Mikä on digitaalisen kaksoisevoluution ja adoption tiellä?

Digitaalisen kaksoisteknologian valtava potentiaali – sen kyky luoda digitaalisia jäljennöksiä fyysisistä objekteista, prosesseista ja ympäristöistä – sisältää sovelluksia, jotka kattavat eri toimialoja vaarallisten ympäristöjen kopioinnista avaruusalusten näyttämiseen etäkoulutustarkoituksiin. Tuore analyysi osoitteesta McKinsey ehdottaa, että kiinnostus on niin syvä, että digitaalisten kaksosten globaalit markkinat kasvavat noin 60 % vuodessa seuraavien viiden vuoden aikana ja saavuttavat 73.5 miljardia dollaria vuoteen 2027 mennessä. Kiinnostus on selvästi olemassa, mutta onko adoptiota todella seurannut?

Vastaus - se on monimutkaista. Digitaalinen kaksosteknologia ja sen käyttötapaukset ovat kehittyneet valtavasti, mutta haasteisiin on vastattava, jotta digitaaliset kaksoset voidaan ottaa käyttöön laajasti.

Digitaalisten kaksosten evoluutio

Todellinen adoptio digitaalinen kaksoset teknologia on ollut hidasta, koska siitä ei ole viime aikoihin asti riittänyt älykkyyttä ylittääkseen pelkän omaisuuden edustamisen. Arvokkaampaa olisi kyky simuloida, ennustaa ja hallita sen käyttäytymistä tarkasti. Digitaaliset kaksoset olivat myös räätälöityjä, ja heiltä puuttui kyky oppia maailmanlaajuisesti samanlaisten omaisuuserien käyttäytymisestä. Heidän näkemyksensä oli vailla eivätkä aina sovellu laajempiin organisaation tarpeisiin, mikä teki niistä mojovan sijoituksen pienellä tuotolla.

Silti jotkut digitaalisten kaksosten varhaiset omaksujat Sisältää valmistus-, vähittäis-, terveydenhuolto- ja autoteollisuuden, jotka ovat pystyneet testaamaan uusia tiloja, kokoonpanoja ja prosesseja valvotussa ympäristössä.

Uusien tekoälyyn perustuvien lähestymistapojen myötä näemme nopean siirtymisen "digitaalisista kaksosista" tekoälypohjaiseen "simulaatioon" ja "virastoon", mikä laajentaa dramaattisesti käyttötapauksia ja edistää laajaa käyttöönottoa. Katsotaanpa näitä käyttöluokkia:

• Edustus – Digitaalisten kaksosten varhaiset iteraatiot olivat yksinkertaisia ​​digitaalisia esityksiä omaisuudesta, jotka eivät olleet erityisen hyödyllisiä tiettyjen niche-käyttötapausten lisäksi tiettyjen tehtävien suunnittelun ja suorittamisen parantamiseksi. Pohjimmiltaan tämä on digitaalisen kaksoistekniikan "kopio" -tila.
• Simulointi – Nykyään digitaaliset kaksoset ovat kehittymässä esityksestä simulaatioon, mikä hyödyttää laajempia käyttötapauksia. Simulointi tarkoittaa, että digitaaliset kaksoset eivät vain peilaa omaisuutta tai ympäristöä, vaan myös simuloivat tarkasti tulevaisuuden skenaarioita. Tässä vaiheessa he voivat oppia muista vastaavista prosesseista saaduista tiedoista kerätäkseen merkityksellisiä oivalluksia. Simulaatiokaksoset käyttävät tekoälyalgoritmeja simuloidakseen tuotantotuloksia, suositellakseen optimaalisia koneasetuksia ja ohjatakseen tuotantotiimiä kohti parempia liiketoimintatavoitteita valmistusympäristössä.
• toimisto – Simuloinnin jälkeen seuraava evoluutio on agentuuri, joka mahdollistaa resurssien, prosessien ja kokonaisten tuotannon osien suunnittelun ja toiminnan itsenäisesti. Tässä vaiheessa he tekevät myös monimutkaisia ​​päätöksiä ja työskentelevät yhteistyössä ihmisten kanssa kestävämmän tuotannon edistämiseksi. Tämä on digitaalisen kaksoisagentin vaihe.

Vaiheiden välillä liikkuminen vaatii eritasoista tukiteknologiaa, ja on ensiarvoisen tärkeää, että organisaatioilla on oikea teknologiapino saavuttaakseen digitaalisten kaksosten maksimaalisen vaikutuksen ja ROI:n.

Perustekniikka digitaalisille kaksosille

Oikean perustekniikan on oltava paikallaan ennen kuin siirrytään esityksestä simulaatioon ja lopulta agenttiin.

Kun käytetään jälleen valmistusta esimerkkinä, organisaatioilla, jotka haluavat luoda digitaalisen simulaation tietystä prosessista tai tehdasympäristöstä, on oltava luotettavat online-tunnistusominaisuudet. Nämä anturit syöttävät tietoja syötteestä ja lähdöstä matkan eri kriittisissä vaiheissa tarjotakseen vankat näkemyksiä simulaatioon. Suuri osa tästä tiedosta on helposti saatavilla, ja olemme nähneet prosessivalmistajien tekevän laadukkaita online-mittauksia ulostuloista (esim. paperista), mutta syötteiden (eli paperimassaan menevien puukuitujen) mittauksissa on yleensä aukko. tuotanto).

Tämän kiertämiseksi valmistustiimien on määriteltävä selkeästi, mitä simulaatioita he yrittävät saavuttaa, sekä eri panokset, koneet ja järjestelmät, jotka ovat mukana, sekä prosessin kunkin vaiheen eri parametrit. Tämä edellyttää todennäköisesti useiden toimintojen asiantuntijoiden napauttamista varmistaakseen, että mallin kaikki näkökohdat huomioidaan, mikä auttaa varmistamaan, että tiedot ovat tarpeeksi vankkoja simulaation tehostamiseksi.

Liitettävyys ja vertailu

Digitaaliset kaksoset, jotka ovat täysin eristyksissä, eivät saa oppia muista malleista samanlaisissa skenaarioissa. Itse digitaaliseen kaksoseen vaikuttaviin malleihin on syötettävä tietoja muista samankaltaisista malleista ja digitaalisista kaksosista, jotta voidaan osoittaa, miltä "suuri" tai optimaalinen näyttää globaalisti, ei vain tutkittavana olevan paikallisen prosessin sisällä.

Tämän seurauksena digitaaliset kaksoset vaativat suuren pilvikomponentin, tai muuten organisaatiot voivat menettää tämän tekniikan tarjoaman täyden lupauksen.

Kolikon toinen puoli on, että digitaaliset kaksoset eivät saa luottaa pelkästään pilviteknologiaan, koska pilven latenssi voi muodostaa esteitä tekijöille, kuten reaaliaikaisten tietojen ja reaaliaikaisten ohjeiden keräämiselle. Miettikää, kuinka turhaa olisi konevaurioiden estämiseen tarkoitettu simulaatio vain, jos simulaatio havaitsee katkenneen hihnan hyvin sen jälkeen, kun kappale on lakannut toimimasta kunnolla ja koko kone on pysähdyksissä.

Näiden haasteiden voittamiseksi voi olla viisasta lisätä komponentti, joka on Edge-AI-yhteensopiva. Tämä varmistaa, että tiedot voidaan kaapata mahdollisimman läheltä simuloitavaa prosessia.

Mahdolliset kipukohdat käyttöönoton ja hallinnan yhteydessä

Sen lisäksi, että meillä on oikea tekniikkapino ja infrastruktuuri tarvittavan tiedon keräämiseen tekoälyllä toimiville simulaatiokaksosille, luottamus on edelleen merkittävä este käyttöönotolle. Lontoon taksinkuljettajat saattavat tuntea kaupungin kartan ja kaikki sen pikakuvakkeet, mutta GPS tyypillisesti antaa kuljettajille tarkemmat reitit huomioimalla liikennetiedot. Samoin insinöörien ja valmistusammattilaisten on koettava tarkkoja ja turvallisia simulaatioita voidakseen täysin luottaa omiin kykyihinsä.

Luottamuksen saaminen vie aikaa, mutta läpinäkyvyys mallien ja digitaalisten kaksosten tiedonsyötön kanssa voi nopeuttaa tätä prosessia. Organisaatioiden tulisi miettiä strategisesti ajattelutavan muutosta, joka on tarpeen, jotta tiimit luottavat tämän tehokkaan teknologian oivalluksiin – tai riski jäädä sijoitetun pääoman tuottoprosentin ulkopuolelle.

Tie agentuuriin

Digitaalisten kaksosten lupauksista huolimatta adoptio on ollut suhteellisen hidasta viime aikoihin asti. Tekoälykäyttöisten mallien käyttöönotto voi viedä digitaaliset kaksoset esityksestä simulaatioon yhdistämällä muiden mallien oivalluksia ainutlaatuisten oppien rakentamiseksi.

Investointien ja luottamuksen lisääntyessä digitaaliset kaksoset saavuttavat lopulta viraston aseman ja pystyvät tekemään monimutkaisia ​​päätöksiä yksin. Todellista arvoa ei ole vielä löydetty, mutta digitaaliset kaksoset voivat muuttaa toimialoja teollisuudesta terveydenhuoltoon vähittäiskauppaan.