Co czyni przeszkodę w ewolucji i przyjęciu cyfrowych bliźniaków?

Olbrzymi potencjał technologii cyfrowych bliźniaków – z możliwością tworzenia cyfrowych kopii fizycznych obiektów, procesów i środowisk – ma zastosowania, które rozciągają się na różne branże, od replikowania niebezpiecznych środowisk do wyświetlania statków kosmicznych do celów szkolenia na odległość. Ostatnia analiza z McKinsey sugeruje, że zainteresowanie jest tak głębokie, że globalny rynek cyfrowych bliźniaków będzie rósł o około 60% rocznie przez najbliższe pięć lat i osiągnie 73,5 miliarda dolarów do 2027 roku. Zainteresowanie jest wyraźnie obecne, ale czy przyjęcie naprawdę nastąpiło?

Odpowiedź – jest to skomplikowane. Technologia cyfrowych bliźniaków i jej przypadki użycia ewoluowały ogromnie, ale wyzwania muszą być rozwiązane, aby cyfrowe bliźniaki były przyjmowane na dużą skalę.

Ewolucja cyfrowych bliźniaków

Prawdziwe przyjęcie technologii cyfrowych bliźniaków było powolne, ponieważ, aż do niedawna, brakowało im inteligencji, aby wyjść poza proste przedstawienie aktywa. Bardziej wartościowe byłoby możliwość dokładnego symulowania, przewidywania i kontrolowania jego zachowania. Cyfrowe bliźniaki były również dostosowane do indywidualnych potrzeb i nie posiadały możliwości uczenia się na podstawie zachowania podobnych aktywów. Ich spostrzeżenia były odizolowane i nie zawsze miały zastosowanie do szerszych potrzeb organizacyjnych, co czyniło je znaczną inwestycją z wąskimi zwrotami.

Nawet tak, niektórzy wczesni przyjmujący cyfrowe bliźniaki obejmują branże produkcyjne, detaliczne, opieki zdrowotnej i motoryzacyjnej, 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 AI-zasilanych „symulacji” i „agentów”, co dramatycznie poszerzy przypadki użycia i pobudzi powszechne przyjęcie. Przyjrzyjmy się tym kategoriom użycia:

• Przedstawienie – Wczesne iteracje cyfrowych bliźniaków były prostymi cyfrowymi przedstawieniami aktywów, które nie były szczególnie użyteczne poza wybranymi przypadkami użycia dla 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 zestawu przypadków użycia. Symulacja oznacza, że cyfrowe bliźniaki nie tylko odbijają aktywo lub środowisko, ale również dokładnie symulują przyszłe scenariusze. Na tym etapie są one w stanie uczyć się z danych z innych podobnych procesów, aby uzyskać znaczące spostrzeżenia. Symulacja bliźniaków wykorzystuje algorytmy AI do symulowania wyników produkcji, zalecenia optymalnych ustawień maszyn i prowadzenia zespołów produkcyjnych w kierunku poprawy celów biznesowych w środowisku produkcyjnym.
• Agent – Następna ewolucja po symulacji będzie agentem, który umożliwi aktywom, procesom i całym częściom produkcji planowanie i działanie w sposób autonomiczny. Na tym etapie będą one również podejmować złożone decyzje i współpracować z ludźmi, aby napędzać bardziej zrównoważoną produkcję. Jest to etap 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

Odpowiednia podstawowa technologia musi być na miejscu przed przechodzeniem od przedstawienia do symulacji, a następnie do agenta.

Używając produkcji jako przykładu, organizacje, które chcą utworzyć cyfrową symulację danego procesu lub środowiska fabrycznego, muszą mieć niezawodne zdolności czujnikowe online. Te czujniki dostarczają danych z wejścia i wyjścia na różnych krytycznych etapach podróży, aby dostarczyć solidne spostrzeżenia, które poinformują symulację. Duża część tych danych jest dostępna, a widzieliśmy producentów procesów z jakościowymi pomiarami online na wyjściach (tj. papier), ale zwykle jest luka w pomiarach czujników dla wejść (tj. włókien drewna, które wchodzą w skład produkcji masy papierowej).

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

Łączność i porównanie

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

W związku z tym cyfrowe bliźniaki wymagają dużej komponenty chmury, w przeciwnym razie organizacje ryzykują utratę jakiegokolwiek podobieństwa do pełnej obietnicy, jaką oferuje ta technologia.

Inna strona medalu jest taka, 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 instrukcje w czasie rzeczywistym. Rozważmy, jak bezcelowe byłoby mieć symulację mającą na celu zapobieganie awariom maszyn, tylko po to, aby symulacja wykryła złamany pasek dopiero po tym, jak część przestała funkcjonować prawidłowo, a cała maszyna jest w stanie bezruchu.

Aby pokonać te wyzwania, może być mądre dodać komponent, który jest wzmocniony przez AI na krawędzi. Zapewnia to, że dane mogą być przechwytywane jak najbliżej procesu, który jest symulowany.

Mogące punkty bólu przy wdrożeniu i zarządzaniu

Oprócz posiadania odpowiedniego zestawu technologii i infrastruktury do przechwytywania niezbędnych danych dla AI-zasilanych symulacji bliźniaków, zaufanie pozostaje znaczącą przeszkodą w wdrożeniu. 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 odniesieniu do modeli i danych, które zasilają cyfrowe bliźniaki, może przyspieszyć ten proces. Organizacje powinny myśleć strategicznie o zmianie nastawienia, która jest niezbędna, aby zespoły zaufały spostrzeżeniom z tej potężnej technologii – lub ryzykują, że pomijają zwrot z inwestycji.

Droga do agenta

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

Wraz ze wzrostem inwestycji i zaufania cyfrowe bliźniaki ostatecznie osiągną status agenta 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 handel detaliczny.