Текст книги "Инновации от идеи до рынка"

6.2 Перспективы цифровых двойников

Концепции цифрового потока и цифрового двойника являются логическим шагом вперед в части создания инновационных продуктов на основе моделей. Они способствуют лучшему проектированию, оценке и управлению жизненным циклом путем охвата, интеграции, а также сохранения достоверной цифровой информации о системе на протяжении всего ее жизненного цикла, от замысла системы до вывода из эксплуатации и утилизации.

Цифровой поток определяют как цифровую структуру, объединяющую физическое моделирование и экспериментальные данные для создания достоверного цифрового представления системы на каждом этапе процесса ее создания и внедрения. Это расширяемая, настраиваемая и составная аналитическая структура уровня предприятия, которая ускоряет контролируемое взаимодействие важных технических данных, программного обеспечения, информации и знаний в корпоративных системах данных. Всеобъемлющая информация основана на цифровом шаблоне модели системы для ознакомления лиц, принимающих решения, на протяжении всего жизненного цикла системы. Предоставляется возможность доступа, интеграции и преобразования разрозненных данных в цифровую полезную информацию стандартного формата. В соответствии с названием, цифровой поток является каналом непрерывной передачи данных, который расширяет цифровую интеграцию проектирования и производства на протяжении всего жизненного цикла продукта, соединяет концептуальный дизайн, требования, анализ, рабочий проект, производство, верификацию, эксплуатацию, ремонты и списание изделия.

Согласно требованиям предприятия можно выбрать архитектуру конкретной реализации цифрового потока, подход единой модели или интегрированное семейство метамоделей, соединяющих требуемые части так, чтобы одна модель могла получать необходимые данные из другой. Цифровой поток может помочь в создании цифрового двойника, если поступающие данные единообразны и легкодоступны по трем основным цепочкам передачи данных:

• Цепочка инноваций разработки продукта, когда дизайн продукта, процессы и действия проектирования включены в цифровой поток данных.

• Цепочка создания стоимости предприятия, включая информацию о поставщиках, данные о материалах и производственные процессы в цифровом потоке.

• Цифровой поток обеспечения, который включает руководства по эксплуатации, техническому обслуживанию и наличию запчастей.

Для практического применения в ОКР полезно осваивать в компаниях основные направления цифровизации:

1. Роботизацию производственных процессов и процессов управления, для замены человека при выполнении рутинных операций на производстве, а также операций, связанных с большими физическими нагрузками и вредными условиями труда.

2. Промышленный интернет вещей, включает сбор больших объемов данных с технических объектов и автоматическое управление территориально-распределенными активами с использованием стандартных сетевых протоколов. Находит применение для мониторинга состояния и управления инновационными продуктами в эксплуатации, для автоматического сбора данных и управления технологическим оборудованием, включая учет выполнения операций и движения деталей по технологическому маршруту.

3. Мобильные технологии, для доступа к цифровым сервисам, бизнес-приложениям и данным в любое время из любой географической точки на базе пользовательского интерфейса, адаптированного для мобильных устройств.

4. Обработку больших массивов данных, для формирования сложной аналитической отчетности. При реализации ОКР их используют при анализе данных эксплуатации изделий, в задачах с применением искусственного интеллекта, для прогностики обслуживания (предиктивного анализа технического состояния) высокотехнологичных изделий в эксплуатации. На производстве важен мониторинг использования и прогнозирования состояния технологического оборудования, оперативная обработка данных и формирование аналитической отчетности о ходе выполнения производственного плана.

5. Применение цифровых двойников, включая использование интегрированных самообучаемых цифровых моделей, обеспечивающих требуемую адекватность моделирования натурным экспериментам и разработку новых изделий. На этапе разработки новых изделий используются для моделирования процессов в элементах конструкции. В производстве ЦД применяют для оптимизации технологических и производственных процессов на развернутых площадках.

6. Искусственный интеллект. Нейронные технологии глубокого машинного обучения используют для систем и продуктов при выполнении предиктивного анализа выявления технического состояния изделий в эксплуатации. Для процессов ОКР может быть полезен при решении логистических задач в производственных и управленческих процессах, для контроля качества при изготовлении деталей, при прогнозировании технического состояния изделий в эксплуатации, планировании технического обслуживания и ремонта технологического оборудования по его техническому состоянию.

7. Системы дополненной и виртуальной реальности помогают формировать киберфизические системы на основе мультимедийного информационного взаимодействия между реальными и цифровыми объектами. Используются при 3Д-сканировании продукции для валидации и верификации геометрических размеров и качества поверхностей, визуализации информации в ходе выполнения технологических операций, а также для обучения персонала.

Системный подход с использованием цифровых потоков должен обеспечивать качественную и своевременную разработку с неполным и меняющимся набором системных требований, интегрированным в общий процесс разработки; эффективным, чтобы предоставить нужные преимущества с минимальным количеством шагов и наименьшими усилиями; использовать возможности применения счетных, визуальных, коммуникационных и информационных технологий, а также предыдущего системного опыта; предоставить возможности будущего роста без внесения серьезных изменений в инфраструктуру; наконец, обеспечивать обучение рабочей силы под растущие требования широкого применения. Он должен гарантировать, что инновационные системы качественно спроектированы и будут работать по назначению, удовлетворяя потребности и видение заинтересованных сторон.

Понятие «большие данные» обычно определяют через их ключевые характеристики. Большие данные должны обладать:

a) значительным объемом, величина которого характеризует полноту и репрезентативность данных для целей анализа;

b) разнообразием форм и источников данных, что подразумевает вовлечение для анализа структурированных и неструктурированных данных, причем последние по оценкам могут составлять до 95% всех полезных данных;

c) высокой скоростью накопления данных и регулярностью их обработки;

d) вариативностью или комплексностью данных по времени или иной метрике, выражаемой в непостоянстве информационных потоков и гетерогенности их источников;

e) достоверностью, при этом близкие к достоверным результаты часто могут быть получены только анализом данных по совокупности.

За счет анализа больших данных можно получить высокую ценность, несмотря на то, что исходные фрагментарные данные часто имеют низкую ценность. Большие объемы данных, генерируемых в ходе эксплуатации высокотехнологичных систем, делают актуальной задачу повышения качества управления ими для обеспечения эффективного поиска, анализа и повторного использования данных. Для преодоления разнородности баз данных, унификации и объединения научной инфраструктуры был создан европейский портал в виде виртуальной среды со свободным доступом для хранения, управления, анализа и передачи данных из всех областей знаний в страны евросоюза, с множеством специализированных баз данных. Попытки создания универсальных хранилищ данных, независимых от тематик исследований, приводят к усложнению, потере гибкости, не поддерживают эффективного поиска данных и их повторного использования. Конечная цель работ включает оптимизацию повторного использования данных для их копирования и объединения в разных задачах. Для этого данные подробно описывают с применением множества однозначных атрибутов, снабжают доступной лицензией на их использование, детальной историей происхождения, представляют в соответствии со стандартами тематического научного сообщества. Данные могут быть как открытыми, так и частными, если они доступны лишь определенной группе пользователей, чтобы использовать их на каждом этапе жизненного цикла. Например, сначала в группе разработчиков, далее у испытателей, и после выпуска продукта выкладывать в общий доступ как результат эксперимента по характеристикам системы. В подавляющем большинстве случаев персональные и коммерческие данные не могут быть общедоступными в силу условий конфиденциальности.

По указанным причинам использование больших данных в ОКР затрудняется, в том числе из-за отсутствия единой формы представления больших научных данных, доступной для коммерциализации. Для управления ими требуется оптимизация методов и подходов к обработке данных, а также наличие эффективных способов их сбора и обмена.

Сегодня в РФ лидерами внедрения технологий больших данных, кроме финансистов, являются нефтегазовая, горнодобывающая, агропромышленная отрасли. Например, энергетики используют свои накопленные большие данные для повышения эффективности функционирования систем и управления режимами, для прогнозирования и создания предиктивных моделей энергопотребления с использованием обученных нейросетевых алгоритмов, мониторинга оборудования электростанций и сетей, и т. п. Сбор информации, обновление данных и экспертные модели в сельском хозяйстве способны снижать риски и затраты бизнеса. По оценкам специалистов, цифровые системы сельхозработ могут привести к увеличению рентабельности до 25% и росту производительности до двух раз. Анализ процессов позволяет быстро реагировать на риски, что может повышать урожайность на 15%.

Постепенно развивающиеся высокопроизводительные вычисления с развитием аппаратного обеспечения и соответствующего ПО (при наличии дополнительных финансов) становятся мощным инструментом исследователей и инженеров. Однако, бесконтрольное расползание масштаба расчетов рискует парализовать принятие решений. Это увеличивает количество анализов, потенциально задерживая текущую программу разработки, для ускорения которой была разработана модель. Следует помнить, что основная цель цифровизации состоит в обеспечении лучшего процесса принятия решений. Должен выдерживаться оптимальный баланс объема и глубины аналитики в моделях, чтобы своевременно предоставлять соответствующие результаты для информирования этого процесса принятия решений с достаточной (не исчерпывающей) точностью.

Промышленный интернет вещей определяют как «сеть физических объектов, систем, платформ и приложений, которые содержат встроенные технологии для связи и обмена интеллектуальными данными друг с другом, внешней средой и с людьми». В дополнение к Интернету люди и вещи собирают и потребляют данные и информацию, и действуют на основе этих данных, чтобы быть полезными.

В интернете вещей можно сообщать внешнему миру о состоянии интеллектуальной системы и действиях, которые она предпринимает, и обратно, получать информацию из внешнего мира. Функция «сбор, оценка ответ» состоит из трех подфункций. Нужно получить и собрать данные; изучить и оценить их; отреагировать на информацию, которую извлекли в ходе оценки. Для обмена с интернетом в обоих направлениях нужно встроить в продукты базовую способность защищать пользователей и себя, и не допускать нарушения их безопасности. Базовой характеристикой является способность ощущать окружающую среду с помощью различных датчиков. Параметрами состояния здесь служат продолжительность времени, идентичность, изменения состояния, физическая ориентация, геопространственное положение, физическое присутствие и действующие силы. Используют также комбинацию этих категорий. Например, на уровне сборки продукта или компонента турбины измеряют расход топлива, запасы топлива, температуру и скорость вращения лопаток, а также массу воздушного потока. Используется сравнение измеренной функции с ее заданным уровнем. При адаптивном круиз-контроле в автомобилях за сравнением заданной желаемой скорости с целевой функцией следует фаза реакции на основе данных. Если фактическая скорость меньше, частота вращения двигателя увеличивается. Если скорость больше, частота вращения снижается.

Шкала временных рамок между передачами данных, период от сбора до оценки, а также объем данных для этих передач могут сильно различаться. Например, короткая передача и небольшой объем данных с немедленной реакцией; или длительный период передачи с большим объемом данных и определенной задержкой по мере обработки данных и формулирования ответов. При интервальной передаче данных от датчиков состояния деталей реактивного двигателя самолета во время взлета, полета и посадки, параметры сотен полетов за тысячи часов сопоставляют с заданными уровнями отказов компонентов. Анализ опережающих трендов будущих отказов критических узлов позволяет обслуживающей организации получить предупреждение о необходимости замены конкретного компонента, когда самолет проходит через центр технического обслуживания во время текущего периодического посещения.

Указанные особенности позволяют переводить промышленность на качественно новый уровень при помощи цифровых технологий. Например, программно-аппаратный комплекс «умной фабрики» позволяет подключиться к любому оборудованию на производстве и собирать полную информацию о том, как протекает производственный процесс. Можно получить конкретные данные, сколько времени каждый отдельный станок действительно функционирует, как долго простаивает, кто работает на станках, по каким причинам возникали простои. Собирается детальная информация по технологическим режимам работы оборудования, что позволяет объективно понять реальную загрузку станков и насколько качественно используется оборудование. При этом менеджмент может проанализировать и скорректировать реальную загрузку оборудования, фактический ход технологических процессов, и имеет возможность выстроить планирование на основании этих данных.

Данные, накапливаемые в системе «умной фабрики», улучшают и ускоряют оперативное управление производством. Появляются объективные инструменты, которые позволяют максимально оперативно отслеживать решение задач выпуска в срок нужного объема продукции, выявлять места, где появились проблемы и обоснованно решать, какие меры можно принять для их устранения.

Улучшается оперативное управление производством. Всю важную информацию оператор станка получает непосредственно на свое цифровое рабочее место в виде специального электронного документа для запуска в работу. Система анализирует полученные данные, и выдает результат ответственным сотрудникам. Например, если станок скоро остановится по причине нехватки заготовок, то соответствующее уведомление позволяет в срочном порядке ликвидировать прогнозируемый простой. Совокупный эффект от использования объективной оценки состояния производства дает возможность повысить эффективность предприятия на десятки процентов, и получить заметный экономический результат.

Среди ИТ-продуктов сегодня востребованы рекомендательные системы на основе больших данных, машинное зрение и цифровые двойники виртуальных испытаний, для удешевления и ускорения этапа натурных экспериментов сложных изделий.

Представление систем с помощью моделей является фундаментальным элементом системного подхода. Под моделью понимают абстракцию системы, которая предлагает отражение одного или нескольких ее аспектов. Модель обычно не обладает высокой точностью, но доступна для предоставления решения с приемлемым уровнем неопределенности в разумные сроки для поддержки текущих маркетинговых исследований и проектных решений. Полезность модели заключается в том, что в каждом случае к ее сущности задают группу вопросов, на которые модель может достоверно ответить.

Процесс моделирования начинается с определения цели создания модели. Сначала нужно уточнить, когда по срокам нужен результат моделирования, и насколько точным он должен быть. Выяснить, что окажется дешевле, моделирование или простой эксперимент на макете. Определить предполагаемый жизненный цикл модели. Согласовать ограничения ресурсов (т.е. время, деньги, вычислительная мощность компьютера) для данной работы. Понять, будут ли пользоваться моделью только разработчики, или она предназначена для более широких приложений.

Англоязычный термин «симуляция» означает использование реализации модели во времени, или динамическое рассмотрение объекта для лучшего понимания того, как он будет себя вести. Динамические модели могут иметь широкий диапазон точности:

A. На нижнем уровне находятся игровые симуляторы типа полета самолета на базе персонального компьютера с джойстиком.

B. На среднем уровне сложности и точности будет стационарный имитатор кабины самолета с функциональными органами управления и более сложной моделью систем управления полетом (авионики) и летных качеств самолета.

C. Динамические симуляторы высокого класса включают многоосевое движение кабины в пространстве и визуальные подсказки, чтобы создать более реалистичное ощущение для пилота. В тех случаях, когда человек является активным участником процесса, эти симуляции должны выполняться с реальной скоростью действия, когда минута времени моделирования равна минуте реального времени.

D. Верхний уровень точности обеспечивают при использовании реальной системы, но пользователей моделируют автоматизированные устройства. Одним из примеров может быть механическое устройство, которое многократно нажимает кнопки клавиатуры компьютера в реальной системе, имитируя годы использования человеком за считанные часы. Другим примером являются эквивалентно-циклические испытания на прочность реального самолетного фюзеляжа в ЦАГИ. К местам максимальных напряжений протянута сеть металлических тросов, планер и шасси подвергают многократным циклическим нагружениям для ускоренного подтверждения десятков тысяч циклов взлетов и посадок многолетнего ресурса самолета.

Динамическая имитационная модель для производства космических спутников может представлять поступающее сырье (металлические сплавы, оптоволоконный кабель, жгуты проводов, компьютерные процессоры, приборы, и т.д.), хранение этих материалов, их модификацию в компоненты спутника, сборку узлов в продукт и его доставку заказчику. Моделирование может отслеживать уровни запасов заготовок с течением времени, время нахождения в производстве различных материалов или уровень нехватки ПКИ. Также динамические модели могут представлять переходное поведение системы от режима к режиму, которое зависит от начальных условий.

Целью многих динамических моделей, используемых при разработке систем, является имитация окружающей среды, в которой система предназначена для работы, чтобы выявить потенциальные проблемы проектирования перед производством и эксплуатацией для минимизации общей стоимости жизненного цикла системы. Например, высотный стенд испытательного центра Центрального института авиадвигателей в Подмосковье обеспечивает поток воздуха в широком диапазоне условий для больших военных и гражданских газотурбинных двигателей, чтобы точно имитировать условия полета объекта на различных высотах и скоростях. Просмотр видеосъемки замедленного воспроизведения теста на удар передней части автомобиля о препятствие дает гораздо больше информации о поведении конструкции, чем просто наблюдение за ударом в реальном времени и последующий осмотр повреждений.

В некоторых случаях используется так называемое полунатурное моделирование, когда ряд функций моделируют на компьютере, а исполнительные механизмы стенда используют в физическом исполнении, например, гидравлические агрегаты выпуска шасси, насосы топливной автоматики самолета, и др.

Также модели можно поделить на детерминистические и вероятностные. В первых используются точно известные величины. Вероятностные (или стохастические) модели включают хотя бы одну величину со случайными значениями.

Переменные в модельных задачах могут быть дискретными, непрерывными или смешанными. Если для количества значений существует взаимно однозначное соответствие с целыми положительными числами, переменная является дискретной. Очевидными примерами являются число ребер на корпусе спутника, или количество автомобилей, проезжающих через перекресток в данный день. Примером непрерывного количества является общее время производства до выпуска очередного спутника с завода или среднее время, необходимое для вывода спутника в ближний космос после запуска ракеты-носителя. Смешанные переменные принимают значения как из счетных, так и из несчетных множеств. Разрешением модели называют степень детализации и точности, достигаемую в ней при представлении процессов реального мира.

Модель изделия в общем виде является «системой математических и компьютерных моделей, а также электронных документов изделия, описывающей структуру, функциональность и поведение вновь разрабатываемого или эксплуатируемого изделия на различных стадиях ЖЦ». Набор моделей разного уровня приближенно описывает структуру, функциональность и поведение вновь разрабатываемого или эксплуатируемого изделия на различных стадиях жизненного цикла, и поддерживается цифровым потоком организации.

Сегодняшним шагом развития моделирования при разработке и эксплуатации инновационной продукции является применение цифровых двойников. Цифровым двойником (ЦД) называют систему, состоящую из цифровой модели изделия и двусторонних информационных связей с физическим изделием и его составными частями, согласно ГОСТ Р 57700.37—2021 «Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения». ЦД включает:

1) физический модуль, состоящий из основных систем и подсистем связи, способных собирать информацию и данные от этих физических систем во время их работы;

2) цифровой модуль, состоящий из компьютерных моделей, способных обрабатывать такую информацию и оптимизировать принятие решений;

3) соединения, которые обеспечивают интеграцию и синхронизацию между физической и виртуальной средами объекта.

В процессе работы ЦД для поддержки принятия решений данные из физической среды позволяют осуществлять постоянное периодическое обновление исходной виртуальной модели. Основными функциями ЦД являются оценка, прогнозирование, моделирование, верификация и оптимизация. Во время производства выполняют точные измерения каждой готовой детали, детали отслеживаются по номеру, каждый подкомпонент отслеживается до каждого основного компонента, а каждый основной компонент отслеживается до идентификационного номера продукта. Так создают ЦД каждой производственной единицы. В идеале произведенные объекты также должны быть оснащены набором тензодатчиков, датчиков температуры, движения, акселерометров и других приборов, а также компактным регистратором данных для сбора информации о фактическом использовании системы, о рабочей среде, и т. п.

Анализ с использованием цифровых двойников может включать оценку механических конструкций (прочностное моделирование, аэродинамический и термодинамический анализ, термомеханический анализ, анализ усталости и долговечности, анализ акустики, вибраций, электрических и электронных схем, систем управления, динамическое моделирование сценариев эксплуатации), расчет стоимости жизненного цикла.

Важно различать динамическое моделирование и ЦД физического продукта. На модели можно рассмотреть сценарии эксплуатации системы и сделать вывод, что может случиться с прототипом продукта. Тогда как цифровой двойник сообщает, что происходит с конкретным и реальным продуктом. Для обратной связи требуется передача данных из физического продукта в ЦД и в обратном направлении.

Информационные двойники высокотехнологичных продуктов давно существуют на бумаге. Бортовые формуляры самолета, автомобиля или атомной электростанции подробно описывают условия эксплуатации, проблемы с техническим обслуживанием и ремонтом каждого компонента соответствующего изделия. При их оцифровке получится изменение носителя от бумаги к удобным цифровым файлам. Информация обновляется периодически, по мере исполнения человеком аудитов и регламентов обслуживания. Ценность ЦД заключается в том, чтобы убрать человека из процесса и организовать двустороннюю автоматическую связь продукта и его цифрового двойника. ЦД имеет возможность оценивать или прогнозировать возможные проблемы, с которыми можно столкнуться в реальном продукте. Это поможет их предотвратить до того, как проблемы проявятся в реальном продукте, что избавляет владельца изделия от многих хлопот. ЦД процессов позволяют узнать и понять производственные процессы. На каждом этапе работы каждой отдельной системы, участвующей в производственном процессе, функции в окружении всех других систем, собранных вместе, могут быть известны через их ЦД. Благодаря цифровому двойнику продуктом можно эффективно управлять на протяжении всего жизненного цикла.

Цифровой двойник сложной системы может объединять множество связанных физических и математических моделей, каждая из которых описывает тепловые, прочностные, акустические и газодинамические характеристики изделия. Он также содержит информацию о материалах, геометрии, электронике, системе управления и встроенном программном обеспечении.

ЦД в общем случае может включать:

• Геометрическую и структурную модель объекта.

• Набор расчетных данных деталей, узлов и изделия в целом.

• Математические модели, описывающие все происходящие в изделии физические процессы.

• Информацию о технологических процессах изготовления и сборки отдельных элементов и изделия в целом.

• Систему управления жизненным циклом изделия.

• Информацию об эксплуатации и результатах объективного контроля изделия.

• Другие массивы технических данных.

Для функционирования ЦД необходимо создать единую цифровую платформу, объединяющую области проектирования, численных расчетов, производства и испытаний, чтобы устранить разрыв между конструкторами, расчетчиками, производством и испытателями, организовать эффективный обмен большими объемами данных.

Цифровой поток предлагает информационную основу для прозрачной количественной оценки пределов проектирования, неопределенностей параметров и чувствительности производительности системы, связанных с применяемыми цифровыми моделями. Такая структура на ранних этапах разработки позволяет принимать более обоснованные концептуальные проектные решения, которые снижают вероятность обнаружения скрытых дефектов на поставочных изделиях. Ключевым элементом, отличающим цифровой двойник от идеального цифрового потока, является включение в цифровую модель конкретного двойника производственных отклонений и связанных с ними эффектов.

В процессе ППО продукта вместо того, чтобы просто заменять детали по истечении заданного календарного времени или количества рабочих циклов, оценка срока службы может выполняться для всех компонентов, а система будет автоматически уведомлять обслуживающий персонал, если оставшийся срок службы какой-либо детали упадет ниже заданного минимума. Этот сценарий является базой концепции ЦД, как виртуальной модели, по сути клона своей физической системы.

Цифровые двойники в РФ уже используют в авиационной промышленности, двигателестроении, энергетике, нефтегазовой технике и технологии, железнодорожном и автомобильном машиностроении, медицинском оборудовании, строительной отрасли.

Существующие ЦД инновационных изделий приносят определенную пользу. Они дают возможность лучше прогнозировать оставшийся срок службы системы или компонента на основе их фактического рабочего состояния по сравнению с летными часами или календарным временем. Например, данные, собранные в ходе эксплуатации экспортных истребителей РФ в Китае, позволили обнаружить, что пилоты нагружают реактивные двигатели способами, неожиданными для поставщика, что приводит к внеплановым остановам эксплуатации. По оценкам иностранной печати, использование данных ЦД для обновления моделей систем, а также полученных из этих моделей планов технического обслуживания, ориентированных на надежность, потенциально может сэкономить миллиарды долларов в течение ЖЦ самолета F-35.

Технология ЦД позволяет, например, не просто создать точную модель авиадвигателя, но и провести широкий спектр ее виртуальных испытаний. В том числе испытания с имитацией эксплуатационных условий с учетом циклов нагрева и охлаждения, воздействия комплексных динамических нагрузок, специальные испытания с имитацией обрыва лопатки и попадания птицы, ресурсные испытания для оценки надежности и усталостной долговечности конструкции. Зачастую виртуальные испытания позволяют существенно сократить объем обязательных стендовых и летных испытаний. В большинстве случаев, испытания виртуального аналога дешевле, чем его реальной копии. Поправки, изменения, улучшения и многое другое вносятся намного быстрее и безопаснее, чем на реальном устройстве. Для создания ЦД жизненного цикла нефтепроводов на одном из проектов РФ были оцифрованы 20 млн. элементов, включая трубы и соединительные элементы, и определено для постоянного наблюдения около 40 интегральных параметров, описывающих состояние или характеристики компонентов. Это позволило снизить ежегодный объем необходимых плановых мероприятий по ремонту с 60 тысяч до 12 тысяч. Количество сбоев на объекте при использовании модели уменьшилось в 1,7 раза, эксплуатационные расходы компании сократились на 6 млрд. руб. в год.

Архитектура решения цифрового двойника включает разработку программного решения, чтобы:

• моделировать физический объект и экосистему, в которой он работает;

• подключаться к физическому объекту в реальном мире и обрабатывать данные из объекта;

• моделировать в режиме реального времени работу физического объекта для определения любых потенциальных проблем и рисков;

• отслеживать текущую производительность продукта и ее прогноз по времени.

Существует набор сервисов, которые, независимо от типа моделируемого объекта, обычно требуются приложениям цифровых двойников:

1. Аналитика, включая запуск заранее определенных моделей машинного обучения, таких как прогнозирование или обнаружение аномалий в полученных данных. ЦД включает наборы данных о конструкции продукта; по проектированию процесса; о производстве продукции, включая верификацию, логистику; об обслуживании продукта, которые включают данные, относящиеся к ТОиР, поставке запчастей, прогнозным срокам работ; об утилизации или переработке продукции.