Hva står i veien for utvikling og adopsjon av digitale tvillinger?

Det enorme potensialet for digital tvillingteknologi – med dens evne til å lage digitale kopier av fysiske objekter, prosesser og miljøer – har anvendelser som spenner over flere bransjer, fra å replikere farlige miljøer til å vise romfartøy for fjernundervisning. En nylig analyse fra McKinsey antyder at interessen er så stor 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 faktisk fulgt?

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

Utviklingen av digitale tvillinger

Sann adopsjon av digital tvilling-teknologi har vært langsom på grunn av at den, frem til nylig, manglet intelligensen til å gå utover å bare representere en verdi. Mer verdifullt 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 verdier. Deres innsikt var isolert og ikke alltid relevant for bredere organisatoriske behov, noe som gjorde dem til en betydelig investering med smale avkastninger.

Til tross for dette har noen tidlige adopterer av digitale tvillinger inkludert produsent-, 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 skift fra “digitale tvillinger” til AI-drevne “simulering” og “agent” som vil dramatisk utvide bruksområdene og drive vid adopsjon. La oss se på disse kategoriene av bruk:

• Representasjon – De tidlige iterasjonene av digitale tvillinger var enkle digitale representasjoner av verdier, som ikke var særlig nyttige utover noen få nisjebruk til å forbedre design og utførelse av visse oppgaver. I essensen er dette “kopi”-tilstanden for digital tvillingteknologi.
• Simulering – I dag utvikler digitale tvillinger seg fra representasjon til simulering, som gir fordeler for et bredere spekter av bruk. Simulering betyr at digitale tvillinger ikke bare speiler verdien eller miljøet, men også nøyaktig simulerer fremtidige scenarioer. I denne fasen er de i stand til å lære fra data fra lignende prosesser for å få meningsfulle innsikter. Simuleringstvillinger bruker AI-algoritmer til å simulere produksjonsresultater, anbefale optimale maskininnstillinger og guide produksjonsteam mot bedre forretningsmål i en produsentkontekst.
• Agent – Den neste utviklingen etter simulering vil være agent, som vil aktivere verdier, prosesser og hele deler av produksjon til å planlegge og handle selvstendig. I denne fasen vil de også ta komplekse beslutninger og samarbeide med mennesker for å drive mer bærekraftig produksjon. Dette er digitalt tvillingagent-fasen.

Bevegelse mellom fasene krever ulike nivåer av støttende teknologi, og det er avgjørende at organisasjonene har riktig teknologistakk 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.

Med produsentbransjen som eksempel igjen, må organisasjoner som ønsker å lage en digital simulering av en prosess eller fabrikkmiljø ha pålitelige online-sensormuligheter. Disse sensorer gir data fra inngang og utgang på ulike kritiske steg i reisen for å gi robuste innsikter som kan informere en simulering. Mye av denne dataen er allerede tilgjengelig, og vi har sett prosessprodusenter med kvalitetsmessige online-målinger på utgangene (dvs. papir), men det er vanligvis et gap i sensormålinger for inngangene (dvs. trefibrene som går inn i papirpulpproduksjon).

For å omgå dette, må produsentteamene 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 involvere eksperter over flere funksjoner for å sikre at alle aspekter av modellen er tatt med, noe som vil hjelpe til å sikre at dataene er robuste nok til å drive en simulering.

Konnektivitet 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 mates med data fra andre lignende modeller og digitale tvillinger for å vise hva “godt” eller optimalt ser ut globalt, ikke bare innenfor den lokale prosessen som undersøkes.

Derfor krever digitale tvillinger en stor skykomponent, ellers risikerer organisasjonene å gå glipp av noenlunde hele løftet denne teknologien tilbyr.

Den andre siden av mynten er at digitale tvillinger ikke bare kan basere seg på skyteknologi, fordi skyens latens kan skape hindringer for faktorer som innhenting av sanntidsdata og sanntidsinstruksjoner. Tenk på hvor 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 aktiveringsaktiv. Dette sikrer at data kan innhentes så nære prosessen som mulig.

Mulige smertepunkter med distribusjon og håndtering

I tillegg til å ha riktig teknologistakk 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 kortene, men GPS utstyrer vanligvis sjåfører med mer nøyaktige ruter ved å faktorisere inn trafikkdata. På samme måte må ingeniører og produsentproffesionelle 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 mates til digitale tvillinger kan akselerere denne prosessen. Organisasjoner bør tenke strategisk om den nødvendige holdningsendringen som er nødvendig for å få teamene til å stole på innsiktene fra denne kraftfulle teknologien – eller risikere å gå glipp av avkastning.

Vegen til agent

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

Som investering og tillit øker, vil digitale tvillinger til slutt nå agentstatus og kunne ta komplekse beslutninger på egen hånd. Den sanne verdien har ennå ikke blitt låst opp, men digitale tvillinger har potensialet til å transformere bransjer fra produsent til helse til detaljhandel.