Определение, разработка и применение цифровых двойников: подход центра компетенций НТИ СПбПУ

Алексей Боровков и Юрий Рябов (СПбПУ, Инжиниринговый центр СПбПУ) рассказывают о подходе центра компетенций НТИ СПбПУ «Новые производственные технологии» к цифровым двойникам.

Разработка изделий и продукции на основе технологии цифровых двойников позволяет в кратчайшие сроки создавать глобально конкурентоспособную и востребованную высокотехнологичную продукцию, значительно снижать объемы физических и натурных испытаний, которые в традиционном подходе необходимы для «доводки изделия до требуемых характеристик путем большого числа испытаний опытных образцов», что, в целом, в сравнении с традиционными подходами позволяет обеспечивать снижение временных, финансовых и иных ресурсных затрат в разы, в некоторых случаях — в 10 раз и более.

Развитие цифровой экономики (Digital Economy) в современном мире во многом обусловлено эффективной работой со стремительно увеличивающимися большими объемами данных (Big Data), а точнее, с содержательными («умными») данными (Smart Big Data), включая снижение объемов «мусорных» данных и трансакционных издержек, а также повышение прозрачности и наглядности процессов генерации и обработки данных.

Центральное место в экономике по праву занимает материальное производство — высокотехнологичная промышленность, отвечающая, в первую очередь, требованиям высокой производительности труда, экономической эффективности и глобальной конкурентоспособности. Для удовлетворения этим требованиям необходимым и актуальным этапом развития высокотехнологичной промышленности является цифровая трансформация бизнес-процессов и бизнес-моделей, то есть фактически трансформация высокотехнологичной промышленности в цифровую промышленность на основе разработки и применения цифровых двойников (Digital Twin, DT):

  • поведения в различных условиях эксплуатации реальных материалов, объектов, продуктов, изделий, систем, машин, конструкций, оборудования, киберфизических систем на основе семейства взаимоувязанных математических моделей высокого уровня адекватности реальным материалам, объектам и физико-механическим процессам, которые можно описать лишь нестационарными нелинейными дифференциальными уравнениями в частных производных (цифровой двойник 1-го типа, DT-1);
  • разнообразных технологических процессов, с помощью которых создаются реальные материалы и реальные объекты, изделия, продукты и т. д. (например, литейные процессы для металлических изделий, процессы вакуумной инфузии для композитных конструкций, процессы штамповки, металлообработки, сварки, сборки и т. д.), которые представляют собой нестационарные нелинейные процессы, описываемые, как и в случае DT-1, нелинейными нестационарными уравнениями в частных производных (цифровой двойник 2-го типа, DT-2).

Важно отметить, что эти глобальные изменения сопровождаются развитием принципиально новых бизнес-процессов и бизнес-моделей на всех уровнях и, конечно же, изменением корпоративной культуры в компаниях.

Цифровой двойник: ключевые компоненты

Согласно определению Центра компетенций НТИ СПбПУ «Новые производственные технологии», цифровой двойник — это, прежде всего, технология, процесс проектирования, в основе которого лежит разработка и применение семейства сложных мультидисциплинарных математических моделей, описываемых 3D нестационарными нелинейными дифференциальными уравнениями в частных производных [2], с высоким уровнем адекватности:

  • поведению в различных условиях эксплуатации реальных материалов, объектов, систем, машин, конструкций и т. д.;
  • разнообразным технологическим процессам, с помощью которых создаются реальные материалы и реальные объекты, изделия, продукты и т. д.

Кроме того, цифровой двойник — это технология (процесс) создания глобально конкурентоспособной продукции, интегрирующая следующие необходимые ключевые компоненты [1].

Best-in-class («лучшие в своем классе») технологии мирового уровня

Из них путем комплексирования формируется цепочка создания глобально конкурентоспособной продукции, которую представим формулой, используя (для простоты) для операции комплексирования знак операции суммирования:

Подчеркнем, что как только в сумме появится (будет применена) технология, не отвечающая мировому уровню, которая не является лучшей для решения рассматриваемого класса задач, то, понятно, общий уровень продукции, измеряемый по тем или иным характеристикам, снижается — достаточно вспомнить общие концепции о «слабых звеньях в цепи» и «узких местах».

Системный инжиниринг

Системный инжиниринг, отвечая за всю картину в целом, позволяет обеспечивать и контролировать выполнение требований к продукции на протяжении всего жизненного цикла изделия, системы и т. д.

Следовательно, необходимы подходы и методы, которые позволят в каждый момент времени в процессе разработки «держать в поле зрения» всю систему и все ее взаимодействующие между собой (или — друг с другом) подсистемы, компоненты, узлы и т. д.

Это особенно важно, поскольку известно, что в конечном итоге уровень конкурентоспособности изделия, системы и т. д. определяется наиболее «слабыми» компонентами (опять-таки вспомним концепцию «слабого звена» — «общая сила цепи определяется ее слабейшим звеном»), а не компонентами, которые спроектированы или произведены на мировом уровне.

Многоуровневая матрица MDT требований, целевых показателей и ресурсных ограничений

Многоуровневая матрица MDT требований, целевых показателей и ресурсных (временных, финансовых, технологических, производственных, экологических и т. д.) ограничений — ключевой элемент технологии разработки цифрового двойника.

Эта матрица целевых показателей предназначена для обеспечения рациональной «балансировки» большого количества (несколько тысяч или десятков тысяч) целевых характеристик как объекта в целом, так и его компонентов в отдельности, которые, как правило, «конфликтуют» между собой:

  • как на одном уровне, так и на разных уровнях описания системы,
  • как на одном этапе, так и на разных этапах жизненного цикла.

Более того, нужно не только достичь целевых характеристик, но и удовлетворить множеству ресурсных ограничений.

Рис. 1. К формированию матрицы целевых показателей и ресурсных ограничений

Матрица целевых показателей должна обеспечивать возможность не только отслеживать взаимное влияние компонентов или нарушение тех или иных ограничений, но и позволять в кратчайшие сроки вносить необходимые изменения и уточнения — осуществлять оперативное «управление требованиями и изменениями» в процессе реализации проекта. По мере каскадирования и декомпозиции целевых показателей и ограничений происходит наполнение и последовательное формирование матрицы целевых показателей — как правило, сверху вниз, в соответствии с концепцией «нисходящего проектирования» (см. рис. 1).

Последующая итерационная рациональная балансировка основана на повышении адекватности описания объекта (системы, машины, конструкции и т. д.) на разных этапах жизненного цикла семейством взаимоувязанных мультидисциплинарных математических моделей. В результате, после проведения физических (натурных и т. д.) испытаний и достижения высокого уровня соответствия данным испытаний мы получаем матрицу MDT (*), которая соответствует цифровому двойнику объекта (системы, машины, конструкции и т. д.) и для которой характерны рациональная балансировка конфликтующих целевых показателей и удовлетворение ресурсным ограничениям.

Для разработки полноценного цифрового двойника на основе семейства мультидисциплинарных математических моделей высокого уровня адекватности принципиально важным и обязательным является этап валидации (Validation) — процесс определения степени соответствия (уровня адекватности) математических (численных, компьютерных и т. д.) моделей реальным объектам (системам, машинам, конструкциям и т. д.) и реальным физико-механическим (технологическим и т. д.) процессам на основе достоверных данных физических или натурных испытаний.

Виртуальные испытания, виртуальные стенды и виртуальные полигоны

В процессе разработки полномасштабного цифрового двойника сложных объектов, систем, машин, конструкций и т. д. необходимо выполнить, как правило, десятки тысяч виртуальных испытаний материалов, узлов, компонентов, подсистем и систем, причем, как показывает опыт, количество виртуальных испытаний примерно соответствует количеству целевых показателей и ограничений, представленных в матрице MDT (Nм).

Для проведения виртуальных испытаний и получения достоверных результатов необходимы разработка и применение высокоадекватных виртуальных аналогов всего применяемого испытательного оборудования, испытательных стендов и полигонов, которые применяются при проведении физических и натурных испытаний — семейства виртуальных испытательных стендов и виртуальных испытательных полигонов.

Полученное в результате применения всех вышеперечисленных подходов, методов и технологий семейство высокоадекватных мультидисциплинарных математических моделей позволяет обеспечить отличие между результатами виртуальных испытаний и физических или натурных испытаний в пределах ±5% или меньше.

Цифровой двойник — основа цифровой трансформации бизнес-процессов и бизнес-моделей

В соответствии с определением Центра компетенций НТИ СПбПУ «Новые производственные технологии», цифровой двойник объекта, продукта, изделия, системы, машины, конструкции и т. д. (Digital Twin, DT-1) содержит следующие компоненты:

  • DT-1.0. Семейство best-in-class технологий мирового уровня T_i^WL i = l, n.
  • DT-1.1. Семейство матриц целевых показателей, требований и ресурсных ограничений { MDT : MDT(0), MDT(1), … , MDT(Nм) }.
  • DT-1.2. Семейство взаимоувязанных высокоадекватных валидированных мультидисциплинарных математических моделей { ММ : ММ(1), ММ(2), …, ММ(Nмм) }.
  • DT-1.3. Множество виртуальных испытаний { ВИ : ВИ(1), ВИ(2), …, ВИ(Nви) }.
  • DT-1.4. Множество виртуальных стендов { ВИC : ВИC(1), ВИC(2), …, ВИC(Nвиc) }.
  • DT-1.5. Множество виртуальных полигонов { ВИП : ВИП(1), ВИП(2), …, ВИП(Nвип) }.

Все эти компоненты участвуют в процессе разработки цифрового двойника и необходимы для обеспечения:

  • рационального выбора весовых коэффициентов α_i (2), определяющих вклад i-ой best-in-class технологии мирового уровня T_i^WL в разработку цифрового двойника объекта (системы, машины, конструкции и т. д.);
  • глобальной (для всей системы) и локальной (для подсистем, компонентов, деталей и т. д.) рациональной балансировки конфликтующих между собой целевых показателей и ресурсных ограничений.

Это нужно для получения сбалансированной матрицы целевых показателей и ресурсных ограничений MDT(*).

Именно такое комплексное определение позволяет говорить о новой парадигме проектирования, которая делает процесс проектирования полностью прозрачным, принятие решений — обоснованным (например, на основе большого количества виртуальных испытаний) и полностью задокументированным, при этом значительно снижая многочисленные и разнообразные коммуникационные и трансакционные издержки.

Рис. 2. Сравнение традиционного и передового подхода к проектированию

Кроме того, за счет новой парадигмы проектирования становится возможным уйти от традиционной ситуации, когда число изменений изделия (в силу допущенных ошибок или полученных новых, ранее не учтенных сведений, в первую очередь — сведений о поведении опытного образца, полученных по итогам многочисленных и дорогостоящих натурных испытаний) и, соответственно, возрастающие затраты на их внесение распределяются на протяжении всего жизненного цикла разработки — от стадии проектирования до начала серийного производства (известно, что чем позже вносятся изменения, тем большие издержки несет компания). В итоге становится принципиально возможным сосредоточить основную долю изменений и затрат на стадии проектирования, тем самым значительно минимизировать общий объем затрат, сократить издержки и обеспечить создание наукоемких высокотехнологичных изделий нового поколения в кратчайшие сроки (см. рис. 2) [2].

Наконец, новый процесс проектирования, как правило, одновременно происходит по нескольким, в некоторых случаях — по десяткам траекторий проектирования, причем, и это принципиально важно, во-первых, чтобы процесс проектирования по нескольким траекториям происходил бы без увеличения длительности и стоимости выполнения проекта, обеспечивая его эволюцию как непрерывного процесса прохождения множества «ворот качества» (Quality Gates) для каждой из траекторий проектирования; а во-вторых, из всего множества траекторий в результате проектирования несколько траекторий, приводят к результатам, которые все удовлетворяют требованиям технического задания, а потому возникает важный вопрос: какое же из решений, принадлежащих подмножеству траекторий следует материализовать, то есть взять за основу для реализации или изготовления? Это позволяет в дальнейшем серьезно задуматься об изменении и усовершенствовании бизнес-модели, выводя на рынок, в зависимости от конъюнктуры рынка, необходимое решение, оставляя другие решения, другие цифровые двойники «в засаде» или на будущее. Во многих случаях большой вклад в повышение уровня адекватности математических моделей вносит учет данных о технологических процессах изготовления деталей и т. д. — например, литье металлических изделий, штамповка, сварка, сборка и т. д.; фактически важен учет «предварительного» напряженно-деформированного состояния, утонения, коробления и т. д. деталей после технологических процессов; наконец, изготовление композиционных материалов и формирование композитных структур, например методом вакуумной инфузии [2].

Соответственно, семейство высокоадекватных мультидисциплинарных математических моделей технологических процессов, применяемых для изготовления продукции, а также сопутствующих виртуальных испытаний, виртуальных стендов, виртуальных полигонов Центр компетенций НТИ СПбПУ «Новые производственные технологии» называет цифровым двойником технологических процессов (Digital Twin, DT-2). Комплексирование цифрового двойника объекта и т. д. (DT-1) и цифрового двойника технологических процессов (DT-2) в рамках единой полномасштабной цифровой модели позволяет сформировать умный цифровой двойник 1-го уровня (Smart Digital Twin, SDT(1)), который обладает «генетической памятью», то есть «знает» и «помнит» как его «изготавливали» и в какой последовательности его «собирали».

Применение SDT(1) позволяет организовать процесс «цифровой сертификации» — специализированный бизнес-процесс, основанный на тысячах и десятках тысяч виртуальных испытаний как отдельных компонентов, так и всей системы в целом, целью которого является прохождение с первого раза всего комплекса натурных, сертификационных, рейтинговых и прочих испытаний [3].

Подчеркнем, что DT-1 и еще в большей степени SDT, дают четкое представление о расположении критических зон в конструкции, в которых имеет смысл размещать те или иные датчики (акселерометры, тензометры, датчики температуры, давления и т. д.), то есть отвечает на важные вопросы: «где измерять?» и «что измерять?» [4] — и позволяет сформировать умные большие данные (Smart Big Data) и умную цифровую тень (Smart Digital Shadow, SDS) в отличие от Big Data и цифровой тени (Digital Shadow, DS), которая, как правило, формируется по цепочке: датчики — промышленный интернет (IIoT) — Big Data.

Понятно, что объем Big Data значительно больше объема Smart Big Data, содержит, как правило, очень много «мусорных» данных и, что самое интересное, вообще может не содержать Smart Big Data, то есть содержательных данных, обладающих высоком уровнем информационной насыщенности. Это принципиально важные достоинства полномасштабных умных цифровых двойников и умных цифровых теней, которые позволяют:

  • радикально сократить число требуемых датчиков и получаемый объем больших данных (как правило, потоковых данных),
  • значительно сократить или полностью исключить «мусорные данные», формируя «содержательные данные» — полные и достоверные данные, отличающиеся информационной насыщенностью («Вы сразу же добываете обогащенную руду», по меткому выражению профессора А. А. Аузана, декана экономического факультета МГУ им. М. В. Ломоносова), что является характерным признаком внутреннего обогащения данных,
  • увеличить скорость обработки данных и внесения необходимых изменений в SDT(1) для его трансформации в «умный» цифровой двойник второго уровня SDT(2).

В дальнейшем по мере эксплуатации объекта (системы и т. д.) происходит постоянное «обучение» цифрового двойника:

  • как в соответствии с изменениями, происходящими на протяжении жизненного цикла реального объекта (например, умный цифровой двойник объекта и т. д. SDТ(1) — цифровой двойник становится в процессе эксплуатации еще «умнее» — SDТ(2), если он учитывает особенности произведенных ремонтов, которые, безусловно, изменяют остаточный ресурс объекта и т. д.),
  • так и по результатам математического моделирования (виртуальных испытаний) ситуаций, в которых реальный объект не эксплуатировался или испытания провести невозможно, в первую очередь, в соответствии с соображениями безопасности или чрезмерной дороговизны.

В итоге формируется семейство цифровых двойников: { DT-1, DT-2, SDT(1), SDT(2), …, SDT(Nsdt) }.

Дополнительная информация, полученная на этапе эксплуатации, а затем учтенная в цифровом двойнике, естественно, повышает уровень адекватности цифрового двойника — «обучает» SDT: SDT(1), SDT(2), …, SDT(Nsdt) — и позволяет в дальнейшем моделировать с его помощью различные возможные и «непредвиденные» ситуации и эксплуатационные режимы. Например, позволяет оценивать уровень возможных повреждений, накопление и развитие повреждений, оценивать фактически выработанный ресурс и оценивать остаточный ресурс, осуществлять планирование и управление обслуживанием и ремонтами высокотехнологичного оборудования.

Заключение

С помощью разработанных «цифровых двойников, сидящих в засаде» (А. И. Боровков), компании-лидеры мировых высокотехнологичных рынков обеспечивают, в трактовке А. А. Аузана, «гарантированное зарезервированное развитие», выводя на рынок последовательно, по мере необходимости, в зависимости от складывающейся конъюнктуры рынка, решения из подмножества траекторий, каждому из которых соответствует свой цифровой двойник из семейства DT-1 или умный цифровой двойник из семейства SDT.

Производство («материализация цифрового двойника») и поставка продукции с конкурентными характеристиками реализуется в кратчайшие сроки — вспомним, что на этапе проектирования уже учтены все особенности и ограничения технологических и производственных процессов конкретного предприятия.

Принципиально важно понимать, что в данном случае физический объект является репликой (полномасштабной копией) цифрового объекта (цифрового двойника DT-1 или SDT(1)), а не наоборот, как это принято считать, значительно упрощая ситуацию и сокращая возможности для высокотехнологичного бизнеса, подстраивая технологию-драйвер под свое понимание.

Понятно, что когда физический объект «вышел» на этап эксплуатации, то на этап эксплуатации «вышел» и цифровой двойник (DT-1 или SDT(1)), а к процессу эксплуатации подключаются цифровые тени (DS или SDS), формируя множественные обратные связи (см. рис. 3):

  • на этапе эксплуатации — для оптимизации процесса с учетом различных режимов эксплуатации,
  • на этап производства — для оптимизации производства, в первую очередь, критических компонентов, подсистем, агрегатов и т. д.,
  • в начало процесса перепроектирования критических узлов или проектирования высокотехнологичной продукции нового поколения с учетом опыта эксплуатации, технического обслуживания и ремонтов — самая важная связь.
Рис. 3. Семейство физических и математических моделей. Цифровой двойник, умный цифровой двойник, цифровая тень

Итак, в зависимости от возникающей конъюнктуры на высокотехнологичных рынках (в первую очередь, автомобилестроения, авиастроения и космической отрасли, судостроения, двигателестроения, нефтегазового машиностроения и других отраслей машиностроения), поставка продукции высокотехнологичными компаниями — мировыми лидерами осуществляется в рамках реализации современной триады: технологический прорыв — технологический отрыв — технологическое лидерство (превосходство), — для реализации которой играют ключевую и определяющую роль семейства цифровых двойников и цифровых теней { DT-1, DT-2, SDT(1), SDS(1), SDT(2), SDS(2), SDT(3), … }.

Литература

  1. Цифровые двойники в высокотехнологичной промышленности. Краткий доклад (сентябрь 2019 года) / А.И. Боровков, А.А. Гамзикова, К.В. Кукушкин, Ю.А. Рябов. СПб.: Политех-пресс, 2019. 62 с.
  2. Боровков А.И., Рябов Ю.А., Марусева В.М. Новая парадигма цифрового проектирования и моделирования глобально конкурентоспособной продукции нового поколения // Цифровое производство: методы, экосистемы, технологии / МШУ СКОЛКОВО. 2018. С. 24–44. http://assets.fea.ru/uploads/fea/news/2018/04_april/12/cifrovoe-proizvodstvo-032018.pdf.
  3. Цифровые двойники и цифровая трансформация предприятий ОПК / А.И. Боровков, Ю.А. Рябов, К.В. Кукушкин, В.М. Марусева, В.Ю. Кулемин // Оборонная техника. 2018. № 1. С. 6–33. http://assets.fea.ru/uploads/fea/news/2018/05_may/17/oboronnaya-technika.pdf.
  4. Боровков А.И., Рябов Ю.А. Цифровые двойники: определение, подходы и методы разработки // Цифровая трансформация экономики и промышленности: сборник трудов научно-практической конференции, 20–22 июня 2019 г. / под ред. А.В. Бабкина. СПб.: ПОЛИТЕХ-ПРЕСС, 2019. С. 234–245. http://assets.fea.ru/uploads/fea/news/2019/06_june/24/INPROM_Cifrovye_dvoyniki.pdf.

Статья подготовлена на основе краткого доклада «Цифровые двойники в высокотехнологичной промышленности», представленного в рамках I Всероссийского форума «Новые производственные технологии», состоявшегося 3–4 октября 2019 года в СПбПУ.

Блог компании PLC Technology

(close)

 

Блог компании PLC Technology

(close)

Имя пользователя должно состоять по меньшей мере из 4 символов

Внимательно проверьте адрес электронной почты

Пароль должен состоять по меньшей мере из 6 символов

 

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: