CNews: Что такое цифровой двойник? Как давно существует технология?

Билл Шмарзо: Цифровой двойник – это такой виртуальный прототип реального физического изделия, смысл которого заключается в сборе и повторном использовании цифровой информации.

Предположим, компании необходимо прогностическое обслуживание промышленного компрессора. Это крупные агрегаты, имеющие довольно важное значение. Каждый компрессор уникален, и у каждого есть подробный поведенческий профиль. В его «двойнике» будет храниться информация о необходимых аспектах технического обслуживания. Это открывает перед компанией определенные возможности по оптимизации производительности.

Кстати, концепция цифровых двойников существует довольно давно, и не только в сфере интернета вещей. Мы с коллегами шутим по этому поводу: такие крупные компании, как Netflix, Amazon или Google, создают цифровых двойников для своих пользователей – собирают данные об их предпочтениях, интересах и желаниях, изучают историю покупок и поведение, особенности взаимодействия, и используют эти данные, чтобы рекомендовать товары, которые человек с большей вероятностью захочет приобрести. Они даже могут подобрать нам пару на основе общих интересов.

CNews: Какими решениями располагает Hitachi Vantara для создания цифровых двойников?

Билл Шмарзо: Мы называем их «аватарами активов», и они встроены в нашу платформу Lumada. Когда мы реализуем какой-то проект или выполняем для какого-либо производителя прогностическое обслуживание, то можем создать цифрового двойника для каждого из заранее заданных наборов параметров, на каждом из сборочных конвейеров. Можно создать весьма детализированные профили цифровых двойников и применить их, чтобы понять, когда необходимо выполнить обслуживание того же компрессора, и насколько его можно загрузить, чтобы оптимизировать работу. То есть в процессе обслуживания мы делаем аналитические импликационные выводы.

Билл Шмарзо: Лучший способ избежать последствий от простоя оборудования – это спрогнозировать и предотвратить его

CNews: Значит, прежде, чем начать проект по реализации цифровых двойников, нам необходимо организовать надежную коммуникацию?

Билл Шмарзо: Чтобы начать создание моделей, надо располагать техническими возможностями для сбора данных, поступающих с датчиков интернета вещей, и иметь возможность передавать информацию обратно цифровому двойнику. Специалисты по обработке и анализу данных снимут показатели и начнут строить прогностические модели, определяя, например, когда это оборудование выйдет из строя, какой конкретно узел откажет, какой специалист понадобится для его ремонта, и какие расходные материалы или запасные части понадобятся

CNews: С чего компаниям следует начинать проекты по внедрению цифровых двойников?

Билл Шмарзо: В первую очередь необходимо выбрать вариант применения, один сценарий. Например, можно нацелиться на обнаружение аномалий или оптимизацию выработки для конкретного оборудования. Затем необходимо собрать данные и создать аналитику для этого выбранного актива или его цифрового двойника.

Далее появляется другой вариант применения, где можно повторно использовать большую часть того, что создано для первого сценария, понемногу добавляя новые данные и аналитику. Таким образом, вы создаете цифровых двойников последовательно для каждого сценария использования. Не пытайтесь построить все сразу, посвятив все свое время только созданию цифровых двойников. Монетизация, отдача от цифрового двойника – это результат применения этого двойника в конкретном сценарии.

CNews: Насколько важно для работы цифровых двойников глубокое машинное обучение?

Билл Шмарзо: Алгоритмы глубокого обучения – это один из компонентов, с помощью которых мы будем получать прогнозы. Машинное обучение можно использовать, например, для поиска износа в компрессоре. Глубокое машинное обучение, особенно в нейронной сети, позволяет создавать образы объектов, которые можно изучать. Например, я могу получить тепловую карту, увидеть, что какая-то деталь нагрета сильнее обычного, и предпринять соответствующие действия. Глубокое обучение помогает выявлять аномальные ситуации, которые могут быть признаком серьезной проблемы.

Например, у меня был проект по оптимизации производительности ветроэнергетической установки. Компания эксплуатирует фермы ветроэнергетических установок, причем не совсем обычные – на каждой расположено от 15 до 50 ветровых турбин. Требовалось оптимизировать выработку всей фермы в целом. Каждая из этих турбин имела цифрового двойника, который позволял простым поворотом регуляторов избежать перегрузки отдельной генерирующей турбины и тщательно распределять нагрузку по всему семейству ветротурбин.

CNews: Что является самым сложным в проекте по созданию цифрового двойника?

Билл Шмарзо: Есть несколько аспектов, делающих создание цифровых двойников весьма непростой задачей. Во-первых, необходимо собрать очень много данных, поэтому нужна по-настоящему надежная стратегия сбора и обработки. При этом нужно помнить о том, что использовать неочищенные или неполные данные нельзя – их качество отразится на качестве прогноза. Вторая проблема связана с созданием аналитического окружения – вам потребуется построить очень точные аналитические модели, которые можно будет применить к каждому из цифровых двойников.

CNews: Как создание цифровых двойников отражается на стоимости производственных активов?

Билл Шмарзо: С помощью цифровых двойников можно оптимизировать множество решений. Например, с помощью прогностического обслуживания компании удастся сократить время плановых простоев конвейера. Остановка конвейера имеет огромные последствия для выполнения производственного плана и обходится очень дорого. А если мы сможем спрогнозировать остановку и избежать ее, то сэкономим значительные средства. Здесь полностью подходит принцип «лучший способ исправить неблагоприятную ситуацию – предотвратить ее». Лучший способ избежать последствий, связанных с простоем, – предотвратить его путем прогнозирования отказов конкретного блока.