Цифровые двойники: характеристики, типология, практики развития

Абрамов В. И.¹, Гордеев В. В.¹, Столяров А. Д.²
¹ Национальный исследовательский ядерный университет МИФИ
² НУ Институт прикладных информационных технологий

Скачать PDF | Загрузок: 44

Статья в журнале

Вопросы инновационной экономики ^{(РИНЦ, ВАК)}
опубликовать статью | оформить подписку

Том 14, Номер 3 (Июль-сентябрь 2024)

Цитировать эту статью:

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=69925469

Аннотация:
Статья посвящена изучению возможностей цифровых двойников для повышения конкурентоспособности компаний, рассматриваются их характеристикам, типологии и практикам развития.Цифровые двойники представляют собой одну из самых перспективных технологий современности, способную значительно улучшить процессы управления в различных отраслях. Рассматривается концепция цифровых двойников, их основные функции и принципы работы.Особое внимание уделяется технологическим характеристикам, включая использование интернета вещей (IoT), искусственного интеллекта (AI) и больших данных.Предлагается классификация цифровых двойников по различным критериям: по отраслям, функционалу и уровням сложности. Анализируются функциональные возможности цифровых двойников и приводятся примеры их использования в реальных компаниях, что позволяет оценить их влияние на экономическую эффективность и социальные аспекты.Также исследуются существующие практики и кейсы успешного внедрения цифровых двойников в различных отраслях, включая промышленность, энергетику, транспорт и здравоохранение. Рассматриваются методологии разработки цифровых двойников, основные этапы создания, используемые инструменты и платформы. Определены основные проблемы и трудности, с которыми приходится сталкиваться при внедрении цифровых двойников, такие как технические и технологические сложности, финансовые препятствия и этическиеограничения.Обсуждаются перспективы развития цифровых двойников, их потенциал для трансформации различных отраслей и возможности дальнейшего совершенствования.Статья предоставляет всестороннийанализ цифровых двойников, что способствует более глубокому пониманию этой технологии и её применению в практике

Ключевые слова: : цифровой двойник, цифровая трансформация, цифровые технологии, цифровая зрелость, рекомендательная система

JEL-классификация: O31, O32, O33

Введение

В условиях стремительного развития цифровых технологий и перехода к новому технологическому этапу необходимы принципиально новые методы управления, способные обеспечить высокую конкурентоспособность и устойчивое развитие компаний. Это особенно важно для России, как отмечается в концепции технологического развития до 2030 г.: «Технологическое развитие Российской Федерации в среднесрочной перспективе будет находиться под воздействием с одной стороны ряда внешних и внутренних угроз технологического отставания и деградации российской экономики, с другой - открывающихся новых возможностей ускорения ее инновационно ориентированного роста» [1]. Цифровые двойники (ЦД) это направление, которое в последние годы экспоненциально наращивает обороты во всем мире и имеет значительный потенциал для развития в нашей стране. Сегодня увеличение объемов производства перестало быть столь важным, как раньше, а новые времена требуют скорости и гибкости на рынке и также персонализации предлагаемых товаров и услуг [2], цифровые двойники являются весьма полезным, удобным и результативным инструментом для этого. Как отмечено в компании МакКинзи [3]: «полезно думать о цифровых двойниках не столько как об инструменте для проектировщиков, инженеров и производителей, сколько как о лаборатории, в которой почти любая организация может оптимизировать свой самый ценный ресурс — информацию — чтобы постоянно расширять границы того, чего она может достичь. Используя данные для отражения реальных ситуаций, цифровые двойники могут быть развернуты для создания, точной настройки или полного переосмысления практически любого сложного процесса или системы, включая цепочки поставок, системы общественного транспорта и сборочные линии». Следует заметить, что ЦД могут применяться с целью получения ответов на запросы типа "что, если" [4].

В отчете IoT Analytics от 7 марта 2023 г. говорится, что рынок ЦД в период с 2020 по 2022 гг. увеличился на 71%, 29% производственных компаний во всем мире полностью внедрили или внедряют стратегию цифровых двойников для части своих операционных активов, а еще 63% в настоящее время разрабатывают или уже разработали свою стратегию цифровых двойников [5]. Спрос на технологии на основе ЦД неуклонно растет во всех отраслях, а объем рынка, который в 2020 г. оценивался в 3,1 млрд долл., теперь, как прогнозируется, к 2026 г. достигнет уже 48,2 млрд долл. [6]. Согласно другому анализу, в период до 2030 г. с помощью ЦД станет возможным сократить выбросы CO₂ на 7,5 Гт и добавить экономическую ценность до 1,3 трлн долл. США [7].

В сентябре 2021 г. Россия первой в мире утвердила нормы в этой сфере: появился новый национальный стандарт - ГОСТ Р 57700.37–2021 «Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения» [8]. Событие знаковое, и оно свидетельствует егоо больших планах российского правительства на развитие данной технологии.

Рост и внедрение цифровых двойников происходит по S-образной кривой распространения, как описано Роджерсом в его основополагающем труде «Диффузия инноваций» [9], и в начале 2020-х гг. ЦД находятся на переломном этапе (рис. 1) [10].

Рис. 1. Развитие цифровых двойников происходит по S-образной кривой распространения технологий, и в начале 2020-х гг. ЦД находятся на переломном этапе [10].

В существующей научной литературе освещаются многие потенциальные и предполагаемые преимущества концепции цифрового двойника, включая снижение затрат [11] и рисков [12], повышение эффективности [13], улучшение предложения услуг [14], безопасности [15], надежности [16], устойчивости [17] и поддержку принятия решений [18]. Однако в этих трудах отсутствует систематизированное представление о том, что такое цифровой двойник системы управления и как он может быть применен для поддержки организационной деятельности предприятий, а также о стратегиях его внедрения. Большая часть существующих публикаций о цифровом двойнике сосредоточена в основном на технических подходах, аналитических методах и проблемах сбора и интеграции данных в цифровой двойник.

Несмотря на то, что технология ЦД приобрела огромную популярность в последние годы, эта концепция не является совершенно новой. Она впервые прозвучала в 2003 г., когда Майкл Гривз представил ее в своем курсе «Жизненный цикл продукта», далее ее начали активно применять в индустрии высоких технологий, а теперь она стала актуальной и в контексте цифровой трансформации компаний [19]. Цифровой двойник — это концепция, которая активно развивается в нескольких промышленных контекстах, она принимает разные формы и поддерживается различными технологиями и инструментами (от моделирования до агентов, от графических представлений до сервисных платформ), поэтому существует много разных определений цифрового двойника. Концепция цифрового двойника обеспечивает переход от «атомов к битам» и наоборот, это средство создания континуума между физическим и виртуальным мирами [20]. Это дальнейший шаг на пути к цифровизации многих отраслей и областей, возможность перехода от реального к виртуальному и обратно приводит к появлению новых услуг и, скорее всего, к новым возможностям для бизнеса. Благодаря интеграции технологий интернета вещей (IoT), искусственного интеллекта (AI), больших данных (Big Data) и других передовых решений, цифровые двойники предоставляют компаниям уникальные возможности для управления и оптимизации своих процессов.

Цифровые двойники позволяют создавать виртуальные модели производственных процессов, что способствует улучшению контроля качества, сокращению времени на разработку новых продуктов и снижению затрат на эксплуатацию оборудования [21]. В транспортной и логистической сферах цифровые двойники помогают оптимизировать маршруты, управлять транспортными средствами и отслеживать состояние грузов в реальном времени, что приводит к снижению затрат на топливо, сокращению времени доставки и улучшению обслуживания клиентов [22]. В энергетическом секторе цифровые двойники используются для управления электрическими сетями, мониторинга состояния инфраструктуры и прогнозирования потребления энергии, и это позволяет повысить надёжность и эффективность работы энергосистем [23]. В медицине цифровые двойники применяются для моделирования органов и систем человеческого тела для проведения моделирования и анализа, что помогает улучшить диагностику, разработать план операции и внедрить новые методы лечения [24]. В строительном секторе цифровые двойники служат для моделирования зданий и инфраструктурных объектов, улучшая планирование, проектирование и эксплуатацию, что, в свою очередь, приводит к снижению рисков и затрат, связанных со строительными процессами [25].

Основная цель данного исследования - всесторонне изучить характеристики, типологии и практики разработки цифровых двойников с точки зрения перспективы в контексте их использования для повышения уровня конкурентных преимуществ и гибкости бизнеса. Эта работа направлена на выявление характерных особенностей цифровых двойников, их классификацию по различным критериям и анализ текущей практики применения в различных отраслях.

Научная новизна исследования заключается в систематизации основных характеристик и типологий на предмет обеспечения гибкости и перспектив развития конкурентных преимуществ предприятий за счет улучшения качества управленческих решений, в представлении результатов анализа цифровых двойников в различных отраслях и их преимуществ.

Методология исследования основана на системном подходе, применяемом при анализе сложных экономических систем, и использует общенаучные методы познания: анализ, сравнение, логические рассуждении, сбор фактов, синтез, а также структурный подход. В качестве информационных источников использовались материалы Министерства цифрового развития, аналитические обзоры и справочные данные, научные статьи, представленные в базах данных eLibrary и Scopus.

Цифровые двойники: основные понятия, принципы и функции

В качестве отправной точки цифровой двойник рассматривается как контекстуализированная программная модель объекта реального мира, где реальный объект обычно рассматривается как физический объект, но концептуальные объекты также могут иметь свое цифровое представление [20]. Майкл Гривс и Джон Викерс [26] дают такое определение цифрового двойника: «Цифровой двойник представляет собой набор виртуальных информационных конструкций, которые полностью описывают потенциальный или фактический физически производимый продукт от микроатомного уровня до макрогеометрического уровня. В оптимальном случае любая информация, которую можно получить при проверке физического произведенного продукта, можно получить из его цифрового двойника».

Цифровые двойники столь же сложны и многогранны, как и моделируемые ими системы и объекты, и понимание их характеристик и технических свойств очень важно для того, чтобы сделать их полезными. В работе [27] рассмотрена концепция цифрового двойника и на основе анализа и систематического обзора большого количества статей выделены ключевые характеристики цифровых двойников, как показано в табл. 1.

Таблица 1. Характеристики цифровых двойников [27]

Характеристика	Описание
1. Физический объект	объект реального мира, например, транспортное средство, компонент, продукт, система, модель
2. Виртуальная сущность	созданное компьютером представление физического объекта, например, транспортного средства, компонента, продукта, системы, модели
3. Физическая среда	измеримая среда реального мира, в которой существует физический объект
4. Виртуальная среда	любое количество виртуальных миров, которые воспроизводят состояние физической среды и предназначены для конкретных случаев использования, например, мониторинг состояния здоровья, оптимизация производственного графика
5. Точность	количество параметров, передаваемых между физическими и виртуальными объектами, их точность и уровень абстракции примеры: полностью полные, ультрареалистичные, высокоточные данные из нескольких источников, от микроатомного уровня до макрогеометрического уровня
6. Текущее состояние	текущие значения всех параметров физического или виртуального объекта/среды
7. Параметры	типы данных, информации и процессов, передаваемых между объектами, например, температура, производственные показатели, процессы
8. Физическое-виртуальное соединение	соединение физической среды с виртуальной, состоящее из этапов физической метрологии и виртуальной реализации
9. Виртуально-физическое соединение	соединение виртуальной среды с физической, состоящее из этапов виртуальной метрологии и физической реализацией
10. Твиннинг	акт синхронизации между двумя объектами и скорость, с которой происходит синхронизация
11. Физические процессы	физические цели и процесс, в которых участвует физический объект, например, производственная линия
12. Виртуальные процессы	вычислительные методы, используемые в виртуальной среде, например, оптимизация, прогнозирование, моделирование, анализ
13. Ощутимые выгоды	предполагаемые преимущества, достигаемые при реализации цифрового двойника, например, улучшенный дизайн, поведение, структура, технологичность, соответствие и т. д.
14. Жизненный цикл	жизненный цикл цифрового двойника – весь жизненный цикл, развивающийся цифровой профиль, исторические данные
15. Варианты использования	приложения цифрового двойника, например, снижение затрат, улучшение обслуживания, поддержка принятия решений
16. Используемые технологии	технология, используемая при реализации цифрового двойника, например: интернет вещей, ИИ
17. Уровни точности	количество параметров, их точность и уровень абстракции, которые передаются между виртуальным и физическим двойником/средой
18. Право собственности на данные	юридическое право собственности на данные, хранящиеся в цифровом двойнике
19. Интеграция между виртуальными сущностями	методы, необходимые для обеспечения связи между различными виртуальными объектами

Архитектура и структура цифровых двойников

Цифровые двойники представляют собой комплексные системы, использующие передовые технологии и методы, позволяющие управлять техническими и социально-экономическими системами в режиме реального времени, с построением виртуальных моделей физических объектов и процессов [28]. Их архитектура и структура обеспечивают интеграцию данных, анализ и управление, что делает их незаменимыми инструментами в различных отраслях и сферах деятельности [29]. На основе анализа работ [27-29] на рис. 2–4 выделены основные базовые блоки, определяющие эффективность ЦД. На рис. 2 приведена архитектура цифровых двойников, которая включающая несколько слоев, каждый из которых выполняет свои специфические функции и играет важную роль в обеспечении точности и эффективности цифровых моделей. Физический слой представляет собой реальные объекты, системы и процессы, которые моделируются в цифровом двойнике, этот слой включает сенсоры и устройства интернета вещей (IoT), собирающие данные с физических объектов в режиме реального времени. Слой данных отвечает за сбор, хранение и обработку данных, поступающих от физического слоя. В этом слое используются технологии больших данных (Big Data), базы данных и системы управления данными (DMS). Основные задачи слоя данных включают очистку данных, их агрегацию, нормализацию и подготовку для дальнейшего анализа. Аналитический слой предназначен для анализа данных, здесь применяются методы искусственного интеллекта (AI), машинного обучения (ML) и предиктивной аналитики для создания моделей прогнозирования и оптимизации. Слой моделирования отвечает за создание и управление виртуальными копиями физических объектов и систем, используются программные средства моделирования. Основная цель слоя моделирования – создание точной и динамичной модели, которая может адаптироваться к изменениям в реальном времени. Интеграционный слой обеспечивает взаимодействие между различными системами и компонентами цифрового двойника, он включает интерфейсы и протоколы для обмена данными между физическим, аналитическим и моделирующим слоями. Этот слой также отвечает за интеграцию цифрового двойника с внешними системами, такими как ERP, CRM и другие корпоративные системы. Визуализационный слой предназначен для представления данных и моделей в удобной для пользователя форме, используются технологии визуализации данных, графические интерфейсы и панели мониторинга. Это позволяет пользователям эффективнее взаимодействовать с цифровым двойником, легко просматривать текущие данные и результаты анализа, а также лучше управлять моделями и симуляциями. Слой безопасности предназначен для обеспечение защиты данных и систем цифрового двойника от несанкционированного доступа и киберугроз, здесь реализуются меры по соблюдению конфиденциальности, целостности и доступности данных. К таким мерам относятся шифрование, аутентификация, авторизация и мониторинг безопасности. Если правильно понять, оценить и корректно спроектировать эти слои, удастся максимально использовать потенциал цифровых двойников для оптимизации процессов и повышения операционной и производственной результативности в различных отраслях.

Рис. 2. Базовые слои в архитектуре цифровых двойников

(составлено авторами)

На рис.3 представлена технологическая структура цифровых двойников, включающая три блока: модели данных, компоненты интеграции и системы управления. Понимание этой структуры позволяет эффективно разрабатывать и внедрять эти системы в различных отраслях для улучшения процессов и повышения эффективности.

Рис. 3. Технологическая структура цифровых двойников

Основные функциональные блоки цифровых двойников с примерами представлены на рис. 4 - это сбор данных, анализ и их обработка, визуализация и представление, управление и контроль.

Важно отметить, что управление с использованием ЦД позволяет находить наилучшие решения по многим критериям [30] и анализировать чувствительность этих критериев к изменению входных параметров [31].

Рис.4. Основные функциональные блоки цифровых двойников

Типология цифровых двойников по отраслям

Цифровые двойники находят применение в самых разных отраслях, каждая из которых использует эту технологию для решения своих специфических задач и достижения различных целей [32]. В табл.2 представлены основные отрасли, в которых цифровые двойники получили наибольшее распространение, и их особенности.

Таблица 2. Отраслевая типология цифровых двойников (составлено авторами)

Отрасль	Описание	Примеры
Промышленность и производство
Машиностроение	Цифровые двойники в машиностроении используются для создания виртуальных моделей машин и оборудования, что позволяет тестировать и оптимизировать их работу до производства [33].	Моделирование работы двигателей, прогнозирование износа деталей, оптимизация производственных процессов
Автомобильная промышленность	В автомобильной промышленности цифровые двойники помогают в проектировании, производстве и обслуживании транспортных средств [33].	Виртуальное тестирование автомобилей, мониторинг состояния и предупреждение и профилактика поломок, оптимизация производственных линий
Электроника	В сфере электроники цифровые двойники позволяют разрабатывать и тестировать сложные электронные устройства и системы [33].	Моделирование электронных компонентов, тестирование микросхем, оптимизация производственных процессов
Энергетика
Электроэнергетика	Цифровые двойники в электроэнергетике применяются для мониторинга и управления электросетями и энергетическими объектами [23].	Моделирование электростанций, управление распределительными сетями, профилактика отказов и аварий
Нефтегазовая отрасль	В нефтегазовой отрасли цифровые двойники используются для оптимизации добычи, переработки и транспортировки нефти и газа [34].	Моделирование месторождений, мониторинг трубопроводов, оптимизация работы перерабатывающих заводов
Транспорт и логистика
Авиация	В авиации цифровые двойники помогают проектировать и тестировать самолеты, а также управлять их техническим обслуживанием [35].	Виртуальное тестирование самолетов, мониторинг состояния воздушных судов, предупреждение поломок и планирование технического обслуживания
Морской транспорт	На морском транспорте цифровые двойники используются для оптимизации работы судов и портов [36].	Моделирование работы судов, управление портовыми операциями, оптимизация логистических маршрутов
Логистика и складирование	В логистике и складировании цифровые двойники помогают управлять запасами, оптимизировать маршруты и улучшать процессы складирования [37].	Виртуальные модели складов, оптимизация маршрутов доставки, управление запасами и прогнозирование потребностей
Здравоохранение
Медицинские устройства	Цифровые двойники медицинских устройств позволяют разрабатывать и тестировать новое оборудование, а также контролировать его работу [24].	Моделирование работы медицинских приборов, мониторинг состояния оборудования, оптимизация процессов обслуживания.
Мониторинг состояния пациентов	Цифровые двойники помогают мониторить состояние пациентов, предупреждать возможные осложнения и планировать лечение [24].	Виртуальные модели органов и систем, мониторинг состояния здоровья, прогнозирование развития заболеваний.
Сельское хозяйство
Растениеводство	В растениеводстве цифровые двойники используются для мониторинга и управления полями и урожаями [38,39].	Моделирование роста растений, мониторинг состояния полей, оптимизация использования удобрений и воды.
Животноводство	В животноводстве цифровые двойники помогают управлять состоянием животных и оптимизировать процессы производства [40].	Мониторинг здоровья животных, оптимизация условий содержания, управление кормлением и разведением.

Типология цифровых двойников по отраслям демонстрирует широкий спектр их применения и значимость для различных сфер экономики и социальной жизни. Внедрение цифровых двойников способствует оптимизации сложных процессов, улучшению качества продукции и услуг, а также повышению эффективности и устойчивости бизнеса.

Типология цифровых двойников по функционалу

Цифровые двойники могут выполнять множество функций в зависимости от сферы их применения и целей использования. Основные типы цифровых двойников по их функциональному назначению представлены в табл.2.

Типы цифровых двойников	Описание с примерами применения
Операционные цифровые двойники	Эти цифровые двойники используются для управления и оптимизации текущих операций и процессов в режиме реального времени. Промышленное производство: Мониторинг и управление производственными линиями для повышения эффективности и уменьшения простоев. Энергетика: Управление распределением энергии и мониторинг состояния энергетических сетей. Логистика: Оптимизация маршрутов доставки и управление запасами в реальном времени.
Диагностические цифровые двойники	Данные цифровые двойники предназначены для диагностики состояния объектов и систем, выявления неисправностей и предсказания поломок. Автомобильная промышленность: Мониторинг состояния автомобилей и своевременное планирование технического обслуживания. Здравоохранение: Диагностика состояния пациентов и мониторинг медицинских устройств. Промышленное оборудование: Прогнозирование поломок и оптимизация планового обслуживания.
Прогностические цифровые двойники	Эти цифровые двойники анализируют данные и предвосхищают будущие события и состояния объектов. Энергетика: Прогнозирование потребления энергии и планирование ресурсов. Сельское хозяйство: Прогнозирование урожайности и оптимизация использования удобрений и воды. Финансовые услуги: Предвидение рыночных трендов и управление инвестиционными рисками.
Симуляционные цифровые двойники	Эти цифровые двойники используются для моделирования и симуляции различных сценариев, тестирования новых решений и прогнозирования их последствий. Строительство: Моделирование строительных проектов и тестирование различных архитектурных решений. Промышленное производство: Симуляция производственных процессов и тестирование новых производственных технологий. Авиация: Моделирование полетов и тестирование новых моделей самолетов.
Обучающие цифровые двойники	Эти цифровые двойники используются для обучения персонала и повышения квалификации работников через виртуальные тренажеры и симуляции. Здравоохранение: Обучение медицинского персонала на виртуальных моделях пациентов. Промышленное производство: Обучение операторов на виртуальных моделях производственного оборудования. Авиация: Обучение пилотов с использованием виртуальных симуляторов полетов.
Аналитические цифровые двойники	Эти цифровые двойники предназначены для анализа данных и поддержки принятия решений на основе собранной информации. Финансовые услуги: Анализ финансовых данных и поддержка принятия инвестиционных решений. Розничная торговля: Анализ клиентских данных и прогнозирование спроса на товары. Управление городским хозяйством: Анализ данных о трафике, коммунальных услугах и планирование городского развития.
Визуализационные цифровые двойники	Эти цифровые двойники используются для визуализации данных и моделей и дают наглядное представление о состоянии объектов и процессов. Строительство: Визуализация архитектурных проектов и планов строительства. Промышленное производство: Визуализация производственных процессов и состояния оборудования. Здравоохранение: Визуализация анатомических моделей и медицинских данных пациентов.
Интеграционные цифровые двойники	Эти цифровые двойники интегрируют данные из различных источников и систем для обеспечения комплексного управления и анализа. Управление предприятием: Интеграция данных из ERP, CRM и других систем для обеспечения комплексного управления бизнес-процессами. Логистика: Интеграция данных о поставках, запасах и транспорте для оптимизации логистических процессов. Энергетика: Интеграция данных о производстве и потреблении энергии для оптимизации распределения ресурсов.

Типология цифровых двойников по функционалу показывает, что эта технология может быть адаптирована для решения широкого круга задач в самых разных отраслях. Цифровые двойники помогают улучшить управление, повысить эффективность, снизить затраты и улучшить качество продукции и сервиса.

Типология цифровых двойников по уровням сложности

Цифровые двойники могут различаться по уровням сложности, что определяется степенью детализации, интеграцией и функциональными возможностями. Уровни сложности цифровых двойников и их особенности представлены в табл.3.

Таблица 3. Основные уровни сложности цифровых двойников с описанием и примерами

Уровень сложности	Описание с примерами
Простейшие цифровые двойники	На этом уровне цифровые двойники представляют собой базовые модели, которые могут отображать текущие состояния объектов и процессов, но имеют ограниченные аналитические и предсказательные возможности. Мониторинг оборудования: Отображение текущего состояния машин и оборудования. Состояние систем: Отображение текущих параметров работы систем, таких как температура, давление, скорость. Обратная связь: Базовый сбор данных для предоставления простой обратной связи пользователю.
Динамические цифровые двойники	Эти цифровые двойники обеспечивают более глубокий анализ данных и могут динамически обновляться в реальном времени, отображая изменения состояния объектов и процессов. Производственные процессы: Мониторинг и анализ производственных процессов с учетом изменений в реальном времени. Умные здания: Управление инженерными системами зданий, такими как освещение, климат-контроль и безопасность. Управление транспортом: Динамическое управление движением и логистикой на основе текущих данных.
Предиктивные цифровые двойники	Цифровые двойники этого уровня используют продвинутые аналитические методы и алгоритмы машинного обучения для предсказания будущих состояний объектов и процессов. Предсказательное обслуживание: Прогнозирование поломок оборудования и планирование технического обслуживания. Управление энергопотреблением: Прогнозирование потребления энергии и оптимизация распределения ресурсов. Финансовый анализ: Прогнозирование рыночных тенденций и управление инвестиционными рисками.
Автономные цифровые двойники	Эти цифровые двойники обладают высокой степенью автономности и могут самостоятельно принимать решения на основе анализа данных и прогнозов. Автономные транспортные средства: Управление движением без участия человека с использованием данных от датчиков и алгоритмов искусственного интеллекта. Умные сети: Автономное управление распределением энергии в интеллектуальных энергетических сетях. Роботизированные системы: Автономное управление роботами на производственных линиях.
Сложные интегрированные цифровые двойники	На этом уровне цифровые двойники объединяют множество систем и процессов, предоставляя комплексное решение для управления и оптимизации на уровне предприятия или целой отрасли. Цифровые фабрики: Интеграция всех производственных процессов и систем для комплексного управления и оптимизации. Умные города: Интеграция данных и управление инфраструктурой города, включая транспорт, энергетику, безопасность и коммунальные услуги [41]. Цифровые двойники регионов: Комплексное управление социально-экономической системой региона [42]
Когнитивные цифровые двойники	Это ЦД, обладающие когнитивными способностями, такими как обнаружение аномалий и поведенческое обучение, а также способностью идентифицировать физическое поведение объекта, чтобы улучшить показатели, характеризующие его состояние или функцию [43]. В когнитивном ЦД используются методы оптимизации для улучшения процесса принятия решений и анализируются данные физического двойника с помощью аналитики или машинного обучения [44].

Типология цифровых двойников по уровням сложности демонстрирует эволюцию этой технологии от простых моделей к сложным автономным системам, способным интегрировать и управлять множеством процессов и объектов. С повышением уровня сложности увеличиваются возможности цифровых двойников, что позволяет решать более сложные задачи, улучшать управление и повышать результативность в различных сферах деятельности.

Примеры успешного внедрения цифровых двойников

Цифровые двойники становятся все более востребованными в различных отраслях, так как их использование демонстрирует значительное улучшение эффективности, снижение затрат и повышение качества. Так, например, General Electric использует цифровые двойники для мониторинга и управления работой турбин в энергетическом секторе. Внедрение цифровых двойников позволило сократить время простоя турбин на 5-10%, что привело к экономии миллионов долларов на ремонте и эксплуатационных затратах, предсказательное обслуживание продлило срок службы турбин на 20-25%, оптимизация работы турбин с помощью анализа данных привела к увеличению их эффективности на 3-5% [45]. В автомобильной промышленности Toyota использует ЦД для имитационного моделирования и модернизации производственных линий, что даёт возможность тестировать любые новые процессы и технологии без остановки производства. Внедрение ЦД повысило производительность на 10-15 %, за счет оптимизации технологических процессов время выполнения заказов сократилось на 20 %, а анализ данных привел к снижению уровня брака на 25 %, что улучшило показатели качества продукции [46]. В энергетике внедрение цифровых двойников компанией Siemens позволило снизить энергопотребление на 10-15%, предсказательное обслуживание сократило число аварийных ситуаций на 20-25%, мониторинг и анализ данных повысили общую надежность работы электростанций на 15-20% [47]. В здравоохранении внедрение цифровых двойников в Philips Healthcare позволило разработать индивидуальные планы лечения, улучшив исходы пациентов на 10-15%, оптимизация лечения на основе данных снизила затраты на медицинские услуги на 20-25%, анализ данных повысил точность диагностики заболеваний на 15-20% [48]. В логистике DHL внедрение цифровых двойников позволило сократить время доставки на 10-12%, оптимизация маршрутов и управление запасами снизили затраты на логистику на 15-20%, мониторинг и анализ данных повысили точность доставки на 5-7% [49]. В строительстве в компании Skanska за счет внедрения ЦД время проектирования и строительства сократилось на 10-15%, оптимизация процессов и тестирование в виртуальной среде снизили затраты на строительство на 20%, анализ данных помог выявлять и устранять дефекты на стадии проектирования, улучшив общее качество строительства на 25% [50].

Эти примеры демонстрируют значительные преимущества и эффективность внедрения цифровых двойников в различных отраслях. Цифровые двойники помогают улучшить управление, повысить качество продукции и услуг, снизить затраты и улучшить общую производительность, что делает их важным инструментом для современной экономики.

Создание и внедрение цифровых двойников сопровождается рядом проблем и вызовов, которые необходимо учитывать для успешного использования этой технологии. Одна из основных трудностей заключается в необходимости интеграции различных систем и источников данных. Цифровые двойники требуют получения и обработки данных в реальном времени из множества источников, таких как IoT-устройства, сенсоры и другие информационные системы. Проблемы, с которыми можно столкнуться — это разнообразие протоколов и стандартов передачи данных, несовместимость и сложность интеграции с устаревшими системами, необходимость обеспечения качества и актуальности данных. Второй важный вопрос — это обработка и анализ больших данных. Цифровые двойники генерируют огромные объемы данных, которые необходимо обрабатывать и анализировать в режиме реального времени, что требует использования передовых технологий и алгоритмов для их анализа, а это, в свою очередь, предъявляет высокие требования к вычислительным ресурсам и инфраструктуре, разработке и внедрению эффективных алгоритмов анализа данных, а также к их безопасности и защите. Создание точных и надежных моделей сложных систем и процессов - серьезная техническая задача, поскольку цифровые двойники должны точно имитировать поведение реальных объектов и процессов. Это может быть сопряжено с высоким уровнем сложности математического и физического моделирования, необходимостью учитывать множество параметров и факторов, а также постоянно обновлять и адаптировать модели.

Работа с цифровыми двойниками на всех этапах разработки и внедрения системы включает закупку оборудования, разработку программного обеспечения, системную интеграцию и обучение персонала, что влечет за собой значительные финансовые вложения. Однако важно признать, что оценка экономической эффективности цифровых двойников представляет собой сложную задачу, особенно на ранних этапах, поскольку компании не всегда уверенно прогнозируют выгоды и окупаемость инвестиций.

Цифровые двойники продолжают эволюционировать, и их потенциал становится все более очевидным. С развитием сетей 5G и облачных вычислений цифровые двойники смогут работать еще быстрее и эффективнее благодаря снижению задержек передачи данных и увеличению доступности ресурсов для обработки информации. Развитие методов искусственного интеллекта и машинного обучения продолжит улучшать возможности цифровых двойников в области прогнозирования и оптимизации, что позволит более точно прогнозировать и предупреждать неисправности, оптимизировать процессы и разрабатывать новые стратегии управления. Генеративный ИИ также становится мощным инструментом для развития инноваций и модернизации бизнес-моделей предприятий [51].

Для максимального использования потенциала цифровых двойников важно развитие междисциплинарных исследований и сотрудничества между различными областями науки и промышленности, это позволит интегрировать знания и технологии, создавая более комплексные и эффективные решения.

Заключение

Цифровые двойники - одна из самых перспективных и значимых технологий нашего времени, оказывающая большое влияние на различные отрасли и способствующая их цифровой трансформации. Расширение их применения откроет возможности для значительного повышения эффективности, точности и гибкости в управлении объектами и процессами, что делает их неотъемлемой частью будущего.

В данной работе были рассмотрены характеристики, типология и практики развития цифровых двойников. Было показано, что цифровые двойники могут быть созданы для различных объектов, от простых изделий до сложных производственных линий и целых городов, они позволяют моделировать различные сценарии, оптимизировать процессы, повышать эффективность производства и снижать риски.

Типология цифровых двойников весьма разнообразна и зависит от уровня детализации, области применения и используемых технологий. Практики развития цифровых двойников демонстрируют их растущую популярность в различных отраслях промышленности. Цифровые двойники используются для оптимизации производственных процессов, разработки новых продуктов, управления активами, прогнозирования отказов и других задач.

Однако, несмотря на все преимущества, применение цифровых двойников сопряжено с рядом вызовов, к ним относятся сложность создания и поддержки цифровых двойников, необходимость больших объемов данных, высокая вычислительная мощность и отсутствие единых стандартов.

Понимание ключевых характеристик, разработка типологий и анализ существующих практик использования цифровых двойников предоставляет компаниям возможность более эффективно использовать эти технологии для улучшения своей деятельности и повышения конкурентоспособности. Исследования и разработки в области цифровых двойников будут продолжать играть важную роль в формировании будущих инноваций и обеспечении устойчивого развития. Поэтому дальнейшие исследования и разработки цифровых двойников являются важным шагом на пути к более умному и эффективному миру.

Источники:

1. Концепция технологического развития на период до 2030 года. Утверждена распоряжением Правительства Российской Федерации от 20 мая 2023 г. № 1315-р. [Электронный ресурс]. URL: https://rospatent.gov.ru/content/ uploadfiles/technological-2023.pdf (дата обращения: 18.07.2024).
2. Абрамов В.И., Гордеев В.В., Столяров А.Д. Создание региональных бизнес-экосистем на основе цифровых профилей клиентов и омниканальных коммуникаций // Экономика, предпринимательство и право. – 2023. – № 5. – c. 1521-1540. – doi: 10.18334/epp.13.5.117670.
3. Brossard M., Kamat M., Lajous T., Rowshankish K., Tunas C. Digital twins: When and why to use one. April 30, 2024. [Электронный ресурс]. URL: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/tech-forward/digital-twins-when-and-why-to-use-one? (дата обращения: 18.07.2024).
4. Clark A.S., Schultz E.F. Harris M. What are digital twins? Technical report. Ibm. - 2019. [Электронный ресурс]. URL: https://developer.ibm.com/articles/what-are-digital-twins/ (дата обращения: 23.04.2024).
5. Decoding Digital Twins: Exploring the 6 main applications and their benefits. [Электронный ресурс]. URL: https://iot-analytics.com/6-main-digital-twin-applications-and-their-benefits/ (дата обращения: 18.07.2024).
6. Singh M., Fuenmayor E., Hinchy E.P., Qiao Y., Murray N., Devine D. Digital twin: Origin to future // Appl. Syst. Innov. – 2021. – № 4. – p. 36.
7. Verzelen F., Lacy P., Stacey N. The critical role of virtual twins in accelerating sustainability // Accenture and Dassault Systemes. – 2021. – № 1.
8. Умное производство. Двойники цифровые производства. Элементы визуализации цифровых двойников производства. ПНСТ 428—2020. [Электронный ресурс]. URL: https://normadocs.ru/pnst_428-2020 (дата обращения: 18.07.2024).
9. Rogers E. Diffusion of Innovations, 5th edition. - Free Press, New York, NY, 2003. – 551 p.
10. Schmitt L., Copps D. The Business of Digital Twins // Digital Twin. Springer International Publishing. – 2023.
11. Grieves M. Digital Twin : Manufacturing Excellence through Virtual FactoryReplication. - White Paper, 2014.
12. Millwater H., Ocampo J., Crosby N. Probabilistic methods for risk assessment ofairframe digital twin structures // Eng. Fract. Mech. – 2019. – № 221. – p. 106674.
13. Kusiak A. Smart manufacturing must embrace big data // Nature. – 2017. – № 544. – p. 23–25.
14. Meierhofer J., West S., Rapaccini M., Barbieri C. He Digital Twin as a service enabler: From the service ecosystem to the simulation model. - Lect. Notes Bus. Inf. Process, Springer, 2020. – 347–359 p.
15. Bitton R., Gluck T., Stan O., Inokuchi M., Ohta Y., Yamada Y., Yagyu T.,Elovici Y.,Shabtai A. Deriving a cost-effective digital twin of an ICS to facilitate securityevaluation. , 2018. – 533–554 p.
16. Reifsnider K., Majumdar P. Multiphysics stimulated simulation Digital Twinmethods for fleet management // in: 54th AIAA/ASME/ASCE/AHS/ASC Struct.Struct. Dyn. Mater. Conf, American Institute of Aeronautics and Astronautics.Boston, Massachusetts. - 2013
17. Karve P.M., Guo Y., KapusuzogluB., MahadevanS., HaileM.A. Digital twinapproach for damage-tolerant mission planning under uncertainty // Eng. Fract.Mech. – 2020. – p. 106766.
18. ZhouC., XuJ., Miller-HooksE., ZhouW., ChenC.H., LeeL.H., ChewE.P., LiH. Analytics with digital-twinning: a decision support system for maintaining a resilient port // Decis. Support. Syst. – 2021. – p. 113496.
19. Абрамов В. И., Туйцына А. А. Цифровые двойники - эффективные инструменты цифровой трансформации компании // Управление бизнесом в цифровой экономике: Сборник тезисов выступлений Четвертой международной конференции. / Под общей редакцией И. А. Аренкова, М. К. Ценжарик. – Санкт-Петербург: СПГУПТД. Санкт-Петербург, 2021. – c. 33–39.
20. The Digital Twin What and Why? Crespi N.,Drobot A.T., Minerva R. The Digital Twin What and Why? // N. Crespi et al. (eds.), The Digital Twin. https://doi.org/10.1007/978-3-031-21343-4_1
21. D’Amico R.D., Addepalli S.,Erkoyuncu J.A. Industrial Insights on Digital Twins in Manufacturing: Application Landscape, CurrentPractices, and Future Needs // Big Data Cogn. Comput. – 2023. – p. 126.
22. Абрамов В. И., Абрамов О. В., Поливанов К. В., Семенков К. Ю. Особенности создания цифровых двойников управления логистикой предприятий // Новое в экономической кибернетике. – 2024. – № 2. – c. 52-61.
23. Heluany J.B., Gkioulos V. A review on digital twins for power generation and distribution // International Journal of Information Security. – 2023. – № 2. – p. 1171 – 1195.
24. Deng T., Zhang K., Shen Z-J.M. A systematic review of a digital twin city: a new pattern of urbangovernance toward smart cities // J Manage Sci Eng. – 2021. – p. 125–134.
25. Shishehgarkhaneh B.M.,Keivani A.,Moehler R.C.,Jelodari N.,Roshdi Laleh S. Internet of Things (IoT), Building Information Modeling (BIM), and Digital Twin (DT) in Construction Industry: A Review, Bibliometric, and Network Analysis // Buildings. – 2022. – p. 1503.
26. Grieves M., Vickers J. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems. In: Kahlen, J., Flumerfelt, S., Alves, A. (eds) Transdisciplinary Perspectives on Complex Systems. Springer, Cham. 2017.– Р.85–113 – https://doi.org/10.1007/978-3-319-38756-7_4
27. Jones D., Snider C., Nassehi A., Yon J., Hicks B. Characterising the Digital Twin: A systematic literature review // CIRP Journal of Manufacturing Science and Technology. – 2020. – p. 36-52.
28. Kamble S. S., Gunasekaran A., Parekh H., Mani V., Belhadi A., Sharma R. Digital twin for sustainable manufacturing supply chains: Current trends, future perspectives, and an implementation framework // Technological Forecasting and Social Change. – 2022. – № 176. – p. 121448.
29. Гордеев В. В., Столяров А.Д., Абрамов В. И. Роль цифровых двойников в управлении производством и базовые принципы их создания // Экономика и управление: теория и практика. – 2024. – № 1. – c. 29-39.
30. Столяров А. Д., Гордеев В.В., Абрамов В. И. Методика поиска многокритериальных решений на основе цифровых двойников // Экономика и управление. – 2023. – № 7. – c. 851-858. – doi: 10.35854/1998-1627-2023-7-851-858.
31. Абрамов В. И., Головин О.Л., Столяров А.Д. Методика поиска Парето-оптимальных решений по развитию умных городов на базе их цифровых двойников // Современная экономика: проблемы и решения. – 2021. – № 9(141). – c. 8-15. – doi: 10.17308/meps.2021.9/2666.
32. Столяров А. Д., Гордеев В.В., Абрамов В. И. Цифровые двойники в управлении: отраслевая специфика и практические аспекты создания // Современные наукоемкие технологии. – 2024. – № 7. – c. 9-13.
33. Жарасов Б.С., Абрамов В. И. Цифровые двойники в управлении производством: принципы создания, проблемы внедрения и перспективы развития // Современная экономика: проблемы и решения. – 2024. – № 6. – c. 80-94.
34. Lu H., Guo L., Azimi M., Huang K. Oil and gas 4.0 era: a systematic review and outlook // Computer. – 2019. – № 111. – p. 68–90.
35. A review of digital twin for vehicle predictive maintenance system Wang C., FanI.-S., KingS. A review of digital twin for vehicle predictive maintenance system. // in: 2023 AeroTech, SAE International. – 2023. http: //dx.doi.org/10.4271/2023-01-1024
36. Kajba M., Obrecht M., Ojsteršek T. C. Digital twins for sustainability purposes in logistics industry: a literature review // LogForum. – 2023. – № 19 (4). – p. 611-625.
37. СтоляровА. Д., ФайзуллинаА.М., АбрамовВ. И. Цифровая трансформация логистики предприятия с использованием цифровых двойников // Beneficium. – 2024. – № 2(51). – c. 23–31. – doi: 10.34680/BENEFICIUM.2024.2(51).23-31.
38. Абрамов В. И., Гордеев В. В., Столяров А.Д. Цифровые двойники с использованием агродронов в управлении растениеводством: особенности создания и перспективы // АПК: Экономика, управление. – 2024. – № 4. – c. 37-49.
39. Tebaldi L., Vignali G.,Bottani E. Digital twin in the agri-food supply chain: A literature review. // In Proceedings of the IFIP International Conference on Advances in Production Management Systems, Nantes, France, 5–9 September 2021; Springer: Cham, Switzerland. – 2021. P. 276–283
40. Rashid M. Why Modern Farming Need the Digital Twins, Challenge Advisory, 16 October 2018. [Электронный ресурс]. URL: https://www.challenge.org/ knowledgeitems/why-modern-farming-need-the-digital-twins (дата обращения: 18.07.2024).
41. Абрамов В. И., Громыко А.А. Цифровой двойник умного города как современная тенденция цифровой экономики // Государство и общество России в контексте современных геополитических вызовов: новации, экономика, перспективы: Материалы ХII Всероссийской научно-практической конференции. Чебоксары: ИПК \"Новое время\". Чебоксары, 2021. – c. 215-220.
42. Абрамов В.И., Андреев В.Д. Сравнительный анализ цифровых двойников регионов // Информационное общество. – 2023. – № 4. – c. 106-117.
43. Eirinakis P., Kalaboukas K., Lounis S., Mourtos I., Rožanec J.M., Stojanovic N., Zois G. Enhancing cognition for digital twins // 2020 IEEE International Conference on Engineering, Technology and Innovation (ICE/ITMC). IEEE. 2020. – p. 1–7.
44. Yitmen I., Alizadehsalehi S., Akıner İ., Akıner M.E. An adapted model of cognitive digital twins for building lifecycle management // Applied Sciences. – 2021. – № 11. – p. 4276.
45. Parris C. What is a Digital Twin?. [Электронный ресурс]. URL: https://www.ge.com/digital/blog/what-digital-twin (дата обращения: 18.07.2024).
46. Our manufacturing companies have digital twins. [Электронный ресурс]. URL: https://www.toyota-europe.com/news/2023/our-manufacturing-companies-have-digital-twins (дата обращения: 18.07.2024).
47. Beuzit J. The role of the digital twin in energy operations. [Электронный ресурс]. URL: https://media.plm.automation.siemens.com/simcenter/flipbook-new-8/ei8/the-role (дата обращения: 18.07.2024).
48. We can accelerate the digital transformation of healthcare. [Электронный ресурс]. URL: https://www.philips.com/a-w/about/news/archive/features/2021/20211007-we-can- (дата обращения: 18.07.2024).
49. Digital Twins Have Come Alive in the Supply Chain. [Электронный ресурс]. URL: https://www.dhl.com/us-en/home/supply-chain/insights-and-trends/digital (дата обращения: 18.07.2024).
50. Implementing Digital Twin in Construction: A Complete Guide. [Электронный ресурс]. URL: https://group.skanska.com/ (дата обращения: 18.07.2024).
51. Столяров А.Д., Абрамов А.В., Абрамов В.И. Генеративный искусственный интеллект для инноваций бизнес-моделей: возможности и ограничения // Beneficium. – 2024. – № 3(52). – c. 13-20.

Страница обновлена: 01.12.2024 в 17:57:11

Подробнее об авторах: