Znacznie więcej niż zwykła symulacja
Cyfrowe bliźniaki definiowane są przez szereg kluczowych właściwości.
Opierają się na „ground truth”, czyli na jednym centralnym źródle informacji dla wirtualnych danych. Dokładnie odwzorowują obiekt fizyczny, ponieważ bazują na zasadach fizyki. Są idealnie zsynchronizowane ze światem rzeczywistym. Powstały w oparciu o technologie sztucznej inteligencji, której algorytmy mogą być trenowane – tłumaczy Timo Kistner, EMEA Industry Lead, AI for Manufacturing and Industrial w firmie NVIDIA, produkującej komputery AI.
Właściwości te sprawiają, że technologia cyfrowego bliźniaka znacznie przewyższa zwykłą symulację, ponieważ pozwala analizować jednocześnie dowolną liczbę procesów, umożliwiając bardziej precyzyjne odtwarzanie przyszłych scenariuszy.
Kiedy zespoły symulują możliwe przyszłe scenariusze, muszą być w stanie polegać na dokładności swoich symulacji. Aby to osiągnąć, ich symulacje powinny być jak najbardziej zbliżone do rzeczywistości. Dlatego cyfrowe bliźniaki, które się do tego wykorzystuje, powinny reprezentować prawdę o ich operacjach i być zgodne z prawami fizyki – wyjaśnia Kistner.
Możliwość wyeliminowania kosztownych błędów
Technologia ta oferuje wiele korzyści dla praktycznie każdej firmy w każdej branży. Przykładowo, firmy mogą wykorzystywać cyfrowe bliźniaki do przekształcania swojej działalności, np. redukując koszty i marnotrawstwo, poprawiając jakość i wydajność, a nawet przyspieszając czas wprowadzania produktów na rynek.
Cyfrowe bliźniaki zwiększają również produktywność, ponieważ umożliwiają zespołom współpracę w czasie rzeczywistym, aby przyspieszyć i usprawnić podejmowanie decyzji” – mówi ekspert.
To nie wszystko.
Zespoły zajmujące się planowaniem, projektowaniem, budową i obsługą obiektów wykorzystują cyfrowe bliźniaki na przykład do projektowania nowych produktów i systemów oraz do monitorowania, symulacji i optymalizacji środowisk produkcyjnych. Wykorzystują technologię do analizy i lepszego zrozumienia ważnych zdarzeń lub problemów, które miały miejsce, monitorowania istniejących procesów w czasie rzeczywistym i symulacji przyszłych scenariuszy” – mówi Kistner.
Zastosowanie sztucznej inteligencji i modeli uczenia się umożliwia symulowanie złożonych sytuacji w wysoce realistyczny sposób i znacznie zmniejsza ryzyko dla użytkowników końcowych. Błędy i słabe punkty można rozpoznać już na wczesnym etapie.
Tradycyjnie, rozwój i testowanie produktów było mieszanką cyfrowych i fizycznych działań, często przeprowadzanych sekwencyjnie, wymagających dużego nakładu pracy każdej z zaangażowanych stron. Podobnie jak we wczesnych cyklach produkcji przemysłowej, błąd w dowolnym momencie procesu oznaczał konieczność zatrzymania linii produkcyjnych i potencjalnie wykonania kroku wstecz w celu skorygowania błędu lub nawet rozpoczęcia pracy od zera. Testowanie, zwłaszcza produktów i scenariuszy o krytycznym znaczeniu dla bezpieczeństwa, może mieć ogromny wpływ na wprowadzenie produktu na rynek lub, co gorsza, prowadzić do wycofania produktu z rynku, jeśli problemy zostaną zidentyfikowane po jego wprowadzeniu na rynek” – wyjaśnia Kistner.
Cyfrowe bliźniaki zostaną z nami na dobre
Zastosowania i możliwości wykorzystania cyfrowych bliźniaków są bardzo szerokie. Na przykład Digitale Schiene Deutschland (DSD), część Deutsche Bahn, buduje pierwszego cyfrowego bliźniaka środowiska linii kolejowych i stacji w celu pełnej symulacji automatycznej obsługi pociągów w całej sieci. Cyfrowy bliźniak jest tworzony na podstawie cyfrowej mapy o wysokiej rozdzielczości, która zawiera bardzo precyzyjne pomiary rzeczywistych tras.
Oznacza to tworzenie fotorealistycznej i fizycznie dokładnej repliki całej sieci kolejowej. Obejmuje ona tory biegnące przez miasta i krajobrazy, a także wiele szczegółów pochodzących z takich źródeł, jak pomiary peronów i czujniki pojazdów. Korzystając z cyfrowego bliźniaka opartego na sztucznej inteligencji, stworzonego za pomocą NVIDIA Omniverse, DSD może opracować wysoce wydajne systemy percepcji, zapobiegania i zarządzania, aby optymalnie rozpoznawać i reagować na nietypowe sytuacje w codziennych operacjach kolejowych” – tłumaczy Kistner.
Także producent samochodów BMW już od jakiegoś czasu testuje produkcję z zastosowaniem wirtualnych modeli. W 2021 roku firma stworzyła kokpit dla BMW iX z pomocą cyfrowego bliźniaka. Wykorzystując sztuczną inteligencję, symulowano produkcję struktury nośnej kokpitu BMW iX tak, jakby prawdziwy komponent był wytwarzany metodą formowania wtryskowego. Umożliwiło to cyfrową symulację całego procesu produkcyjnego ze wszystkimi jego właściwościami fizycznymi. Technologia ta jest obecnie powszechnie stosowana w fabrykach pojazdów BMW.
Ze względu na różnorodność możliwych zastosowań, cyfrowe bliźniaki będą niezbędne w biznesie i przemyśle.
Rezultaty są naprawdę rewolucyjne, od redukcji kosztów i marnotrawstwa po zwiększenie produktywności, poprawę jakości i magazynowania oraz przyspieszenie produkcji i czasu realizacji” – podsumowuje Kistner.
