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, aina vaarallisten ympäristöjen jäljittelyyn saakka ja avaruusalusten näyttämiseen 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 soveltamistapaukset ovat kehittyneet valtavasti, mutta haasteita on ratkottava, jotta digitaaliset kaksoset voidaan omaksua laajasti.

Digitaalisten kaksosten evoluutio

Digitaalisten kaksosten teknologian todellinen omaksuminen on ollut hidasta, koska se ei ole aikaisemmin kyennyt menemään yli pelkästään edustamalla varaa. Arvokkaampaa olisi kyky simuloida, ennustaa ja ohjata sen käyttäytymistä tarkasti. Digitaaliset kaksoset olivat myös mukautettuja ja puuttui kyky oppia globaalisti samanlaisista varoista. Niiden näkemykset olivat eristyneitä eivätkä aina sovellettavissa laajempiin organisaatiotarpeisiin, mikä teki niistä raskaan investoinnin kapeilla tuotoilla.

Vaikka jotkut digitaalisten kaksosten varhaiset omaksujat, kuten valmistus-, vähittäiskauppa-, terveydenhuolto- ja autoteollisuus, ovat pystyneet testaamaan uusia tiloja, konfiguraatioita ja prosesseja kontrolloidussa ympäristössä.

Uusien tekoälyohjattujen lähestymistapojen myötä siirrymme nopeasti “digitaalisten kaksosten” vaiheesta tekoälyvoittoiseen “simulaatioon” ja “edustukseen”, mikä laajentaa merkittävästi soveltamistapauksia ja ajaa laajan omaksumisen. Tarkastellaan näitä käyttöluokkia:

• Edustus – Digitaalisten kaksosten varhaiset versiot olivat yksinkertaisia digitaalisia edustuksia varoista, jotka eivät olleet erityisen hyödyllisiä muutamia valikoituja soveltamistapauksia lukuun ottamatta, joissa parannettiin suunnittelun ja toteutuksen tiettyjä tehtäviä. Olennaisesti tämä on “kopiointitila” digitaalisten kaksosten teknologiassa.
• Simulaatio – Nykyään digitaalisten kaksosten kehitys edustuksesta simulaatioon hyödyttää laajempaa joukkoa soveltamistapauksia. Simulaatio tarkoittaa, että digitaaliset kaksoset eivät ainoastaan peile varaa tai ympäristöä, vaan simuloivat myös tulevia skenaarioita tarkasti. Tässä vaiheessa ne voivat oppia tietoja muista samanlaisista prosesseista ja saada merkityksellisiä näkemyksiä. Simulaatiokaksoset käyttävät tekoälyalgoritmeja simuloimaan tuotantotuloksia, suosittelemassa optimaalisia koneasetuksia ja ohjaamassa tuotantotiimejä kohti parannettuja liiketoimintatavoitteita valmistusympäristössä.
• Edustus – Seuraava kehitysvaihe simulaation jälkeen on edustus, joka mahdollistaa varojen, 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.

Siirtymisen eri vaiheiden välillä edellytetään eri tasoja tukevaa teknologiaa, ja on olennaista, että organisaatiot ovat oikean teknologisen pinon haltijat saadakseen maksimaalisen vaikutuksen ja tuoton digitaalisten kaksosten käytöstä.

Digitaalisten kaksosten perusteknologia

Oikea perusteknologia on oltava paikallaan ennen siirtymistä edustuksesta simulaatioon ja lopulta edustukseen.

Käyttäen valmistusta esimerkkinä uudelleen, organisaatiot, jotka haluavat luoda digitaalisen simulaation tietystä prosessista tai tehdasympäristöstä, tarvitsevat luotettavia online-havaintokykyjä. Nämä anturit syöttävät tietoja syötteen ja tulosteen eri kriittisistä vaiheista matkan varrella, jotta voidaan antaa vankkoja näkemyksiä simulaatiota varten. Paljon tätä tietoa on valmiina, ja olemme nähneet prosessivalmistajien, joilla on laadukkaita online-mittauksia tulostuksista (esim. paperi), mutta yleensä on aukko syötteen mittauksissa (esim. puuvillat, jotka menevät paperimassan tuotantoon).

Tämän kiertämiseksi valmistustiimit on selkeästi määriteltävä simulaatio, jota yritetään saavuttaa, ja eri syötteitä, koneita ja järjestelmiä, jotka ovat osana prosessia, sekä eri vaiheiden eri parametreja. Tämä vaatii todennäköisesti useiden toimintojen asiantuntijoiden konsultoimista varmistamaan, että kaikki mallin osat on otettu huomioon, mikä auttaa varmistamaan, että tieto on tarpeeksi vankkaa voimaan simulaation.

Yhteydenpito ja vertailu

Täysin eristetyt digitaaliset kaksoset eivät hyödy muista malleista samankaltaisissa skenaarioissa. Itse digitaalisten kaksosten mallit tarvitsevat tietoja muista samanlaisista malleista ja digitaalisista kaksosista osoittaakseen, miltä “hyvä” tai optimaalinen näyttää globaalisti, ei ainoastaan paikallisessa prosessissa, jota tutkitaan.

Tämän seurauksena digitaaliset kaksoset vaativat suuren pilvipalvelukomponentin, tai muuten organisaatiot vaarantavat menettävänsä tämän teknologian lupaaman lupauksen.

Toisaalta digitaaliset kaksoset eivät saa riippua ainoastaan pilvitieteestä, koska pilven viive voi luoda esteitä tekijöille, kuten tietojen keräämiselle ja reaaliaikaisille ohjeille. Kuvitellaan, kuinka turhaa olisi olla simulaatio, jonka tarkoituksena on estää konepakoja, mutta simulaatio havaitsee rikkoontuneen vyön vasta sitten, kun kappale on lopettanut toimintansa oikein ja koko kone on pysähtynyt.

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

Mahdolliset kipupisteet käyttöönotossa ja hallinnassa

Lisäksi oikean teknologisen pinon ja infrastruktuurin omistamisesta tarvittavien tietojen keräämiseksi tekoälyvoittoisille simulaatiokaksosille, luottamus on edelleen merkittävä este käyttöönotolle. Lontoon taksikuskit voivat tietää kaupungin kartan ja kaikki sen oikoreitit, mutta GPS varustaa usein kuljettajat tarkemmin reiteillä, jotka ottaa huomioon liikennetiedot. Samoin insinöörit ja valmistusammattilaiset tarvitsevat kokea tarkan ja turvallisen simulaation saadakseen täydellisen luottamuksen kykyihinsä.

Luottamuksen saavuttaminen kestää aikaa, mutta avoimuus malleissa ja tietojen syöttämisessä digitaalisiin kaksosiin voi nopeuttaa tätä prosessia. Organisaatioiden on tarkoituksenmukaisesti mietittävä asenteen muutosta, joka on välttämätöntä saada tiimit luottamaan näihin voimakkaiden teknologioiden näkemyksiin – tai vaarantamaan tuoton.

Tie kohti edustusta

Vaikka digitaalisten kaksosten lupausta on ollut hitaasti omaksuttu – kunnes viime aikoina. Tekoälyvoittoisten mallien esittely voi viedä digitaaliset kaksoset edustuksesta simulaatioon yhdistämällä näkemyksiä muista malleista luodakseen yksilöllisiä oppimisia.

Kun investointi ja luottamus kasvavat, digitaaliset kaksoset saavuttavat lopulta edustusaseman ja pystyvät tekemään monimutkaisia päätöksiä itsenäisesti. Todellinen arvo on edelleen lukittu, mutta digitaaliset kaksoset voivat muuttaa teollisuutta valmistuksesta terveydenhuoltoon ja vähittäiskauppaan.