Was steht der Evolution und dem Einsatz von Digitalen Zwillingen im Weg?

Das enorme Potenzial der Digital-Twin-Technologie – mit ihrer Fähigkeit, digitale Repliken von physischen Objekten, Prozessen und Umgebungen zu erstellen – hat Anwendungen, die sich über verschiedene Branchen erstrecken, von der Nachbildung von gefährlichen Umgebungen bis hin zur Darstellung von Raumfahrzeugen für Fernschulungszwecke. Eine kürzliche Analyse von McKinsey legt nahe, dass das Interesse so profund ist, dass der globale Markt für digitale Zwillinge etwa 60% pro Jahr über die nächsten fünf Jahre wachsen und bis 2027 73,5 Milliarden Dollar erreichen wird. Das Interesse ist offensichtlich da, aber hat die Einführung wirklich Folge geleistet?

Die Antwort – es ist kompliziert. Die Digital-Twin-Technologie und ihre Anwendungsfälle haben sich enorm entwickelt, aber Herausforderungen müssen angegangen werden, damit digitale Zwillinge im großen Maßstab eingesetzt werden können.

Die Evolution von Digitalen Zwillingen

Die wahre Einführung von Digital-Twin-Technologie war langsam, weil sie bis vor kurzem nicht über die bloße Darstellung eines Vermögensgegenstands hinausgehen konnte. Viel wertvoller wäre die Fähigkeit, das Verhalten genau zu simulieren, vorherzusagen und zu steuern. Digitale Zwillinge waren auch maßgeschneidert und hatten nicht die Fähigkeit, global von dem Verhalten ähnlicher Vermögensgegenstände zu lernen. Ihre Erkenntnisse waren in Silos eingeschlossen und nicht immer anwendbar auf breitere organisatorische Bedürfnisse, was sie zu einer teuren Investition mit engen Erträgen machte.

Trotzdem gehören einige frühe Anwender von Digitalen Zwillingen der Fertigungs-, Einzelhandels-, Gesundheits- und Automobilindustrie an, die in der Lage waren, neue Einrichtungen, Konfigurationen und Prozesse in einer kontrollierten Umgebung zu testen.

Mit neuen AI-getriebenen Ansätzen werden wir einen schnellen Wechsel von “Digitalen Zwillingen” zu AI-gesteuerter “Simulation” und “Agentur” sehen, der die Anwendungsfälle dramatisch erweitern und eine weitverbreitete Einführung vorantreiben wird. Lassen Sie uns diese Kategorien von Anwendungsfällen betrachten:

• Darstellung – Die frühen Iterationen von Digitalen Zwillingen waren einfache digitale Repräsentationen von Vermögensgegenständen, die nicht besonders nützlich waren, außer in bestimmten Nischenanwendungsfällen für die Verbesserung des Designs und der Ausführung bestimmter Aufgaben. Im Wesentlichen ist dies der “Replik” -Zustand der Digital-Twin-Technologie.
• Simulation – Heute entwickeln sich digitale Zwillinge von der Darstellung zur Simulation, was einen breiteren Satz von Anwendungsfällen nutzt. Simulation bedeutet, dass digitale Zwillinge nicht nur den Vermögensgegenstand oder die Umgebung widerspiegeln, sondern auch genau zukünftige Szenarien simulieren. In diesem Stadium sind sie in der Lage, aus Daten von anderen ähnlichen Prozessen zu lernen, um bedeutungsvolle Erkenntnisse zu gewinnen. Simulations-Zwillinge verwenden AI-Algorithmen, um Produktionsergebnisse zu simulieren, optimale Maschineneinstellungen zu empfehlen und Produktionsmannschaften in Richtung verbesserter Geschäftsziele in einer Fertigungsumgebung zu führen.
• Agentur – Die nächste Evolution nach der Simulation wird die Agentur sein, die es Vermögensgegenständen, Prozessen und ganzen Teilen der Produktion ermöglichen wird, autonom zu planen und zu handeln. In diesem Stadium werden sie auch komplexe Entscheidungen treffen und in Partnerschaft mit Menschen zusammenarbeiten, um eine nachhaltigere Produktion voranzutreiben. Dies ist der Digital-Twin-Agent-Status.

Der Wechsel zwischen den Stadien erfordert unterschiedliche Levels an unterstützender Technologie, und es ist von entscheidender Bedeutung, dass Organisationen den richtigen Technologie-Stack haben, um den maximalen Einfluss und ROI von Digitalen Zwillingen zu erzielen.

Grundlegende Technologie für Digitale Zwillinge

Die richtige grundlegende Technologie muss vorhanden sein, bevor man von der Darstellung zur Simulation und schließlich zur Agentur übergeht.

Wenn man die Fertigung als Beispiel nimmt, müssen Organisationen, die eine digitale Simulation eines bestimmten Prozesses oder einer Fabrikumgebung erstellen möchten, zuverlässige Online-Sensoren haben. Diese Sensoren liefern Daten von den Eingängen und Ausgängen an verschiedenen kritischen Stellen der Reise, um robuste Erkenntnisse zu liefern, die eine Simulation informieren können. Viele dieser Daten sind leicht verfügbar, und wir haben Fertigungsunternehmen mit qualitativ hochwertigen Online-Messungen der Ausgänge (z. B. Papier) gesehen, aber es gibt normalerweise eine Lücke bei den Sensormessungen für die Eingänge (z. B. Holzfaser, die in die Papierpulpe eingebracht wird).

Um dies zu umgehen, müssen Fertigungsteams die Simulation, die sie zu erreichen versuchen, sowie die verschiedenen Eingänge, Maschinen und Systeme, die beteiligt sind, sowie die verschiedenen Parameter jedes Stadiums während des Prozesses klar definieren. Dies erfordert wahrscheinlich die Einbindung von Experten aus verschiedenen Funktionen, um sicherzustellen, dass alle Aspekte des Modells berücksichtigt werden, was dann dazu beitragen wird, sicherzustellen, dass die Daten robust genug sind, um eine Simulation zu unterstützen.

Konnektivität und Vergleich

Digitale Zwillinge, die völlig isoliert sind, verpassen Erkenntnisse aus anderen Modellen in ähnlichen Szenarien. Die Modelle, die zum digitalen Zwilling beitragen, müssen mit Daten von anderen ähnlichen Modellen und digitalen Zwillingen gefüttert werden, um zu zeigen, was “großartig” oder optimal aussieht, global und nicht nur innerhalb des lokalen Prozesses, der untersucht wird.

Als Ergebnis benötigen digitale Zwillinge eine große Cloud-Komponente, oder sonst riskieren Organisationen, den vollen Versprechen dieser Technologie zu verpassen.

Auf der anderen Seite müssen digitale Zwillinge nicht allein auf Cloud-Technologie angewiesen sein, da die Latenz der Cloud Hindernisse für Faktoren wie die Erfassung von Echtzeit-Daten und Echtzeit-Anweisungen schaffen kann. Überlegen Sie, wie sinnlos es wäre, eine Simulation zu haben, die darauf abzielt, Maschinenausfälle zu verhindern, nur um die Simulation zu erkennen, dass ein gebrochener Gürtel lange nachdem das Teil aufgehört hat, ordnungsgemäß zu funktionieren, und die gesamte Maschine stillsteht.

Um diese Herausforderungen zu überwinden, kann es ratsam sein, eine Komponente hinzuzufügen, die Edge-AI-fähig ist. Dies stellt sicher, dass Daten so nahe wie möglich am Prozess, der simuliert wird, erfasst werden können.

Mögliche Schmerzpunkte bei der Bereitstellung und Verwaltung

Neben der richtigen Technologie-Stacks und Infrastruktur, um die notwendigen Daten für AI-gesteuerte Simulations-Zwillinge zu erfassen, bleibt Vertrauen ein erhebliches Hindernis für die Bereitstellung. Taxifahrer in London mögen die Stadtplanung und alle Abkürzungen kennen, aber GPS versorgt Fahrer normalerweise mit genaueren Routen, indem es Verkehrsdaten berücksichtigt. Ähnlich müssen Ingenieure und Fertigungsexperten genaue und sichere Simulationen erleben, um vollständig Vertrauen in ihre Fähigkeiten zu gewinnen.

Das Gewinnen von Vertrauen dauert, aber Transparenz bei den Modellen und bei den Daten, die die digitalen Zwillinge füttern, kann diesen Prozess beschleunigen. Organisationen sollten strategisch über die notwendige Einstellungsänderung nachdenken, um Teams dazu zu bringen, den Erkenntnissen aus dieser leistungsstarken Technologie zu vertrauen – oder riskieren, den ROI zu verpassen.

Der Weg zur Agentur

Trotz des Versprechens von Digitalen Zwillingen war die Einführung relativ langsam – bis vor kurzem. Die Einführung von AI-gesteuerten Modellen kann digitale Zwillinge von der Darstellung zur Simulation verbinden, indem Erkenntnisse aus anderen Modellen verwendet werden, um einzigartige Erkenntnisse zu gewinnen.

Wenn Investitionen und Vertrauen zunehmen, werden digitale Zwillinge schließlich den Agentur-Status erreichen und in der Lage sein, komplexe Entscheidungen auf eigene Faust zu treffen. Der wahre Wert ist noch nicht freigeschaltet, aber digitale Zwillinge haben das Potenzial, Branchen von der Fertigung bis zur Gesundheitsversorgung und zum Einzelhandel zu transformieren.