Введение в цифровой двойник

Когда-нибудь делали машину? Если да, то сколько попыток потребовалось, чтобы он функционировал безупречно, чтобы он стал идеальным? Мы предполагаем золотое дно этих неудачных попыток. Не только вы, но и все предприятия сталкиваются с этой неприятной ситуацией. Иногда дефект в определенном фрагменте может привести к поломке устройства. Для этого потребуется разобрать фрагменты, выявить поврежденную часть, починить ее и вернуться к первому дню.

Вы когда-нибудь хотели узнать, как будет работать машина, прежде чем собирать все компоненты? Что, если мы скажем, что вы можете смоделировать свое устройство на рабочем столе так же, как оно будет работать в реальном мире? Нет, мы говорим не о видеоиграх, а о точной копии устройства со всеми его компонентами от микроатомного уровня до макрогеометрического уровня. Да, это вполне возможно и может быть реализовано с помощью « цифрового двойника ». Следующим важным моментом в сфере промышленных услуг будет точное предсказание будущего физических активов с помощью их цифровых двойников. Возможно, вы еще не знакомы с этим термином «Цифровой двойник» прямо сейчас, но поверьте мне, как только вы взглянете на него, вам захочется узнать все о «Цифровом двойнике». Начнем с его обрисовки.

В Интернете есть множество определений « цифрового двойника », но самое простое из них: цифровой двойник - это цифровой клон физического устройства в реальном времени. Все еще неоднозначно? Позвольте мне сказать однозначно. Цифровой двойник любого устройства / системы - это рабочая модель всех компонентов (на микроуровне или макроуровне или на обоих), интегрированных и сопоставленных вместе с использованием физических данных, виртуальных данных и данных взаимодействия между ними, чтобы создать полнофункциональную копию устройства / система и это тоже на цифровом носителе. Этот цифровой двойник физической системы предназначен не для замены физической системы, а для проверки ее оптимальности и прогнозирования рабочих характеристик физических аналогов. Используя эту концепцию, вы можете узнать о жизненном цикле системы, последствиях изменений конструкции, влиянии изменений окружающей среды и многих других переменных. Говоря о жизненном пути, он предлагает мне ароматизировать ваше понимание концепции с ее происхождением.

Краткая история цифрового двойника

Концепция и модель цифрового двойника были официально выдвинуты доктором Майклом Гривсом в 2002 году в качестве концептуальной модели, лежащей в основе управления жизненным циклом продукта (PLM). Эта концепция использовалась НАСА с 1960-х годов. В то время они использовали базовые идеи побратимства для космического программирования. Они сделали это, создав физически дублированные системы на уровне земли, чтобы соответствовать системам в космосе. Примером может служить создание НАСА цифрового двойника для оценки и моделирования условий на борту Аполлона 13. Усилия были предприняты с учетом только конкретной миссии, и из-за этого эта концепция не получила признания до 2002 года, когда ее представил доктор Гривс. со всеми элементами, включая реальное пространство, виртуальное пространство и распространение данных и информационного потока между реальным и виртуальным пространством. Концепция интеграции цифровой и физической частей в единое целое осталась неизменной с момента ее появления. Хотя терминология изменилась с течением времени до 2010 года, когда Джон Викерс из НАСА впоследствии назвал его «цифровым двойником» в отчете о дорожной карте 2010 года.
Цифровой двойник состоит из трех отдельных частей: физической части , цифровой части и связи между ними . Под «соединением» здесь понимаются данные, которые передаются от физических продуктов к цифровым / виртуальным продуктам, и информация, доступная из цифровой среды в физическую.

Как работает цифровой двойник?

Обладая приведенной выше информацией, вы, возможно, набросали в уме идею о работе «цифрового двойника». К настоящему времени, получив приблизительное представление о цифровом двойнике, вы, возможно, поняли, что для создания цифрового двойника нам нужны физические данные, виртуальные данные и данные взаимодействия между ними, чтобы сопоставить их вместе и создать цифровую копию системы. . Теперь возникает вопрос: как собираются все эти данные? Когда дело доходит до обсуждения работы цифрового двойника, мы можем только начать с поиска ответа на этот вопрос.
Для создания цифрового двойника любой системы инженеры собирают и синтезируют данные из различных источников, включая физические данные, производственные данные, операционные данные и информацию из аналитического программного обеспечения. Датчики подключены к физическому продукту, который помогает собирать данные и отправлять их обратно цифровому двойнику, а их взаимодействие помогает оптимизировать производительность продукта с помощью группы технического обслуживания. Инженеры интегрируют Интернет вещей, искусственный интеллект, машинное обучение и аналитику программного обеспечения с графами пространственной сети, чтобы собрать всю необходимую информацию и отобразить ее в виртуальной моделирующей модели на основе физики, а затем, применяя аналитику к этим моделям, мы получаем производительность. характеристики физического актива. Для большинства устройств беспрепятственный обмен данными помогает получить наилучший возможный анализ, как и в случае с цифровым двойником. Таким образом, цифровой двойник постоянно обновляется из нескольких источников, чтобы представлять свой статус, рабочее состояние или положение в режиме, близком к реальному времени. Это обучающаяся система, обучающаяся сама по себе, используя датчики, которые передают данные о различных аспектах ее рабочего состояния; от специалистов-людей, таких как инженеры с глубокими и актуальными знаниями в отрасли; от других аналогичных машин; и от более крупных систем и среды, частью которых он может быть. Цифровой двойник также использует данные о прошлой эксплуатации машины для включения в свою цифровую модель. Созданная цифровая модель затем применяется с аналитикой, такой как условия окружающей среды или аналитика взаимодействия с другими устройствами, для обнаружения аномалий и жизненного цикла физического аналога. Затем близнец определяет оптимальный процесс, который повышает некоторые ключевые показатели производительности, и предоставляет прогнозы для долгосрочного планирования, что помогает оптимизировать бизнес-результаты.

Потребность в цифровых близнецах

Без сомнения, создание цифрового двойника было бы бессмысленным, если бы для этого не было практических причин. Уже отмечалось, что невозможно создать идеальную машину за одну попытку, и это стоит кучу денег и кучу времени на эксперименты с физическими продуктами. С другой стороны, цифровые близнецы и Интернет вещей (InternetOfThings) вместе с искусственным интеллектом помогают нам анализировать данные и отслеживать системы, чтобы исследовать и решать эти проблемы. Там, где внесение изменений в физический продукт может оказаться непосильным, цифровую копию можно быстро изменить, чтобы продемонстрировать поправки и запустить моделирование. Если результат пересмотренной системы не соответствует нашим потребностям после тестирования ее на Digital Twin перед физической машиной, это поможет нам избежать потерь физических ресурсов и сэкономить время. Контролируя состояние системы или процесса и используя несколько потоков данных в режиме реального времени для изучения своего цифрового двойника, инженеры получают глубокие знания о том, как улучшить жизненные циклы продукта, упростить обслуживание и точную оптимизацию. Использование цифровой копии физической системы не только ускоряет разработку в различных аспектах, но также помогает анализировать, наблюдать и ориентироваться в каждой мельчайшей детали с такой точностью, что не остается места для ошибок и неточностей, обеспечивая оптимальную производительность. Еще одно преимущество заключается в том, что цифровые двойники позволяют экспертам работать над проектами, даже если они не находятся в прямом контакте с физическим двойником. Это обеспечивает безопасность благополучия без риска трагедии. Цифровой двойник также помогает инженерам работать с оборудованием, которое уже находится в космосе и полностью для них недоступно, без проблем, связанных с физической доступностью такого типа оборудования. Любое обновление или изменение можно сначала протестировать на предмет его результатов и последствий, чтобы избежать каких-либо бедствий, напрямую реализовав их в физическом мире. Короче говоря, цифровые близнецы способны изменить Вселенную.

Приложения цифровых двойников

Мы находимся на ранних этапах развития цифровой промышленной эры, где цифровой двойник пока находится в зачаточном состоянии. Несмотря на это, мы можем увидеть огромные преобразования, которые ждут нас впереди. Эти цифровые близнецы олицетворяют «воспоминания» и даже «групповое сознание», поскольку они оказываются «живыми моделями физических сущностей». Мы являемся свидетелями основных применений цифровых двойников в следующих секторах:

1. Производство. Не только появление цифровых двойников помогает нам производить высококачественную продукцию. Но мы также можем сэкономить деньги и время, которые в противном случае были бы потрачены на производство. Это помогает этим фирмам быстро тестировать новые разработки. Говоря о виртуализированном тестировании новой цепочки поставок, это совсем несложно, тогда как тестирование физического эквивалента включает остановку производства, потерю прибыли, что, с другой стороны, может быть похоже на открытие ящика Пандоры. Поскольку цифровые двойники могут в реальном времени видеть, что происходит с оборудованием или другими физическими активами, они очень помогли в производстве.

2. Автомобильная промышленность. По мере того, как автомобили, особенно автомобили, постепенно интегрируются с Интернетом вещей и цифровыми технологиями, возможность воспроизведения каждой детали становится все более необходимой. С помощью цифровых двойников инженерам стало несложно прогнозировать производительность машин. Мы можем создать цифрового двойника всех видов автономных транспортных средств и отслеживать транспортное средство со дня его создания до дня, когда оно отправляется на свалку. Инженеры могут тестировать новые функции безопасности в цифровом мире без необходимости проверять изменения на новом физическом автомобиле. По той же причине производители умных автомобилей также тестируют свой искусственный интеллект для самостоятельного вождения в цифровой среде.

3. Здравоохранение. Цифровой двойник может помочь виртуализировать больничную систему, чтобы создать безопасную среду и проверить влияние потенциальных изменений на производительность системы. Кроме того, цифровые двойники в секторе здравоохранения могут выявлять неисправности в различном оборудовании (которое часто очень дорогое и требует оптимальной работы), используемом в различных областях медицины. Не только это, но и цифровой двойник помог врачам проводить сложные операции. Возьмем, к примеру, кардиологов: они использовали цифровых двойников сердца пациента, чтобы точно определить расположение отведений, которое будет лучше всего работать на этом конкретном пациенте, а также перед операцией, снижая риск неудачи.

4. Розничная торговля . Реализация концепции цифрового двойника играет ключевую роль в повышении качества обслуживания розничных клиентов за счет создания имитационной модели, которая может точно представить, как конкретная модель продукта происходит в жизни человека. Не только это, но и позволяет вам проверить, есть ли в новом дизайне продукта какой-либо потенциал для сокращения расходов без необходимости вносить крупномасштабные физические изменения во весь ассортимент вашей продукции, которые могут снизить рыночную цену продукта. Наличие точной цифровой копии вашего физического актива может привести к передовым инновациям. Как только нововведение станет успешным для цифровой модели, можно начинать инвестировать в физические активы.

5. Умные города: города состоят из множества движущихся и связанных между собой строительных блоков. С помощью хорошо подходящей продвинутой модели инженеры-строители, правительства и другие связанные компании могут тестировать новые решения наилучшим образом. Этот инструмент может оказаться очень полезным для анализа различных видов транспорта и схем движения пешеходов, а также для рационального планирования, обеспечивающего выполнение их требований. Эта модель, подготовленная с помощью машинного обучения, позволяет в кратчайшие сроки протестировать возможные решения таких проблем, как управление трафиком. Эта модель будет полезна еще в одной неприятной ситуации. Например, в случае пожара пожарные могут получить доступ к 3D-модели здания. С помощью дополненной реальности и искусственного интеллекта пожарные могут знать, где находятся люди, и как прогнозировать поведение пожара.

Будущее цифровых близнецов

Ожидается, что мировой рынок цифровых двойников будет очень быстро расти. Если говорить цифрами, то почти на 38 процентов в год и, по данным исследования MarketsandMarkets, к 2023 году достигнет 15,7 миллиарда долларов. Но это не так просто, как кажется, поскольку агентства сталкиваются с множеством проблем при построении цифрового двойника. Его строительство - это только верхушка айсберга, настоящая проблема заключается в отсутствии четких стандартов для их реализации, необходимости обучать людей их использованию и плана управления. Цифровые близнецы могут в будущем радикально изменить здравоохранение. Они позволят власти преодолеть ограничения медицины и использовать данные как инструмент для истинного понимания человеческого тела. Смоделированные органы могут изменить принцип работы медицины гипер-личным и менее инвазивным образом. С точки зрения будущего, цифровой двойник городов - это возможность, которая может сделать поисковые системы способными находить что угодно в физическом мире. У людей также будут свои цифровые двойники, которые будут в реальном времени собирать информацию с носимых устройств и содержать уникальный генетический код пользователя. Используя эту информацию, можно решить многие проблемы, такие как проблемы со здоровьем и преступностью. Но вместе с появляющимися технологиями нам придется пройти через дрянные этапы, прежде чем мы получим хороший материал. Многие крупные имена, такие как Bosch, Microsoft, IBM, GE и многие другие, начали инвестировать в эту технологию, и те, кто отстает, могут потерпеть крах для своих компаний.