Как цифровые двойники повышают уровень интеллекта в производстве металлов

хафакот/iStock/Getty Images Plus

Представьте себе, что менеджер завода приходит утром, открывает ноутбук или приложение для телефона и спрашивает: «На что мне сегодня следует обратить внимание?» В этом случае в системе возникнут потенциальные проблемы. Машина неожиданно вышла из строя. Работа предыдущей смены заняла больше времени, чем ожидалось. Возможно, в отделе не хватает нескольких человек. Система предлагает изменения, а руководитель завода их принимает или корректирует по мере необходимости.

Такой сценарий не является научной фантастикой. Фактически, технология может стать реальной уже в следующем году. На момент написания этой статьи компания Ultisim, базирующаяся в Чапел-Хилл, Северная Каролина, специализирующаяся на цифровых двойниках, работает с производителем над разработкой такой системы, объединяющей данные от машин, платформ планирования ресурсов предприятия и множества других источников. Он использует интерфейс модели большого языка, похожий на тот, который прославился благодаря ChatGPT, но ориентирован на решение проблем, с которыми сталкиваются производители.

«Каждый заказ, который [этот производитель] получает, индивидуален», — сказал Ричард Бойд, генеральный директор Ultisim и ее дочерней компании Tanjo, которая специализируется на алгоритмических строительных блоках машинного обучения и искусственного интеллекта (ИИ). «Все это разнообразие делает работу сложной и интересной. Если мы решим их проблемы, нам будет гораздо легче решать другие проблемы».

Такие модели с большим ассортиментом продукции относятся к сфере изготовления металлических изделий на заказ, и это одна из причин, по которой Бойд планирует вывести свое решение на этот рынок (он выступит в сентябре в Чикаго на конференции FABTECH). В большинстве специализированных фабрик каждая работа может иметь определенный маршрут через определенные потоки создания ценности; машины; или технологически ориентированные отделы, такие как резка, гибка, метизы, сварка, порошковая окраска и сборка; с (в зависимости от маршрутизации задания) множеством второстепенных операций, разбросанных между ними.

Каждый в организации может видеть цифрового двойника через то, что Бойд назвал «линзами», адаптированными для конкретных людей и должностных функций. У кого-то в сфере финансов будет другая точка зрения, чем у кого-то из отдела продаж, планирования или планирования производства.

Более того, данные, из которых строится двойник, не будут перемещены из исходного местоположения. «Нам не нужно одно большое озеро данных», — сказал Бойд, добавив, что система может извлекать то, что ей нужно, и «оставлять данные там, где они есть». Меньше всего компания хочет копировать данные в центральное место, поскольку копирование дает вам несколько версий одних и тех же данных и приводит к разного рода ненужным сложностям.

Чтобы все это произошло, требуется несколько ключевых ингредиентов, первым из которых являются оцифрованные данные. Да, у большинства производителей есть современные машины, которые собирают большое количество данных, но они, вероятно, все еще полагаются на старые, простые машины в некоторых отделах. Старое железо умирает с трудом, и с механической точки зрения оно по-прежнему хорошо справляется со своей задачей. Однако им потребуются дополнительные датчики для оцифровки того, что они делают (сколько ударов, футов или деталей в минуту или час для той или иной работы), но на самом деле это не является проблемой, особенно сейчас.

«У нас произошла революция в области датчиков», — сказал Бойд, добавив, что некоторые типы датчиков сейчас печатаются — не на 3D-принтерах, а с помощью относительно древней матричной технологии. Даже оптические датчики недороги, поэтому установка их на старые машины больше не является экономическим или даже техническим препятствием.

Препятствием, как объяснил Бойд, стало то, что он назвал «темными данными». Сюда входят данные, хранящиеся в изолированном программном обеспечении, не используемые совместно и недостаточно используемые. Бойд годами работал с компаниями из различных отраслей, в том числе с оборонными контрактами, которые требовали полностью прозрачных интерфейсов протоколов приложений (API). Это преобразует скрытые данные в полезную информацию. Информация, по словам Бойда, — это «данные в состоянии покоя» или «данные в движении», которым присвоены цифровые метатеги для использования ИИ и машинного обучения.

Множество организаций используют на разных объектах мешанину различных систем, приобретенных за долгие годы. Производители, конечно, известны этим, но то же самое можно сказать и о многих других отраслях. «В больницах, например, люди покупают все эти неинтегрированные системы, которые иногда даже не согласовывают время и не делятся данными», — сказал Бойд.