डिजिटल ट्विन विकास और अपनाने में क्या बाधा है?

डिजिटल ट्विन प्रौद्योगिकी की अत्यधिक संभावना – जो भौतिक वस्तुओं, प्रक्रियाओं और वातावरण की डिजिटल प्रतिकृतियां बनाने में सक्षम है – का अनुप्रयोग उद्योगों में फैला हुआ है, जो खतरनाक वातावरण की प्रतिकृति बनाने से लेकर दूरस्थ प्रशिक्षण उद्देश्यों के लिए अंतरिक्ष यान प्रदर्शित करने तक है। मैकिन्से से हालिया विश्लेषण सुझाव देता है कि रुचि इतनी गहरी है कि डिजिटल ट्विन के लिए वैश्विक बाजार पांच साल में लगभग 60% प्रति वर्ष बढ़ेगा और 2027 तक $73.5 बिलियन तक पहुंच जाएगा। रुचि स्पष्ट रूप से है, लेकिन क्या वास्तव में अपनाने का पालन किया गया है?

उत्तर – यह जटिल है। डिजिटल ट्विन प्रौद्योगिकी और इसके उपयोग के मामलों में बहुत अधिक विकास हुआ है, लेकिन बड़े पैमाने पर अपनाने के लिए चुनौतियों का समाधान करना आवश्यक है।

डिजिटल ट्विन का विकास

डिजिटल ट्विन प्रौद्योगिकी का वास्तविक अपनाना धीमा रहा है क्योंकि यह हाल तक बुद्धिमत्ता की कमी के कारण केवल एक संपत्ति का प्रतिनिधित्व करने से परे नहीं जा सका। अधिक मूल्यवान यह होगा कि इसके व्यवहार को सटीक रूप से अनुकरण, अनुमान और नियंत्रित करने की क्षमता हो। डिजिटल ट्विन भी अनुकूलित थे और समान संपत्तियों के व्यवहार से वैश्विक रूप से सीखने में असमर्थ थे। उनके अंतर्दृष्टि सिलोed थे और हमेशा व्यापक संगठनात्मक आवश्यकताओं के लिए लागू नहीं होते थे, जिससे वे एक भारी निवेश बन जाते थे जिसके साथ संकीर्ण रिटर्न होते थे।

फिर भी, कुछ डिजिटल ट्विन के शुरुआती अपनाने वाले में विनिर्माण, खुदरा, स्वास्थ्य सेवा और ऑटोमोटिव उद्योग शामिल हैं, जो नियंत्रित वातावरण में नए सुविधाओं, कॉन्फ़िगरेशन और प्रक्रियाओं का परीक्षण करने में सक्षम रहे हैं।

नए एआई-संचालित दृष्टिकोण के साथ, हम “डिजिटल ट्विन” से एआई-संचालित “अनुकरण” और “एजेंसी” में तेजी से बदलाव देखेंगे जो उपयोग के मामलों को नाटकीय रूप से बढ़ावा देगा और व्यापक अपनाने को बढ़ावा देगा। आइए इन उपयोग के मामलों की श्रेणियों पर नजर डालें:

• प्रतिनिधित्व – डिजिटल ट्विन के शुरुआती संस्करण संपत्तियों के साधारण डिजिटल प्रतिनिधित्व थे, जो विशिष्ट कार्यों के डिजाइन और कार्यान्वयन में सुधार के लिए कुछ निश्चित उपयोग के मामलों के अलावा विशेष रूप से उपयोगी नहीं थे। मूल रूप से, यह डिजिटल ट्विन प्रौद्योगिकी की “प्रतिकृति” स्थिति है।
• अनुकरण – आज, डिजिटल ट्विन प्रतिनिधित्व से अनुकरण में विकसित हो रहे हैं, जो एक व्यापक सेट के उपयोग के मामलों को लाभान्वित करता है। अनुकरण का अर्थ है कि डिजिटल ट्विन न केवल संपत्ति या वातावरण की प्रतिकृति बना रहे हैं, बल्कि भविष्य के परिदृश्यों को सटीक रूप से अनुकरण भी कर रहे हैं। इस चरण में, वे अन्य समान प्रक्रियाओं से डेटा से सीखने और अर्थपूर्ण अंतर्दृष्टि प्राप्त करने में सक्षम हैं। अनुकरण जुड़वां एआई एल्गोरिदम का उपयोग उत्पादन परिणामों को अनुकरण करने, ऑप्टिमल मशीन सेटिंग्स की सिफारिश करने और एक विनिर्माण सेटिंग में उत्पादन टीमों को व्यावसायिक उद्देश्यों में सुधार के लिए मार्गदर्शन करने के लिए करते हैं।
• एजेंसी – अनुकरण के बाद का अगला विकास एजेंसी होगा, जो संपत्ति, प्रक्रियाओं और उत्पादन के पूरे हिस्सों को स्वायत्त रूप से योजना बनाने और कार्य करने में सक्षम बनाएगा। इस चरण में, वे जटिल निर्णय भी लेंगे और अधिक टिकाऊ उत्पादन के लिए लोगों के साथ साझेदारी में काम करेंगे। यह डिजिटल ट्विन एजेंट चरण है।

चरणों के बीच जाने के लिए विभिन्न स्तरों की सहायक प्रौद्योगिकी की आवश्यकता होती है, और यह महत्वपूर्ण है कि संगठनों के पास डिजिटल ट्विन के अधिकतम प्रभाव और आरओआई को प्राप्त करने के लिए सही तकनीकी ढांचा हो।

डिजिटल ट्विन के लिए आधारभूत प्रौद्योगिकी

प्रतिनिधित्व से अनुकरण और अंततः एजेंसी में जाने से पहले सही आधारभूत प्रौद्योगिकी होना आवश्यक है।

विनिर्माण का उदाहरण लेते हुए, जो संगठन एक निश्चित प्रक्रिया या फैक्ट्री वातावरण का एक डिजिटल अनुकरण बनाना चाहते हैं, उन्हें विश्वसनीय ऑनलाइन सेंसिंग क्षमताओं की आवश्यकता है। ये सेंसर यात्रा के विभिन्न महत्वपूर्ण चरणों में इनपुट और आउटपुट से डेटा फीड करते हैं ताकि एक अनुकरण को सूचित करने के लिए मजबूत अंतर्दृष्टि प्रदान की जा सकें। बहुत सारा डेटा आसानी से उपलब्ध है, और हमने प्रक्रिया निर्माताओं को आउटपुट (यानी, कागज) पर गुणवत्ता वाले ऑनलाइन माप देखे हैं, लेकिन आमतौर पर इनपुट (यानी, कागज पल्प उत्पादन में जाने वाले लकड़ी के फाइबर) के लिए सेंसिंग माप में एक अंतर होता है।

इसे परिक्रमा करने के लिए, विनिर्माण टीमों को स्पष्ट रूप से परिभाषित करने की आवश्यकता है कि वे किस अनुकरण को प्राप्त करने का प्रयास कर रहे हैं और प्रक्रिया में शामिल विभिन्न इनपुट, मशीनों और प्रणालियों के साथ-साथ प्रत्येक चरण के विभिन्न पैरामीटर। यह शायद यह सुनिश्चित करने के लिए कि सभी पहलुओं को ध्यान में रखा जाए, कई कार्यों में विशेषज्ञों को टैप करने की आवश्यकता है, जो तब डेटा को शक्तिशाली बनाने में मदद करेगा एक अनुकरण।

कनेक्टिविटी और तुलना

पूरी तरह से अलग-थलग डिजिटल ट्विन अन्य मॉडलों से सीखने से चूक जाते हैं जो समान परिदृश्यों में हैं। डिजिटल ट्विन में योगदान करने वाले मॉडलों को अन्य समान मॉडलों और डिजिटल ट्विन से डेटा फीड की आवश्यकता है ताकि यह दिखाया जा सके कि “महान” या ऑप्टिमल वैश्विक स्तर पर, स्थानीय प्रक्रिया के भीतर नहीं दिखाई देता है।

परिणामस्वरूप, डिजिटल ट्विन को एक बड़े बादल घटक की आवश्यकता है, या अन्यथा संगठन इस प्रौद्योगिकी की पूरी क्षमता से चूक जाते हैं।

सिक्के का दूसरा पहलू यह है कि डिजिटल ट्विन को केवल बादल प्रौद्योगिकी पर निर्भर नहीं रहना चाहिए क्योंकि बादल की विलंबता वास्तविक समय के डेटा और वास्तविक समय के निर्देशों जैसे कारकों के लिए बाधाएं पैदा कर सकती है। कल्पना कीजिए कि एक अनुकरण कितना बेकार होगा जो मशीन के विफल होने से पहले एक टूटी हुई बेल्ट का पता लगाने के लिए है, लेकिन अनुकरण इतना धीमा है कि यह तब तक पता नहीं चलता जब तक कि पूरी मशीन ठीक से काम नहीं कर रही है।

इन चुनौतियों को पार करने के लिए, एक घटक जोड़ना बुद्धिमान हो सकता है जो एज-एआई-सक्षम है। यह सुनिश्चित करता है कि डेटा को अनुकरण की जा रही प्रक्रिया के करीब से कब्जा कर लिया जाए।

तैनाती और प्रबंधन के साथ संभावित दर्द बिंदु

आवश्यक डेटा को कब्जा करने के लिए सही तकनीकी ढांचे और बुनियादी ढांचे के अलावा, एआई-संचालित अनुकरण जुड़वां के साथ विश्वास एक महत्वपूर्ण रोडब्लॉक है। लंदन में टैक्सी चालक शहर के मानचित्र और सभी शॉर्टकट जानते हैं, लेकिन जीपीएस आमतौर पर चालकों को यातायात डेटा को ध्यान में रखते हुए अधिक सटीक मार्ग प्रदान करता है। इसी तरह, इंजीनियरों और विनिर्माण पेशेवरों को अपनी क्षमताओं में पूरी तरह से विश्वास हासिल करने के लिए सटीक और सुरक्षित अनुकरण का अनुभव करने की आवश्यकता है।

विश्वास हासिल करने में समय लगता है, लेकिन मॉडल और डिजिटल ट्विन को खिलाने वाले डेटा के साथ पारदर्शिता इस प्रक्रिया को तेज कर सकती है। संगठनों को यह सोचने की आवश्यकता है कि मानसिकता में बदलाव के बारे में रणनीतिक रूप से सोचें जो टीमों को इस शक्तिशाली प्रौद्योगिकी से अंतर्दृष्टि पर विश्वास करने के लिए आवश्यक है – या आरओआई से चूक जाने का जोखिम है।

एजेंसी का मार्ग

डिजिटल ट्विन के वादे के बावजूद, अपनाने में अपेक्षाकृत धीमी गति से वृद्धि हुई है – हाल तक। एआई-संचालित मॉडलों की शुरुआत डिजिटल ट्विन को प्रतिनिधित्व से अनुकरण में ले जा सकती है और अन्य मॉडलों से सीखने के लिए अनोखे सीखने को जोड़ सकती है।

निवेश और विश्वास बढ़ने के साथ, डिजिटल ट्विन अंततः एजेंसी की स्थिति तक पहुंच जाएंगे और स्वयं जटिल निर्णय लेने में सक्षम होंगे। सच्चा मूल्य अभी तक अनलॉक नहीं किया गया है, लेकिन डिजिटल ट्विन के पास विनिर्माण से स्वास्थ्य सेवा से खुदरा तक उद्योगों को बदलने की क्षमता है।