Hva står i veien for digital tvilling-evolusjon og -adopsjon?

Det enorme potensialet for digital tvilling-teknologi – med dens evne til å lage digitale kopier av fysiske objekter, prosesser og miljøer – har anvendelser som spenner over industrier, fra å replikere farlige miljøer til å vise romfartøy for fjernundervisning. En nylig analyse fra McKinsey antyder at interessen er så dyptgående at den globale markedet for digitale tvillinger vil vokse om lag 60% per år de neste fem årene og nå 73,5 milliarder dollar i 2027. Interessen er tydelig der, men har adopsjonen virkelig fulgt?

Svaret – det er komplisert. Digital tvilling-teknologi og dens bruksområder har utviklet seg enormt, men utfordringer må løses for at digitale tvillinger skal kunne tas i bruk i stor skala.

Utviklingen av digitale tvillinger

Sann adopsjon av digital tvilling-teknologi har vært langsom på grunn av at den, inntil nylig, manglet intelligensen til å gå utover å bare representere en aktivum. Mer verdifull ville være evnen til å nøyaktig simulere, forutsi og kontrollere dens atferd. Digitale tvillinger var også spesialtilpassede og manglet evnen til å lære globalt fra atferden til lignende aktiva. Deres innsikter var isolerte og ikke alltid anvendelige på bredere organisatoriske behov, noe som gjorde dem til en tung investering med smale avkastninger.

Likevel har noen tidlige brukere av digitale tvillinger inkludert produksjons-, detaljhandels-, helse- og bilindustrien, som har kunnet teste nye anlegg, konfigurasjoner og prosesser i en kontrollert miljø.

Med nye AI-drevne tilnærminger, vil vi se en rask skifte fra “digitale tvillinger” til AI-drevne “simulering” og “agent” som vil dramatisk utvide bruksområdene og drive vidt omfattende adopsjon. La oss se på disse kategoriene av bruk:

• Representasjon – De tidlige iterasjonene av digitale tvillinger var enkle digitale representasjoner av aktiva, som ikke var særlig nyttige utover noen få nisjebruk til å forbedre design og gjennomføring av visse oppgaver. I essensen er dette “kopi”-tilstanden for digital tvilling-teknologi.
• Simulering – I dag utvikler digitale tvillinger seg fra representasjon til simulering, som gir fordeler for en bredere sett av bruksområder. Simulering betyr at digitale tvillinger ikke bare speiler aktiva eller miljøet, men også nøyaktig simulerer fremtidige scenarier. I denne fasen er de i stand til å lære fra data fra andre lignende prosesser for å samle meningsfulle innsikter. Simuleringstvillinger bruker AI-algoritmer til å simulere produksjonsresultater, anbefale optimale maskininnstillinger og guide produksjonsteam mot forbedrede forretningsmål i en produksjonssetting.
• Agent – Neste utvikling etter simulering vil være agent, som vil aktivere aktiva, prosesser og hele deler av produksjonen til å planlegge og handle selvstendig. I denne fasen vil de også ta komplekse beslutninger og arbeide i partnerskap med mennesker for å drive mer bærekraftig produksjon. Dette er digital tvilling-agent-fasen.

Bevegelse mellom fasene krever forskjellige nivåer av støttende teknologi, og det er avgjørende at organisasjonene har riktig teknologi-stakk for å oppnå maksimal effekt og avkastning av digitale tvillinger.

Grunnleggende teknologi for digitale tvillinger

Riktig grunnleggende teknologi må være på plass før man går fra representasjon til simulering og til slutt agent.

Ved å bruke produksjon som eksempel igjen, må organisasjoner som ønsker å lage en digital simulering av en gitt prosess eller fabrikkmiljø ha pålitelige online-sensorkapasiteter. Disse sensorer gir data fra inngang og utgang på ulike kritiske stadier av reisen for å gi robuste innsikter som kan informere en simulering. Mye av denne dataen er lett tilgjengelig, og vi har sett prosessfabrikanter med kvalitetsmessige online-målinger på utgangene (dvs. papir), men det er vanligvis et gap i målinger for inngangene (dvs. trefiber som går inn i papirpulpproduksjon).

For å omgå dette, må produksjonsteamene tydelig definere simuleringen de prøver å oppnå og de ulike inngangene, maskinene og systemene som er involvert, samt de ulike parameterne for hvert steg i prosessen. Dette krever sannsynligvis å benytte eksperter over flere funksjoner for å sikre at alle aspekter av modellen er tatt med, noe som deretter vil hjelpe til å sikre at dataene er robuste nok til å drive en simulering.

Tilkobling og sammenligning

Digitale tvillinger som er fullstendig isolerte, går glipp av innsikter fra andre modeller i lignende scenarioer. Modellene som bidrar til den digitale tvillingen selv, må være forsynt med data fra andre lignende modeller og digitale tvillinger for å demonstrere hva “stor” eller optimal ser ut globalt, ikke bare innenfor den lokale prosessen som undersøkes.

Som følge av dette, krever digitale tvillinger en stor sky-komponent, eller organisasjonene risikerer å gå glipp av noen form for det fulle løftet denne teknologien tilbyr.

Den andre siden av mynten er at digitale tvillinger ikke kan basere seg bare på sky-teknologi, fordi latensen i skyen kan skape hindringer for faktorer som innhenting av sanntidsdata og sanntidsinstruksjoner. Overveur hvordan meningsløst det ville være å ha en simulering som er ment å forhindre maskinfeil, bare for å oppdage en brutt belte langt etter at delen har sluttet å fungere korrekt og hele maskinen står stille.

For å overvinne disse utfordringene, kan det være klokt å legge til en komponent som er edge-AI-aktivert. Dette sikrer at data kan innhentes så nær prosessen som mulig.

Mulige smertepunkter med distribusjon og håndtering

I tillegg til å ha riktig teknologi-stakk og infrastruktur for å innhente nødvendig data for AI-drevne simuleringstvillinger, er tillit en betydelig hindring for distribusjon. Taxichauffører i London kan kjenne bykartet og alle dets korteste veier, men GPS utstyrer vanligvis sjåfører med mer nøyaktige ruter ved å faktorisere inn trafikkdata. På samme måte trenger ingeniører og produksjonsfagfolk å oppleve nøyaktige og trygge simuleringer for å fullt ut vinne tillit til deres evner.

Å vinne tillit tar tid, men åpenhet med modellene og med dataene som forsyner digitale tvillinger, kan akselerere denne prosessen. Organisasjoner bør tenke strategisk om den holdningsendringen som er nødvendig for å få teamene til å stole på innsiktene fra denne kraftfulle teknologien – eller risikerer å gå glipp av avkastning.

Vegen til agent

Til tross for løftet til digitale tvillinger, har adopsjonen vært relativt langsom – inntil nylig. Innføringen av AI-drevne modeller kan ta digitale tvillinger fra representasjon til simulering ved å koble innsikter fra andre modeller for å bygge på unike læringserfaringer.

Etter hvert som investeringer og tillit øker, vil digitale tvillinger til slutt nå agent-status og kunne ta komplekse beslutninger på egen hånd. Den sanne verdien er fremdeles ikke åpnet, men digitale tvillinger har potensialet til å transformere industrier fra produksjon til helse til detaljhandel.