Co powstrzymuje ewolucję i przyjęcie cyfrowych bliźniaków?

Ogromny potencjał technologii cyfrowych bliźniaków – z możliwością tworzenia cyfrowych replik obiektów, procesów i środowisk – ma zastosowania, które sięgają różnych branż, od replikowania niebezpiecznych środowisk po wyświetlanie statków kosmicznych do celów szkoleniowych. Ostatnia analiza McKinsey sugeruje, że zainteresowanie tym tematem jest tak ogromne, że globalny rynek cyfrowych bliźniaków będzie rósł o około 60% rocznie w ciągu najbliższych pięciu lat i osiągnie 73,5 miliarda dolarów do 2027 roku. Zainteresowanie jest wyraźne, ale czy przyjęcie tej technologii naprawdę nastąpiło?

Odpowiedź jest skomplikowana. Technologia cyfrowych bliźniaków i jej przypadki użycia ewoluowały ogromnie, ale trzeba rozwiązać problemy, aby cyfrowe bliźniaki mogły być przyjęte na dużą skalę.

Ewolucja cyfrowych bliźniaków

Prawdziwe przyjęcie technologii cyfrowych bliźniaków było powolne, ponieważ do niedawna brakowało jej inteligencji, aby wyjść poza proste przedstawienie aktywów. Bardziej wartościowe byłoby możliwość dokładnego symulowania, przewidywania i kontrolowania ich zachowania. Cyfrowe bliźniaki były również dostosowane do konkretnych potrzeb i nie miały możliwości uczenia się na podstawie zachowania podobnych aktywów. Ich spostrzeżenia były izolowane i nie zawsze miały zastosowanie do szerszych potrzeb organizacyjnych, co sprawiało, że były znacznym inwestycją z wąskimi zwrotami.

Nawet tak, niektórzy pionierzy cyfrowych bliźniaków obejmują branże produkcyjne, detaliczne, opieki zdrowotnej i motoryzacyjne, które mogły przetestować nowe obiekty, konfiguracje i procesy w kontrolowanym środowisku.

Z nowymi podejściami opartymi na sztucznej inteligencji, będziemy świadkami szybkiej zmiany od “cyfrowych bliźniaków” do symulacji i “agencyjności”, co znacznie rozszerzy przypadki użycia i spowoduje powszechne przyjęcie. Przyjrzyjmy się tym kategoriom przypadków użycia:

• Przedstawienie – Wczesne wersje cyfrowych bliźniaków były prostymi cyfrowymi przedstawieniami aktywów, które nie były szczególnie przydatne poza wybranymi przypadkami użycia do poprawy projektu i wykonania pewnych zadań. W istocie jest to stan “repliki” technologii cyfrowych bliźniaków.
• Symulacja – Dziś cyfrowe bliźniaki ewoluują od przedstawienia do symulacji, co korzysta z szerszego zakresu przypadków użycia. Symulacja oznacza, że cyfrowe bliźniaki nie tylko odbijają aktywa lub środowisko, ale także dokładnie symulują przyszłe scenariusze. W tym stadium są w stanie uczyć się z danych z innych podobnych procesów, aby uzyskać znaczące spostrzeżenia. Symulacja bliźniaków wykorzystuje algorytmy sztucznej inteligencji do symulowania wyników produkcji, zalecenia optymalnych ustawień maszyn i kierowania zespołami produkcyjnymi w kierunku poprawy celów biznesowych w środowisku produkcyjnym.
• Agencyjność – Następna ewolucja po symulacji będzie agencyjnością, która umożliwi aktywom, procesom i całym częściom produkcji planowanie i działanie autonomicznie. W tym stadium będą również podejmować złożone decyzje i współpracować z ludźmi w celu osiągnięcia bardziej zrównoważonej produkcji. Jest to stadium agenta cyfrowego bliźniaka.

Przechodzenie między etapami wymaga różnych poziomów wspierającej technologii, a jest niezwykle ważne, aby organizacje miały odpowiedni zestaw technologii, aby osiągnąć maksymalny wpływ i zwrot z inwestycji w cyfrowe bliźniaki.

Podstawowa technologia dla cyfrowych bliźniaków

Przed przejściem od przedstawienia do symulacji, a następnie do agencyjności, należy wprowadzić odpowiednią podstawową technologię.

Używając produkcji jako przykładu, organizacje, które chcą stworzyć cyfrową symulację danego procesu lub środowiska fabrycznego, muszą posiadać niezawodne zdolności sensoryczne online. Czułki te dostarczają danych wejściowych i wyjściowych na różnych krytycznych etapach podróży, aby dostarczyć solidne spostrzeżenia, które poinformują symulację. Duża część tych danych jest łatwo dostępna, a widzieliśmy producentów procesowych z jakościowymi pomiarami online na wyjściach (tj. papier), ale zwykle jest luka w pomiarach sensorycznych dla wejść (tj. włókien drzewnych, które wchodzą w skład produkcji pulpy papierowej).

Aby obejść to, zespoły produkcyjne muszą wyraźnie określić symulację, którą próbują osiągnąć, oraz różne wejścia, maszyny i systemy, które są zaangażowane, wraz z parametrami każdego etapu procesu. To prawdopodobnie wymaga zaangażowania ekspertów z wielu funkcji, aby upewnić się, że wszystkie aspekty modelu są uwzględnione, co pomoże upewnić, że dane są wystarczająco silne, aby napędzać symulację.

Łączność i porównanie

Cyfrowe bliźniaki, które są całkowicie izolowane, tracą nauczkę z innych modeli w podobnych scenariuszach. Modele, które przyczyniają się do cyfrowego bliźniaka, muszą być karmione danymi z innych podobnych modeli i cyfrowych bliźniaków, aby pokazać, co “wspaniałe” lub optymalne wygląda na skalę globalną, a nie tylko w lokalnym procesie, który jest badany.

W rezultacie cyfrowe bliźniaki wymagają dużego składnika chmury, w przeciwnym razie organizacje ryzykują utratą jakiegokolwiek podobieństwa do pełnej obietnicy, jaką oferuje ta technologia.

Powodem jest to, że cyfrowe bliźniaki nie mogą polegać wyłącznie na technologii chmury, ponieważ opóźnienia chmury mogą tworzyć przeszkody dla czynników takich jak zbieranie danych w czasie rzeczywistym i instrukcji w czasie rzeczywistym. Rozważ, jak bezsensowne byłoby mieć symulację mającą na celu zapobieganie awariom maszyn, tylko po to, aby symulacja wykryła złamany pasek długo po tym, jak część przestała funkcjonować prawidłowo, a cała maszyna jest w stanie bezruchu.

Aby pokonać te wyzwania, może być mądre dodać składnik, który jest włączony do sztucznej inteligencji na krawędzi. Zapewnia to, że dane mogą być przechwytywane jak najbliżej procesu, który jest symulowany.

Možliwe bóle głowy przy wdrożeniu i zarządzaniu

Oprócz posiadania odpowiedniego zestawu technologii i infrastruktury do przechwytywania niezbędnych danych do symulacji napędzanych przez sztuczną inteligencję, zaufanie pozostaje znaczącą przeszkodą w drodze do wdrożenia. Taksówkarze w Londynie mogą znać mapę miasta i wszystkie jego skróty, ale GPS zwykle wyposaża kierowców w bardziej dokładne trasy, biorąc pod uwagę dane ruchu. Podobnie inżynierowie i specjaliści produkcyjni muszą doświadczyć dokładnych i bezpiecznych symulacji, aby w pełni uzyskać zaufanie do ich możliwości.

Zyskanie zaufania zajmuje czas, ale przejrzystość w modelach i w danych karmiących cyfrowe bliźniaki może przyspieszyć ten proces. Organizacje powinny strategicznie myśleć o zmianie sposobu myślenia, która jest niezbędna, aby zespoły zaufały spostrzeżeniom z tej potężnej technologii – lub ryzykują brak zwrotu z inwestycji.

Droga do agencyjności

Pomimo obietnicy cyfrowych bliźniaków, przyjęcie było dość powolne – do niedawna. Wprowadzenie modeli napędzanych przez sztuczną inteligencję może przenieść cyfrowe bliźniaki od przedstawienia do symulacji, łącząc spostrzeżenia z innych modeli, aby wykorzystać unikalne nauczkę.

Wraz ze wzrostem inwestycji i zaufania cyfrowe bliźniaki ostatecznie osiągną status agencyjności i będą w stanie podejmować złożone decyzje samodzielnie. Prawdziwa wartość jeszcze nie została odblokowana, ale cyfrowe bliźniaki mają potencjał, aby przekształcić branże od produkcji po opiekę zdrowotną i detaliczną.