Еще в начале 2000-х гг. самые передовые компании стали вести разработки и исследовать то, как с помощью цифровых моделей можно улучшить продукты и производственные процессы. И хотя уже тогда был понятен потенциал, например, такой технологии, как цифровой двойник, многие компании сочли, что обеспечение вычислительных возможностей, хранения и обработки данных, а также пропускной способности, необходимых для обработки огромных объемов данных, задействованных в создании цифрового двойника, стоит непомерно дорого.
Сегодня тренд на развитие и внедрение цифровых двойников в различных отраслях промышленности набирает обороты благодаря быстро растущим возможностям моделирования, улучшению совместимости систем, развитию датчиков интернета вещей и повышению производительности вычислительных систем. Как следствие, возможности цифровых двойников становятся доступны большему количеству компаний – крупных и мелких. По прогнозам американской аналитической компания IDC, к 2022 году более 40% поставщиков IoT-платформ интегрируют свои системы и объединят возможности моделирования для создания цифровых двойников, а 70% процентов производителей будут использовать эти технологии для моделирования процессов и оценки сценариев.
Алгоритмы искусственного интеллекта и машинного обучения, с которыми работают цифровые двойники, требуют огромных объемов данных. Но зачастую на производстве данные с датчиков теряются, искажаются или собираются непоследовательно. Поэтому вопрос развития необходимой инфраструктуры и трансформации подхода к управлению данными является важным в контексте сокращения времени окупаемости новых технологий в будущем.
Нельзя забывать и об анализе издержек и потенциальной выгоды. Так, современный прокатный стан можно оснастить сотнями датчиков, генерирующих терабайты данных каждую секунду. Однако в большинстве случаев при наличии детальной и точной системной модели, воспроизводящей работу основных узлов прокатного стана, требуется лишь небольшое количество правильно расположенных датчиков для получения ключевых входных и выходных данных. Следовательно, в ближайшие годы необходимо продолжить активно развивать средства математического и имитационного моделирования, а также обеспечить доступность высокопроизводительных вычислительных ресурсов для моделирования в режиме реального времени. Решив эти и другие проблемы, можно будет с уверенностью говорить о высокой вероятности реализации и достижимости тех целей, которые заложены в стратегическую программу цифровизации обрабатывающей промышленности страны.
Автор: Денис Хитрых, директор центра исследований и разработок, директор по маркетингу «КАДФЕМ Си-Ай-Эс»
Если Вы заметили ошибку, выделите, пожалуйста, необходимый текст и нажмите Ctrl+Enter, чтобы сообщить об этом редактору.