Как устроены цифровые двойники: этапы разработки и примеры использования

Представьте, что у каждого станка на заводе, здания в городе или даже у целого нефтеперерабатывающего предприятия есть точная виртуальная копия. И это не просто 3D-модель. Это живая виртуальная копия, которая:

• повторяет все процессы в реальном времени;
• предупреждает о поломках;
• автоматически подбирает оптимальные режимы работы.

Это и есть цифровой двойник. По данным McKinsey на 2023 год, почти 75% компаний уже использовали цифровых двойников как минимум среднего уровня сложности. В 2024 году объем рынка цифровых двойников оценивался в 19,9 млрд долл. К 2029-ому он может достигнуть 91,92 млрд долл. По мнению экспертов, рынок будет расти за счет распространения концепции четвертой промышленной революции и промышленного интернета вещей (IoT). Бизнес все больше нуждается в сокращении затрат, оптимизации технического обслуживания и сокращении времени вывода на рынок новых продуктов.

• Как устроены цифровые двойники: этапы разработки и примеры использования
• Цифровые двойники: суть понятия и история появления
• Как создаются цифровые двойники: от данных к модели
• Метод «белого ящика»
• Метод «черного ящика»
• Гибридный метод
• Основные этапы разработки цифровых двойников
• Шаг 1. Предпроектное обследование
• Шаг 2. Получение и валидация данных
• Шаг 3. Построение модели
• Шаг 4. Интерпретация и тестирование
• Шаг 5. Интеграция в производственную среду
• Классификация по уровню сложности
• Классификация по уровню зрелости
• Какие задачи решают: от мониторинга до предиктивной аналитики
• Строительство
• Промышленность
• Энергетика
• Умные дома

Единого определения цифрового двойника пока нет, но эксперты сходятся в главных аспектах. Цифровой двойник — это виртуальная копия реального объекта, процесса или системы. Она точно воспроизводит характеристики и изменения физических объектов в лайв-режиме.

«Многие ошибочно понимают под цифровым двойником простую схематическую или 3D-визуализацию объекта. Но это не так. Их ценность — в глубокой интеграции с производственными процессами. Они не просто отображают, что происходит с объектом, но благодаря методам машинного обучения способны анализировать текущую ситуацию, прогнозировать ее развитие, подсказывать операторам, какое решение принять, чтобы получить желаемый результат», — объясняет лидер проектного направления по внедрению ИИ Softline Digital (ГК Softline) Максим Милков.

В 2021 году в России утвердили стандарт ГОСТ Р 57700.37–2021, в котором дается определение цифрового двойника изделия. Документ больше описывает нормативы для машиностроения, но его разработчики ожидают, что он ляжет в основу требований к цифровым двойникам и в других отраслях промышленности.

«Цифровой двойник изделия — система, состоящая из цифровой модели изделия и двусторонних информационных связей с изделием (при наличии изделия) и (или) его составными частями».

«Цифровая модель изделия — это система математических и компьютерных моделей, а также электронных документов изделия, описывающая структуру, функциональность и поведение вновь разрабатываемого или эксплуатируемого изделия на различных стадиях жизненного цикла, для которой на основании результатов цифровых и (или) иных испытаний по ГОСТ 16504 выполнена оценка соответствия предъявляемым к изделию требованиям».

Сам термин «цифровой двойник» вошел в употребление в начале 2000-х. Хотя еще в 1970-е NASA использовало своего рода прообраз двойников для спасения экипажа космического корабля «Аполлон 13», когда на борту взорвался кислородный баллон. Тогда команда инженеров на Земле использовала все возможные симуляторы и расчеты, чтобы разработать план спасения астронавтов. Они смоделировали разные ситуации и выбрали правильную стратегию, чтобы вернуть космонавтов домой.

Впервые концепцию цифровых двойников в более привычном нам понимании сформулировал профессор Майкл Гривс в 2002 году на курсе по управлению жизненным циклом продукции (PLM) в Университете штата Мичиган. Его идея заключалась в создании виртуальных аналогов физических объектов, которые будут моделировать поведение системы. Первыми, кто на практике начал применять цифровых двойников, стала авиация. Цифровые копии самолетов использовались для тестирования и оптимизации конструкции.

Как создаются цифровые двойники: от данных к модели

По словам Максима Милкова, успех разработки и внедрения цифрового двойника зависит от качества данных и понимания бизнес-задач, иначе технология рискует остаться дорогой «игрушкой». Эксперт выделил три подхода к созданию цифровых двойников производства.

Метод «белого ящика»

В основе подхода лежат знания экспертов о технологическом процессе, а также законы физики и химии. Все параметры системы и возможные реакции рассчитываются с помощью точных математических формул. Такой метод обеспечивает максимально точное моделирование и глубокое понимание работы объекта, однако требует значительных временных затрат, серьезных вычислительных ресурсов и высокой квалификации инженеров.

Метод «черного ящика»

Этот подход основан на анализе многолетних исторических данных, собранных с промышленных датчиков. Специальные алгоритмы искусственного интеллекта выявляют скрытые закономерности в массивах информации и на их основе строят прогностические модели. Главное преимущество метода — относительно быстрое создание цифрового двойника, но необходим большой объем достоверных и качественных данных.

Гибридный метод

Комбинированный подход объединяет преимущества первых двух: часть процессов моделируют с помощью физико-математических формул, а для остальных применяются алгоритмы машинного обучения. Такой метод обеспечивает более высокую точность цифровых двойников.

Основные этапы разработки цифровых двойников

Шаг 1. Предпроектное обследование

Создание цифрового двойника начинается с комплексного анализа инфраструктуры и оценки доступности данных. Специалисты изучают архитектуру автоматизации от АСУ ТП до MES-систем, оценивают доступность знаний технологов и инженеров. На этом этапе важно проверить качество и глубину собираемых данных. Чтобы построить полноценного цифрового двойника, необходимы исторические данные за 6-12 месяцев.

Шаг 2. Получение и валидация данных

На этом этапе необходимо очистить данные: удалить некорректные показания датчиков и дубли, привести информацию в единый формат, структурировать теги. Каждый параметр проходит верификацию с технологическими картами и подтверждается инженерами-технологами. Только исключив лишнее и ошибки, можно построить достоверную модель.

Шаг 3. Построение модели

После подготовки данных специалисты приступают к созданию математической модели, формируют обучающие и тестовые выборки, создают производные признаки и подбирают оптимальные алгоритмы от линейной регрессии до нейросетей, обучают их.

Шаг 4. Интерпретация и тестирование

Разработанная модель дополняется механизмами, которые объясняют принимаемые решения, а также обосновывают, почему тот или иной сценарий отклоняется как маловероятный. Здесь модель тестируют на исторических и новых данных. Технологический персонал оценивает, насколько рекомендации модели адекватны и применимы на практике.

Шаг 5. Интеграция в производственную среду

Финальный этап — внедрение модели в рабочую инфраструктуру предприятия. Для этого нужно обеспечить отказоустойчивость решения, защитить каналы передачи данных и взаимодействия ИТ-систем, выполнить все требования промышленной безопасности. Операторы обучаются работать с интерфейсом цифрового двойника.

Какие бывают цифровые двойники

Есть множество классификаций цифровых двойников. При этом даже в рамках одного подхода типологии могут отличаться в зависимости от компаний и авторов концепций.

Классификация по уровню сложности

• Двойник компонента — это виртуальная копия отдельного элемента или узла внутри сложной системы. Такие двойники часто используются для детального анализа характеристик конкретного агрегата.
• Двойник продукта — цифровая копия изделия, включающая все его компоненты и их взаимодействие между собой. Такой двойник используется для тестирования продукта в различных условиях эксплуатации и предсказания его поведения.
• Двойник системы — комплексная модель крупной инфраструктуры: завода, электростанции или города. Включает в себя множество взаимосвязанных элементов и используется для долгосрочного планирования и управления ресурсами.
• Двойник процесса — моделирует набор действий и операций, в фокусе процесс, а не оборудование.

Классификация по уровню зрелости

1. Предцифровой двойник (Pre-Digital Twin)

Это традиционный виртуальный прототип, который создается во время проектирования еще до создания физического аналога. Он используется для принятия решений на начальных этапах разработки и тестирования, а также помогает выявлять технические риски.

2. Цифровой двойник (Digital Twin)

На втором уровне цифровой двойник через датчики и вычислительные элементы получает данные от физической системы и на их основе обновляет модель. С его помощью можно анализировать поведение физической системы в различных сценариях.

3. Адаптивный цифровой двойник (Adaptive Digital Twin)

На третьем уровне цифровой двойник может анализировать предпочтения операторов, используя алгоритмы машинного обучения на основе нейронных сетей. Модели динамически обновляются в реальном времени на основе данных, поступающих от физического двойника, и поддерживают процессы планирования и принятия решений непосредственно во время выполнения операций.

4. Интеллектуальный цифровой двойник (Intelligent Digital Twin)

Четвертый уровень отличается высокой степенью автономии благодаря использованию машинного обучения. Он анализирует более детальную информацию о производительности, техническом обслуживании и состоянии объекта и может самообучаться.

Какие задачи решают: от мониторинга до предиктивной аналитики

Функции цифровых двойников варьируются от уровня сложности и зрелости системы, а также от отрасли использования. Можно выделить следующие задачи:

• Прогнозирование. Цифровые двойники анализируют данные в реальном времени и предсказывают поведение объектов или процессов в разных заданных условиях.
• Имитация работы. Цифровые двойники симулируют работу сложных систем и помогают тестировать различные сценарии и выявлять оптимальные условия для их функционирования
• Моделирование продукта. Цифровые двойники позволяют создавать виртуальные прототипы продуктов, ускоряя процесс разработки и тестирования новых изделий.
• Мониторинг. Цифровые двойники отслеживают состояние оборудования и процессов, чтобы своевременно выявить отклонения и провести профилактические настройки или ремонт.

В каких отраслях используют цифровых двойников

Строительство

Цифровые двойники зданий помогают оптимизировать проектирование объектов, контролировать стройку в реальном времени и прогнозировать износ конструкций.

При реставрации парижского Нотр-Дама после пожара в 2019 году использовались новейшие технологии, в том числе роботы, машинное обучение, BIM-моделирование и т.д. Благодаря цифровому двойнику собора инженеры зафиксировали разрушенные участки и сопоставляли обломки, симулировали различные архитектурные решения, рассчитывали материалы. И после реконструкции копию продолжают использовать для мониторинга пожарной безопасности с помощью IoT-датчиков.

Промышленность

На заводах виртуальные копии оборудования предсказывают поломки, тестируют новые конвейеры и снижают энергопотребление.

Colgate-Palmolive тестирует новые продукты на цифровых двойниках — виртуальных моделях потребителей, созданных для ускорения разработки инноваций. Хотя компания продолжает традиционные тесты с реальными людьми, цифровые двойники анализируют реакцию на новые функции продуктов, сокращая время вывода на рынок.

Компания Softline Digital решает задачи Model predictive control на цифровых двойниках для оптимизации технологических процессов: уменьшения себестоимости продукции за счет экономии на расходных материалах и потребляемой энергии, улучшения характеристик продуктов, стабилизации процесса, — в отраслях черной и цветной металлургии, пищевом и иных производствах.

Энергетика

Двойники электростанций и сетей балансируют нагрузки, предотвращают аварии и тестируют новые источники энергии.

«Росатом» активно использует технологии цифровых двойников. Виртуальный энергоблок ВВЭР отражает системы реального объекта и синхронизируется с его данными об эксплуатации. Также у госкорпорации есть виртуально-цифровая АЭС для различных расчетов, которые сопоставляются с параметрами работы энергоблока при его использовании. 

Ford применяет эту технологию на своем энергетическом заводе для оптимизации энергопотребления, выявления потерь и повышения эффективности оборудования, включая системы комбинированного производства тепла и электроэнергии. Интеграция IoT-датчиков и машинного обучения позволяет модели автоматически адаптироваться, улучшая управление энергетическими рисками и операционные решения.

Умные города

Виртуальные копии городской инфраструктуры управляют транспортом, экономят ресурсы и моделируют развитие районов.

Китайские ученые создали цифровой двойник Шанхая с точностью до 3 см. Виртуальный город, построенный на основе данных с дронов, лидаров и ИИ, помогает полиции просматривать планировки зданий, коммуникации и оперативные данные в реальном времени. Система используется для точного управления городской инфраструктурой и предотвращения преступлений.