Τι εμποδίζει την Εξέλιξη και Υιοθέτηση των Ψηφιακών Δίδυμων;

Το τεράστιο δυναμικό της τεχνολογίας ψηφιακών δίδυμων – με την ικανότητά της να δημιουργεί ψηφιακά αντίγραφα φυσικών αντικειμένων, διαδικασιών και περιβαλλόντων – έχει εφαρμογές που εκτείνονται σε διάφορους τομείς, από την αναπαράσταση επικίνδυνων περιβαλλόντων έως την προβολή διαστημικών οχημάτων για εκπαιδευτικούς σκοπούς. Πρόσφατη ανάλυση από το McKinsey υποδηλώνει ότι το ενδιαφέρον είναι τόσο βαθύ, που η παγκόσμια αγορά για ψηφιακά δίδυμα θα αυξηθεί περίπου 60% το χρόνο τα επόμενα πέντε χρόνια και θα φτάσει τα 73,5 δισεκατομμύρια δολάρια μέχρι το 2027. Το ενδιαφέρον είναι σαφώς εκεί, αλλά έχει ακολουθήσει πραγματικά η υιοθέτηση;

Η απάντηση – είναι σύνθετη. Η τεχνολογία ψηφιακών δίδυμων και οι περιπτώσεις χρήσης της έχουν εξελιχθεί enormως, αλλά πρέπει να αντιμετωπιστούν προκλήσεις για την υιοθέτηση ψηφιακών δίδυμων σε μεγάλη κλίμακα.

Η Εξέλιξη των Ψηφιακών Δίδυμων

Η πραγματική υιοθέτηση της τεχνολογίας ψηφιακού δίδυμου ήταν αργή επειδή, μέχρι πρόσφατα, έλλειπε η ευφυΐα για να πηγαίνει πέρα από την απλή αναπαράσταση ενός περιουσιακού στοιχείου. Περισσότερη αξία θα είχε η ικανότητα να προσομοιώσει, να προβλέψει και να ελέγξει τη συμπεριφορά του. Τα ψηφιακά δίδυμα ήταν επίσης εξατομικευμένα και έλλειψαν την ικανότητα να μάθουν παγκοσμίως από τη συμπεριφορά παρόμοιων περιουσιακών στοιχείων. Οι πληροφορίες τους ήταν απομονωμένες και δεν ήταν πάντα εφαρμόσιμες σε ευρύτερες οργανωτικές ανάγκες, καθιστώντας τα μια σημαντική επένδυση με στενά οφέλη.

Παρά τούτο, κάποιοι πρώτοι υιοθετητές ψηφιακών δίδυμων περιλαμβάνουν τις βιομηχανίες κατασκευής, λιανικής, υγείας και αυτοκινητοβιομηχανίας, οι οποίες έχουν能够 να δοκιμάσουν νέες εγκαταστάσεις, διαμορφώσεις και διαδικασίες σε einem ελεγχόμενο περιβάλλον.

Με νέες προσεγγίσεις που οδηγούνται από την τεχνητή νοημοσύνη, θα δούμε μια ταχεία μετάβαση από “ψηφιακά δίδυμα” σε προσομοιώσεις και “υπηρεσίες” που θα διευρύνουν δραματικά τις περιπτώσεις χρήσης και θα οδηγήσουν σε ευρεία υιοθέτηση. Ας εξετάσουμε αυτές τις κατηγορίες χρήσης:

• Αναπαράσταση – Οι πρώτες εκδοχές των ψηφιακών δίδυμων ήταν απλές ψηφιακές αναπαραστάσεις περιουσιακών στοιχείων, οι οποίες δεν ήταν ιδιαίτερα χρήσιμες πέρα από επιλεγμένες περιπτώσεις χρήσης για τη βελτίωση του σχεδιασμού και της εκτέλεσης ορισμένων εργασιών. Αυτή είναι η “αναπαράσταση” της τεχνολογίας ψηφιακού δίδυμου.
• Προσομοίωση – Σήμερα, τα ψηφιακά δίδυμα εξελίσσονται από την αναπαράσταση στην προσομοίωση, η οποία ωφελεί ένα ευρύτερο σύνολο περιπτώσεων χρήσης. Η προσομοίωση σημαίνει ότι τα ψηφιακά δίδυμα δεν αντανακλούν μόνο το περιουσιακό στοιχείο ή το περιβάλλον, αλλά και προσομοιώνουν με ακρίβεια μελλοντικές σzenaria. Σε αυτό το στάδιο, είναι能够 να μάθουν από δεδομένα από παρόμοιες διαδικασίες για να αποκτήσουν σημαντικές πληροφορίες. Οι προσομοιώσεις χρησιμοποιούν αλγόριθμους τεχνητής νοημοσύνης για να προσομοιώσουν αποτελέσματα παραγωγής, να συνιστώνται βέλτιστες ρυθμίσεις μηχανών και να οδηγούν ομάδες παραγωγής προς βελτιωμένα επιχειρηματικά αντικείμενα σε ένα περιβάλλον κατασκευής.
• Υπηρεσία – Η επόμενη εξέλιξη μετά την προσομοίωση θα είναι η υπηρεσία, η οποία θα ermögσει περιουσιακά στοιχεία, διαδικασίες και ολόκληρα τμήματα παραγωγής να σχεδιάσουν και να ενεργήσουν αυτονομamente. Σε αυτό το στάδιο, θα λαμβάνουν επίσης σύνθετες αποφάσεις και θα συνεργάζονται με ανθρώπους για να οδηγήσουν μια πιο βιώσιμη παραγωγή. Αυτό είναι το στάδιο του ψηφιακού δίδυμου ως υπηρεσίας.

Η μετάβαση μεταξύ των σταδίων απαιτεί διαφορετικά επίπεδα υποστηρικτικής τεχνολογίας, και είναι απαραίτητο ότι οι οργανισμοί έχουν το σωστό τεχνολογικό στάκ για να επιτύχουν το μέγιστο αντίκτυπο και απόδοση των ψηφιακών δίδυμων.

Βασική Τεχνολογία για Ψηφιακά Δίδυμα

Η σωστή βασική τεχνολογία πρέπει να είναι σε θέση πριν από τη μετάβαση από την αναπαράσταση στην προσομοίωση και, τελικά, στην υπηρεσία.

Χρησιμοποιώντας την κατασκευή ως παράδειγμα, οι οργανισμοί που θέλουν να δημιουργήσουν μια ψηφιακή προσομοίωση μιας διαδικασίας ή περιβάλλοντος εργοστασίου πρέπει να έχουν αξιόπιστες δυνατότητες αισθητήρων online. Αυτοί οι αισθητήρες παρέχουν δεδομένα από την είσοδο και την έξοδο σε διάφορα κρίσιμα στάδια του ταξιδιού για να παρέχουν ισχυρές πληροφορίες για να ενημερώσουν μια προσομοίωση. Πολλά από αυτά τα δεδομένα είναι διαθέσιμα, και έχουμε δει παραγωγούς διαδικασιών με ποιοτικές μετρήσεις online στα αποτελέσματα (π.χ. χαρτί), αλλά υπάρχει συνήθως ένα κενό στις μετρήσεις αισθητήρων για τις εισόδους (π.χ. ξυλοϊνες που εισάγονται στην παραγωγή χαρτιού).

Για να αντιμετωπίσουμε αυτό, οι ομάδες κατασκευής πρέπει να ορίσουν σαφώς την προσομοίωση που προσπαθούν να επιτύχουν και τις διάφορες εισόδους, μηχανές και συστήματα που εμπλέκονται, μαζί με τις διάφορες παραμέτρους κάθε στάδιου κατά τη διάρκεια της διαδικασίας. Αυτό πιθανότατα απαιτεί την εμπλοκή εμπειρογνωμόνων σε πολλαπλά τμήματα για να διασφαλιστεί ότι όλες οι πτυχές του μοντέλου λαμβάνονται υπόψη, το οποίο στη συνέχεια θα βοηθήσει να διασφαλιστεί ότι τα δεδομένα είναι αρκετά ισχυρά για να τροφοδοτήσουν μια προσομοίωση.

Συνδεσιμότητα και Σύγκριση

Τα ψηφιακά δίδυμα που είναι完全 απομονωμένα χάνουν τις πληροφορίες από άλλα μοντέλα σε παρόμοιες περιπτώσεις. Τα μοντέλα που συμβάλλουν στα ψηφιακά δίδυμα πρέπει να τροφοδοτούνται με δεδομένα από άλλα παρόμοια μοντέλα και ψηφιακά δίδυμα για να δείξουν τι “καλό” ή βέλτιστο μοιάζει παγκοσμίως, όχι μόνο εντός της τοπικής διαδικασίας που εξετάζεται.

Ως αποτέλεσμα, τα ψηφιακά δίδυμα απαιτούν μια μεγάλη συνιστώσα cloud, ή αλλιώς οι οργανισμοί κινδυνεύουν να χάσουν οποιαδήποτε έννοια της πλήρους υπόσχεσης που προσφέρει αυτή η τεχνολογία.

Η άλλη πλευρά του νομίσματος είναι ότι τα ψηφιακά δίδυμα δεν πρέπει να βασίζονται αποκλειστικά στην τεχνολογία cloud, επειδή η καθυστέρηση της cloud μπορεί να δημιουργήσει εμπόδια για παράγοντες όπως η συλλογή δεδομένων σε πραγματικό χρόνο και οι οδηγίες σε πραγματικό χρόνο. Σκεφτείτε πόσο άχρηστο θα ήταν να έχει μια προσομοίωση που προορίζεται να αποτρέψει τις βλάβες μηχανών μόνο για να ανιχνεύσει μια σπασμένη ζώνη πολύ μετά την ώρα που το κομμάτι έχει σταματήσει να λειτουργεί σωστά και η ολόκληρη μηχανή είναι σε στάση.

Για να υπερβούν αυτές τις προκλήσεις, μπορεί να είναι σοφό να προστεθεί ένα στοιχείο που είναι ενεργοποιημένο από την τεχνητή νοημοσύνη. Αυτό διασφαλίζει ότι τα δεδομένα μπορούν να συλλεχθούν όσο το δυνατόν πιο κοντά στη διαδικασία που προσομοιώνεται.

Πιθανές Ποντίκες με την Ανάπτυξη και τη Διαχείριση

Εκτός από το να έχουν την σωστή τεχνολογική στοίβα και την υποδομή για να συλλέξουν τα απαραίτητα δεδομένα για προσομοιώσεις ψηφιακών δίδυμων που οδηγούνται από την τεχνητή νοημοσύνη, η εμπιστοσύνη παραμένει ένα σημαντικό εμπόδιο στην ανάπτυξη. Οι οδηγοί ταξί στο Λονδίνο μπορεί να γνωρίζουν το χάρτη της πόλης και όλους τους δρόμους, αλλά το GPS συνήθως εξοπλίζει τους οδηγούς με πιο ακριβείς διαδρομές λαμβάνοντας υπόψη τα δεδομένα της κυκλοφορίας. Παρόμοια, οι μηχανικοί και οι επαγγελματίες της κατασκευής πρέπει να βιώσουν ακριβείς και ασφαλείς προσομοιώσεις για να κερδίσουν πλήρη εμπιστοσύνη στις ικανότητές τους.

Η κέρδη της εμπιστοσύνης χρειάζεται χρόνο, αλλά η διαφάνεια με τα μοντέλα και με τα δεδομένα που τροφοδοτούν τα ψηφιακά δίδυμα μπορεί να επιταχύνει αυτή τη διαδικασία. Οι οργανισμοί πρέπει να σκέφτονται στρατηγικά τη μετατόπιση της στάσης της νου που είναι απαραίτητη για να κάνουν τις ομάδες να εμπιστεύονται τις πληροφορίες από αυτή τη शकτική τεχνολογία – ή να κινδυνεύουν να χάσουν την απόδοση.

Ο Δρόμος προς την Υπηρεσία

Παρά την υπόσχεση των ψηφιακών δίδυμων, η υιοθέτηση έχει sido σχετικά αργή – μέχρι πρόσφατα. Η εισαγωγή μοντέλων που οδηγούνται από την τεχνητή νοημοσύνη μπορεί να πάρει τα ψηφιακά δίδυμα από την αναπαράσταση στην προσομοίωση συνδέοντας πληροφορίες από άλλα μοντέλα για να χτίσει μοναδικές γνώσεις.

Όσο η επένδυση και η εμπιστοσύνη αυξάνονται, τα ψηφιακά δίδυμα θα φτάσουν τελικά στο στάδιο της υπηρεσίας και θα είναι能够 να λαμβάνουν σύνθετες αποφάσεις μόνα τους. Η αληθινή αξία παραμένει ακόμη κλειδωμένη, αλλά τα ψηφιακά δίδυμα έχουν το δυναμικό να μεταμορφώσουν βιομηχανίες από την κατασκευή έως την υγεία έως το λιανικό εμπόριο.