Вы когда-нибудь собирали машину? Если да, представьте, сколько итераций потребовалось, чтобы добиться безупречной функциональности. Мы понимаем, что этот путь, скорее всего, был сопряжен с многочисленными попытками — с этой проблемой сталкиваются не только вы, но и все производители. Дефекты в отдельных фрагментах могут привести к тому, что устройство перестанет работать, и тогда придется разбирать его, искать неисправную деталь и собирать заново.

Вам когда-нибудь хотелось иметь возможность предсказать, как будет работать машина, еще до ее сборки? Представьте, что вы моделируете ее работу на своем рабочем столе, воспроизводя реальное поведение на всех уровнях — от микроскопического до макрогеометрического. Эта возможность реализуется с помощью «цифрового двойника». Будущее промышленных сервисов — за точным прогнозированием состояния физических активов с помощью их цифровых двойников.

Цифровой двойник любого устройства/системы — это рабочая модель всех компонентов (на микроуровне, макроуровне или на обоих уровнях), интегрированных и сопоставленных друг с другом с использованием физических данных, виртуальных данных и данных о взаимодействии между ними для создания полнофункциональной копии устройства/системы на цифровом носителе.

Цифровой двойник физической системы предназначен не для замены физической системы, а для проверки ее оптимальности и прогнозирования характеристик производительности физических аналогов.

С помощью этой концепции вы можете узнать о сроке службы системы, последствиях внесения изменений в конструкцию, влиянии изменений окружающей среды и многих других факторах. Говоря о сроке службы, я хочу напомнить вам об истории возникновения этой концепции.

Концепция и модель цифрового двойника были официально представлены в 2002 году доктором Майклом Гривсом как концептуальная модель, лежащая в основе управления жизненным циклом продукта (Product Lifecycle Management, PLM). Эта концепция применялась в NASA с 1960-х годов. В то время они использовали базовые идеи «твининга» для космического программирования. Для этого они создавали физически дублированные системы на Земле, соответствующие системам в космосе.

Пример: WКогда НАСА разработало цифрового двойника для оценки и моделирования условий на борту «Аполлона-13». Усилия были направлены только на конкретную миссию, поэтому эта концепция получила признание только в 2002 году, после того как доктор Гривз представил ее во всех деталях, включая реальное пространство, виртуальное пространство и распространение данных и информационных потоков между реальным и виртуальным пространством.

Идея объединения цифровой и физической частей в единое целое не изменилась с момента своего появления. Хотя терминология менялась с годами, вплоть до 2010 года, когда это явление получило название «цифровой двойник» от Джона Викерса из НАСА в отчете «Дорожная карта» за 2010 год.

Цифровой двойник состоит из трех отдельных частей:

Под 'соединением здесь подразумеваются данные, передаваемые от физических продуктов к цифровым/виртуальным продуктам, а также информация, поступающая из цифровой среды в физическую.

Цифровые двойники можно разделить на категории в зависимости от масштаба и сложности физического объекта, который они представляют, формируя многоуровневую иерархию функциональности. В этом разделе описаны четыре основных типа цифровых двойников:

Эти цифровые двойники представляют собой наиболее детализированный уровень, ориентированный на отдельные компоненты системы, такие как датчики, исполнительные механизмы или механические детали. Они отражают внутренние свойства, рабочие параметры и характеристики поведения этих компонентов, часто опираясь на данные с датчиков и базовые физические модели.

На более высоком уровне цифровые двойники активов представляют собой полноценные физические объекты, такие как транспортные средства, машины или элементы инфраструктуры. Они объединяют данные и информацию о поведении отдельных компонентов (часто получаемых от цифровых двойников компонентов) в единую модель, обеспечивая целостное представление о работоспособности, исправности и потенциальных будущих состояниях. Цифровые двойники активов используют более сложные модели, охватывающие физику, термодинамику и другие смежные области, что позволяет проводить профилактическое обслуживание и оптимизировать производительность.

Системные двойники отражают взаимодействие и взаимозависимость между взаимосвязанными активами в рамках более крупной системы, такой как энергосети, транспортные сети или производственные объекты. Они используют данные и аналитическую информацию, полученную от двойников активов, но включают в себя дополнительные уровни сложности, чтобы учитывать непредвиденное поведение, возникающее в результате взаимодействия активов. Цифровой двойник энергосети может имитировать каскадное влияние отказа одного генератора на всю систему, затрагивающее другие компоненты и потенциально приводящее к перебоям в работе.

Процессные двойники — это наиболее комплексные цифровые двойники, охватывающие весь сложный процесс, включая физические активы, взаимодействие людей, факторы окружающей среды и логистические аспекты. Эти двойники моделируют весь рабочий процесс, позволяя комплексно оптимизировать, моделировать сценарии и заблаговременно выявлять потенциальные сбои.

Из приведенной выше информации вы, возможно, уже составили представление о том, как работает «цифровой двойник». Теперь, когда у вас есть примерное представление о цифровом двойнике, вы, возможно, поняли, что для его создания нам нужны физические данные, виртуальные данные и данные о взаимодействии между ними, чтобы сопоставить их и создать цифровую копию системы. Возникает вопрос:

Когда речь заходит о работе цифрового двойника, мы можем начать только с поиска ответа на этот вопрос. Для создания цифрового двойника любой системы инженеры собирают и систематизируют данные из различных источников, включая физические данные, производственные данные, эксплуатационные данные и аналитические данные. К физическому продукту подключаются датчики, которые помогают собирать данные и передавать их цифровому двойнику. Их взаимодействие помогает оптимизировать работу продукта с помощью команды технического обслуживания.

Инженеры интегрируют Интернет вещей (IoT), Искусственный интеллект (ИИ), Машинное обучение (МО) и программную аналитику с пространственными сетевыми графами.

• Цель интеграции — собрать необходимую информацию и отобразить ее в виртуальной модели, основанной на физических законах.
• К этим моделям применяется аналитика для определения эксплуатационных характеристик физического объекта.
• Бесшовный обмен данными крайне важен для устройств, в том числе цифровых двойников, чтобы обеспечить оптимальный анализ.
• Цифровые двойники постоянно обновляются на основе данных из различных источников, отображая состояние, рабочее состояние или местоположение объекта практически в режиме реального времени.
• Обучающиеся системы цифровых двойников используют данные из различных источников, в том числе от датчиков, экспертов, аналогичных машин и более широких систем/окружающей среды.
• В цифровую модель включаются данные об использовании оборудования в прошлом.
• Для выявления аномалий и понимания жизненного цикла физического объекта применяются такие аналитические инструменты, как анализ условий окружающей среды и взаимодействие с другими устройствами.
• Цифровые двойники определяют оптимальные процессы для улучшения ключевых показателей эффективности и предоставляют долгосрочные прогнозы для оптимизации бизнеса.
• Общая цель — улучшить бизнес-показатели за счет непрерывного обучения и анализа цифрового двойника.

Цифровые двойники — виртуальные копии физических объектов и процессов — стремительно меняют облик различных отраслей. Эти модели, основанные на данных и постоянно обновляемые с учетом информации в режиме реального времени, дают множество преимуществ в самых разных сферах. Рассмотрим некоторые ключевые преимущества технологии цифровых двойников:

Мы находимся на ранних стадиях развития цифровой индустриальной эры, когда концепция цифрового двойника только зарождается. Несмотря на это, мы уже можем предвидеть грядущие колоссальные преобразования. Цифровые двойники воплощают в себе «память» об активах и даже «групповое сознание», поскольку являются «живыми моделями» физических объектов. Мы наблюдаем активное применение цифровых двойников в следующих отраслях:

Цифровые двойники не только помогают нам производить высококачественную продукцию, но и позволяют экономить деньги и время, которые в противном случае были бы потрачены впустую. Они помогают компаниям быстро тестировать новые разработки. Виртуализированное тестирование новой цепочки поставок — это проще простого, в то время как тестирование физического эквивалента требует остановки производства и потери прибыли, что, с другой стороны, может оказаться сродни открытию ящика Пандоры. Поскольку цифровые двойники позволяют в режиме реального времени отслеживать состояние оборудования и других материальных активов, они очень полезны в сфере производства.

По мере того как автомобили, особенно легковые, все теснее интегрируются с Интернетом вещей и цифровыми технологиями, возможность воспроизвести каждую деталь становится все более востребованной. С помощью цифровых двойников инженерам стало проще прогнозировать работу машин. Мы можем создать цифрового двойника любого автономного транспортного средства и отслеживать его путь с момента создания до утилизации. Инженеры могут тестировать новые функции безопасности в цифровом мире, не прибегая к испытаниям на реальном транспортном средстве. По той же причине производители «умных» автомобилей тестируют свой беспилотный искусственный интеллект в цифровой среде.

Цифровой двойник может помочь виртуализировать больничную систему, чтобы создать безопасную среду и протестировать влияние потенциальных изменений на работу системы. Кроме того, цифровые двойники в сфере здравоохранения могут выявлять неисправности различного оборудования (которое зачастую очень дорогое и должно работать с максимальной эффективностью), используемого в различных областях медицины. Кроме того, цифровые двойники помогают врачам проводить сложные операции. Возьмем, к примеру, кардиологов: они использовали цифровые двойники сердца пациента, чтобы точно определить расположение электродов, которое лучше всего подойдет конкретному пациенту, еще до операции, что снижает риск неудачи.

Внедрение концепции цифрового двойника играет ключевую роль в улучшении клиентского опыта в розничной торговле за счет создания симуляции, которая может точно воспроизвести, как та или иная модель продукта используется в жизни человека. Кроме того, это позволяет проверить, есть ли у нового дизайна продукта потенциал для снижения затрат без масштабных физических изменений во всем ассортименте, которые могут привести к снижению рыночной цены продукта. Наличие точной цифровой копии физического актива может способствовать появлению инновационных трендов. Как только инновация хорошо зарекомендует себя в цифровой модели, можно начинать инвестировать в физические активы.

Города состоят из множества подвижных и взаимосвязанных строительных блоков. С помощью хорошо продуманной продвинутой модели инженеры-строители, государственные органы и другие смежные компании могут тестировать новые решения наиболее эффективным способом. Этот инструмент может оказаться весьма полезным для анализа различных видов транспорта и схем пешеходного движения, а также для грамотного планирования, обеспечивающего выполнение требований. При использовании машинного обучения эта модель может в кратчайшие сроки протестировать возможные решения таких проблем, как управление дорожным движением. Эта модель может оказаться полезной и в других сложных ситуациях. Например, в случае пожара у пожарных будет доступ к 3D-модели здания. С помощью дополненной реальности и искусственного интеллекта пожарные смогут узнать, где находятся люди, и спрогнозировать развитие пожара.

Согласно исследованию MarketsandMarkets, мировой рынок цифровых двойников будет стремительно расти, демонстрируя ошеломляющие темпы ежегодного прироста почти в 38 % и достигнув к 2023 году объёма в 15,7 миллиарда долларов. Однако создание цифровых двойников сопряжено с определёнными трудностями, в том числе с отсутствием чётких стандартов, необходимостью обучения пользователей и планирования управления. Несмотря на эти препятствия, цифровые двойники обладают огромным потенциалом для преобразований в сфере здравоохранения, предлагая решения, которые выходят за рамки традиционных медицинских ограничений. Виртуальные органы и копии городов могут произвести революцию в медицине и расширить возможности поиска. Цифровые двойники человека, получающие данные в режиме реального времени с носимых устройств и уникальные генетические коды, обещают стать решением проблем в сфере здравоохранения и преступности. Крупные игроки, такие как Bosch, Microsoft, IBM и GE, инвестируют в эту технологию, что свидетельствует о ее значимости для будущего, в то время как отстающие рискуют столкнуться с упадком.