Цифровые двойники: как digital-копии помогают решать задачи бизнеса

Что такое цифровые двойники

Когда мы думаем о цифровых двойниках, мы вспоминаем изображения цифровых копий, которые встречаются в интернете. Однако с картинки абсолютно не понятно, что за функционал у этой копии? С одной стороны, у нас есть реальный объект, реальная площадка, оборудование, а с другой, есть модель — но для чего она нужна?

Можно разложить цифровой двойник на следующее определение: аналог физического устройства, цифровая модель или набор цифровых моделей, который позволяет оценивать и анализировать состояние объекта, изделия или процесса и получать полезную информацию.

Важная особенность цифрового двойника в том, что эти модели связаны с реальными датчиками, они отражают изделие или процесс настолько, что они функционируют в режиме реального времени — и мы получаем полезную информацию.

Shutterstock/Artistdesign29

Цифровой двойник или машинное обучение

В чем плюсы использования цифровых двойников и машинного обучения? Где мы можем добиться максимальной выгоды?

Первое и самое важное — машинное обучение следует использовать там, где у нас большое количество информации: на этих данных можно построить статистические модели, и мы можем прогнозировать события, которые в исторических данных происходили. Почти невозможно предсказать события, которые не были размечены в исторических данных. 

Здесь как раз может помочь физико-математическая модель (цифровой двойник): с ее помощью можно смоделировать критические неисправности, которые не повторялись ранее, которые мы не наблюдали в исторических данных, и когда у нас мало информации об объекте. 

Все зависит от задачи. Где-то быстрее построить модель машинного обучения, она будет работать под конкретный процесс, а где-то — цифровой двойник.

Приведу пример: поломка трансформатора на крупном предприятии может привести к большим потерям, и часто по данным такое нельзя распознать, но если у нас есть цифровой двойник, то можно выделить паттерны поведения этой модели из данных и предсказать поломку по косвенным признакам.

Что делать при нехватке данных? Устанавливать датчики, а второй вариант — это тот самый цифровой двойник, который может нам выдать виртуальную информацию о работе системы, когда мы можем его валидировать на имеющихся данных.

Мы работаем с крупными компаниями и смотрим на то, что у них происходит в данных. Всегда возникают задачи, где из данных можно выйти на некую бизнес-экономику, преобразовать эти данные в модель или в предиктивное состояние, оборудования или процесса, сократить упущенную выгоду. Очень много цифровых решений ищется для предиктивки процессов, которые могут нарушить работу комплекса оборудования.

Здесь льют металл

Мы делали пилотный проект с машиной непрерывного литья заготовок. Здесь суть в том, что мы не просто посмотрели по данным дефекты, а смогли их смоделировать. 

У нас есть модель процесса непрерывного литья заготовок, мы на ней смоделировали возникновение дефектов и смогли определить критерии, когда возникал дефект, а когда его не было.

Можно раздвинуть исследуемую область параметров и определить те выходы из модели, которых мы не видели только на данных. Чтобы можно было зашить в цифровой двойник любые конфигурации, делают параметрическую модель, где закладываются разные размеры.

Что такая модель может сделать? У нас есть температуры, есть напряжение и деформации, есть прогнозные функции дефектов — это когда мы вырабатываем критерии по виртуальным сенсорам, обязательно их валидируем и ищем корреляцию между внутренними параметрами и тем, что мы имеем на выходе из этого процесса.

По стоимости такого проекта очень сложно ориентироваться, потому что все зависит от задачи, от конкретного оборудования. Мы недавно делали тоже пилотный проект — анализировали процессы, происходящие с литьем металла в тигли. Казалось бы, задача нетривиальная, но там надо было отладить математическую модель, понять, как будет работать реальное оборудование, когда мы вливаем туда металл, а задача простая — определить параметры затвердевания металла, которые характеризуют его свойства, в зависимости от условий охлаждения. Надо сказать, что мы тоже над этой задачей работали порядка двух месяцев.

Еще один пример — это цифровой двойник прокатного стана. Это тоже металлургия, тоже процесс, когда идет производство готовой продукции. Мы для одной из наших задач отразили результаты численного физико-математического моделирования в виртуальной машине и наложили это все на образ цеха или оборудования. Получилось интересно с точки зрения визуализации.

Одно из направлений, которое здесь может заинтересовать, — удаленный контроль процесса: мы можем в режиме реального времени отобразить оператору текущие параметры в модели и с датчиков. Можно вывести сравнение этих параметров и вовремя предупредить об износе или нарушении работы прокатного стана.

Shutterstock/Artistdesign29

Моделируем водородную топливную ячейку

Это проект, который делали у нас в лаборатории. Он не дотягивает до полноценного цифрового двойника, потому что мы не объединили это с данными, но то, что получилось, — это неплохая модель, которая помогает определить вид и форму топливной водородной ячейки.

Водородное топливо эффективно как источник энергии. У нас была такая задача — спроектировать оптимальный вид топливной ячейки. Задача не на уровне, когда есть эксплуатируемое оборудование и надо вытащить полезные функции из модели, чтобы следить за работой этого оборудования.

Решение такой задачи классическое: строится параметризованная геометрическая модель, на следующем уровне от CAD-модели мы переходим на уровень физики, когда закладываем туда тепломассообмен, излучение, течение газов. Необходимо было понять, каковы оптимальные форма и конфигурация топливной ячейки для того, чтобы выдавать наиболее эффективную мощность работы. 

Такую модель создали. Формы довольно разнообразные: получается, что подход, когда мы имеем такую хорошую полноценную параметрическую модель, позволяет оценить различные конфигурации изделия. С помощью модели надо было подобрать минимальную высоту рабочей части, при которой у нас рабочие температуры соответствующих узлов находятся в заданном пределе. Проанализировали разные конфигурации ячеек и выбрали конкретную конфигурацию, которая удовлетворяла требованиям. 

Двойник в комплексе

Работая над цифровыми двойниками, мы пришли к тому, что они могут быть полезны в комплексе — они могут нести гораздо больше выгоды, когда мы используем их не для конкретного процесса, одной единицы оборудования, а для целого комплекса. Так мы пришли к идее платформы и даже организовали стартап «Сколтеха», где разрабатываем ее.

Суть в том, что на платформе можно объединить ряд моделей или цифровых двойников в единую технологическую цепочку, связать их с реальными данными с производства и получать максимальную выгоду от эксплуатации. Имея такой набор цифровых двойников на платформе, мы можем следить за функционированием объекта и определять, когда необходимо заменять оборудование, понять, когда завершается срок эксплуатации. 

С этой идеей мы как раз выходим на рынок. Мы создаем «банк» цифровых двойников, маркетплейс моделей, который можно использовать, чтобы связать поставщиков оборудования и разработчиков цифровых двойников для этого оборудования. 


Фото на обложке: Shutterstock/FastMotion