สิ่งที่ยืนอยู่ในทางของการวิวัฒนาการและความนิยมของดิจิทัลทวิน

ศักยภาพที่น่าเกรงขามของเทคโนโลยีดิจิทัลทวิน – ด้วยความสามารถในการสร้างสำเนาดิจิทัลของวัตถุทางกายภาพ กระบวนการ และสภาพแวดล้อม – มีการใช้งานที่ครอบคลุมหลายอุตสาหกรรม ตั้งแต่การจำลองสภาพแวดล้อมที่มีอันตรายไปจนถึงการแสดงอวกาศสำหรับการฝึกอบรมระยะไกล การวิเคราะห์最近จาก McKinsey แสดงให้เห็นว่าความสนใจนั้นลึกซึ้งมากจน市場ระดับโลกสำหรับดิจิทัลทวินจะเติบโตประมาณ 60% ต่อปีใน течениеห้าปีข้างหน้า และจะถึง 73.5 พันล้านดอลลาร์สหรัฐฯ ในปี 2027 ความสนใจนั้นชัดเจน แต่การนำไปใช้จริงๆ แล้วเป็นอย่างไร?

คำตอบ – มันซับซ้อน เทคโนโลยีดิจิทัลทวินและกรณีการใช้งานได้วิวัฒนาการอย่างมาก แต่ความท้าทายต่างๆ ต้องได้รับการแก้ไขเพื่อให้ดิจิทัลทวินสามารถนำไปใช้ได้อย่างกว้างขวาง

การวิวัฒนาการของดิจิทัลทวิน

การนำไปใช้จริงๆ ของ ดิจิทัลทวิน เทคโนโลยีนั้นช้าเพราะจนกระทั่ง最近 มันขาดความฉลาดในการไปไกลกว่าการแสดงถึงสินทรัพย์เท่านั้น มันจะมีค่ามากกว่าหากมีความสามารถในการจำลอง การคาดการณ์ และควบคุมพฤติกรรมได้อย่างแม่นยำ ดิจิทัลทวินยังเป็นแบบกำหนดเองและขาดความสามารถในการเรียนรู้ระดับโลกจากพฤติกรรมของสินทรัพย์ที่คล้ายกัน ข้อมูลเชิงลึกของมันถูกปิดล้อมและไม่จำเป็นต้องใช้ได้กับความต้องการขององค์กรในวงกว้าง ทำให้เป็นการลงทุนที่มีราคาแพงและมีผลตอบแทนที่แคบ

อย่างไรก็ตาม ผู้ใช้แรกๆ ของดิจิทัลทวิน เช่น อุตสาหกรรมการผลิต การค้าปลีก การดูแลสุขภาพ และอุตสาหกรรมยานยนต์ สามารถทดสอบสิ่งอำนวยความสะดวกใหม่ การกำหนดค่า และกระบวนการใน环境ที่ควบคุมได้

ด้วยการนำแนวทาง AI ที่ขับเคลื่อนใหม่ๆ มาใช้ เราจะเห็นการเปลี่ยนแปลงอย่างรวดเร็วจาก “ดิจิทัลทวิน” ไปเป็น “การจำลอง” และ “การเป็นตัวแทน” ที่มีพลังงานจาก AI ซึ่งจะขยายกรณีการใช้งานและขับเคลื่อนการนำไปใช้อย่างกว้างขวาง มาทำความรู้จักกับหมวดหมู่การใช้งานเหล่านี้กัน:

• การแสดงถึง – การสร้างดิจิทัลทวินในระยะแรกเป็นการแสดงถึงสินทรัพย์ทางดิจิทัลเท่านั้น ซึ่งไม่ค่อยมีประโยชน์มากนักนอกจากกรณีการใช้งานเฉพาะเจาะจงสำหรับการปรับปรุงการออกแบบและการดำเนินงานของงานบางอย่าง ในที่สุดมันคือ “รัฐทวิน” ของเทคโนโลยีดิจิทัลทวิน
• การจำลอง – ในปัจจุบัน ดิจิทัลทวินกำลังพัฒนาจากการแสดงถึงไปสู่การจำลอง ซึ่งให้ประโยชน์แก่กรณีการใช้งานที่กว้างขึ้น การจำลองหมายความว่าดิจิทัลทวินไม่เพียงแต่สะท้อนถึงสินทรัพย์หรือสภาพแวดล้อมเท่านั้น แต่ยังสามารถจำลองสถานการณ์ในอนาคตได้อย่างแม่นยำ ในขั้นตอนนี้ มันสามารถเรียนรู้จากข้อมูลของกระบวนการที่คล้ายกันเพื่อให้ได้ข้อมูลเชิงลึกที่มีความหมาย การจำลองดิจิทัลทวินใช้แอลกอริทึม AI เพื่อจำลองผลลัพธ์ของการผลิต การแนะนำการตั้งค่าเครื่องจักรที่เหมาะสม และชี้แนะทีมการผลิตไปสู่วัตถุประสงค์ทางธุรกิจที่ดีขึ้นในสภาพแวดล้อมการผลิต
• การเป็นตัวแทน – การพัฒนาต่อจากขั้นตอนการจำลองจะเป็นขั้นตอนการเป็นตัวแทน ซึ่งจะทำให้สินทรัพย์ กระบวนการ และส่วนประกอบการผลิตสามารถวางแผนและดำเนินการโดยอิสระ ในขั้นตอนนี้ มันจะสามารถตัดสินใจที่ซับซ้อนและทำงานร่วมกับคนเพื่อขับเคลื่อนการผลิตที่ยั่งยืนมากขึ้น นี่คือขั้นตอนของตัวแทนดิจิทัลทวิน

การเปลี่ยนระหว่างขั้นตอนต่างๆ ต้องการเทคโนโลยีสนับสนุนที่แตกต่างกัน และเป็นสิ่งสำคัญที่องค์กรจะต้องมีเทคโนโลยีที่เหมาะสมเพื่อให้ได้ผลกระทบสูงสุดและผลตอบแทนที่ดีที่สุดจากดิจิทัลทวิน

เทคโนโลยีพื้นฐานสำหรับดิจิทัลทวิน

เทคโนโลยีพื้นฐานที่ถูกต้องต้องมีอยู่ก่อนที่จะเปลี่ยนจากการแสดงถึงไปสู่การจำลอง และสุดท้ายคือการเป็นตัวแทน

โดยใช้การผลิตเป็นตัวอย่างอีกครั้ง องค์กรที่ต้องการสร้างการจำลองดิจิทัลของกระบวนการหรือสภาพแวดล้อมการผลิตต้องมีความสามารถในการรับรู้ออนไลน์ที่เชื่อถือได้ เซนเซอร์เหล่านี้จะส่งต่อข้อมูลจากอินพุตและเอาต์พุตที่แต่ละขั้นตอนสำคัญของกระบวนการเพื่อให้ข้อมูลเชิงลึกที่แข็งแกร่งเพื่อแจ้งการจำลอง มีข้อมูลจำนวนมากที่พร้อมใช้งาน และเราได้เห็นผู้ผลิตกระบวนการที่มีการวัดคุณภาพออนไลน์ที่ดีสำหรับเอาต์พุต (เช่น กระดาษ) แต่มักจะมีช่องว่างในการวัดอินพุต (เช่น เส้นใยไม้ที่ใช้ในการผลิตกระดาษ)

เพื่อหลีกเลี่ยงสิ่งนี้ ทีมการผลิตจะต้องกำหนดการจำลองที่พวกเขาพยายามบรรลุและอินพุต เครื่องจักร และระบบที่เกี่ยวข้องพร้อมกับพารามิเตอร์ต่างๆ ของแต่ละขั้นตอนตลอดกระบวนการ ซึ่งอาจต้องใช้การเชิญผู้เชี่ยวชาญจากฟังก์ชันต่างๆ เพื่อให้แน่ใจว่าทุกด้านของแบบจำลองได้รับการพิจารณาแล้ว ซึ่งจะช่วยให้แน่ใจว่าข้อมูลมีความเข้มแข็งพอที่จะขับเคลื่อนการจำลอง

การเชื่อมต่อและการเปรียบเทียบ

ดิจิทัลทวินที่แยกออกจากกันอย่างสมบูรณ์พลาดการเรียนรู้จากโมเดลอื่นๆ ในสถานการณ์ที่คล้ายกัน โมเดลที่มีส่วนช่วยในการสร้างดิจิทัลทวินต้องได้รับข้อมูลจากโมเดลและดิจิทัลทวินอื่นๆ เพื่อแสดงให้เห็นว่า “ดี” หรือ “เหมาะสม” มีลักษณะอย่างไรในระดับโลก ไม่ใช่แค่ในกระบวนการที่กำลังถูกตรวจสอบ

ดังนั้น ดิจิทัลทวินต้องการส่วนประกอบคลาวด์ที่มีขนาดใหญ่ หรือไม่เช่นนั้น องค์กรจะเสี่ยงต่อการเสียโอกาสที่เทคโนโลยีนี้มีให้

ด้านตรงข้ามคือ ดิจิทัลทวินไม่ควรพึ่งพาเทคโนโลยีคลาวด์เท่านั้น เนื่องจากความหน่วงของคลาวด์สามารถสร้างอุปสรรคสำหรับปัจจัยต่างๆ เช่น การรวบรวมข้อมูลแบบเรียลไทม์และคำแนะนำแบบเรียลไทม์ ลองพิจารณาว่ามันไร้ประโยชน์อย่างไรที่จะมีการจำลองที่มีจุดมุ่งหมายเพื่อป้องกันความล้มเหลวของเครื่องจักร แต่การจำลองตรวจพบเข็มขัดที่แตกหลังจากที่เครื่องจักรหยุดทำงานและทั้งเครื่องจักรหยุดทำงานแล้ว

เพื่อเอาชนะความท้าทายเหล่านี้ อาจเป็นความคิดที่ดีที่จะเพิ่มส่วนประกอบที่มี edge-AI ที่เปิดใช้งาน ซึ่งจะทำให้สามารถรวบรวมข้อมูลได้ใกล้กับกระบวนการที่กำลังจำลองมากที่สุด

ความท้าทายที่อาจเกิดขึ้นในการใช้งานและการจัดการ

นอกจากจะมีเทคโนโลยีที่เหมาะสมและโครงสร้างพื้นฐานที่จะรวบรวมข้อมูลที่จำเป็นสำหรับการจำลองดิจิทัลทวินที่มีพลังงานจาก AI แล้ว ความไว้วางใจยังคงเป็นอุปสรรคสำคัญต่อการนำไปใช้ ตัวอย่างเช่น ผู้ขับรถแท็กซี่ในลอนดอนอาจรู้แผนที่เมืองและทางลัดทั้งหมด แต่ GPS มักจะจัดหาทางเลือกที่แม่นยำยิ่งขึ้นโดยพิจารณาจากข้อมูลการจราจร ในทำนองเดียวกัน วิศวกรและผู้เชี่ยวชาญด้านการผลิตต้องได้รับประสบการณ์การจำลองที่แม่นยำและปลอดภัยเพื่อให้ได้รับความมั่นใจอย่างเต็มที่ในความสามารถของตน

การสร้างความไว้วางใจต้องใช้เวลา แต่ความโปร่งใสกับโมเดลและข้อมูลที่ให้อาหารดิจิทัลทวินสามารถเร่งกระบวนการนี้ได้ องค์กรควรคิดเชิงกลยุทธ์เกี่ยวกับการเปลี่ยนแปลงความคิดที่จำเป็นต่อการทำให้ทีมไว้วางใจข้อมูลเชิงลึกจากเทคโนโลยีที่ทรงพลังนี้ – หรือเสี่ยงต่อการพลาดผลตอบแทนที่คาดหวัง

เส้นทางสู่การเป็นตัวแทน

尽管ดิจิทัลทวินมีศักยภาพ แต่การนำไปใช้นั้นช้า – จนกระทั่ง最近 การแนะนำโมเดลที่มีพลังงานจาก AI สามารถนำดิจิทัลทวินจากการแสดงถึงไปสู่การจำลองโดยการเชื่อมต่อข้อมูลเชิงลึกจากโมเดลอื่นๆ เพื่อสร้างการเรียนรู้ที่ไม่เหมือนใคร

เมื่อการลงทุนและความไว้วางใจเพิ่มขึ้น ดิจิทัลทวินจะบรรลุสถานะการเป็นตัวแทนในที่สุดและสามารถตัดสินใจที่ซับซ้อนได้ด้วยตนเอง มูลค่าที่แท้จริงยังไม่ได้รับการปลดล็อก แต่ดิจิทัลทวินมีศักยภาพที่จะเปลี่ยนแปลงอุตสาหกรรมตั้งแต่การผลิต การดูแลสุขภาพ ไปจนถึงการค้าปลีก