Цифровые модели помогают проектировать машины, здания и производственные процессы. Виртуальный двойник позволяет сопоставлять такую модель с данными о настоящем объекте: отслеживать его состояние, проверять разные сценарии работы и прогнозировать изменения.
Цифровой двойник простыми словами
Например, для промышленного станка создают модель, которая получает данные с датчиков. С её помощью следят за работой оборудования, замечают отклонения и оценивают, что произойдёт при изменении настроек. При этом виртуальная копия не всегда повторяет объект во всех деталях и работает в реальном времени. Его устройство и частота обновления зависят от того, для чего он нужен.
Общего определения цифрового двойника, которое подходило бы для всех отраслей, пока нет. В зависимости от задачи такую модель используют для мониторинга, диагностики, прогнозирования, оптимизации и поддержки принятия решений.
Откуда появился термин
Современную концепцию цифрового двойника обычно связывают с инженером и исследователем Майклом Гривсом. В 2002 году он описал подход к управлению жизненным циклом продукта: физический объект, его виртуальное представление и обмен данными между ними. Позже Гривс называл эту концепцию Mirrored Spaces Model и Information Mirroring Model — «моделью зеркальных пространств».
Сам термин «цифровой двойник» появился позже. NASA связывает его с Джоном Виккерсом: в 2010 году он использовал это название в технологической дорожной карте организации. Впоследствии термин закрепился в инженерной и научной литературе.
Как работает цифровой двойник
В основе цифрового двойника три компонента:
- реальный объект или система;
- виртуальная модель;
- связь между ними через данные.
Информация может поступать от датчиков, систем управления, устройств Интернета вещей, медицинского оборудования, сканеров и других источников.
Упрощённо процесс выглядит так:
- Реальный объект передаёт данные о своём состоянии.
- Данные поступают в цифровую модель.
- Та, в свою очередь, анализирует состояние объекта и при необходимости моделирует разные сценарии.
- Результаты помогают человеку или автоматизированной системе принять решение.
- В некоторых системах команда управления передаётся обратно объекту.
Двусторонний обмен данными не является обязательным для каждого цифрового двойника. Частота обновления тоже зависит от задачи: информация может поступать непрерывно, периодически или после определённых событий.
В стандарте ISO 23247 цифровой двойник в производстве — это виртуальное представление наблюдаемого производственного элемента, синхронизированное с ним подходящим для задачи способом. Синхронизация может происходить по времени или в ответ на определённые события.
Откуда берутся данные
Цифровой двойник обновляет свою модель на основе данных о реальном объекте. Источники зависят от того, что моделируют. Для промышленного оборудования это могут быть показания датчиков: температура, давление, вибрация, положение деталей и другие параметры. В систему также могут поступать данные от контроллеров и устройств промышленного Интернета вещей, результаты измерений и история работы оборудования.
Частота обновления зависит от задачи. Если цифровой двойник нужен для наблюдения за состоянием оборудования, данные могут поступать почти в реальном времени. Для анализа долгосрочных изменений или планирования обслуживания достаточно периодических обновлений или данных, полученных после определённого события. Хранить и обрабатывать информацию можно в облаке или ближе к самому оборудованию — на периферийных устройствах. Такая обработка позволяет сократить задержку.
Как искусственный интеллект помогает цифровому двойнику
Цифровой двойник может использовать машинное обучение и другие методы анализа данных. Они помогают находить закономерности, обнаруживать отклонения и прогнозировать поведение системы. Например, модель может анализировать данные станка и находить признаки возможной неисправности. Это позволяет заранее запланировать техническое обслуживание.
Но точность прогноза зависит от качества данных, используемой модели и условий эксплуатации. NIST относит к основным задачам цифровых двойников мониторинг состояния, обнаружение аномалий, прогнозирование, оптимизацию и поддержку принятия решений.
А при чём здесь VR и AR
Цифровой двойник может работать вместе с технологиями виртуальной и дополненной реальности. Например, инженер может увидеть трёхмерную модель оборудования и вывести поверх изображения информацию о температуре, состоянии деталей или результатах диагностики. Модель может работать без технологий виртуальной или дополненной реальности.
Где применяются цифровые двойники
Цифровые двойники используют в промышленности, строительстве, энергетике, транспорте, городском планировании и других областях. При этом степень развития технологии различается: в некоторых сферах есть практические применения, а другие сценарии пока в основном исследуются.
Цифровой двойник в промышленности
Модель станка, производственной линии или другого оборудования помогает анализировать работу системы, оценивать изменения и планировать техническое обслуживание. Например, перед сменой производственного процесса специалисты могут сначала проверить сценарий в виртуальной модели. Это позволяет оценить возможные последствия, не проводя каждый эксперимент на настоящем оборудовании.
Цифровые двойники также используют при планировании производства и виртуальном вводе оборудования в эксплуатацию. Экономический эффект зависит от системы: на него влияют стоимость внедрения, качество данных, особенности производства и то, насколько хорошо модель помогает решать практические задачи.
Цифровой двойник пациента в медицине
Термин «цифровой двойник пациента» используют для разных компьютерных моделей пациента, его органа или биологической системы. Для таких моделей используют медицинские снимки, результаты анализов, данные из медицинских карт, информацию с носимых устройств и другие сведения о здоровье.
Модель может помогать изучать болезни, оценивать действие лечения и прогнозировать изменения состояния пациента. Такие системы пока в основном находятся на стадии исследований: в обзоре 2024 года 98% рассмотренных разработок находились на доклинических этапах.
Цифровой двойник города
В городском планировании цифровые двойники могут объединять данные о зданиях, дорогах, транспорте, инженерных сетях и других объектах инфраструктуры. Такая модель помогает анализировать городские системы и проверять разные сценарии. Например, можно оценить, как изменение дорожной инфраструктуры повлияет на транспортные потоки, или сравнить варианты размещения нового объекта.
Такая модель не всегда включает весь город. Можно создать отдельные модели здания, дороги, транспортной системы или инженерной сети и затем связать их между собой.
Чем цифровой двойник отличается от 3D-модели
Это понятие легко спутать с 3D-моделью, CAD-системой или компьютерной симуляцией. Они могут использоваться внутри одной системы, но цифровым двойником не являются. Различие в следующем:
- 3D-модель описывает форму и свойства объекта. Она может быть подробной и параметрической, но не обязана получать данные от реального объекта.
- Симуляция показывает, как система может вести себя при определённых условиях. Она может работать с виртуальным объектом и не иметь постоянной связи с физическим.
- Цифровой двойник связан с настоящим объектом или системой через данные. В зависимости от устройства он может использовать их для мониторинга, диагностики, прогнозирования, оптимизации или поддержки принятия решений.
Какие специалисты создают цифровые двойники
Для создания цифрового двойника обычно нужна команда специалистов из разных областей. В проекте могут участвовать:
- инженеры;
- разработчики программного обеспечения;
- специалисты по данным;
- инженеры по машинному обучению;
- специалисты по моделированию и симуляции;
- инженеры по промышленному Интернету вещей;
- специалисты по 3D-визуализации.
Набор специалистов зависит от проекта. Для промышленной системы важны знания в инженерии, автоматизации и системах управления. Для медицинской — работа с медицинскими данными и биомоделированием. Для городской модели — геоданные, картография и инфраструктурные системы.
Что изучать, если интересны цифровые двойники
Начать можно с одной базовой области, а затем постепенно освоить смежные навыки. Выбор зависит от того, с какими цифровыми двойниками хочется работать.
Если тебе интересны данные и машинное обучение, пригодятся программирование, статистика и Python. Для инженерных задач важны математика, физика, моделирование и автоматизация. Если больше нравится визуальная часть, стоит изучать 3D-моделирование и XR-технологии. Для работы с промышленными системами понадобятся знания в области IoT, систем управления и промышленной автоматизации.
Изучать все эти направления сразу не нужно. Проще выбрать область, которая ближе по интересам, и постепенно дополнять её нужными навыками.
Какие есть риски
Цифровые двойники работают с большим количеством данных, поэтому важны их качество, точность и безопасность. В медицине персонализированная модель может использовать результаты обследований, данные о состоянии здоровья и информацию с носимых устройств. Нужно контролировать, кто получает доступ к этим данным, где они хранятся и как защищаются.
Есть и технические риски. Поэтому цифровой двойник нужно проверять: важно убедиться, что его модель и результаты достаточно точно описывают реальную систему. В промышленности это может привести к неправильной диагностике оборудования. В медицинских системах ошибки потенциально могут иметь более серьёзные последствия, поэтому такие модели требуют проверки и валидации.
Отдельная проблема — совместимость разных систем. Оборудование, программы и базы данных могут использовать разные форматы и правила обмена информацией, поэтому объединить их в одну систему бывает сложно.
Главное о цифровых двойниках
Технологию уже применяют в промышленности, а в медицине, городском планировании и других областях её продолжают развивать. Для работы с цифровыми двойниками нужны знания из разных областей: программирования, инженерии, анализа данных и моделирования.
Если тебе интересно это направление, начни с математики и программирования. Освой Python и основы работы с данными, а затем выбери специализацию: машинное обучение, инженерное моделирование, промышленную автоматизацию, IoT или 3D-моделирование. В вузе для этого подойдут направления, связанные с программированием, прикладной математикой, инженерией и автоматизацией.
