«Цифровые двойники» в промышленности набирают обороты

Виртуальный эквивалент любого оборудования — неоценимый помощник инженера и менеджера. Рассмотрим, например, ветровую турбину. Её можно снабдить датчиками, которые будут в режиме реального времени фиксировать и передавать данные: скорость вращения, выработка электроэнергии, текущие погодные условия и так далее. Эти данные затем используются для создания виртуального двойника ветровой турбины — включая наглядную визуальную 3D-модель. Затем на этой модели проводятся различные эксперименты по оптимизации. Это намного удобнее и безопаснее, чем вмешиваться в работу реального ветряка — с риском для бизнеса, а возможно, и с угрозой для целостности самого строения и механизмов. Экстремальные нагрузки испытывает виртуальная модель — а в реальном мире благодаря этому применяются оптимальные практики.

Рынок программного обеспечения для виртуальной симуляции в промышленности — вещь сугубо нишевая, но по оценкам ABI Research, в обозримой перспективе темпы роста составят свыше 7%, и к 2030-му году его совокупная оценка ощутимо превысит 2 миллиарда 500 миллионов долларов. Любопытный факт: само понятие «цифрового двойника» было изобретено Майклом Гривсом, профессором Университета Детройта, ещё в 2002-м году. Однако в те времена облачные технологии и искусственный интеллект находились в зачаточном состоянии, а массива накопленных данных — в том числе и в промышленности — было явно недостаточно. Сегодня же гипотеза (можно даже сказать, фантазия) профессора из Детройта благодаря внушительному росту математических мощностей за последние 20 лет превратилась в реальность.

Рост популярности технологии «цифровых двойников» обусловлен в том числе и текущими рыночными трендами. Например, Tesla до сих пор иногда называют «стартапом», однако эта компания максимально далека от сборища однокурсников в родительском гараже. По рыночной капитализации детище Илона Маска превосходит крупнейших автопроизводителей вместе взятых, а гиганты индустрии — причём не только в автопроме — не любят быть в отстающих. И цифра позволяет преодолевать гигантские расстояния. Например, в США консорциум производителей благодаря технологии цифровых двойников построил для ВВС прототип нового самолёта всего за год с лишним, хотя обычно такие процессы занимают десятки лет.

Сравнительно недавно виртуальные двойники производства начали создаваться в Chevron — одной из крупнейших нефтедобывающих компаний в мире. А у Unilever уже есть цифровая копия одного из заводов по производству продуктов питания, которая позволила сократить энергопотребление, и при этом повысить продуктивность. В реальном, а не в виртуальном мире. Цифровыми двойниками успешно пользуются такие гиганты индустрии, как Siemens, Dassault и PTC. Есть и весьма любопытные (при этом вполне успешные) примеры использования технологии. Создание цифровых двойников позволило Bridgestone перейти к новой бизнес-модели в работе с крупными корпоративными клиентами. Теперь шины продаются не как продукт, а как сервис — образно говоря, в качестве расхода резины на милю. У компании есть исчерпывающие данные по всем своим продуктам, клиент предоставляет массив данных по своему автопарку — и Bridgestone, опираясь на цифровую модель, предлагает оптимальное решение.

Эксперты утверждают, что пройдёт ещё 10-15 лет, и текущие достижения будут казаться лишь истоками ещё более новой технологии. В Blackshark утверждают, что в конечном итоге цифровые двойники сольются в так называемую «омнивселенную». В этом виртуальном окружении будет планироваться строительство городов, близлежащих промышленных объектов, а также вся логистика, причём с акцентом на беспилотный транспорт. И речь идёт не о том, чтобы просто расчертить и сделать зонирование — появится возможность спргонозировать на годы вперёд и на «ускоренной перемотке» посмотреть, как целая территория будет работать.

Ещё один важный тренд в этой же сфере — машинное обучение с меньшим количеством данных. На это обращают внимание в NASA Jet Propulsion Laboratory. Допустим, есть две модели двигателей, которые различаются, но не фундаментально. Для того, чтобы создать их цифровые двойники, уже не надо будет устанавливать сложные датчики и сотни часов фиксировать поступающие данные в реальном мире. Достаточно будет задать параметры искусственному интеллекту, а тот уже сам создаст виртуальную модель двигателя, опираясь на тысячи других похожих механизмов, имеющихся в базе данных.

Есть и достаточно сложные процессы, в которых только предстоит полностью разобраться. Например, физика и механика сегодня эмулируются без проблем — а вот с химией и динамикой жидкостей возникают затруднения. Особенно в том, что касается воспроизведения процессов в реальном времени. Вместе с тем, это жизненно важно, ведь речь может идти, например, о системах охлаждения — а значит, о безопасности на производстве в целом. Определённые подвижки уже есть. Компания Nnaisense разработала для EOS GmbH сложное цифровое решение, имитирующее в реальном времени распространение тепла в зависимости от происходящих химических процессов.

Как утверждают в PTC, цифровые двойники окажут неоценимую помощь в генеративном дизайне, в котором инженерная мысль движется от общего к частному. Например, некоей компании требуется создать беспилотный корабль-сухогруз, опираясь на ключевые компоненты крупных партнёров по бизнесу. Для этого разрабатывается цифровой прототип будущего корабля, а поставщик предоставляет все цифровые двойники производимых им газотурбинных двигателей. В результате все варианты сначала тестируются в виртуальном окружении, и лишь на финальном этапе затрачиваются средства на строительство оптимального прототипа в реальном мире. И эта технология абсолютно масштабируема: речь может идти как о небольшом электронном реле, так и о целом производственном комплексе. За цифровыми двойниками — будущее, думать о котором следует уже сейчас.