Как цифровые двойники работают на производствах и в бизнесе

Рынок цифровых двойников и интернета вещей в России стремительно расширяется: по оценкам аналитиков, объём сегмента IoT в 2024 году превысил 120 миллиардов рублей, а ежегодный прирост составляет более 20%. Концепция цифровых двойников не нова, но их функционал постоянно расширяется. Сегодня они применяются для оптимизации производств, мониторинга безопасности, расчёта сложных процессов и других задач.

О том, как эти технологии помогают бизнесу и промышленности, рассказали участники круглого стола, организованного «Фонтанкой».

Илья Скрябин, генеральный директор компании Connective, отметил, что основная задача цифровых двойников — снизить количество ошибок при реализации крупных проектов. Он напомнил, что трёхмерное проектирование зародилось в США в 1970-х годах, сначала в наукоёмких отраслях, таких как авиация и космос. В 1980-х первые системы трёхмерного проектирования появились в СССР.

«Позже к трехмерному проектированию добавилась возможность оживить модели, — продолжил он. — Можно стало изучить поведение изделий в условиях эксплуатации, когда до постройки прототипов еще долго, но получить результаты экспериментов уже необходимо. Сначала использовалось вычислительное моделирование для решения задач прочности, гидрогазодинамики, электромагнитных задач.»

Когда появилась возможность моделировать системы управления, речь зашла о цифровых двойниках. В авиации, например, можно смоделировать весь самолёт, изучить его эксплуатационные и неэксплуатационные режимы, уточнить техническое задание. Цифровые двойники также широко применяются в авиационном двигателестроении.

Третье направление — эксплуатационные цифровые двойники дорогостоящих объектов, таких как нефтяные или процессные производства. В этом случае специализированная информационная система отслеживает сотни и тысячи датчиков вместо сотрудников предприятия.

Александр Глазунов, директор по разработке программного обеспечения «Формат кода», подчеркнул: «Важно помнить, что цифровой двойник — это и не игрушка, и не точная копия объекта. Решаемые в том или ином контексте аналитические задачи никогда не требуют от нас построения модели, которая будет полностью воспроизводить собой объект, копировать его. Сложность такого построения будет очень большой. Поэтому самое важное — это именно моделирование необходимых свойств, которые нужны для проведения конкретных исследований, проверки гипотез о работе реальной системы. Это может быть физический объект, бизнес-процесс, какая-то сложная комбинация бизнес-процессов и объектов реального мира.»

В складской логистике цифровые двойники используют для проверки гипотез перед крупными закупками оборудования, например роботов. Второй сценарий — тестирование нового программного обеспечения без остановки реального склада. Третий вариант — дополнение систем мониторинга с помощью 3D-визуализации, что позволяет быстрее реагировать на внештатные ситуации и находить проблемные места.

Сергей Гумеров, основатель и CEO компании «Цифровой двойник», определил цифровой двойник как вычислительное ядро, которое поддерживает и ускоряет управленческие решения на протяжении всего жизненного цикла системы. По его словам, двойник не копирует объект, а описывает его поведение, аккумулирует фактические данные и статистику для решений. Это инструмент количественного управления будущим.

Он привёл пример полностью оцифрованного жизненного цикла трубопроводной системы протяжённостью более 65 000 километров. Данные поступают из всех доступных источников: проектной документации, результатов диагностики, актов ремонтов, эксплуатационных журналов. Ключевая задача — интеграция этих сведений в единую информационно-расчётную структуру, что позволяет количественно оценивать последствия управленческих решений.

В результате число активных ремонтов и их стоимость сократились более чем вдвое, что даёт экономию свыше 3 миллиардов рублей ежегодно. Решения перестали носить заявительный характер — компьютер автоматически формирует оптимальные действия на основе модели.

Другой пример — количественная модель городского хозяйства Петербурга, созданная в 2015–2018 годах. На её основе формировались тарифно-балансовые решения, определялись объёмы потребления и производства, корректировались инвестиционные программы почти 300 городских предприятий. Модель обеспечивала экономический эффект не менее 10 миллиардов рублей в год.

«Это был инструмент согласования и баланса интересов производителей, потребителей и бюджета города», — отметил Сергей Гумеров.

Артем Дмитриев, руководитель инновационных проектов Notamedia, выделил отличие цифрового двойника от физического моделирования или BIM-модели. Цифровой двойник работает без математических и физических упрощений, с подключением сбора данных и мониторинга в реальном времени. Хорошие примеры — добыча полезных ископаемых, где моделируют залежи пластов нефти и газа, оптимизируют бурение и просчитывают аварийные сценарии.

«Что касается цифрового двойника города, то в Москве, например, с его помощью органы исполнительной власти собирали данные по застройке, авариям, каким-то чрезвычайным происшествиям, — рассказал он. — Кстати, помимо физических и математических моделей в таких двойниках часто используется ИИ и совсем новое ПО.»

IoT и цифровые двойники тесно связаны. Александр Глазунов пояснил, что IoT часто ассоциируется с датчиками, но на самом деле информация может поступать и из фирменного ПО оборудования. Например, складские роботы поставляются с системой RCS, которая позволяет получать данные о состоянии роботов и управлять ими через web-интерфейс.

Ещё один механизм — искусственный интеллект. Глазунов привёл пример сборочного железнодорожного цеха, где ИИ по видеокамере распознаёт колёса вагонеток, чтобы точно опустить вагон. Это позволяет обойтись без детальной цифровой модели.

Илья Скрябин отметил, что предприятия внедряют автоматизацию для повышения прибыли, сокращения времени производства и уменьшения затрат. Цифровой двойник производства помогает понять, как автоматизировать процессы.

ИИ также важен для контроля качества. Нейросети могут визуально определять дефекты в железнодорожной технике или кафельной плитке, что сложно сделать на глаз.

Разработка цифрового двойника производства требует миллионов рублей, но эти вложения должны окупаться за счёт повышения эффективности бизнеса.

Артем Дмитриев рассказал о технологии Edge AI, когда вычисления происходят непосредственно на устройстве, например на камере, что минимизирует задержки. Это важно для задач вроде установки вагонетки на рельсы.

Большая сфера применения — безопасность крупных производств, таких как атомная энергетика. ИИ может анализировать данные с датчиков давления, температуры, вибрации в режиме реального времени, что человеку не под силу.

«Мы говорим не только про моделирование аварийных ситуаций, а про постоянный надзор в принципе, — пояснил Дмитриев. — Существует даже система, которая сами себя контролирует: одна часть смотрит за датчиками, а вторая — за тем, как первая наблюдает. И уже за всем этим присматривает человек «сверху», с третьей позиции. Это, безусловно, помогает сократить количество чрезвычайных происшествий.»

Сергей Гумеров отметил, что в управлении всегда есть три задачи: повышение эффективности, обеспечение надёжности и поддержание безопасности. Цифровые двойники дают количественные метрики для принятия решений, а не интуитивных выборов.

По словам Гумерова, цифровой двойник — это прежде всего способность формализовать поведение сложной системы и управлять ею количественно. Для этого нужны компетенции в математическом моделировании и анализе данных. У России в этом компоненте есть конкурентное преимущество.

«Оборудование можно потерять или заменить, — говорит Сергей Гумеров, — но ключевой ресурс — люди, владеющие физико-математическим моделированием и системным мышлением, — в стране сохранился. Россия всегда умела работать с большими данными, строить инженерные и балансовые модели.»

Артем Дмитриев обратил внимание на снижение стоимости оборудования для цифровых двойников: за последние пять лет цена датчиков в среднем упала в четыре раза.

Он выделил три основных компонента цифрового двойника: сбор данных (телеметрия и IoT), платформы для обработки данных и совокупность физических, математических, имитационных моделей, объединённых с реальным производством.

Вопрос безопасности крайне важен, особенно для стратегических объектов. При использовании облачных решений есть риск вмешательства злоумышленников, поэтому безоблачные решения часто предпочтительнее.

Илья Скрябин отметил, что в России стоит задача импортозамещения на государственных объектах, но в частном секторе компании выбирают более дешёвое и доступное оборудование. Он считает, что России предстоит длительный этап разработки и консолидации игроков для восполнения ушедших в 2022 году решений.

Александр Глазунов согласился, что главный ресурс — люди. Его компания создала платформу цифрового двойника для складской логистики, что потребовало не только программирования, но и математического проектирования, и бизнес-анализа.

Цифровой двойник склада должен обладать высокой вычислительной производительностью, чтобы моделировать сутки работы за несколько минут. Для этого используются упрощённые модели, оптимизация алгоритмов и параллельные вычисления. Также важна разработка топологической модели склада на основе чертежей.

Артем Дмитриев подчеркнул необходимость инженерной экспертизы и слаженного взаимодействия между разработчиками ПО и инженерами.

Сергей Гумеров отметил особенность культурного кода России: «Мы плохо воспроизводим спокойное, поступательное развитие. Мы работаем в другом режиме: не через ритмичную эволюцию, а через мобилизационный рывок, который требует концентрации сил на одном крупном замысле.»

Александр Глазунов считает, что игрокам рынка нужно объединять усилия и интегрировать решения через технологические партнёрства. Тогда появятся умные города и производства, где каждый этап поддерживается технологическими системами.

Илья Скрябин подытожил: «Перед тем как что-то делать, надо понять, зачем. Цифровые двойники на слуху уже лет 10, так что не обязательно бежать за уходящим паровозом в каждой трендовой технологии. Но что можно и нужно развивать — это образование. Нужен переход количества в качество. Если сейчас нет какой-то конкретной стратегии и суперпроекта, который улучшит нашу жизнь, значит, государству действительно надо инвестировать больше в обучение. Получая больше высококлассных специалистов, мы можем создавать больше инновационных продуктов.»