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

Das enorme Potenzial der Digital-Twin-Technologie – mit ihrer Fähigkeit, digitale Repliken physischer Objekte, Prozesse und Umgebungen zu erstellen – hat Anwendungen, die sich über Branchen erstrecken, von der Nachbildung gefährlicher Umgebungen bis hin zur Darstellung von Raumfahrzeugen für Remote-Trainingszwecke. Eine aktuelle Analyse von McKinsey legt nahe, dass das Interesse so tiefgreifend ist, dass der globale Markt für digitale Zwillinge in den nächsten fünf Jahren etwa 60% pro Jahr wachsen und 2027 73,5 Milliarden Dollar erreichen wird. Das Interesse ist offensichtlich vorhanden, 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 Intelligenz verfügte, um über die einfache Darstellung eines Vermögenswerts hinauszugehen. Viel wertvoller wäre die Fähigkeit, das Verhalten genau zu simulieren, vorherzusagen und zu steuern. Digitale Zwillinge waren auch maßgeschneidert und verfügten nicht über die Fähigkeit, global von dem Verhalten ähnlicher Vermögenswerte zu lernen. Ihre Erkenntnisse waren isoliert und nicht immer auf breitere organisatorische Bedürfnisse anwendbar, was sie zu einer kräftigen Investition mit engen Renditen 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 Anwendungen betrachten:

• Darstellung – Die frühen Iterationen von Digitalen Zwillingen waren einfache digitale Repräsentationen von Vermögenswerten, die nicht besonders nützlich waren, außer in bestimmten Nischenanwendungsfällen für die Verbesserung des Designs und der Ausführung bestimmter Aufgaben. Im Wesentlichen handelt es sich hier um den “Replikationszustand” der Digital-Twin-Technologie.
• Simulation – Heute entwickeln sich digitale Zwillinge von der Darstellung zur Simulation, was eine breitere Palette von Anwendungsfällen nutzt. Simulation bedeutet, dass digitale Zwillinge nicht nur den Vermögenswert oder die Umgebung widerspiegeln, sondern auch zukünftige Szenarien genau simulieren. In diesem Stadium können sie auch aus Daten von anderen ähnlichen Prozessen lernen, um bedeutsame Erkenntnisse zu gewinnen. Simulations-Zwillinge verwenden AI-Algorithmen, um Produktionsergebnisse zu simulieren, optimale Maschinenparameter 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 ermöglichen wird, dass Vermögenswerte, Prozesse und ganze Teile der Produktion autonom planen und handeln. In diesem Stadium werden sie auch komplexe Entscheidungen treffen und mit Menschen zusammenarbeiten, um eine nachhaltigere Produktion voranzutreiben. Dies ist das Stadium des digitalen Zwilling-Agenten.

Der Wechsel zwischen den Stadien erfordert unterschiedliche Level 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 Eingaben und Ausgaben an verschiedenen kritischen Stellen der Reise, um robuste Erkenntnisse zu liefern, die eine Simulation informieren. Ein Großteil dieser Daten ist leicht verfügbar, und wir haben Prozesshersteller mit qualitativ hochwertigen Online-Messungen der Ausgaben (z. B. Papier) gesehen, aber es gibt in der Regel eine Lücke bei der Messung der Eingaben (z. B. Holzfaser, die in die Papierpulpe eingebracht wird).

Um dies zu umgehen, müssen Fertigungsteams die Simulation, die sie zu erreichen versuchen, und die verschiedenen Eingaben, Maschinen und Systeme, die beteiligt sind, sowie die verschiedenen Parameter jeder Phase während des Prozesses klar definieren. Dies erfordert wahrscheinlich die Einbindung von Experten aus mehreren 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, benötigen Daten von anderen ähnlichen Modellen und digitalen Zwillingen, um zu zeigen, was “großartig” oder optimal aussieht, global und nicht nur innerhalb des lokalen Prozesses, der untersucht wird.

Infolgedessen benötigen digitale Zwillinge eine große Cloud-Komponente, sonst riskieren Organisationen, den größten Teil des Versprechens dieser Technologie zu verpassen.

Die andere Seite der Medaille ist, dass digitale Zwillinge nicht allein auf Cloud-Technologie angewiesen sein dürfen, da die Latenz der Cloud Hindernisse für Faktoren wie die Erfassung von Echtzeit-Daten und Echtzeit-Anweisungen schaffen kann. Betrachten 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 simulierten Prozess erfasst werden.

Mögliche Schmerzpunkte bei der Bereitstellung und Verwaltung

Neben der richtigen Technologie 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 Stadtmappe und alle ihre Abkürzungen kennen, aber GPS rüstet Fahrer in der Regel mit genaueren Routen aus, indem es Verkehrsdaten berücksichtigt. Ähnlich müssen Ingenieure und Fertigungsexperten genaue und sichere Simulationen erleben, um voll und ganz Vertrauen in ihre Fähigkeiten zu gewinnen.

Das Gewinnen von Vertrauen dauert, aber Transparenz bei den Modellen und den Daten, die die digitalen Zwillinge speisen, 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 genutzt werden, um einzigartige Erkenntnisse zu gewinnen.

Wenn Investitionen und Vertrauen zunehmen, werden digitale Zwillinge schließlich den Status der Agentur erreichen und komplexe Entscheidungen auf eigene Faust 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 verändern.