Цифровые двойники: популярные вопросы

Мы сделали подборку самых распространенных вопросов о цифровых двойниках за первое полугодие 2021 года и попросили ответить на них нашего эксперта Ивана Глушакова.

Основные сферы применения цифрового двойника – это производственные сферы и сферы проектирования. К проектированию можно отнести процессы планирования цепочек поставок, конкретных производственных объектов, распределительных центров – любых объектов, над которыми дорого экспериментировать в реальной жизни. Основная цель – проверять разные гипотезы, не рискуя при этом большими деньгами.

Например, очевидно, что проверять гипотезу о целесообразности закрытия склада на уже запущенном объекте – затратно по времени и инвестициям. Или, чтобы проверить разные режимы работы того же распределительного центра, нужно отключить объект из общей цепочки поставок. То есть он не может функционировать в нормальном режиме, а это значит, что будут издержки и не маленькие! Поэтому все возможные конфигурации испытываются на цифровом двойнике.

Во-первых, для того, чтобы построить цифровой двойник, компания должна иметь чистые, качественные, консистентные данные. Это связано с технологической зрелостью компании, с тем, насколько корректно внедрены и используются учетные системы. На российском рынке очень немного таких компаний.

Во-вторых, в России все эксперименты с теми же цепочками поставок очень затратны в виду большого географического разброса объектов этих цепочек.

В-третьих, в нашей стране на цифровой двойник накладывается дополнительная ответственность - так как внешняя обстановка для бизнеса часто меняется из-за санкций, реформ, законодательства и т.д.

Здесь мы возвращаемся к вопросу зрелости компании относительно работы с данными. Новый бизнес не может создать никакой цифровой двойник ни за какие деньги – нужна ИТ-инфраструктура и накопленные знания о процессах.

Если у компании больших проблем с данными нет, то важно – сформулировать задачу, понять, как будет окупаться внедрение цифрового двойника. Вне зависимости от масштаба задачи, эффект от использования цифрового двойника не должен быть меньше затрат на его создание. Как правило, это плечо – затраты на проект к эффектам – составляет десятки и сотни раз. При правильном целеполагании цифровой двойник окупается в разы.

Чем более стратегическая задача стоит перед цифровым двойником, тем выше экономический эффект, получаемый при его использовании. Например, в текущих реалиях ошибка в строительстве склада класса «А» в 200 метров, может стоить компании 10 миллионов рублей. При этом, склады такого класса строятся размером от 5 до 50 тысяч квадратных метров. Поэтому для таких сложных и важных решений лучше заранее подстелить «соломку» в виде цифрового двойника – модели, на которой все можно проверить в безрисковой среде.

Соответственно, основной критерий, который влияет на стоимость – это возврат инвестиций. Его можно измерять по-разному – ROI, IRR, NPV и другие.

Создание новой производственной системы – один из самых популярных кейсов, но далеко не единственный. Мы работаем с проверками гипотез в цепочках поставок, и это не всегда связано напрямую с производством и тем более с созданием каких-то производственных прототипов.

Цифровые двойники могут создаваться для объектов различных масштабов – от процессора до завода. Основной вводной и в том, и в другом случае будут данные и максимально прозрачная логика функционирования объекта, но ресурсы и процессы создания – совершенно разные.

Если под системами мы понимаем совокупность процессов, объектов, связей и «узлов функционирования», то создание цифрового двойника может декомпозироваться на создание каждой модели объектов в отдельности, а далее – в связи этих объектов воедино.

Системы, которые невозможно декомпозировать, встречаются крайне редко. Мы обычно выбираем необходимый уровень детализации для всех объектов, входящих в систему, определяем предпосылки, ограничения и логики, которые влияют на функционирование системы, калибруем эту систему и проверяем гипотезы.

Процесс создания цифрового двойника уникален в каждом отдельном случае, но имеет общие этапы. Первый – это обследование реальных процессов и объектов, которые участвуют в модели. Далее собираются необходимые массивы данных. Потом двойник калибруется, т.е. сравнивается его работоспособность с результатами, которые были получены при использовании в реальности. На этом этапе важно понять, что логика заложена правильно, результаты близки к реальным, а все расхождения – объяснены и не требуют доработок модели.

Для того, чтобы понять все возможные нештатные ситуации, существует анализ чувствительности, анализ непрерывности бизнеса и разнообразные сценарии «что-если». Как правило, процесс создания цифрового двойника сопровождается сценарным анализом. С помощью него мы получаем не только решения, которые двойник рекомендует, но и некий контекст – в каком случае эти решения необходимо применять.

Все зависит от задачи, которая ставилась перед цифровым двойником. Компании, которые серьезно подходят к планированию, могут использовать десятки моделей для работы на стратегическом и операционном уровнях – какие-то ежегодно, какие-то ежемесячно, какие-то ежедневно для расчетов сценариев и проверки гипотез.