Цифровой двойник за 4 недели: миф или реальность?

Материал подготовлен совместно с партнером комьюнити Digital4food, Softline Digital.

Производство – дело точное, но даже в нем есть место предсказаниям, а, иначе говоря, планированию и прогнозированию на основе данных. Занимаются этим цифровые двойники – копии предприятий в виртуальной среде, которые досконально воспроизводят реальные техпроцессы и помогают решать широкий спектр бизнес-задач, включая предиктивный анализ и мониторинг оборудования.

Концепция цифровых двойников становится в последние годы в России не только популярной, но и по-настоящему востребованной на промышленных предприятиях. Однако из-за «молодости» этого явления у нас в стране вокруг него все еще много мифов. Например, относительно сроков разработки и внедрения цифровых двойников. Как все происходит на самом деле, рассказывает Вадим Седельников, владелец no-code платформы AiLine Softline Digital (ГК Softline) для создания цифровых двойников.

Это не то, о чем вы подумали

Для начала еще раз определимся с терминологией и развеем самое частое заблуждение. Цифровой двойник – это не обычная 3D-модель предприятия, которая не наделена функционалом и нужна только для визуализации производственной единицы. Наоборот, это многофункциональная точная копия предприятия в цифровом виде, которая постоянно получает информацию от объекта, чьей копией является, и на основе этого следит за его состоянием: производительностью, узкими местами и проч.

В зависимости от сферы деятельности компании цифровой двойник может решать разные задачи. Например, в пищевой промышленности – улучшать качество продукции за счет оптимизации технологических процессов, прогнозировать спрос и цену на сырье, помогать эффективнее управлять ресурсами и сокращать издержки.

Деньги, потраченные с пользой

Допустим, компания узнала о всех преимуществах цифрового двойника и решила внедрить его в работу. Всегда ли это целесообразно? В действительности – нет. Несмотря на свою универсальность и широкое применение в разных отраслях, такая технология подойдет не всем, и вот почему.

Высокая стоимость внедрения по сравнению с ожидаемой выгодой.

Обычно внедрение требует миллионных затрат на оборудование, обучение персонала, адаптацию технологий. Если ожидаемая после этого выгода (например, экономия или увеличение производительности) будет невелика, внедрение не оправдает себя экономически. Поэтому такая стратегия не подходит, например, небольшим предприятиям с ограниченным бюджетом и масштабом деятельности.

Недостаток данных и слабая цифровизация предприятия.

Для работы цифрового двойника нужны качественные и объемные данные. Если предприятие не собирает данные, или данные разрозненны и нерелевантны, реализация проекта потребует ощутимо больше инвестиций. Это касается и цифровой инфраструктуры. Если отсутствуют самые базовые системы автоматизации с датчиками для оборудования, сначала придется вложиться в них.

В случае, когда у компании достаточно ресурсов, собраны все данные и есть ИТ-инфраструктура, важно задуматься о еще одном критерии, свидетельствующем о готовности к внедрению. А какова четкая цель? Часто бизнес не понимает, в чем именно цифровой двойник принесет пользу. Это одна из ключевых проблем внедрения. Из-за этого сначала возникают трудности с выбором задач, а потом с замерами выгоды.

Последовательность – ключ к успеху

Какие же шаги предпринимаются для создания и развертывания цифрового двойника на предприятии?

Первым делом технические специалисты подробно изучают документацию и беседуют с сотрудниками, выясняя всю необходимую информацию. Собрав данные для детального воссоздания процессов в виде математических моделей, специалисты приступают непосредственно к разработке системы, которая подчиняется той же логике, что и предприятие в реальности.

Важно отметить, что существует несколько типов цифровых двойников: от точных цифровых копий объектов до систем, описывающих объекты и процессы на основе искусственного интеллекта. Последние как раз пользуются наибольшей популярностью сейчас и демонстрируют активный рост в промышленности.

Разработка – самый долгий и трудоемкий этап любого проекта, так как все создается с нуля. После того, как он завершен, система подвергается валидации: строятся прогнозы на основе исторических данных и рассчитываются метрики. Если точность метрик соответствует поставленной задаче, модель подтверждает свою надежность, если нет – начинается работа над ошибками.

Как только достигнута требуемая точность в работе системы, двойника можно запускать в эксплуатацию.

Внедрение за несколько недель

Один эксперт скажет, что на разработку цифрового двойника уйдет от одного года до полутора лет. Другой озвучит срок от месяца до шести. И оба будут правы. Главное, понимать, что это всегда очень индивидуально. Сроки напрямую зависят от специфики и целей проекта, а также цифровой зрелости предприятия.

Если в компании высоко развита цифровая инфраструктура, автоматизировано большинство техпроцессов и ведется учет ключевых бизнес-показателей, внедрение двойника займет в среднем от 3 до 6 месяцев. Но чем меньше предприятие подготовлено к использованию современных технологии, тем больше времени потребуется на их интеграцию.

Это касается «классических» проектов, которые создаются с нуля. Однако сейчас появляется много no-code платформ на базе ИИ, которые упрощают и ускоряют разработку цифровых двойников в несколько раз. Они подойдут бизнесу, который хочет внедрять технологии, минимизируя порог вхождения. И благодаря таким решениям действительно возможно развернуть цифрового двойника за 4 недели.

Помимо сокращения времени разработки, no-code платформы не требуют глубоких технических знаний или привлечения программистов и аналитиков данных, а, следовательно, позволяют снизить затраты на развертывание технологии. Кроме этого, они легко адаптируются: достаточно внести изменения и существующие модели быстро обновятся.

No-code подход в действии

Создание цифрового двойника с помощью no-code сильно отличается от классического подхода. Разница в том, что платформа уже содержит протестированные и готовые к использованию инструменты для решения задач. Это значит, что можно загрузить существующие данные, например, из Excel, и сразу приступить к проверке гипотез без длительной подготовки.

Экономия времени и ресурсов на этапах внедрения и поддержки обусловлена наличием в платформе большинства сервисов, требуемых для обеспечения жизненного цикла цифрового двойника. Например:

• сервис сбора данных;
• сервис управления моделями;
• задание расписаний;
• отслеживание метрик моделей;
• переобучение и контроль версий моделей;
• сервис авторизации и управления ролями;
• лонгирование;
• UI инструменты и др.

Таким образом процесс создания цифрового двойника делится на несколько этапов:

1. Разработка математической модели.
2. Интеграция модели в платформу.
3. Настройка связей с внешними источниками для актуализации данных.
4. Проверка и доработка модели.
5. Ввод системы в эксплуатацию.

В итоге получается гибкая система, способная одновременно управлять несколькими моделями, автоматизировать процессы и давать рекомендации по их улучшению. Она также следит за всеми показателями, упрощает переобучение моделей и позволяет быстро адаптироваться к новым задачам.

Инвестиция в будущее

Согласно исследованию ВШЭ, сегодня в России цифровых двойников используют около 22% компаний, в то же время внедрить эту технологию собираются 34%. За последние два года востребованность цифровых двойников выросла почти в 10 раз. Так, в 2022-м они применялись лишь в 3,3% промышленных предприятий.

Ожидается, что рынок цифровых двойников продолжит расти, ведь жизненный цикл этой технологии не ограничивается сроками одного проекта. Все больше и больше компаний начали понимать, что это ценный актив, способный при должной поддержке служить предприятию ни одно десятилетие.

Softline Digital – разработчик инновационных решения для бизнеса, решаем сложные отраслевые задачи с помощью AI, ML, CV, IIoT, Big Data, LLM.