Mitä estää digitaalisten kaksosten evoluutiota ja omaksumista?

Digitaalisten kaksosten teknologian valtava potentiaali – kyky luoda digitaalisia kopioita fyysisistä objekteista, prosesseista ja ympäristöistä – on sovelluksia, jotka ulottuvat useille aloille, alkaen vaarallisten ympäristöjen jäljittelystä avaruusalusten esittelyyn etäkoulutustarkoituksiin. McKinseyn viimeisimmän analyysin mukaan kiinnostus on niin syvä, että digitaalisten kaksosten globaali markkina kasvaa noin 60 % vuodessa seuraavien viiden vuoden aikana ja saavuttaa 73,5 miljardia dollaria vuoteen 2027 mennessä. Kiinnostus on selvästi olemassa, mutta onko omaksuminen todella seurannut?

Vastaus – se on monimutkainen. Digitaalisten kaksosten teknologia ja sen sovellukset ovat kehittyneet valtavasti, mutta haasteita on ratkaistava, jotta digitaaliset kaksoset voidaan omaksua laajasti.

Digitaalisten kaksosten evoluutio

Digitaalisten kaksosten teknologian todellinen omaksuminen on ollut hidasta, koska se ei ole aikaisemmin tarjonnut älykkyyttä, jotta se voisi mennä pidemmälle kuin vain edustaa varastoa. Arvokkaampaa olisi kyky simuloida, ennustaa ja hallita sen käyttäytymistä tarkasti. Digitaaliset kaksoset olivat myös mukautettuja ja eivät kyenneet oppimaan globaalisti samanlaisista varastoista. Niiden havainnot olivat eristettyjä eivätkä aina sovellettavissa laajempiin organisaatiotarpeisiin, mikä teki niistä suuren sijoituksen kapeilla tuottoilla.

Siitä huolimatta jotkut digitaalisten kaksosten varhaiset omaksujat ovat valmistus-, vähittäiskauppa-, terveydenhuolto- ja autoteollisuus, jotka ovat pystyneet testaamaan uusia tiloja, konfiguraatioita ja prosesseja hallitussa ympäristössä.

Uusien tekoälylähtöisten lähestymistapojen myötä näemme nopean siirtymisen ”digitaalisista kaksosista” tekoälyvoittoiseen ”simulaatioon” ja ”edustukseen”, joka laajentaa käyttötapauksia ja ajaa laajan omaksumisen. Tarkastellaan näitä käyttöluokkia:

• Edustus – Digitaalisten kaksosten varhaiset iteroinnit olivat yksinkertaisia digitaalisia edustuksia varastoista, jotka eivät olleet erityisen hyödyllisiä muutamia erikoistapauksia lukuun ottamatta, joissa parannettiin tietyn tehtävän suunnittelua ja toteutusta. Olennaisesti tämä on ”kopio” -tila digitaalisten kaksosten teknologiassa.
• Simulaatio – Nykyään digitaaliset kaksoset kehittyvät edustuksesta simulaatioon, josta hyödyllisiä on laajempi joukko käyttötapauksia. Simulaatio tarkoittaa, että digitaaliset kaksoset eivät ainoastaan peile varastoa tai ympäristöä, vaan myös simuloivat tarkasti tulevia skenaarioita. Tässä vaiheessa ne voivat oppia tietoa muista samanlaisista prosesseista ja saada merkityksellisiä havaintoja. Simulaatiokaksoset käyttävät tekoälyalgoritmeja simuloimaan tuotantotuloksia, suosittelemassa optimaalisia koneasetuksia ja ohjaamassa tuotantotiimejä kohti parannettuja liiketoimintatavoitteita valmistusympäristössä.
• Edustus – Seuraava evoluutio simulaation jälkeen on edustus, joka mahdollistaa varastojen, prosessien ja koko tuotannon suunnittelun ja toiminnan itsenäisesti. Tässä vaiheessa ne myös tekevät monimutkaisia päätöksiä ja työskentelevät yhteistyössä ihmisten kanssa kestävän tuotannon edistämiseksi. Tämä on digitaalisen kaksosen edustusvaihe.

Siirtyminen eri vaiheisiin edellyttää eri tasoja teknologian tukea, ja on olennaista, että organisaatiot ovat oikean teknologisen pinon hallussa saadakseen maksimaalisen vaikutuksen ja tuoton digitaalisista kaksosista.

Digitaalisten kaksosten perusteknologia

Oikea perusteknologia on asennettava ennen siirtymistä edustuksesta simulaatioon ja lopulta edustukseen.

Valmistuksen esimerkkinä organisaatiot, jotka haluavat luoda digitaalisen simulaation tietystä prosessista tai tehdasymmistöstä, on oltava luotettavat online-anturit. Nämä anturit syöttävät tietoa syötteen ja tulosteen eri kriittisistä vaiheista matkan varrella, jotta voidaan antaa vahvaa tietoa simulaation ohjaamiseksi. Paljon tätä tietoa on helposti saatavilla, ja olemme nähneet prosessivalmistajia, joilla on laadukkaat online-mittaukset tulostuotoksista (esim. paperi), mutta on yleensä aukko syötteen mittauksissa (esim. puuvillat, jotka menevät paperimassan tuotantoon).

Tämän kiertämiseksi valmistustiimit on selkeästi määriteltävä simulaatio, jonka he yrittävät saavuttaa, ja eri syötteitä, koneita ja järjestelmiä, jotka ovat osana prosessia, sekä eri vaiheiden eri parametreja. Tämä edellyttää todennäköisesti useiden toimintojen asiantuntijoiden konsultointia, jotta voidaan varmistaa, että kaikki mallin osat on otettu huomioon, mikä auttaa varmistamaan, että data on riittävän vahvaa voimakkaan simulaation mahdollistamiseksi.

Yhdistäminen ja vertailu

Täysin eristetyt digitaaliset kaksoset eivät hyödy tietoa muista malleista samanlaisissa skenaarioissa. Mallit, jotka osallistuvat digitaaliseen kaksikkoon, on ruokittava tietoa muista samanlaisista malleista ja digitaalisista kaksosista, jotta voidaan osoittaa, mitä ”hyvä” tai optimaalinen näyttää globaalisti, ei ainoastaan paikallisessa prosessissa, jota tutkitaan.

Tuloksena digitaaliset kaksoset vaativat suuren pilvipalvelun, tai muuten organisaatiot riskivät menettävän kaiken tämän teknologian lupauksen.

Toisaalta digitaaliset kaksoset eivät saa riippua ainoastaan pilvipalvelusta, koska pilven viive voi luoda esteitä tekijöille, kuten kerääminen reaaliaikaisia tietoja ja reaaliaikaisia ohjeita. Kuvitellaan, kuinka turhaa olisi simulaatio, jonka tarkoituksena on estää konepakoja, mutta simulaatio havaitsee rikkoutuneen vyön vasta sitten, kun kappale on lopettanut toimintansa ja koko kone on pysähtynyt.

Näiden haasteiden voittamiseksi on ehkä viisasta lisätä komponentti, joka on reunan tekoälykäyttöinen. Tämä varmistaa, että data voidaan kerätä mahdollisimman läheltä simuloitavaa prosessia.

Mahdolliset kipukohdat käytössä ja hallinnassa

Lisäksi oikean teknologisen pinon ja infrastruktuurin omistamiseen tarvitaan tietoa, jotta voidaan kerätä tarvittavat tiedot tekoälyvoittoisille simulaatiokaksosille, luottamus on edelleen merkittävä este käytölle. Lontoon taksikuskit saattavat tietää kaupungin kartan ja kaikki sen oikotiet, mutta GPS varustaa kuljettajat yleensä tarkemmin reiteillä, jotka otetaan huomioon liikenteen tiedot. Samoin insinöörit ja valmistusammattilaiset tarvitsevat kokea tarkan ja turvallisen simulaation voidakseen täysin luottaa kykyihinsä.

Luottamuksen saavuttaminen kestää aikaa, mutta avoimuus malleissa ja digitaalisten kaksosten syöttävissä tiedoissa voi nopeuttaa tätä prosessia. Organisaatioiden on tärkeää ajatella strategisesti asenteen muutosta, joka on välttämätöntä saada tiimit luottamaan tämän voimakkaan teknologian havaintoihin – tai riskiä menettää tuotto.

Tie edustukseen

Huolimatta digitaalisten kaksosten lupaavasta potentiaalista omaksuminen on ollut suhteellisen hidasta – kunnes viime aikoina. Tekoälyvoittoisten mallien esittely voi viedä digitaaliset kaksoset edustuksesta simulaatioon yhdistämällä havainnot muista malleista ainutlaatuisiin oppimistuloksiin.

Kun sijoitus ja luottamus kasvavat, digitaaliset kaksoset saavuttavat lopulta edustuksen aseman ja pystyvät tekemään monimutkaisia päätöksiä omin avuin. Todellinen arvo on vielä lukittu, mutta digitaaliset kaksoset voivat muuttaa teollisuutta valmistuksesta terveydenhuoltoon ja vähittäiskauppaan.