Представим, что с утра вы запускаете на компьютере симуляцию рабочего дня со своим виртуальным двойником. Вы оптимизируете маршрут, учитываете пробки, составляете план работы, отслеживая при этом шкалу усталости и рассеивания внимания, оставляя время на непредвиденные проблемы. Можно даже учесть перекуры, рассчитывая динамику затрат на сигареты и вероятность заболеть, если не от курения, то от сидячего образа жизни. Перезапуская симуляцию десятки раз, ищите вариант, где вас повысят. И это только один из примеров того, как можно использовать цифровых двойников.
Что такое цифровой двойник?
Это виртуальная модель любых объектов, систем и процессов. Он позволяет предсказать, как будет вести себя оригинал в определённых условиях. Это помогает ответить на вопрос «Что будет, если?» без затрат времени и средств.
Впервые концепцию цифрового двойника предложил Майкл Гривс, профессор Мичиганского университета, в 2002 году. Он выделил три основных элемента цифрового двойника:
- Физический объект в реальности;
- Виртуальный объект в виртуальном пространстве;
- Данные и информация, которые их объединяют.
По мнению Гривса, «в идеальных условиях вся информация, которую можно получить от изделия, может быть получена от его цифрового двойника».
За последние годы технологии нейронных сетей сильно ускорили развитие цифровых двойников. Обучаемые нейронные сети могут заменить сложные системы уравнений с множеством переменных. Это особенно полезно, когда обычное моделирование невозможно или слишком сложно.
Зачем нужны цифровые двойники?
1. Первичное моделирование. Быстрый и недорогой способ провести тестовый запуск процесса или производственной цепочки. Это поможет понять основные проблемы будущего изделия, когда работа только начата.
2. Испытания. Они помогут обнаружить проблемы или уязвимости до запуска производства или ввода объекта в эксплуатацию.
Например, испытания нового гибридного автомобиля могут быть долгими и дорогостоящими, особенно если нужно проверить его устойчивость к арктическому холоду, пустынному зною и минам под колёсами. Однако, проведя первичные испытания на цифровом двойнике, можно сэкономить несколько лет работы и быстрее выпустить готовую машину.
3. Прогнозирование. Электронные двойники позволяют строить долгосрочные прогнозы и предупреждать возможные сбои в работе оборудования, моделируя долговременную нагрузку. Например, цифровой двойник торгового центра сможет оптимизировать загрузку и потоки движения клиентов и товаров. А цифровой двойник системы полей — правильно рассчитать удобрения, полив и урожай, подготовиться к различным погодным условиям.
4. Оптимизация режима работы. Тестировать разные режимы работы оборудования, чтобы найти наиболее эффективный и предотвратить возможные сбои. Электронный двойник энергосети Краснодарского края помог бы избежать отключений, дав сигнал вовремя подготовить резервные генераторы. Госкорпорация «Росатом» успешно применяет цифровые двойники, что позволило ей в кратчайшие сроки устранить сбои на Ростовской АЭС, моделируя различные режимы работы станции.
Да, это звучит слишком хорошо. Должны быть какие-то сложности?
Недостатки цифровых двойников
1. Цифровые двойники — это дорого. Для разработки цифрового двойника необходима команда высококвалифицированных программистов, профильных специалистов и математиков. Это требует времени и денег.
Однако использование нейронных сетей значительно упростило процесс. Важно отметить, что с расширением применения технологии, её стоимость снижается. Теперь создание цифрового двойника доступно не только для атомных электростанций, но и для крупных складов, дойдет и до личных цифровых двойников в медицинских целях.
2. Цифровые двойники могут допускать ошибки. Считается, что хороший цифровой двойник должен отличаться от оригинала не более чем на 5%. Однако достичь такой точности удаётся редко. Обычно разница больше. Нейросети, согласно ГОСТ Р 57700.37–2021, тоже имеют право на ошибку.
Например, компания получила задание разработать нейросеть для распознавания жестов, которые крановщик получает от бригадира, находящегося на земле. Непонятно, почему нельзя было использовать рации, но заказчик всегда прав. Обученная нейросеть оказалась качественной и правильно распознавала жесты в 95% случаев. При работе с краном, который поднимает многотонные грузы, одна ошибка из двадцати может иметь серьезные последствия.
В Академии военно-космической обороны имени Г.К.Жукова в Твери обучают нейросети распознавать цели. В современной войне человек не всегда успевает среагировать и принять решение открыть огонь. Какова цена ошибки при вероятности правильного распознавания цели даже в 98%?
3. Нужны данные для обучения нейросети. Чтобы нейросеть эффективно работала, её надо сперва обучить. Качество обучения зависит от количества и качества обучающих данных, которые должны отражать реальные ситуации. Чем больше данных, тем лучше.
У молодой компании или в новом направлении деятельности может не быть достаточного объёма данных для обучения. Чем лучше мы научим нейросеть, тем лучше и надежнее она будет выполнять свои задачи. С людьми — то же самое.
Во многих банках сотрудник только вводит в компьютер данные о заёмщике. А решение о выдаче кредита принимает нейросеть. Она более объективна и лучше учитывает все риски.
Иногда нейросеть одобряет кредит даже тем кто не имеет работы, зато накопил много долгов. Руководство банка ей не мешает. Почему так происходит?
Потому что негативный опыт окупится сторицей. Нейросеть учится отличать хороших клиентов от плохих. Если нейросеть учится только на хороших заемщиках, то она становится слишком требовательной. И может упускать выгодных клиентов.
Все три приведенных примера — из России. Наши компании активно внедряют искусственный интеллект и технологию цифровых двойников, что не может не радовать.
Исходя из этого, можно сделать вывод: цифровые двойники — это инструмент, система поддержки принятия решения, которая может помочь человеку, но окончательное решение всегда за ним.
Где применяют цифровых двойников?
1. В машиностроении
Десять лет назад Илон Маск не воспринимал всерьёз китайскую компанию BYD и её электрокары. Однако сегодня эта компания стремительно развивается и составляет серьёзную конкуренцию Tesla.
Причина кроется в новом подходе к созданию и производству электромобилей. Теперь большинство реальных тестов заменяют виртуальными, что значительно ускоряет процесс выпуска авто.
Например, компания NIO тратит на создание электромобиля менее трёх лет, а Zeekr сократила процесс до двух лет. Европейским и американским компаниям для этого обычно требуется около четырёх лет.
Скажете «китайская халтура»? Илон Маск тоже весьма активно применяет электронные двойники.
Похожие технологии используются для разработки железнодорожного транспорта. Под руководством Санкт-Петербургского политехнического университета был создан цифровой двойник экипажной части локомотива и его вагонов.
Инженеры создали более 40 виртуальных стендов и тестовый полигон для проведения различных цифровых испытаний и проверок соответствия элементов конструкции матрице требованияй и целевым показателям.
Используя информацию, полученную с помощью цифрового двойника изделия, можно применить методы анализа потенциальных отказов конструкции и расчета стоимости её жизненного цикла.
2. В энергетике
Госкорпорация «Росатом» — это надежный флагман в сфере внедрения электронных двойников в России. Благодаря обширной базе данных, корпорация может создавать модели наиболее безопасного ядерного топлива. Это позволяет избежать необходимости производить дорогие образцы с разным углом намотки карбидкремниевого волокна — можно сразу смоделировать и испытывать уже оптимальные варианты.
Госкорпорация «Ростех» использует моделирование для разработки новых авиационных двигателей и газовых турбин. С помощью суперкомпьютера, способного выполнять до 219 триллионов операций в секунду, можно повысить эффективность работы конструкторских подразделений и ускорить процесс создания новых изделий, снизив затраты. Потому новые газовые турбины, использованные в ТЭС «Ударная», были разработаны так быстро и по всем параметрам превосходят турбины компании Siеmens.
3. В добыче и переработке полезных ископаемых
Примерно четверть всех разработок IT-компаний приходится на проекты для нефтегазового сектора.
Компания «Ригинтел» совместно с ПАО «Газпром нефть» создали «Цифровой двойник скважины». Он оптимизирует работу будущей скважины еще на этапе проектирования, учитывая данные о горных породах и параметрах бурового оборудования.
В европейской нефтеперерабатывающей компании, электронный двойник завода позволил предсказать сбой компрессора за 25 дней до того как он случился.
Цифровые двойники помогают снизить риски при добыче и переработке нефти и газа. Это позволяет сохранить жизни сотрудников, избежать ущерба для окружающей среды и сэкономить огромные суммы.
4. В городском управлении
Для Сингапура была разработана цифровая 3D-модель. Она содержит в себе всевозможные объекты, включая здания, мосты и даже бордюры. В городе установлены датчики, которые передают информацию в виртуальную копию. Государственные учреждения также отправляют различные данные в цифровой Сингапур. Это позволяет планировать мероприятия, которые необходимо будет осуществить при возникновении чрезвычайных ситуаций. Кроме того, архитекторы используют виртуальную копию города для разработки новых построек, проверяя как они впишутся в общей ландшафт и инфраструктуру.
5. В медицине
Цифровые двойники пациентов позволяют в режиме реального времени отслеживать жизненно важные показатели, выбирать наиболее эффективное лечение и проводить операции. В России для этого существует «Цифровой профиль здоровья», который позволит людям отслеживать возможное развитие заболеваний.
Мониторинг здоровья человека возможен благодаря многочисленным маркерам, которые позволяют определить заболевания до их возникновения. Создание «цифрового двойника человека» для мониторинга его состояния —это одно из перспективных междисицплинарных направлений на сегодняшний день.
Применение электронных двойников разнообразно, и они имеют большое будущее для различных организаций: научных, производственных, медицинских, которые планируют активно внедрять электронные двойники в своей работе. Для развития этой инновации потребуются специалисты как IT, так и инженерного профиля. Обучение возможно в том числе на курсах повышения квалификации без отрыва от работы.
Список использованных источников прилагается в закрепленном комментарии