Что стоит на пути развития и внедрения цифровых двойников?

Огромный потенциал технологии цифровых двойников — с ее способностью создавать цифровые копии физических объектов, процессов и сред — имеет приложения, охватывающие различные отрасли, от копирования опасных сред до отображения космических аппаратов для целей дистанционного обучения. Недавний анализ от McKinsey предполагает, что интерес настолько велик, что мировой рынок цифровых близнецов будет расти примерно на 60% в год в течение следующих пяти лет и достигнет 73.5 млрд долларов к 2027 году. Интерес явно есть, но последовало ли реальное принятие?

Ответ — это сложно. Технология цифровых двойников и варианты её применения значительно эволюционировали, но для масштабного внедрения цифровых двойников необходимо решить ряд проблем.

Эволюция цифровых двойников

Истинное принятие цифровой близнец Технология была медленной, потому что до недавнего времени ей не хватало интеллекта, чтобы выйти за рамки простого представления актива. Более ценной была бы способность точно моделировать, предсказывать и контролировать его поведение. Цифровые близнецы также были индивидуальными и не имели возможности учиться глобально на поведении аналогичных активов. Их идеи были разрозненными и не всегда применимыми к более широким организационным потребностям, что делало их крупными инвестициями с небольшой отдачей.

Тем не менее, некоторые Первые последователи цифровых близнецов К ним относятся обрабатывающая промышленность, розничная торговля, здравоохранение и автомобилестроение, которые смогли протестировать новые объекты, конфигурации и процессы в контролируемой среде.

С новыми подходами на основе ИИ мы увидим быстрый переход от «цифровых близнецов» к «симуляции» и «агентству» на основе ИИ, что значительно расширит варианты использования и будет способствовать широкому внедрению. Давайте рассмотрим эти категории использования:

• Представление – Ранние итерации цифровых двойников были простыми цифровыми представлениями активов, которые не были особенно полезны за пределами отдельных нишевых вариантов использования для улучшения дизайна и выполнения определенных задач. По сути, это состояние «реплики» технологии цифровых двойников.
• Симуляторы – Сегодня цифровые близнецы развиваются от представления к моделированию, что приносит пользу более широкому набору вариантов использования. Моделирование означает, что цифровые близнецы не только отражают актив или среду, но и точно моделируют будущие сценарии. На этом этапе они могут учиться на данных из других похожих процессов, чтобы получить значимые идеи. Моделирующие близнецы используют алгоритмы ИИ для моделирования результатов производства, рекомендуют оптимальные настройки машин и направляют производственные группы к улучшению бизнес-целей в производственных условиях.
• Агентство – Следующим этапом эволюции после моделирования станет агентство, которое позволит активам, процессам и целым частям производства планировать и действовать автономно. На этом этапе они также будут принимать сложные решения и работать в партнерстве с людьми, чтобы обеспечить более устойчивое производство. Это этап цифрового двойника-агента.

Переход между этапами требует различных уровней поддерживающих технологий, и крайне важно, чтобы организации имели правильный технологический стек для достижения максимального эффекта и окупаемости инвестиций в цифровых двойников.

Базовая технология для цифровых близнецов

Прежде чем переходить от представления к моделированию, а затем, в конечном итоге, к агентству, необходимо внедрить правильную базовую технологию.

Используя производство в качестве примера снова, организации, которые хотят создать цифровую симуляцию определенного процесса или заводской среды, должны иметь надежные возможности онлайн-сенсоров. Эти датчики передают данные с входа и выхода на различных критических этапах пути, чтобы обеспечить надежные идеи для информирования моделирования. Многие из этих данных легкодоступны, и мы видели производителей процессов с качественными онлайн-измерениями на выходах (например, бумага), но обычно существует пробел в измерениях датчиков для входов (например, древесные волокна, которые идут на производство бумажной массы).

Чтобы обойти это, производственные команды должны четко определить симуляцию, которую они пытаются достичь, и различные входы, машины и системы, которые задействованы, а также различные параметры каждого этапа на протяжении всего процесса. Это, вероятно, потребует привлечения экспертов по нескольким функциям, чтобы гарантировать, что все аспекты модели учтены, что затем поможет гарантировать, что данные достаточно надежны для поддержки симуляции.

Связь и сравнение

Полностью изолированные цифровые близнецы упускают возможность обучения из других моделей в схожих сценариях. Модели, вносящие вклад в цифрового близнеца, сами должны быть подпитаны данными из других схожих моделей и цифровых близнецов, чтобы продемонстрировать, как выглядит «отлично» или оптимально в глобальном масштабе, а не только в локальном процессе, который изучается.

В результате цифровые двойники требуют большого облачного компонента, в противном случае организации рискуют упустить даже малейшее подобие всех возможностей, которые предлагает эта технология.

Другая сторона медали заключается в том, что цифровые близнецы не должны полагаться исключительно на облачные технологии, поскольку задержка облака может создать препятствия для таких факторов, как сбор данных в реальном времени и инструкций в реальном времени. Подумайте, насколько бессмысленно было бы иметь симуляцию, предназначенную для предотвращения сбоев машины, только для того, чтобы симуляция обнаружила обрыв ремня после того, как часть перестала нормально функционировать, а вся машина остановилась.

Чтобы преодолеть эти проблемы, может быть разумно добавить компонент, поддерживающий Edge-AI. Это гарантирует, что данные будут собираться как можно ближе к моделируемому процессу.

Возможные проблемы с развертыванием и управлением

Помимо наличия правильного технологического стека и инфраструктуры для сбора необходимых данных для имитационных двойников на базе ИИ, доверие остается существенным препятствием для развертывания. Водители такси в Лондоне могут знать карту города и все его кратчайшие пути, но GPS обычно снабжает водителей более точными маршрутами, учитывая данные о дорожном движении. Аналогичным образом инженерам и специалистам по производству необходимо испытать точные и безопасные имитации, чтобы полностью обрести уверенность в своих возможностях.

Завоевание доверия требует времени, но прозрачность моделей и данных, поступающих в цифровые близнецы, может ускорить этот процесс. Организациям следует стратегически продумать смену мышления, необходимую для того, чтобы заставить команды доверять идеям этой мощной технологии, — или рисковать упустить рентабельность инвестиций.

Дорога к Агентству

Несмотря на обещание цифровых близнецов, их внедрение было относительно медленным — до недавнего времени. Внедрение моделей на базе ИИ может перевести цифровых близнецов из репрезентации в симуляцию, соединяя идеи из других моделей для построения уникальных знаний.

По мере роста инвестиций и доверия цифровые близнецы в конечном итоге достигнут статуса агентства и смогут самостоятельно принимать сложные решения. Истинная ценность еще не раскрыта, но цифровые близнецы обладают потенциалом для трансформации отраслей от производства до здравоохранения и розничной торговли.