Есть много разрозненной информации о том, что такое цифровой двойник, а много компаний уверяет, что может создать его. Но это не всегда так. Директор по продуктам Factory5 Артем Серебров раскрывает суть этого явления и рассказывает о возможностях и истории развития цифровых двойников.

Цифровой двойник — это виртуальная копия физического объекта или процесса. Изначально он был придуман когда-то давно как цифровая копия оборудования. Но с тех пор прошло много времени и у цифрового двойника появилось много вариаций. Все они хорошо проработаны теоретически, но только начинают развиваться практически.

Настоящее

У цифрового двойника есть несколько видов, которые делятся по сфере применения:

Digital Twin Prototype — первый цифровой двойник в истории. В 1970х он использовался компанией Nasa для проектирования миссии Apollo 13. Он был создан для того, чтобы проверить, как будущий объект поведет себя в физическом мире. В дальнейшем, инжинеры NASA обнаружили, что этот же двойник можно использовать для контроля уже существующего оборудования и предсказания что с ним произойдет. Однако, так как условия космоса в то время были плохо изученными, потребовалось создать постоянную связь в реальном времени между оборудованием и двойником, чтобы снимать реальные показания с датчиков. Это и привело к современным цифровым двойникам и их следующему типу.
Digital Twin Instance — цифровой двойник экземпляра. Фактически, это сбор информации с датчиков, установленных на оборудовании, и получение копии работающей единицы в системе. Это позволяет автоматически отслеживать и прогнозировать поведение этого оборудования, предсказывать аварийные остановы и создавать симуляции режимов работы.
Digital Twin Aggregate — модель серии оборудования. Это двойник существующего оборудования, которая в первую очередь применяется для обучения персонала и оптимизации процессов ТОиР. С такой моделью специалисту не нужно читать мануалы по эксплуатации оборудования, а можно сразу практиковаться и смотреть результаты действий на виртуальной модели.

Будущее

Сегодня появляются новые виды двойников: некоторые из них кажутся фантастикой, а некоторые уже создаются и внедряются.

1. Цифровой двойник процесса

Двойник производственного процесса дает понимание того, какого качества продукт получается в конце. Если речь идет о более сложном явлении в компании, то в результате мы можем узнать результаты наших действий. Особенно это касается масштабных процессов, в которые сложно вносить изменения.

2. Цифровой двойник целой компании

Все процессы вместе взятые составят двойник компании. Это позволяет рассматривать общую картину и принимать решения на основе фактических данных.

3. Цифровой двойник изделия

Крыло самолета, винт и другие составные части, перенесенные в цифровую плоскость, можно испытывать и тестировать бесконечно. Для этого вида цифрового двойника требуется очень четкое физическое моделирование, поскольку каждое изделие создается в новых индивидуальных условиях.

Если такая модель станет реальность, то можно будет убрать контроль качества, специальные стенды и бесконечные испытания. Также, мы будем получать больше информации о том, какого качества изготовленные нами продукты. Это, также, решит проблемы крупных отраслей: построение ракет, самолетов и т. д.

Как создается цифровой двойник в F5

В Factory5 мы специализируемся на моделировании, поэтому очень часто решаем конкретные потребности предприятия. Мы можем соптимизировать различные функции предприятия: начиная от ТОиР, заканчивая финансовым планированием и финансовым стресс-тестированием.

На сегодняшний день мы делаем:

цифровых двойников оборудования и используем его для анализа технического состояния,
цифровых двойников производственного и логистического процессов
(сделали первый шаг в сторону) цифрового двойника организации.

Процесс создания проще всего показать на примере двойника оборудования:

Консультации со специалистом по оборудованию.
Сбор телеметрии с датчиков и разметка пути телеметрии из конкретных источников.
Создание статичной древовидной модели.
Написание симуляционных моделей.

Сложности начинаются на последнем этапе. Моделировать все возможные ситуации бесполезно и очень трудоемко. Поэтому необходимо определить самые важные критерии, которые имеет смысл моделировать в каждой конкретной ситуации: перепад напряжения в этом узле и повышение температуры — в другом. Для этого нужен специалист по оборудованию и физическим процессам одновременно, который расскажет, как оборудование работает на самом деле и напишет физические модели действительно важных процессов. Это трудоемкая, но повторяемая работа: описав физическую модель работы электродвигателя, мы можем применить эту модель ко всем электродвигателям.

Если говорить о цифровом двойнике технологических производственных процессов, ситуация выглядит почти так же. Только мы создаем не древовидную, а линейную модель.

Логистический и финансовый процессы создавать немного сложнее. Они пишутся под конкретную организацию, потому что для каждого это индивидуальный процесс. Поэтому специалист должен «высадиться» в организацию, аккуратно записать, как в этой организации работают процессы и создать уникальную блок-схему этих процессов.

Кто участвует в процессе разработки

В процессе разработки MX-моделей участвуют специалисты со следующими ролями:

1. Роль «Бизнес-аналитик». Функции роли:

Сбор и анализ документации и материалов по оборудованию.
Определение перечня инцидентов и прогнозов технического состояния, подлежащих моделированию.
Подготовка презентаций.

2. Роль «Эксперт». Функции роли:

Подготовка материалов по работе оборудования и инцидентам, консультации по работе оборудования.
Разработка экспертных правил.
Разработка методик расчета информативных неизмеряемых параметров.
Постановка задач на разработку экспертных правил, методик расчета информативных неизмеряемых параметров, верификацию моделей физических процессов.
Экспертная поддержка в процессе разработки и верификации ML-моделей.
Валидация ML-моделей.

3. Роль «Data science специалист». Функции роли:

Исследование данных телеметрии.
Анализ и представление данных телеметрии, выполнение различных расчетов в процессе разработки экспертных правил, методик расчета информативных неизмеряемых параметров.
Подбор функций передаточных моделей с помощью алгоритмов машинного обучения.
Валидация разработанных правил по имеющимся данным телеметрии, данным по отказам, ремонтам, заменам и обслуживанию.
Разработка ML-моделей.
Валидация ML-моделей.

Зачем нужны цифровые модели

В целом цифровые двойники в промышленности уже приносят свою пользу. Например, цифровые двойники оборудования и предиктивная аналитика приводят к сокращению его простоев до 12%, при проектировании цифровые двойники снижают затраты времени на процесс до 30%, а скорость обучения персонала с применением технологии цифровых двойников увеличивается на 50%. В результате предприятия, использующие данную инновацию, быстрее адаптируются к стремительно меняющимся трендам и событиям, повышают производительность и начинают эффективнее управлять ресурсами, что напрямую влияет на их конкурентоспособность.

Примеры использования цифровых двойников от F5

1. Предиктивный анализ состояния газотурбинной установки

В этом кейсе предиктивный анализ технического состояния газотурбинной установки для крупной энергетической компании не состоялся бы без цифрового двойника. Он позволяет прогнозировать отказы и планировать ТОиР в соответствии с этой информацией. Самое главное, он позволяет анализировать режимы работы газотурбинной установки не меняя их в физическом мире. Так удалось понять, какие конструктивные элементы влияют на перерасход топлива, и скорректировать режим работы так, чтобы исключить перерасход.

2. Оптимизация цепочки поставок

Цифровой двойник может учитывать большое количество факторов и позволяет эмулировать ситуацию по разным экономическим показателем: время доставки, сокращение затрат, утилизация и т. д. Поэтому он подходит для оптимизации цепочки поставок для крупной транспортно-логистической компании. В этом кейсе цифровой двойник учитывает более 45 разных факторов и выстраивает маршруты в режиме реального времени. Это позволило сократить затраты на 30%, увеличить утилизацию на 20% и приблизить вероятность построения оптимальной логистической модели к 100%.

3. Средне-срочное финансово-экономическое моделирование

Цифровой двойник учитывает не только большое количество факторов, но и взаимосвязь между ними. Поэтому отлично подходит для сложных системных процессов, как среднесрочное финансово-экономическое моделирование. В данном кейсе для крупного транспортного холдинга удалось цифровой двойник позволяет выстраивать сценарии развития событий в режиме реального времени и видеть результаты тех или иных решений, принимаемых в основном топ-менеджментом. Это сокращает трудозатраты на создание и поддержание в актуальном состоянии стратегических моделей до 70%.

Цифровой двойник: настоящее и будущее