Тройная цель современного производства: цифровые близнецы, аналитика и Интернет вещей
Чтобы представить себе силу цифровых двойников, подумайте с точки зрения собственного здоровья.
Эта статья была первоначально опубликована в The Economist и спонсирована SAS
Представьте, врачи создают цифрового двойника, которая обновляется в реальном времени с использованием данных датчиков в вашем доме, автомобиле и на вашем теле - таких, как носимые устройства. Например, смарт-часы. Этот виртуальный двойник может сигнализировать или даже прогнозировать надвигающиеся болезни, такие как рак. Таким образом, можно поставить диагноз на ранней стадии, когда лечение может быть наиболее эффективным.
Цифровая технология двойников уже развернута для мониторинга работоспособности и функциональности некоторых наиболее сложных и критически важных машин в мире. Цифровые двойники реактивных двигателей, локомотивов и газовых турбин отслеживают износ механизмов, максимизируя эффективность их работы и прогнозируя необходимость технического обслуживания (часто до того, как они сломаются).
Точные дубликаты для управления сложными системами применялись еще к миссиям NASA на Луне 1960-х и 1970-х годов. NASA использовало зеркальные системы, предшественника цифровых двойников, чтобы спасти миссию Apollo 13. Почти через 50 лет технология цифровых близнецов помогает NASA управлять работой машин, которые перемещаются на огромные расстояния нашей солнечной системы.
Технология цифровых близнецов использует облачные датчики, встроенные в машины, для загрузки оперативных данных в реальном времени. Так создаются современные виртуальные симуляции реальных машин. Затем производители могут использовать ребристую аналитику для анализа и оценки того, как их продукция работает на местах. Конечная цель: получить цифрового двойника для каждого реального объекта в полевых условиях, при этом виртуальный близнец обновляет свой статус, получая оперативные данные.
Интернет вещей является ключом к внедрению технологии цифровых близнецов. Растущая доступность датчиков, широкое использование Wi-Fi и пропускная способность данных облака в совокупности делают применение крупномасштабного цифрового двойного моделирования доступным для ряда производителей, работающих в промышленном IoT (IIoT).
Когда производители могут видеть данные в режиме реального времени о том, как работают их продукты, они могут внести в них изменения и значительно улучшить дизайн, эффективность, производство. Эта возможность позволяет им активно взаимодействовать с конечными пользователями. Можно запланировать ремонт или техническое обслуживание, что позволит избежать потенциально дорогостоящих сбоев.
5 шагов для превращения промышленных данных Интернета вещей в конкурентное преимущество
SAS и Intel утверждают, что нужно совершить всего 5 шагов, которые помогут вам разработать стратегию для превращения необработанных данных Интернета вещей в ценные идеи - от определения бизнес-целей и аналитической стратегии до выбора правильной платформы.
Аналитика: преобразование данных Интернета вещей в ценное преимущество
Брайан Сондерс (Bryan Saunders), главный отраслевой консультант глобальной практики Интернета вещей в SAS, говорит, что SAS имеет большой опыт в аналитическом пространстве. «Мы в этой теме уже 40 с лишним лет. Сердцем цифровых близнецов является аналитика», - говорит он. «Дело не только в том, можете ли вы собрать данные, а можете ли вы превратить их из данных в ценную преобразующую информацию? Основным драйвером для этого является аналитика.
«С аналитикой у вас есть возможность собирать и перемещать данные эффективным образом. Тогда вы сможете понять, что они вам сообщают. Вам нужно управлять данными, чтобы в конечном итоге вы могли достичь ожидаемого результата».
Сондерс фокусируется на промышленности. «Моя работа сосредоточена на использовании мощных активов, связанных с промышленностью, для повышения доступности, эффективности, безопасности и надежности в энергетическом и производственном секторах. Например, тяжелая газовая турбина. Имея экспертизу в этой области, я могу посмотреть, какие неудачи он уже потерпел, и какие неудачи могут быть в будущем. Затем использую эти наблюдения для прогнозирования деятельности по обслуживанию, чтобы избежать катастрофических последствий.
«Когда у вас есть видимость того, что может быть в будущем, это обеспечивает значительную эффективность. Обнаружение аномалий в реальном времени и оценки состояния здоровья оказались чрезвычайно ценными с точки зрения прогнозирующего обслуживания. Исследования показывают, что, используя данные таким образом, вы сокращаете незапланированное обслуживание на 80%».
«GE» («General Electric»), лидер в области виртуальных двойных технологий, использует комбинацию аналитики искусственного интеллекта и визуальных датчиков на роботах Matchbox для поиска трещин внутри рабочих двигателей. Недавние достижения позволяют камерам находить трещины даже на грязных или ржавых турбинах. Визуальные датчики на беспилотных летательных аппаратах могут проверять коррозию на стеках высотой 200 футов, которые сжигают избыточный газ на объектах добычи нефти и газа.
«Тесла Моторс» - еще один пример компании, которая много инвестировала в технологию цифровых близнецов, чтобы обеспечить лучший сервис и надежность для владельцев автомобилей. «Тесла» создает цифрового близнеца каждого автомобиля, который продает. Затем компания обновляет программное обеспечение на основе данных датчиков транспортных средств и загружает обновления в свои продукты. Этот процесс разработки программного обеспечения, основанный на данных, обеспечивает более эффективное распределение ресурсов и значительно лучший пользовательский опыт для владельца транспортного средства.
На своих заводах «Bosch» сравнивает данные, полученные с помощью датчиков, с цифровым близнецом производственных линий, работающий на 100 %. В результате производственные отклонения могут быть быстро замечены, а тенденции легче идентифицировать. Эти интеллектуальные подключенные производственные линии позволили повысить производительность на 25% в электронной программе стабильности и автоматических тормозных системах.
Сондерс рассматривает Интернет вещей и аналитику как преобразующую силу в четырех основных секторах: «Умные города», подключенные транспортные средства, подключенные фабрики и смарт-сетки или утилиты. Все эти преобразования в конечном итоге создают ценность для подключенных потребителей. Интернет вещей и аналитика для Сондерса оказались незаменимым конкурентным преимуществом на всех этапах жизненного цикла продукта: от проектирования до производства, технического обслуживания и эксплуатации.
Как он объясняет: «Широкий спектр отраслей приходит к пониманию того, как мы должны делать бизнес, чтобы быть успешными и оставаться конкурентоспособными в этом новом мире Интернета вещей».
Даниэль Ньюман говорит про Интернет вещей: Умные фабрики
Послушайте, как Дэниел Ньюман и Марсия Уокер из SAS обсуждают влияние Интернета вещей на будущее умных фабрик. Например, с использованием данных Интернета вещей производители могут добиться значительных улучшений в качестве процессов, оборудования и производительности.
Рекомендуем прочитать
- Fraud detection and machine learning: What you need to knowМашинное обучение является важной частью инструментария обнаружения мошенничества. Вот что вам нужно для начала работы.
- Shut the front door on insurance application fraud!Как выявить, что вас обманывают агенты и страхователи, а также распознать первые признаки будущего мошенничества.
- Почему аналитическая совместимость важна в здравоохранении?Поскольку облачные технологии теперь более доступны для индустрии здравоохранения, никогда еще не было лучшего времени для взаимодействия во всех аспектах медицинской помощи.