«Игрушка» для принятия решений. Как цифровые двойники работают на производствах и в бизнесе

Рынок цифровых двойников и интернета вещей (IoT) в России растет стремительными темпами: по данным аналитиков, объем сегмента IoT в 2024 году превысил 120 млрд рублей, а ежегодный прирост оценивается более чем в 20%. Само понятие цифрового двойника не ново: модели объектов реального мира применяются на рынке давно, однако функционал их расширяется. Сегодня они помогают оптимизировать производство, следить за безопасностью, просчитывать сложные процессы и не только.

Как двойники и IoT помогают бизнесу и промышленности, рассказали участники круглого стола «Фонтанки».

Сама идея «двойника» не нова: макеты применялись веками и в архитектуре, и в технических проектах. Как рассказал Илья Скрябин, генеральный директор компании Connective, основная задача цифровых двойников сейчас — уменьшить количество ошибок при реализации крупных проектов. По его словам, трехмерное проектирование появилось в США в 70-х годах — сначала в самых наукоемких отраслях вроде авиации и космоса. В 80-е первые системы трехмерного проектирования двойников изделий стали появляться и 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 и системы, управляющие воздействиями на изделие, речь пошла о том, что несколько лет назад начало называться цифровыми двойниками. В авиации, например, можно смоделировать весь самолет, посмотреть его эксплуатационные и неэксплуатационные режимы, уточнить техническое задание, проверить какие-то параметры. Также цифровые двойники широко применяются в авиационном двигателестроении.

И третья сфера — это эксплуатационный цифровой двойник дорогостоящего объекта: например, нефтяного или процессного производства. В таком случае вместо сотрудников предприятия за сотнями и тысячами датчиков, отслеживающими параметры производственного процесса, следит специализированная информационная система.

— 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, — продолжил Александр Глазунов, директор по разработке программного обеспечения «Формат кода». — 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.

Подобным образом цифровые двойники используют, например, в складской логистике. Эксперт рассказал, что в первую очередь с их помощью проверяют гипотезы перед очень крупными тратами на закупку оборудования: например, роботов. Второй сценарий их использования — внедрение программного обеспечения или его модификация. Чтобы запустить новое ПО на складе, нужно его протестировать в реальном окружении. Это требует остановки склада или отдельных секций, а такой подход слишком дорог. Поэтому на определенных этапах тестирования можно заменить реальный склад его цифровым двойником, тестируемое же ПО будет «думать», что работает с реальным складом. И третий вариант использования двойника — дополнение существующих систем мониторинга. 3D-визуализация позволяет людям гораздо быстрее реагировать на внештатные ситуации, быстрее находить проблемные места: например, поломку оборудования.

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. Цифровой двойник не копирует объект, а описывает его поведение в мире, аккумулирует все фактические данные и статистику, на которых базируются решения. Это не визуальная «игрушка», а инструмент количественного управления будущим: моделируются только те свойства системы, которые действительно определяют последствия управленческих действий и экономический результат.

— Самый красивый и эффективный цифровой двойник, который я видел, — полностью оцифрованный жизненный цикл трубопроводной системы протяжённостью более 65 000 километров, — рассказал он.

Данные поступают не столько с датчиков, сколько из всех доступных источников сведений, сопровождающих жизненный цикл инфраструктурного объекта: проектная документация, результаты диагностики, акты ремонтов, эксплуатационные журналы, технологические воздействия. Ключевая задача — интегрировать эти разнородные сведения в единую информационно-расчётную структуру трубопровода. Такая структура позволяет количественно оценивать последствия управленческих решений — прежде всего в диагностике, планировании ремонтных работ и управлении рисками.

В результате число активных ремонтов и их стоимость сократились более чем вдвое (экономия более 3 миллиардов рублей ежегодно). Кроме того, решения перестали носить заявительный характер: теперь компьютер формирует оптимальные действия автоматически, исходя из модели.

Ещё один показательный пример: впервые в России в Петербурге в 2015–2018 годах была создана полноценная количественная модель городского хозяйства. На её основе формировались тарифно-балансовые решения, определялись объёмы потребления и производства, корректировались направления инвестиционных и производственных программ почти 300 городских предприятий, а также обновлялись отраслевые и пространственные схемы размещения мощностей. Модель согласовывала интересы участников рынка и рассчитывала последствия управленческих действий для всей городской инфраструктуры, обеспечивая городу экономический эффект не менее 10 млрд рублей ежегодно.

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

Именно здесь становится очевидно, что трёхмерные модели и поток данных с датчиков охватывают лишь малую часть управленческой реальности. Подобные решения требуют интеграции финансовых потоков, обязательств, рисков, технологических связей и поведения участников рынка. Это уровень сложности, который не покрывается ни геометрией, ни телеметрией.

Современная управленческая система, построенная на средневековой логике «разделяй и властвуй», плохо приспособлена к таким интегрированным подходам. Однако именно комплексные количественные модели дают возможность координировать интересы, обеспечивать согласованность решений и управлять большими системами как единым организмом. Это неизбежное будущее систем управления, которое придется принять будущему поколению.

Артем Дмитриев, руководитель инновационных проектов Notamedia, выделил то, чем цифровой двойник отличается от физического моделирования или BIM-модели, которую сегодня делает любой инженер. Поскольку проектирование основывается на неких математических алгоритмах, когда сначала пытаются смоделировать более упрощенную версию, то цифровой двойник — это уже работа без математических и физических упрощений в системе. То есть к реальной системе обязательно должны подключить сбор данных и мониторинг, чтобы оператор мог видеть изменения в реальном времени. Очень хорошими примерами применения эксперт назвал добычу полезных ископаемых, когда делают модели залежей пластов нефти и газа, проводят оптимизацию бурения и моделируют 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, безусловно, связаны. По словам Александра Глазунова, когда обычный человек говорит про IoT, то чаще всего речь идет о датчиках, которые устанавливают на оборудование и снимают показатели, а модель синхронизируется с ними в режиме реального времени. Иногда цифровая модель даже не нужна, так как выполнять прогностический анализ, принимать решения о действиях для предотвращения аварии можно в какой-нибудь BI-системе (Business Intelligence). Но, на самом деле, датчиками все не ограничивается.

— У более-менее сложного оборудования всегда есть собственное фирменное ПО, некая IT-экосистема, которая избавляет пользователя более высокого уровня от необходимости иметь дело с какими-то низкоуровневыми техническими деталями, — пояснил эксперт. — Например, все складские роботы поставляются с так называемой системой RCS (Robot Control System), которая позволяет с помощью привычного программистского web-интерфейса получать достаточно информации о каждом конкретном роботе и отдавать ему команды на простом языке. Таким образом, даже без датчиков и устройств IoT есть возможность получать информацию о состоянии объектов физического мира (в нашем случае — роботов), актуализировать состояние цифрового двойника и на основе этих данных принимать решения по обслуживанию, предсказанию проблем и так далее. Кроме того, это дает возможность через цифрового двойника транслировать управляющие воздействия на конкретный объект.

И, наконец, еще один механизм получения информации о состоянии объектов реального мира — это знакомый всем ИИ, который не всегда воплощается только в языковых моделях.

— Представьте себе сборочный железнодорожный цех, — продолжил Александр Глазунов. — На небольшом участке рельсов стоят две вагонетки, и на них нужно сверху опустить железнодорожный вагон так, чтобы он точно попал на эти вагонетки. Мы можем сделать цифровую модель каждой вагонетки, самого вагона, но как попасть туда, куда надо? Одно из решений — это использование видеокамер и ИИ. Его даже не нужно учить полностью всем деталям: достаточно, чтобы он распознал два колеса, и по ним мы сможем точно рассчитать, в какую точку должен опуститься вагон.

— Предприятия хотят больше зарабатывать, получать прибыль, но есть факторы, которые этому препятствуют, — продолжил Илья Скрябин. — Это растягивание процесса производства, использование слишком большого количества человеческого труда, слишком длинные циклы производства, которые уменьшают оборачиваемость и увеличивают затраты на единицу продукции, и так далее. И, как правило, когда компании хотят поставить автоматизированный склад либо автоматизированную линию, либо сократить пробеги сотрудников или погрузчиков — все это имеет целью конкретный экономический эффект за счет сокращения времени. А чтобы понять, как автоматизировать процесс, можно создать цифровой двойник производства.

Говоря про ИИ, эксперт подчеркнул его важность в обеспечении контроля качества. Простейшие нейросети визуально помогают определить, например, надежно ли собрана железнодорожная техника, или, например, в партии кафельной плитки выявить цветовой разнотон, наличие крепежа или отсутствие загрязняющих элементов — то, что сложно и долго определять на глаз.

— Сама разработка цифрового двойника производства требует миллионов рублей, поэтому в перспективе эти же средства должны окупиться за счет повышения эффективности бизнеса, — отметил эксперт.

— Мы как раз занимаемся технологиями искусственного интеллекта в производстве, — продолжил Артем Дмитриев. — У нас есть ПО с моделью искусственного интеллекта. Чтобы поставить ту самую вагонетку на рельсы, важна минимальная задержка между поступлением данных с камеры, обработкой информации и выводом результата. Это достигается путем технологии Edge AI, когда сами вычисления проходят непосредственно на технике, которая собирает данные. С внешним облаком взаимодействовать не приходится: в самой камере уже есть небольшой процессор с облачной моделью.

Еще одна большая сфера — безопасность крупных производств. Например, в атомной энергетике нужно отслеживать большое количество параметров: давление, утечки жидкости, перегрев, вибрации. Все эти данные может проанализировать человек, увидев, что загорелась условная кнопка, и принять меры. Но даже если если перед ним будет монитор, куда выведены все параметры, он не сможет их обрабатывать информацию так, как это сделает ИИ, подключенный ко всем датчикам.

— 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 отмечает, что в управлении всегда присутствуют три базовые задачи: повышение эффективности деятельности, обеспечение надёжности и поддержание приемлемого уровня безопасности. При этом далеко не каждое учреждение работает ради прибыли — у служб скорой помощи, пожарных подразделений или коммунальных операторов иной набор целевых функций. Но, вне зависимости от специфики, количественные модели позволяют понимать текущее и прогнозное состояние ключевых показателей и рассчитывать и оценивать последствия управленческих действий и бездействия. Это переводит задачи эффективности — снижения себестоимости, повышения оборачиваемости капитала, роста доходности или устойчивости — в измеримые категории. Цифровые двойники дают именно такие количественные метрики, которые позволяют принимать конкретные управленческие решения, а не опираться на интуицию.

По словам Сергея Гумерова, цифровой двойник — это не набор датчиков и не очередной программный модуль, а прежде всего способность формализовать поведение сложной системы и управлять ею количественно. Для этого требуются не железо и не IoT-оборудование, а компетенции: образование, позволяющее выражать состояние системы через математические зависимости, анализировать данные и прогнозировать динамику.

У России, подчёркивает он, именно в этом компоненте есть конкурентное преимущество. Нейросетевые гонки на глобальном рынке — не тот путь, где у страны перспективы всемирного успеха. В сегменте IoT объективный лидер — Китай, где сосредоточено производство датчиков и оборудования. Но сами по себе датчики не создают экономического эффекта: он создаётся умением построить модель, увязать данные и вывести оптимальные решения.

— 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. И именно эта способность позволяет создавать цифровые двойники, которые дают реальное управленческое преимущество.

Артем Дмитриев обратил внимание на тренд последних лет: стоимость оборудования для цифровых двойников с годами уменьшается — оно становится доступнее. За последние пять лет стоимость датчиков в среднем уменьшилась в четыре раза.

— Цифровой двойник сегодня — это синтез трех основных базовых «кирпичиков», — рассказал он. — Первый — сбор данных, телеметрия и IoT-технологии, которые действительно не ограничиваются только датчиками. Второй элемент — платформы для обработки данных, это могут быть облачные или безоблачные решения. Третьей и самой базовой особенностью цифрового двойника можно назвать совокупность физических, математических, имитационных моделей, которые объединены с реальным производством и промышленностью. И вот это, мне кажется, как раз про Россию как самую большую страну с развитой добычей ископаемых. Здесь большой простор для сбора и обработки данных, а также для оптимизации и управления сложным высокотехнологичным производством.

Поскольку двойник — это достаточно сложная система, которая часто взаимодействует со стратегическими объектами вроде электростанций, крайне важен вопрос обеспечения безопасности: путем какого шифрования данные передаются в модель, как происходит непосредственно управление оборудованием и так далее. По словам Артема Дмитриева, если это происходит с внешней точки — с помощью облачных решений, существует риск подключения злоумышленника к управлению оборудованием. Так что безоблачные решения — основа безопасности в работе с цифровыми двойниками.

— Иногда действительно лучше не усложнять, а сделать какую-то понятную модель достаточного уровня детализации, чтобы предсказать процессы или принять те или иные решения, — говорит Илья Скрябин. — С точки зрения софта мы действительно умеем разрабатывать многие вещи, а вот с точки зрения бизнес-подходов, наверное, России еще есть куда расти.

Что касается оборудования, то здесь ставятся задачи по импортозамещению: в первую очередь, нужно заменить все импортные датчики, оборудование и прочее на стратегических государственных объектах. В частном же секторе вопрос так остро не стоит.

— Частники будут использовать механизмы, которые дешевле, выгоднее, доступнее и проще в покупке, — пояснил он. — Россия может развивать концепцию цифровых двойников низкого уровня, поскольку с 90-х годов мы действительно сильно отстали в развитии. Можно сказать, что решения у нас есть, но все равно они не удовлетворяют емкостям рынка. Так что нас еще ждет достаточно длительный этап разработки и консолидации игроков, чтобы возместить то, что ушло в 2022 году.

Александр Глазунов согласился, что главный ресурс и источник успеха, конечно, люди.

— Мы начали создавать собственную платформу цифрового двойника именно с фокусом на складскую логистику, поскольку у нас есть большая команда технически сильных специалистов в этой области, — рассказал он. — Но в связи с этим перед нами встали задачи, выходящие за рамки привычного программирования: ведь двойника нужно было придумать и спроектировать правильно с математической точки зрения, а также выполнить бизнес-анализ того, как он будет использоваться у конкретных пользователей. Эта задача оказалась существенно масштабнее, чем-то, с чем ранее имел дело наш коллектив. Мы справились с этим вызовом не благодаря каким-то технологиям, а именно благодаря образованным, мотивированным и ответственным людям. Поэтому, безусловно, это главный ресурс, который надо особенно тщательно искать и беречь. И у меня есть ощущение, что на нашем рынке труда такие сильные и надежные специалисты есть.

Что касается технологий, то можно привести следующий пример. Типичная система управления складом обрабатывает в сутки от нескольких сотен до миллиона задач на перемещение грузов. Одно из применений цифрового двойника — смоделировать грядущие сутки работы склада в ускоренном режиме, за несколько минут, чтобы оптимально распределить по рабочим участкам людей, роботов, краны-штабелеры и прочие исполнительные механизмы.

— То есть цифровой двойник должен обладать существенно большей вычислительной производительностью, чем реальная система, — продолжил он. — Отчасти это решается путем упрощения моделей и сценариев, но также приходится серьезно работать над оптимизацией алгоритмов и применять технологии параллельных вычислений, такие как графические процессоры и выполнение моделирования на нескольких компьютерах.

Кроме того, построение цифрового двойника склада подразумевает разработку нетривиальной топологической модели. Обычно у заказчика есть чертежи, электронные таблицы и прочие документы, где схематично обозначены геометрические характеристики, логические локации и примерные потоки грузов. Однако чтобы построить на основе этих данных модель, которую затем можно будет использовать в качестве основы для цифрового двойника склада, приходится выполнить очень объемную и рутинную работу — буквально перерисовывать все вручную.

— Мы вынуждены были вложиться в разработку отдельной программы, которая позволяет нам максимально быстро и эффективно отрисовывать модель склада, — добавил Александр Глазунов. — Благодаря этому теперь комплект чертежей, который, возможно, потребовал бы месяцы обработки, превращается в модель буквально за несколько дней.

Артём Дмитриев напомнил, что Россия — это всё-таки страна, где есть целое поколение ведущих профессиональных инженеров.

— Мне кажется, что в вопросе цифровых двойников обязательно нужно обладать и инженерной экспертизой, и разработкой, — считает он. — И это может достигаться не только обучением новых кадров, что требует много времени, но и более четким и слаженным взаимодействия на стыке наук — прежде всего, разработки ПО и инженерного дела.

Особенность культурного кода нашей страны в том, что мы плохо воспроизводим спокойное, поступательное развитие — продолжил Сергей Гумеров. — Мы работаем в другом режиме: не через ритмичную эволюцию, а через мобилизационный рывок, который требует концентрации сил на одном крупном замысле. Поэтому ожидать, что система сама по себе выстроит образовательные программы или аккуратно сформирует национальные проекты, — иллюзия.

— Невозможно в одиночку создать хороший продукт, который делает все на свете. Каждый берет для себя то, что у него получается лучше всего: создает качественную систему для управления производством, для физического моделирования и так далее, — считает Александр Глазунов. — Мне кажется, в какой-то момент придется все эти решения интегрировать — с помощью технологических партнерств, совместных проектов. Так или иначе, игрокам рынка нужно объединять усилия и предлагать то, что никто не может предложить по отдельности. И тогда будут появляться умные города и целиком умные производства, где абсолютно каждый этап и каждое принимаемое решение будет поддерживаться той или иной технологической системой. Мне кажется замечательным, если это она будет собрана из разработок различных компаний.

— Перед тем как что-то делать, надо понять, зачем, — подытожил Илья Скрябин. — Цифровые двойники на слуху уже лет 10, как и интернет вещей, так что не обязательно бежать за уходящим паровозом в каждой трендовой технологии. И вряд ли в высоких эшелонах власти примут решение уделить особое внимание именно технологию цифровых двойников — сейчас решаются более насущные проблемы. 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. Тогда есть шанс, что появится абсолютно новая технология, где Россия попадет в нужное временное окно.