training and operational analytics.
کیفیت داده هم مسئولیت شماست. دادهٔ کارخانه پر از کمبود و ناسازگاری است و اگر وارد مدل یا آموزش مدل‌های AI شود، نتیجه را خراب می‌کند.
Collaborate with IT and OT teams to manage both cloud and on‑premise infrastructure supporting AI development and deployment.
باید بین دو دنیا کار کنید: IT که ابر و امنیت شبکه را می‌گرداند و OT که شبکهٔ کنترل کارخانه را. این همکاری معمولاً کندترین بخش پروژه است.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از نسخهٔ صنعتی شغل می‌دهد: یک مهندس با ۵+ سال تجربه که مدل رویداد گسستهٔ کارخانه را در Plant Simulation می‌سازد، آن را به دادهٔ زندهٔ حسگرها، PLC و MES و به سیستم‌های ERP و CMMS وصل می‌کند و روی ابر نگه می‌دارد. یادگیری ماشین فقط به شکل ادغام آمده و در شرایط لازم نیست؛ در عوض Python، SQL، API، ابر و پروتکل‌های صنعتی خواسته شده است. آگهی بازهٔ حقوق ندارد.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
BLS آمریکا پیش‌بینی می‌کند اشتغال مهندسان صنایع (Industrial Engineers) از ۲۰۲۵ تا ۲۰۳۵، ۱۲٪ رشد کند، که «بسیار سریع‌تر از میانگین همهٔ شغل‌ها» است، و انتظار دارد تقاضا برای تخصص این مهندسان در اتوماسیون بیشتر شود. BLS گروه جداگانه‌ای برای دوقلوی دیجیتال ندارد؛ مهندسی صنایع نزدیک‌ترین گروه رسمی است، چون چند آگهی این صفحه، مثل Anduril، عنوان Industrial Engineer دارند و Rivian و Clorox مدرک مهندسی صنایع یا تولید می‌خواهند.
منبع: BLS Occupational Outlook Handbook — Industrial Engineers (2025–35)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
طبق ITJobsWatch، در شش ماه منتهی به ۲۳ اکتبر ۲۰۲۶ در آگهی‌های دائم بریتانیا که به Digital Twin اشاره کرده‌اند، AI در ۵۳٫۱٪، Machine Learning در ۲۶٫۶٪، Python در ۲۱٫۹٪ و BIM در ۱۲٫۵٪ آمده است.
BLS پیش‌بینی می‌کند اشتغال مهندسان صنایع در آمریکا از ۲۰۲۵ تا ۲۰۳۵، ۱۲٪ رشد کند؛ یعنی ۴۵ هزار و ۴۰۰ شغل بیشتر نسبت به ۳۶۵ هزار و ۱۰۰ شغل سال ۲۰۲۵.
بازار این عنوان کوچک و پراکنده است. طبق ITJobsWatch، تعداد آگهی‌های دائم بریتانیا با اشاره به Digital Twin در شش ماه منتهی به ۲۳ اکتبر ۲۰۲۶ به ۶۴ رسید (۵۵ در همین بازهٔ ۲۰۲۵ و ۳۷ در ۲۰۲۴)، اما سهمش از کل آگهی‌ها از ۰٫۱۱٪ به ۰٫۰۵۳٪ کم شد. برای حقوق هم یک هشدار هست: Glassdoor برای Digital Twin Engineer در بریتانیا بر پایهٔ ۲۸ حقوق گزارش‌شده میانگین ۳۵٬۴۹۴ پوند نشان می‌دهد، در حالی که دهک پایین آگهی‌های ITJobsWatch ۴۹٬۳۸۸ پوند است؛ احتمالاً این عنوان برای کارهای بسیار متفاوتی، از جمله نقش‌های BIM و تازه‌کار، به کار می‌رود. ابزارهای کدنویسی با AI هم وارد کار شده‌اند: Anduril استفاده از Claude و دستیارهای کدنویسی را برای استخراج داده و ساخت مدل می‌خواهد، همراه با «تردید سالم» دربارهٔ اعتبارسنجی خروجی‌شان. ارزش مهندس بیشتر در شناخت فرایند و اعتبارسنجی مدل است تا در نوشتن کد.
منابع
اطلاعات این صفحه در تاریخ ۱ آبان ۱۴۰۵ از این ۴۰ منبع بررسی شده است.
- Factory Digital Twin Developer — Siemens Energy, Gibsonton FL (job posting)
- Digital Twin Engineer — Caterpillar, Irving TX (job posting)
- Lead Software Engineer (Simulation/Digital Twin) — Caterpillar (job posting)
- Factory Simulation Engineer — Hadrian (job posting)
- Senior Software Engineer (Digital Twin) — Hyundai Motor Group Innovation Center Singapore (job posting)
- Simulation & Digital Twin Software Expert — Körber (job posting)
- Software Developer Digital Twin — TGW Logistics (job posting)
- Manufacturing Digital Twin Engineer — NATEK (job posting)
- Senior Digital Twin Engineer (3D/Omniverse/Physical AI) — Cooler Master (job posting)
- Digital Twin Engineer — Stealth AI Startup, Hyderabad (job posting)
- Sr. Simulation Engineer, Factory Design — Rivian (job posting)
- Principal Industrial Simulation Engineer — The Clorox Company (job posting)
- Senior Industrial Engineer, Simulation — Anduril Industries (job posting)
- Projects Engineer - Digital Twin Simulation — Emerson (job posting)
- Virtual Commissioning Engineer — Tata Technologies (job posting)
- Simulation Engineer (gn) NVIDIA Omniverse — Wandelbots (job posting)
- Nvidia Omniverse Developer — Eclipse Automation (job posting)
- Lead Engineer, Digital Twin Systems, PET — The J.M. Smucker Co. (job posting)
- Data Scientist - Simulation and Digital Twins — Tesco Technology (job posting)
- Digital Twin Engineer — Citi, Bengaluru (job posting)
- Digital Twin Lead — Capgemini Engineering (job posting)
- (Senior) Scientist: Hybrid Modeling and Process Simulation — ABB (job posting)
- Sr. Engineer, Digital Twins for Test Systems — North Wind (job posting)
- Technical Specialist, Battery Algorithms and Digital Twin — Ford Energy (job posting)
- Manager – Manufacturing Digital Twin — ZS (job posting)
- Asset Intelligence & Digital Twin Specialist — WSP (job posting, BIM version)
- Digital Twin Engineer (EPC) — Larsen & Toubro (job posting, BIM version)
- Senior Data Engineer Digital Twin & Operational Modeling — Oteemo (job posting)
- Digital Twin Engineer — GMP Recruitment, Singapore (job posting, MyCareersFuture)
- Senior Software Engineer (Digital Twin) — PERSOL Singapore (job posting, MyCareersFuture)
- ITJobsWatch — Digital Twin (UK permanent jobs, 6 months to 23 Oct 2026)
- Glassdoor — Digital Twin Engineer salaries, United Kingdom
- BLS Occupational Outlook Handbook — Industrial Engineers
- Digital twin — Wikipedia
- Michael Grieves — Wikipedia
- John Vickers Intends to “Do Big Things” with Digital Twins at LSU (LSU, Apr 2026)
- Averill M. Law — About the Author (McGraw-Hill)
- National Academies — Foundational Research Gaps and Future Directions for Digital Twins (2024)
- Digital Twins — University of Michigan & Siemens (Coursera)
- AnyLogic — Downloads (Personal Learning Edition)