Artem Kroupenev, Augury の戦略担当VP Artem Kroupenev Augury の戦略担当VP

デジタルツインの進化と採用の妨げとなるものは何か？

デジタルツイン技術の驚くべき潜在性 – 物理的なオブジェクト、プロセス、環境のデジタルレプリカを作成する能力 – は、危険な環境の複製から遠隔訓練のための宇宙船の表示まで、業界全体にわたる応用を持っています。McKinseyの最近の分析によると、関心は非常に深く、デジタルツインの世界市場は今後5年間で約60%の成長率で成長し、2027年までに735億ドルに達するという予測です。関心は明らかですが、採用は本当に続いていますか?答え – それは複雑です。デジタルツイン技術とそのユースケースは大きく進化しましたが、デジタルツインを大規模に採用するために解決しなければならない課題があります。デジタルツインの進化デジタルツイン技術の真の採用は、最近まで、単にアセットを表現すること以外の知能を持っていなかったため、遅れました。より貴重なのは、動作を正確にシミュレート、予測、制御する能力です。デジタルツインはまた、カスタマイズされ、同様のアセットの動作からグローバルに学習する能力が欠けていました。彼らの洞察はシロ化され、常に組織全体のニーズに適しているわけではありませんでした。したがって、デジタルツインは、狭いリターンを持つ大きな投資でした。それでも、デジタルツインの初期の採用者には、製造、小売、ヘルスケア、自動車業界があり、制御された環境で新しい施設、構成、プロセスをテストすることができました。新しいAI駆動のアプローチにより、「デジタルツイン」からAI駆動の「シミュレーション」および「エージェンシー」への急速な移行が見られ、ユースケースの幅が大幅に拡大し、広範な採用が促進されます。以下のカテゴリを見てみましょう： 表現 – デジタルツインの初期のイテレーションは、特定のタスクの設計と実行の向上のためのニッチなユースケース以外では特に有用ではなかった、アセットの単純なデジタル表現でした。実質的に、これはデジタルツイン技術の「レプリカ」状態です。 シミュレーション – 今日、デジタルツインは表現からシミュレーションに進化しており、より広いユースケースの利点があります。シミュレーションとは、デジタルツインがアセットまたは環境をミラーリングするだけでなく、将来のシナリオも正確にシミュレートすることを意味します。この段階では、デジタルツインは他の同様のプロセスのデータから学習して、有意義な洞察を得ることができます。シミュレーションツインは、AIアルゴリズムを使用して生産結果をシミュレートし、最適なマシン設定を推奨し、製造設定で生産チームをビジネス目標の改善に向けて導きます。 エージェンシー – シミュレーションの次の進化はエージェンシーであり、アセット、プロセス、生産の全体が自律的に計画し、行動できるようにします。この段階では、デジタルツインは複雑な決定を下し、より持続可能な生産を推進するために人間と共同で作業します。これはデジタルツインエージェント段階です。 段階間の移動には、さまざまなレベルのサポート技術が必要であり、組織がデジタルツインの最大の影響とROIを達成するために正しいテクノロジースタックを持っていることが重要です。デジタルツインの基礎技術シミュレーションに移行し、最終的にエージェンシーに到達する前に、正しい基礎技術が整備されている必要があります。製造を例に挙げると、特定のプロセスまたはファクトリ環境のデジタルシミュレーションを作成したい組織は、信頼性の高いオンラインセンシング機能を持っている必要があります。これらのセンサーは、旅程のさまざまな重要な段階での入力と出力からデータを提供し、シミュレーションに情報を提供するためのロバストな洞察を提供します。多くのこのデータはすでに利用可能であり、プロセス製造業者は出力（例：紙）に対するオンライン測定の質が高いことがわかっていますが、入力（例：紙パルプ生産に使用される木繊維）に対するセンシング測定のギャップが通常あります。これを回避するために、製造チームは、達成しようとしているシミュレーションと、さまざまな入力、機械、システム、および各段階のさまざまなパラメータを定義する必要があります。これには、すべての側面を考慮するために、複数の機能の専門家にタップする必要があるため、データがシミュレーションを動かすのに十分にロバストであることを保証するのに役立ちます。接続性と比較完全に孤立したデジタルツインは、他のモデルからの学習を逃しています。デジタルツインに貢献するモデルは、他の同様のモデルやデジタルツインからのデータでフィードされる必要があり、グローバルに何が「素晴らしい」または最適であるかを示す必要がありますが、調査されているローカルプロセス内でのみではありません。結果として、デジタルツインには大きなクラウドコンポーネントが必要であり、組織はこのテクノロジーが提供する約束の全容を失うリスクがあります。もう一方のコインは、デジタルツインがクラウドテクノロジーだけに頼るべきではないということです。クラウドの待ち時間により、リアルタイムデータの収集やリアルタイム指示などの要素が障害となる可能性があるからです。シミュレーションが機械の故障を防ぐことを目的としていても、シミュレーションが壊れたベルトを検出するまでに機械がすでに正常に機能しなくなっている場合、それは無意味です。これらの課題を克服するには、エッジAIを可能にするコンポーネントを追加することが賢明です。これにより、シミュレートされているプロセスにできるだけ近い場所でデータをキャプチャできます。展開と管理の可能な痛み正しいテクノロジースタックとインフラストラクチャーを持ち、AI駆動のシミュレーションツインに必要なデータをキャプチャすることに加えて、信頼は展開の重大な障害です。ロンドンのタクシードライバーは街の地図とショートカットを知っているかもしれませんが、GPSは通常、交通データを考慮してドライバーにより正確なルートを提供します。同様に、エンジニアや製造業の専門家は、能力に対する自信を完全に得るために、正確で安全なシミュレーションを経験する必要があります。信頼を得るには時間がかかりますが、モデルとデジタルツインにフィードされるデータの透明性を保つことで、このプロセスを速めることができます。組織は、この強力なテクノロジーからの洞察に対するチームの心の変化を戦略的に考える必要があります。そうしないと、ROIを逃すことになります。エージェンシーの道デジタルツインの約束にもかかわらず、採用は比較的遅れました – 最近まで。AI駆動のモデルは、デジタルツインを表現からシミュレーションに接続して、他のモデルからの洞察を組み込むことで、ユニークな学習からビルドすることができます。投資と信頼が増加するにつれて、デジタルツインは最終的にエージェンシー状態に達し、独自に複雑な決定を下すことができるようになります。真の価値はまだ解放されていませんが、デジタルツインは製造からヘルスケア、 小売業まで、業界を変革する可能性があります。