Q Talks Эпизод 3 - Путешествие цифрового близнеца

[QTalks Ep.3]
Путешествие цифрового двойника: от пионеров к массовому внедрению

Цифровые двойники — это притча во языцех, но как они развиваются? Как новейшие решения могут помочь компаниям, занимающимся водоснабжением, преодолеть цифровую пропасть, начиная с первых пользователей и заканчивая потенциалом массового внедрения?

Предлагая виртуальное зеркало физического мира, цифровые двойники позволяют специалистам по водным ресурсам тестировать влияние изменений до того, как они будут сделаны.

Присоединяйтесь к этому последнему QTalks с экологическим журналистом Томом Фрейбергом, чтобы услышать экспертов по цифровым двойникам, которые пробиваются сквозь шумиху примерами внедрения цифровых двойников, извлеченными уроками и идеями о том, как далеко можно продвинуть это стремление к цифровым технологиям.

К нашему ведущему Тому Фрейбергу присоединились три лидера мысли:

Биджу Джордж (Biju George), исполнительный вице-президент по коммунальным услугам, Ampcus, и бывший главный операционный директор, DC Water
Пилар Конехос (Pilar Conejos), специалист по водоснабжению – Digital Twins
Джиджи Кармус-Эдвардс, сопредседатель SWAN Digital Twin

Исторические пионеры цифровых двойников

Том начал с того, что попросил Биджу поразмышлять о том, как началось путешествие к цифровому двойнику в DC Water. Биджу сказал, что истинными пионерами цифрового двойника были те, кто разработал физическую модель для систем распределения и сбора воды, модели затопления и модели очистки, поскольку это позволило им планировать и проектировать объекты. Использование этих моделей в сочетании с данными в режиме реального времени помогло им принимать оперативные решения.

Биджу также сказал, что цифровые двойники внедрены на протяжении всего цикла очистки воды, от сети питьевой воды до очистных сооружений.

Затем Том прокомментировал, что цифровой двойник Валенсии является часто цитируемым примером типичного путешествия цифрового двойника, и попросил Пилар подвести итоги пути, который они прошли. Она сказала, что путь Валенсии к цифровому двойнику был долгим и является результатом процесса цифровизации компании, который начался 15 лет назад, и что они начали этот путь так рано, что им пришлось разрабатывать гидравлическую модель с нуля.

Что касается извлеченных уроков, Пилар сказала, что обеспечение качества данных имеет решающее значение для всех, кто надеется реализовать надежный цифровой двойник.

Снижение эксплуатационных расходов с помощью цифровых двойников

Затем Том спросил Джиджи о том, кого еще она считает пионерами цифровых двойников, кроме DC Water и цифрового двойника Valencia. Джиджи сказал, что облачные вычисления сами по себе действительно меняют правила игры с точки зрения цифровых двойников. Она сказала, что все больше и больше коммунальных предприятий осознают преимущества облачных вычислений с точки зрения экономической эффективности и платят только за то, что они используют.

Размышляя о том, почему это так меняет правила игры, Джиджи сказал, что это меняет бизнес-модели и позволяет поставщикам не только продавать дорогостоящие вещи, которые могут позволить себе только крупные коммунальные предприятия, но и продавать программное обеспечение и данные как услугу по ежемесячной подписке, что очень рентабельно для небольших коммунальных предприятий. Это, по ее словам, позволяет коммунальным предприятиям рассматривать это как операционные расходы, а не как большие первоначальные капитальные затраты.

Джиджи также прокомментировал, как облачные вычисления позволяют коммунальным предприятиям расширить использование ресурсов процессора, что позволяет им запускать более сложные симуляции, которые задействуют гораздо больше ресурсов, чем на локальных серверах.

Извлеченные уроки

Далее Том спросил Биджу, как доступность облачных вычислений и программного обеспечения как услуги изменила бы то, как все делалось в DC Water.

Биджу сказал, что такая доступность означала бы более широкий и более удобный выбор при создании услуг для коммунальных служб. Он сказал, что, например, коммунальное предприятие с одним источником воды должно быть бдительным в отношении любых загрязняющих веществ в воде, и поэтому модель живого потока, доступная для всех, кто использует источник воды, помогла бы им быстрее принимать решения.

Задавая тот же вопрос Пилар, она сказала, что доступность сократила бы процессы в целом. Она также рассказала, что их цифровой двойник постоянно развивается.

Стоимость цифровых двойников

Экспертам был задан вопрос о том, во сколько обходится цифровому двойнику выполнение требований калиброванной модели.

Джиджи начала с того, что сослалась на недавний эксперимент в Лейквуде, штат Калифорния, у которого возникли проблемы с калибровкой модели. Она сказала, что они предоставили Qatium существующую модель своей сети EPAnet и данные SCADA за два месяца, и в течение нескольких недель они смогли перенести модель на платформу Qatium. Джиджи сказал, что это отличный пример того, как быстро можно откалибровать модель с помощью недорогих инструментов, таких как Qatium.

Далее Биджу сказал, что с точки зрения цифровых двойников значение имеют датчики реального времени. Он сказал, что уровень точности, который они обеспечивают, снижает затраты, поскольку ваша модель становится живой, в отличие от того, что используется только время от времени. Таким образом, калибровка в режиме реального времени становится частью повседневной работы.

Он также сказал, что не прогнозирует, что затраты будут расти, поскольку модели становятся все более совершенными, а системы реального времени позволяют принимать решения в режиме реального времени и быстрее реагировать на проблемы.

Как машинное обучение меняет процесс создания цифровых двойников

Участникам дискуссии был задан еще один вопрос о влиянии машинного обучения на то, как создаются цифровые двойники.

Пилар начала с того, что машинное обучение является важной частью цифрового двойника, и что мы должны использовать преимущества алгоритмов машинного обучения. По ее словам, сочетание информации, предоставляемой алгоритмами искусственного интеллекта, с потенциалом гидравлических моделей позволяет им извлекать гораздо более полную информацию. Она сказала, что машинное обучение позволяет им разрабатывать шаблоны, оптимальные операции и очищать данные.

Биджу сказал, что машинное обучение — это инструмент, который позволяет использовать меньшее количество датчиков, поскольку вы можете обучить свои системы заполнять пробелы. Он также сказал, что машинное обучение позволяет моделировать ситуации, в которые ранее не вмешивались.

Завершая дискуссию, Том спросил участников дискуссии, нужно ли менять традиционный путь создания цифрового двойника. Пилар сказала, что если есть новые способы сократить процесс, то их следует рассмотреть, в то время как Джиджи отметила, что мы уже находимся в фазе прорыва с точки зрения искусственного интеллекта и облачных вычислений.