Статья расскажет о том, как совместное использование IoT, имитационного моделирования, AI, AR, HPC открывает новые возможности для повышения эффективности как отдельных активов компании, так и организации в целом.
Концепция цифрового двойника (digital twin) существует с тех пор, как НАСА (NASA) стало использовать технологию численного моделирования и сравнивать результаты с наземными физическими моделями при разработке и управлении ранними космическими аппаратами.
Сегодня цифровые двойники являются областью повышенного интереса и инвестиций. На мировом рынке цифровых двойников наблюдается 40-процентный совокупный годовой рост (Compound Annnual Growth Rat — CAGR). Планируется, что к 2023 году он достигнет 15,66 млрд. долларов США.
Такая популярность технологии обусловлена достижениями в области:
Эти достижения проложили путь к «цифровым двойникам второго поколения». Они объединяют операционные данные из связанных активов компании (производственное оборудование, здания и т.п.) с физическими процессами на основе моделей, осуществлённых на численном моделировании. Двойники второго поколения расширяют возможности моделирования, и их влияние выходит далеко за рамки традиционной сферы моделирования — производства сложных, дорогостоящих продуктов. Теперь они не только помогают разрабатывать более совершенные продукты, но и позволяют более эффективно их использовать.
По словам Жака Дуйсенса (Jacques Duysens), который возглавляет развитие цифровых двойников в компании ANSYS в Европе и на Ближнем Востоке, второе поколение цифровых двойников на основе моделирования представляет как новую эру для моделирования, так и скачок в функциональности цифровых двойников.
Сегодня можно создать цифрового двойника для отдельных активов компании и отслеживать его показатели в режиме реального времени или почти реального (зависит от множества факторов, включая сложность самих двойников). Например, энергетическая компания может создать двойника для каждой отдельной турбины на ветровой электростанции. Затем изучать в цифровой среде, как эффективность каждой из них повышается или понижается в зависимости от уникального местоположения в поле. Организации могут отображать в цифре работу компонента, системы, сборочной линии или производства предприятия в целом. Примеры реализованных активов постоянно растут. Сейчас среди них можно обнаружить насосы, ветряные турбины, электродвигатели, генераторы переменного тока и т.п.
Моделирование сложных продуктов и систем в их рабочих средах открывает определенные бизнес-ценности. Использование проверенных цифровых двойников в операционной деятельности может привести к повышению эффективности и снижению затрат на обслуживание. Предприятия также могут потенциально получить преимущества за счёт увеличения инноваций в продуктах, а также за счёт новых прогнозируемых услуг по техническому обслуживанию. И эта ценность растёт, поскольку прогрессивные технологии делают крупномасштабных цифровых двойников в реальном времени всё более практической реальностью.
Объединение имитационных моделей с данными IoT, полученных из операционных активов, может быть использовано как в разработке, так и в эксплуатации. Проектно-конструкторские группы могут вводить операционные данные в имитационные модели и проверять инженерные модели, что позволит работать с большей уверенностью в успехе. Можно гораздо глубже понять, как реализуются работающие активы в режиме реального времени. Эти знания подтолкнут на изучение потенциально новых функций продукта, а также повысят полезность и надёжность последующих активов или производственных мощностей. Также возможна реализация виртуальных датчиков, отслеживающих цифровые активы.
Команды технического обслуживания могут использовать цифровых двойников для выполнения профилактического обслуживания. Они могут изучать износ эксплуатационных активов, выявлять проблемы до того, как они станут симптоматическими. Появляется возможность устранять проблемы с помощью сценариев «что если»: благодаря двойнику, оперативные группы могут проигрывать возможные решения и только потом вносить коррективы или ремонтировать физический актив.
Благодаря тому, что наблюдение происходит в режиме реального времени или почти реального, цифровые двойники также могут использоваться для оптимизации производительности отдельных или целого ряда активов. Это может помочь продлить срок их службы или уменьшить их количество до допустимых норм без потери эффективности.
Первые последователи технологии цифровых двойников пришли из базы традиционных компаний, которые производят или внедряют сложные и дорогостоящие активы. Но данный рынок быстро расширяется. Продукты становятся всё более высокотехнологичными и интеллектуальными, что побуждает всё больше производителей использовать имитационное моделирование и цифровых двойников в широком смысле, чтобы создавать эти продукты и управлять ими.
Многие отрасли промышленности находят инновационные способы создания и применения цифровых двойников. Так, например, в здравоохранении цифровые двойники используются не только для оптимизации конструкции медицинской техники, но и для изучения персонализированных моделей (для каждого конкретного человека). Хирурги могут переводить отсканированное изображение и другую информацию в цифровую модель, а затем пробовать различные стратегии и методы лечения перед фактическим проведением операции.
Сети цифровых двойников помогают архитекторам оптимизировать проектирование зданий, а городским планировщикам — улучшать общественный транспорт и управление стихийными бедствиями. Двойники на основе моделирования также используются в сценариях обучения, особенно когда обучение на реальных активах будет опасным или дорогостоящим.
Цифровые двойники создают большой объем данных. Обработка и хранение таких данных требует высокопроизводительной инфраструктуры. HPC позволяет создавать цифровых двойников, принимать и обрабатывать данные датчиков, объединять их с различными источниками корпоративных данных, анализировать их для предоставления рабочих данных и визуализировать для ускорения реакции на эти данные.
Инфраструктура HPC и прогресс в методологии моделирования, известной как моделирование с пониженным порядком (ROM), позволяют разработчикам и инженерам создавать всё более подробные модели и выполнять сложные моделирования. HPC и ROM позволяют команде разработки отражать использующиеся в работе активы в режиме реального времени или почти реального, в зависимости от сложности двойника. В области проектирования они позволяют дизайнерам систем проводить больше прогонов моделирования и создавать масштабные планы оптимизации, разрабатывать более надёжные и инновационные продукты и быстрее выводить их на рынок.
Аналитика на базе HPC, включая машинное обучение и другие формы искусственного интеллекта, также важна для получения результатов от больших объемов данных, генерируемых двойниками. Аналитические результаты, представленные с помощью простых предупреждений, а также современных технологий визуализации и дополненной реальности (AR), могут способствовать практическому пониманию. Это поможет оптимизировать всё, начиная от срока службы отдельного актива и заканчивая работой всей фабрики. В дополнение к запуску аналитики, HPC платформы используются для тренировки моделей машинного обучения. Эти модели могут идентифицировать ранее непредвиденные закономерности в цифровых двойниках. Искусственный интеллект с поддержкой HPC будет играть важную роль в создании двойников следующего поколения.
HPC и другие технологии становятся всё более мощными, а поставщики решений для моделирования расширяют своё внимание на интеграцию программного обеспечения и простоту использования. По мере того как преимущества цифровых двойников становятся всё более очевидными, мы можем ожидать, что технология второго поколения будет способствовать дальнейшему росту HPC, повышению рентабельности инвестиций в IoT в промышленности и повышению ценности для широкого спектра отраслей.
Материал подготовлен на основе статьи insideHPC.
Вы можете подробнее ознакомиться с услугами нашей компании по имитационному моделированию и IoT на соответствующих страницах.
Цифровой двойник второго поколения объединяет операционные данные из связанных активов компании с физическими процессами на основе численного моделирования. Эти двойники расширяют возможности традиционного моделирования и позволяют не только разрабатывать совершенные продукты, но и эффективно их использовать в реальных условиях.
Основу составляют высокопроизводительные вычисления (HPC), интернет вещей (IoT) и имитационные методы. Дополнительно используются искусственный интеллект, машинное обучение, дополненная реальность и моделирование с пониженным порядком (ROM).
Цифровые двойники применяются для мониторинга оборудования в реальном времени, профилактического обслуживания, оптимизации производительности активов, тестирования сценариев "что если" и продления срока службы оборудования. Примеры включают ветряные турбины, насосы, электродвигатели и генераторы.
Внедрение цифровых двойников приводит к повышению эффективности производства, снижению затрат на обслуживание, увеличению инноваций в продуктах, созданию прогнозируемых услуг по техническому обслуживанию и оптимизации работы всего предприятия.
Высокопроизводительные вычисления позволяют обрабатывать большие объемы данных от цифровых двойников, объединять данные датчиков с корпоративной информацией, анализировать их и визуализировать результаты. HPC также используется для тренировки моделей машинного обучения.
Цифровые двойники используются в здравоохранении для создания персонализированных моделей пациентов, в архитектуре для оптимизации проектов зданий, в городском планировании для улучшения транспорта и управления чрезвычайными ситуациями, а также в образовательных сценариях.
ROM это методология моделирования, которая позволяет создавать упрощенные, но точные модели сложных систем. В сочетании с HPC она дает возможность разработчикам создавать детализированные модели и выполнять сложные симуляции в режиме, близком к реальному времени.
Офис NFP компании Первый Бит специализируется на создании комплексных решений цифровых двойников. Наши эксперты разрабатывают системы, объединяющие IoT, HPC, имитационное моделирование и AI для оптимизации бизнес-процессов и повышения эффективности активов предприятий.
Внедрение позволяет снизить затраты на обслуживание на 20-30%, увеличить срок службы оборудования на 15-25%, сократить время простоя производственных линий и повысить общую эффективность предприятия. Офис NFP компании Первый Бит гарантирует достижение measurable показателей для каждого проекта.
Офис NFP компании Первый Бит предлагает поэтапный подход: начинаем с анализа ключевых активов и бизнес-процессов, затем разрабатываем пилотный проект цифрового двойника для наиболее критичного оборудования, после чего масштабируем решение на все предприятие с обучением персонала.
Программная платформа для имитационного моделирования бизнеса любого масштаба и сложности ...
Платформа AnyLogic Cloud позволяет запускать, анализировать и делиться имитационными моделями в режиме онлайн...
Библиотеки балочных кранов, железной дороги и коннектор для машинного обучения. Блок для ...
Специализированный инструмент оптимизации цепей поставок и логистики от компании AnyLogic ...
Экспертный вебинар, на котором на примере реального проекта покажем, как внедрение RPA-роботов позволяет автоматизировать рутинные финансовые и бухгалтерские операции.
Подробнее
Предоставим слушателям знания о подсистеме учета и отчетности МСФО в «1С:Управление холдингом».
Подробнее
Цели курса: изучение возможностей программного продукта «1С:Управление холдингом» в части бизнес-процессов казначейства, формирование практических навыков самостоятельной настройки и управления процессами в прикладном решении.
Подробнее
Цели и задачи: дать слушателям системное представление о возможностях «1С:Управление холдингом» в части функционала, обеспечивающего формирование планов (функциональных и мастер-бюджетов), сбор факта, план-фактный и факторный анализ.
Подробнее
Курс ориентирован в первую очередь на представителей бизнеса, которые хотят получить представление о том, как продукт «1С:Управление холдингом» может помочь в решении задач бизнеса.
Подробнее
Цели курса: изучение возможностей программного продукта «1С:Управление холдингом» в части бизнес-процессов управления закупками, формирование практических навыков самостоятельной настройки и управления процессами в прикладном решении.
Подробнее
Основная цель курса: дать представление и научить пользоваться ключевыми возможностями типовой функциональности подсистемы МСФО в «1С:ERP. Управление холдингом» для целей ведения учета по МСФО и формирования управленческой отчетности.
ПодробнееЦель курса – предоставить слушателям знания о подсистеме МСФО системы «1С:Управление холдингом 8», дать навыки работы с подсистемой, достаточные для сдачи экзамена Специалист-консультант.
Подробнее
Цели курса: изучение возможностей программного продукта «1С:ERP. Управление Холдингом 8» по реализации бизнес-процессов бюджетного контроля, формирование навыков самостоятельной работы в системе и настройке типового функционала, а также знакомство с общими методическими аспектами бюджетного контроля.
Подробнее
