Что такое цифровой двойник и для чего он нужен
Цифровое зеркало
Создать своего двойника и переложить на него самые трудные, неприятные или даже опасные дела и заботы — время от времени такие мечты посещают многих. А сильные мира сего, как говорят, и на самом деле прибегают к услугам очень похожих на себя людей, когда не могут или боятся показываться на публике. Сколько в этом правды, а сколько вымысла, сказать сложно. Однако цифровые двойники разнообразных объектов — зданий, машин, производственных процессов и целых заводов — уже прочно вошли в практику многих отраслей промышленности и решают вполне реальные задачи
Братья по данным
Цифровой двойник (или «цифровой близнец», если буквально переводить английское словосочетание digital twin) — это виртуальный аналог реального объекта, компьютерная модель, которая в своих ключевых характеристиках дублирует его и способна воспроизводить его состояния при разных условиях. По сути, это набор математических формул, описывающих сам объект и протекающие в нем процессы.
Как это ни странно, такой двойник может родиться даже раньше своего оригинала: виртуальную модель могут создать еще на этапе проектирования объекта (здания, машины, установки), чтобы протестировать его работу в разных условиях и режимах и скорректировать проект, если будут обнаружены недочеты. Но затем, когда объект уже построен, такая модель требует постоянного обновления, для того чтобы соответствовать его актуальному состоянию.
Цифровой двойник представляет собой мостик между физическим миром и цифровой реальностью. Такие системы называют киберфизическими. Программные компоненты и физические процессы в них тесно связаны и влияют друг на друга.
И здесь не обойтись без интернета вещей — множества датчиков, которые собирают информацию о работе оборудования, — а также без технологий машинного обучения, которые помогают предсказать, как будет вести себя система в тех или иных обстоятельствах. Это особенно актуально, когда цифровой двойник создается для уже существующего объекта, например установки на нефтеперерабатывающем заводе. Досконально описать все процессы формулами — чрезвычайно сложная задача. Но, имея большой объем данных о работе установки за определенный период времени, проще выявить закономерности в ее работе при помощи нейросети.
В самой идее цифрового двойника в промышленности нет ничего нового: расчеты и модели того, как будет вести себя какая-нибудь конструкция, установка на заводе или реактор, делались и раньше. Но лишь недавно появились достаточные вычислительные мощности, чтобы проводить такие расчеты в реальном времени, а также возможности для постоянного обновления моделей на основе данных, получаемых с реальных объектов.
Цифровой керн
Керн — столбики породы, которые извлекают из разведочных скважин для изучения характеристик нефтеносного пласта. Это особенно актуально для трудноизвлекаемых и нетрадиционных запасов, поиск технологий для эффективной разработки которых продолжается. Исследование керна в лаборатории — дорогой и длительный процесс. Кроме того, отдельные образцы во время таких тестов часто разрушаются, и продолжать опыты с ними более невозможно. Решить проблему позволяет создание цифровых двойников керна. Для этого образцы породы сканируют в томографе высокого разрешения — и дальше проводят виртуальные эксперименты уже с трехмерной компьютерной моделью. Создание цифровых двойников керна решает сразу несколько задач: позволяет существенно ускорить проведение исследований, дает возможность для неограниченного количества виртуальных тестов на одном и том же материале, сохраняя реальный образец для проверки результатов и донастройки модели, открывает новые возможности исследования керна на микроуровне. Новая технология работает даже тогда, когда оценить строение и характеристики породы традиционным способом невозможно из-за сложной или хрупкой внутренней структуры или трудностей, связанных с извлечением образцов. Проект «Цифровой керн» по внедрению такой технологии реализуется сейчас в «Газпром нефти».
Зачем нужны цифровые двойники
Некоторые считают, что скоро цифровые двойники будут создаваться для всего, в том числе и для людей. На самом деле в той или иной мере это уже происходит: например, профиль в социальных сетях характеризует круг общения человека, история поисковых запросов — его интересы, а кредитная история — финансовую состоятельность. И эту информацию используют те, кто хочет предсказать наше поведение, — работодатели, спецслужбы, банки, продавцы товаров и услуг. Возможно, уже в недалеком будущем развитие систем медицинского мониторинга позволит предупреждать о приближении болезни задолго до появления явных симптомов.
Что же касается промышленных объектов, их цифровые двойники позволяют выбирать наиболее оптимальные режимы работы, ставить виртуальные эксперименты, которые в реальности могут быть сопряжены с риском повредить оборудование. Данные, которые собирают с датчиков на объекте, а также информация о ранее проведенном обслуживании, позволяют установить степень износа и вероятность выхода из строя узлов, а значит, сократить расходы на профилактику и ремонт. Если тот или иной параметр отклоняется от нормы, цифровой двойник проинформирует ответственных сотрудников, которые отреагируют и примут меры.
Те же подходы и технологии дают возможность создавать информационные копии не только отдельных машин или установок, но целых цехов, заводов, цифровые двойники предприятий со всеми производственными и логистическими процессами. Такие модели позволят найти узкие места, которые проявят себя лишь через несколько лет работы, и сделать необходимую тонкую настройку.
Для нефтегазовых объектов цифровые двойники — многообещающая технология, ведь такие объекты часто бывают удалены и труднодоступны, распределены на большой территории, их стоимость велика, а эксплуатация связана с рисками. Стремясь сократить эксплуатационные издержки, увеличить объемы добычи и эффективность переработки нефти, нефтяные компании сегодня оцифровывают свои активы — создают цифровые месторождения и цифровые заводы.
Стремясь сократить эксплуатационные издержки, увеличить объемы добычи и эффективность переработки, нефтяные компании сегодня оцифровывают свои активы — создают цифровые месторождения и цифровые заводы
Цифровое месторождение
Развитие концепции цифрового месторождения («умного месторождения», «интеллектуального месторождения» — разные компании используют для обозначения разные слова) началось с появления умных скважин, оснащенных всевозможными датчиками и системами для удаленного управления. Впрочем, одних скважин недостаточно: необходимо создать модель, в которой будут учтены и геологические особенности месторождения, и все оборудование, которое осуществляет добычу. Такая модель позволяет лучше контролировать процесс добычи, лучше им управлять и в конечном счете добывать больше, эффективнее и безопаснее.
В «Газпром нефти» пилотное внедрение программы «Цифровое месторождение» началось в 2014 году на активах дочерней компании «Газпромнефть-Хантос». В 2017 году здесь был создан Центр управления добычей (ЦУД), объединивший все разработанные в компании решения по повышению эффективности отдельных производственных процессов добычи. Одна из ключевых систем ЦУД — цифровой двойник процесса подъема жидкости из скважин. Он позволяет подбирать наиболее оптимальные режимы работы, заранее идентифицировать нештатные ситуации, вести превентивную оценку работы системы в случае изменения ее конфигурации. Со временем ЦУД пополнится и другими цифровыми двойниками — для систем поддержания пластового давления, энергообеспечения, подготовки и утилизации попутного газа.
По данным исследования компании gartner, 48% предприятий, внедривших технологии интернета вещей, уже используют цифровых двойников или планируют начать их использовать до конца 2018 года. К 2022 году число компаний, запустивших проекты с цифровыми двойниками, утроится, прогнозируют в gartner.
Цифровой завод
В основе цифрового нефтеперерабатывающего завода — цифровые двойники установок НПЗ. Виртуальная копия установки должна заключать в себе максимально полную информацию о каждом ее элементе: характеристики деталей и узлов, инженерных систем, средств автоматизации, их сроки службы, периоды обслуживания и т. д. Кроме того, двойник должен содержать детальное описание физико-химических процессов, процессов потребления и выработки энергии, параметры входного сырья и продуктов производства.
Пока еще ни одна нефтегазовая компания не создала полностью цифровой нефтеперерабатывающий завод, но есть предприятия, которые достигли в этом существенных успехов. Оцифровкой своих нефтеперерабатывающих мощностей занимается и «Газпром нефть», начав с создания цифрового двойника установки гидроочистки бензина каталитического крекинга на Московском НПЗ и установки первичной переработки нефти на Омском НПЗ. Пилотный проект по созданию полностью цифрового завода-робота будет реализован на одном из битумных активов компании.
Цифровой двойник: настоящее и будущее
Есть много разрозненной информации о том, что такое цифровой двойник, а много компаний уверяет, что может создать его. Но это не всегда так. Директор по продуктам Factory5 Артем Серебров раскрывает суть этого явления и рассказывает о возможностях и истории развития цифровых двойников.
Цифровой двойник — это виртуальная копия физического объекта или процесса. Изначально он был придуман когда-то давно как цифровая копия оборудования. Но с тех пор прошло много времени и у цифрового двойника появилось много вариаций. Все они хорошо проработаны теоретически, но только начинают развиваться практически.
Настоящее
У цифрового двойника есть несколько видов, которые делятся по сфере применения:
Digital Twin Prototype — первый цифровой двойник в истории. В 1970х он использовался компанией Nasa для проектирования миссии Apollo 13. Он был создан для того, чтобы проверить, как будущий объект поведет себя в физическом мире. В дальнейшем, инжинеры NASA обнаружили, что этот же двойник можно использовать для контроля уже существующего оборудования и предсказания что с ним произойдет. Однако, так как условия космоса в то время были плохо изученными, потребовалось создать постоянную связь в реальном времени между оборудованием и двойником, чтобы снимать реальные показания с датчиков. Это и привело к современным цифровым двойникам и их следующему типу.
Digital Twin Instance — цифровой двойник экземпляра. Фактически, это сбор информации с датчиков, установленных на оборудовании, и получение копии работающей единицы в системе. Это позволяет автоматически отслеживать и прогнозировать поведение этого оборудования, предсказывать аварийные остановы и создавать симуляции режимов работы.
Digital Twin Aggregate — модель серии оборудования. Это двойник существующего оборудования, которая в первую очередь применяется для обучения персонала и оптимизации процессов ТОиР. С такой моделью специалисту не нужно читать мануалы по эксплуатации оборудования, а можно сразу практиковаться и смотреть результаты действий на виртуальной модели.
Будущее
Сегодня появляются новые виды двойников: некоторые из них кажутся фантастикой, а некоторые уже создаются и внедряются.
1. Цифровой двойник процесса
Двойник производственного процесса дает понимание того, какого качества продукт получается в конце. Если речь идет о более сложном явлении в компании, то в результате мы можем узнать результаты наших действий. Особенно это касается масштабных процессов, в которые сложно вносить изменения.
2. Цифровой двойник целой компании
Все процессы вместе взятые составят двойник компании. Это позволяет рассматривать общую картину и принимать решения на основе фактических данных.
3. Цифровой двойник изделия
Крыло самолета, винт и другие составные части, перенесенные в цифровую плоскость, можно испытывать и тестировать бесконечно. Для этого вида цифрового двойника требуется очень четкое физическое моделирование, поскольку каждое изделие создается в новых индивидуальных условиях.
Если такая модель станет реальность, то можно будет убрать контроль качества, специальные стенды и бесконечные испытания. Также, мы будем получать больше информации о том, какого качества изготовленные нами продукты. Это, также, решит проблемы крупных отраслей: построение ракет, самолетов и т. д.
Как создается цифровой двойник в F5
В Factory5 мы специализируемся на моделировании, поэтому очень часто решаем конкретные потребности предприятия. Мы можем соптимизировать различные функции предприятия: начиная от ТОиР, заканчивая финансовым планированием и финансовым стресс-тестированием.
На сегодняшний день мы делаем:
цифровых двойников оборудования и используем его для анализа технического состояния,
цифровых двойников производственного и логистического процессов
(сделали первый шаг в сторону) цифрового двойника организации.
Процесс создания проще всего показать на примере двойника оборудования:
Консультации со специалистом по оборудованию.
Сбор телеметрии с датчиков и разметка пути телеметрии из конкретных источников.
Создание статичной древовидной модели.
Написание симуляционных моделей.
Сложности начинаются на последнем этапе. Моделировать все возможные ситуации бесполезно и очень трудоемко. Поэтому необходимо определить самые важные критерии, которые имеет смысл моделировать в каждой конкретной ситуации: перепад напряжения в этом узле и повышение температуры — в другом. Для этого нужен специалист по оборудованию и физическим процессам одновременно, который расскажет, как оборудование работает на самом деле и напишет физические модели действительно важных процессов. Это трудоемкая, но повторяемая работа: описав физическую модель работы электродвигателя, мы можем применить эту модель ко всем электродвигателям.
Если говорить о цифровом двойнике технологических производственных процессов, ситуация выглядит почти так же. Только мы создаем не древовидную, а линейную модель.
Логистический и финансовый процессы создавать немного сложнее. Они пишутся под конкретную организацию, потому что для каждого это индивидуальный процесс. Поэтому специалист должен «высадиться» в организацию, аккуратно записать, как в этой организации работают процессы и создать уникальную блок-схему этих процессов.
Кто участвует в процессе разработки
В процессе разработки MX-моделей участвуют специалисты со следующими ролями:
1. Роль «Бизнес-аналитик». Функции роли:
Сбор и анализ документации и материалов по оборудованию.
Определение перечня инцидентов и прогнозов технического состояния, подлежащих моделированию.
2. Роль «Эксперт». Функции роли:
Подготовка материалов по работе оборудования и инцидентам, консультации по работе оборудования.
Разработка экспертных правил.
Разработка методик расчета информативных неизмеряемых параметров.
Постановка задач на разработку экспертных правил, методик расчета информативных неизмеряемых параметров, верификацию моделей физических процессов.
Экспертная поддержка в процессе разработки и верификации ML-моделей.
3. Роль «Data science специалист». Функции роли:
Исследование данных телеметрии.
Анализ и представление данных телеметрии, выполнение различных расчетов в процессе разработки экспертных правил, методик расчета информативных неизмеряемых параметров.
Подбор функций передаточных моделей с помощью алгоритмов машинного обучения.
Валидация разработанных правил по имеющимся данным телеметрии, данным по отказам, ремонтам, заменам и обслуживанию.
Зачем нужны цифровые модели
В целом цифровые двойники в промышленности уже приносят свою пользу. Например, цифровые двойники оборудования и предиктивная аналитика приводят к сокращению его простоев до 12%, при проектировании цифровые двойники снижают затраты времени на процесс до 30%, а скорость обучения персонала с применением технологии цифровых двойников увеличивается на 50%. В результате предприятия, использующие данную инновацию, быстрее адаптируются к стремительно меняющимся трендам и событиям, повышают производительность и начинают эффективнее управлять ресурсами, что напрямую влияет на их конкурентоспособность.
Примеры использования цифровых двойников от F5
1. Предиктивный анализ состояния газотурбинной установки
В этом кейсе предиктивный анализ технического состояния газотурбинной установки для крупной энергетической компании не состоялся бы без цифрового двойника. Он позволяет прогнозировать отказы и планировать ТОиР в соответствии с этой информацией. Самое главное, он позволяет анализировать режимы работы газотурбинной установки не меняя их в физическом мире. Так удалось понять, какие конструктивные элементы влияют на перерасход топлива, и скорректировать режим работы так, чтобы исключить перерасход.
2. Оптимизация цепочки поставок
Цифровой двойник может учитывать большое количество факторов и позволяет эмулировать ситуацию по разным экономическим показателем: время доставки, сокращение затрат, утилизация и т. д. Поэтому он подходит для оптимизации цепочки поставок для крупной транспортно-логистической компании. В этом кейсе цифровой двойник учитывает более 45 разных факторов и выстраивает маршруты в режиме реального времени. Это позволило сократить затраты на 30%, увеличить утилизацию на 20% и приблизить вероятность построения оптимальной логистической модели к 100%.
3. Средне-срочное финансово-экономическое моделирование
Цифровой двойник учитывает не только большое количество факторов, но и взаимосвязь между ними. Поэтому отлично подходит для сложных системных процессов, как среднесрочное финансово-экономическое моделирование. В данном кейсе для крупного транспортного холдинга удалось цифровой двойник позволяет выстраивать сценарии развития событий в режиме реального времени и видеть результаты тех или иных решений, принимаемых в основном топ-менеджментом. Это сокращает трудозатраты на создание и поддержание в актуальном состоянии стратегических моделей до 70%.
Цифровые двойники – прошлое, настоящее и будущее
Что такое цифровые двойники
Цифровой двойник – это синхронизированная виртуальная модель любых объектов, систем, людей, процессов и сред. Цифровой двойник отслеживает прошлое и предсказывает будущее.
Это короткое определение содержит несколько важных идей, на которых нужно остановиться подробнее:
Цифровой двойник не только отражает текущее состояние предмета, рассматриваемое в режиме реального времени. Он также заключает в себе настолько глубокое понимание явления, что может предсказывать будущее состояние, основываясь на текущих данных. Предсказательные способности – это отличительная черта цифровых двойников, которая отделяет их от предыдущего поколения технологий мониторинга текущего состояния. В то время как статистические симуляции, основанные на уравнениях (как например в мультифизике или химии), использовались десятилетиями чтобы предсказать поведение систем окружающего нас мира, современные цифровые двойники добавляют искусственный интеллект и машинное обучение в свой прогностический инвентарь, что позволяет достичь уровня предсказаний, недостижимого при использовании одних только традиционных методов симуляции. В перспективе, искусственный интеллект и машинное обучение возьмут на себя доминирующую роль в развитии новых возможностей цифровых двойников. В то же время взаимодействие науки о данных с другими естественными науками будет углубляться, что станет катализатором научного прогресса.
Таким образом, вышеупомянутое определение помогло нам выявить трёхсторонние взаимоотношения между цифровыми двойниками, интернетом вещей, искусственным интеллектом и машинным обучением: цифровой двойник использует искусственный интеллект для информационной обработки данных, а интернет вещей обеспечивает массированный поток информации для жаждущего данных искусственного интеллекта. В свою очередь искусственный интеллект наделяет интернет вещей более умным поведением, что необходимо для безопасной работы в реальном мире, где цена ошибки выше из-за физического риска для людей и имущества. Запомним эти взаимоотношения – мы рассмотрим их влияние позже.
Канонический пример цифровых двойников
Один из классических примеров цифровых двойников — концепция умного здания. Представим себе конференц-зал с многочисленными устройствами интернета вещей: датчик присутствия людей в помещении, датчик входа/выхода, умный термостат, умная мебель, (способная определить, заняты ли места), конференц-камера, которая может посчитать присутствующих и т.д. Наличие всех этих технологий очень ценно, но нам может понадобиться ответ на простой вопрос: «Конференц-зал занят или свободен?». Поэтому мы можем создать цифрового двойника этого конференц-зала, который будет собирать данные со всех умных устройств в нём и сможет описать зал на более высоком уровне абстракции из домена умного здания, что и помогает ответить на изначально поставленный вопрос. Мы можем пойти и дальше вверх по иерархии умного здания и собрать все комнаты одного этажа в цифрового двойника этого этажа, чтобы, например, контролировать системы отопления, вентиляции и кондиционирования воздуха. Далее мы выходим на уровень цифрового двойника всего здания, где будут регулироваться важные вопросы защиты и обеспечения безопасности. Также существует динамический аспект цифровых двойников: лифты, которые могут путешествовать с одного этажа на другой, и люди, которые двигаются от одной комнаты к другой или делят рабочие места. Данные, собранные цифровыми двойниками, будут обладать предсказательными способностями, прогнозирующими загруженность лифта и спрос на комнаты в зависимости от времени суток и дня недели.
Этот пример демонстрирует, что цифровые двойники созданы для достижения конкретных бизнес-целей, например: максимальное использование площади рабочего помещения, в сочетании с увеличением удовлетворенности клиентов посредством точного прогнозирования доступности помещения (что спасает клиентов от неблагоприятного опыта когда они приезжают в полностью заполненный офис). Помимо всего прочего, при изменении бизнес целей тот же объект реального мира будет иметь другого цифрового двойника.
История цифровых двойников
Первое использование термина «Цифровой двойник» возникло в отчёте НАСА за 2010 год на тему моделирования и симуляции (https://www.nasa.gov/pdf/501321main_TA11-MSITPDRAFT-Nov2010-A1.pdf). Методика, описанная в докладе, была разработана в виду необходимости конструирования сверхреалистичной симуляции космического корабля во время строительства, испытаний и полётов. Цифровой двойник стал естественным результатом исследований НАСА в ходе программы «Меркурий», создающей двойников с конца 1950-х годов. В те времена симуляции производились на аналоговых компьютерах, которые впоследствии были усовершенствованы до цифровых мейнфреймов в первой половине 1960-х годов. На фото ниже – центр симуляции запуска космического корабля «Аполлон» конца 1960-х годов – к тому времени в нём было уже 15 симуляторов, выполняемых на 8 мейнфреймах.
В дополнение к развитым возможностям симуляции, у НАСА имелась система передачи подробнейших телеметрических данных с космического корабля «Аполлон». Высококачественная симуляция, с сочетании с функцией «живой копии», созданной благодаря работающей в реальном времени телеметрии, позволяет нам без преувеличения считать случай НАСА первым настоящим цифровым двойником.
Цифровые двойники сегодня
Возвращаясь к современности, нужно отметить, что растущая популярность цифровых двойников в их современном понимании совпала с пиком популярности интернета вещей и искусственного интеллекта в своеобразном цикле зрелости технологии (Hype Cycle) компании Gartner. Обратите внимание, что и интернет вещей и машинное обучение занимают высокие позиции в Gartner Hype Cycle за 2015 год.
В 2016 году цифровые двойники вошли в Gartner Hype Cycle и уже к 2018 году оказались на самом верху кривой.
Близкое родство между интернетом вещей и цифровыми двойниками, однако, не является совпадением. Как мы обнаружили ранее, интернет вещей – это то, что «оживляет» цифрового двойника посредством телеметрии реального времени, передаваемой соответствующими устройствами. Именно интернет вещей соединяет физическую сущность и ее цифрового двойника, помогает им работать вместе для достижения бизнес-целей того или иного сценария.
Что вы можете создать с помощью цифровых двойников?
Цифровые двойники смогли продемонстрировать свои суперспособности еще в прошлом веке, и космонавты с «Аполлона-13» – живой тому пример. Давайте же представим, как много жизней могут изменить к лучшему цифровые двойники с помощью таких современных технологий, как искусственный интеллект с его магией глубокого обучения, «облака» с их безграничными вычислительными ресурсами, а также интернет вещей, который вскоре станет ближе каждому жителю земли. Человеческая цивилизация нуждается в помощи мощных технологий типа цифровых двойников для того, чтобы справиться со своими самыми серьёзными проблемами: тяжёлыми заболеваниями и климатическими изменениями, дефицитом еды и жилья, несовершенством систем здравоохранения и ухода за престарелыми, бедностью и неравенством, и т.д.
Для нас, профессионалов в сфере высоких технологий, это возможность принести удивительные блага цифровых двойников как индивидуальным пользователям, так и большим компаниям. Начать работать с цифровыми двойниками не так уж и сложно, и есть масса путей, как это сделать: примените свой опыт работы с облачными технологиями, или используйте свой опыт интеллектуальной обработки данных. Возможно, вы являетесь экспертом предметной области и пытаетесь внедрить цифровых двойников в вертикальном сценарии. Для работы с цифровыми двойниками требуются совместные усилия самых разных специалистов – и не только технических – поскольку современные экспоненциальные технологические решения процветают в условиях сотрудничества. Новый всплеск интереса к цифровым двойникам, который начался в прошлом году, в дальнейшем будет только расти. Первые примеры реализации современных цифровых двойников уже представлены, и мы можем со дня на день ожидать появления новых. Некоторые поставщики технологий уже имеют цифровых двойников в своих платформах, например Azure: https://azure.microsoft.com/services/digital-twins/
Современное поколение услуг, создаваемых посредством цифровых двойников в Azure, поддерживает сложные доменные модели, показанные на архитектурной диаграмме выше. Кроме того, о скором релизе следующего поколения услуг цифровых двойников Azure было объявлено на недавнем мероприятии Microsoft Build 2020.
В заключение хочется сказать: сейчас нам, создателям технологических решений, нужно быть готовыми помогать нашим клиентам успешно внедрять их инициативы с использованием цифровых двойников. А что ВЫ создадите с помощью цифровых двойников, чтобы изменить жизнь к лучшему?