เมื่อปริมาณข้อมูลที่เรามีเพิ่มขึ้น ปริมาณข้อมูลที่เป็นประโยชน์ที่เราสามารถใช้ในการตัดสินใจที่สำคัญในโลกแห่งความเป็นจริงก็เพิ่มขึ้นเช่นกัน ข้อมูลสรุป แบบจำลอง และการจำลองจุดข้อมูลจะเป็นตัวช่วยในการตัดสินใจเหล่านี้ ในยุคของ Big Data tขั้นตอนต่อไปของเขาคือแนวคิดของฝาแฝดดิจิทัล
แฝดดิจิตอลเป็นตัวแทนเสมือนของวัตถุหรือกระบวนการทางกายภาพบางอย่าง สิ่งเหล่านี้คือการจำลองที่สามารถคาดการณ์ได้ว่าวัตถุหรือบริการเฉพาะจะทำงานอย่างไรในโลกแห่งความเป็นจริง
อุตสาหกรรมต่างๆ ได้เริ่มมองหาการนำผลิตภัณฑ์และบริการคู่แฝดดิจิทัลไปใช้เพื่อปรับปรุงทุกอย่าง
มาดูประวัติของฝาแฝดดิจิทัลกัน และความแตกต่างจากการจำลองที่ใช้กันมากที่สุดในปัจจุบันนี้เป็นอย่างไร นอกจากนี้ เราจะพิจารณาว่าฝาแฝดดิจิทัลสามารถปฏิวัติอุตสาหกรรมต่างๆ ได้อย่างไร ตั้งแต่การดูแลสุขภาพ ไปจนถึงการผลิต หรือแม้แต่เมืองทั้งเมือง
Digital Twin คืออะไร?
ประวัติศาสตร์
คำว่า "แฝดดิจิตอล" ปรากฏขึ้นครั้งแรกในเอกสารของ NASA ในปี 2010 แฝดดิจิตอลได้รับการอธิบายว่าเป็น "การจำลองความน่าจะเป็นหลายระดับและหลายฟิสิกส์แบบบูรณาการของยานพาหนะหรือระบบที่ใช้แบบจำลองทางกายภาพที่ดีที่สุดที่มีอยู่ การอัปเดตเซ็นเซอร์ ประวัติกองเรือ ฯลฯ เพื่อสะท้อนชีวิตของแฝดบินของมัน”
เทคโนโลยีนี้เป็นแรงบันดาลใจให้กองทัพอากาศสหรัฐฯ ซึ่งใช้ ฝาแฝดดิจิตอล ของเฟรมเครื่องบินของเครื่องบินเพื่อทำนายความล้าและความเสียหาย พวกเขาเรียกเทคโนโลยีนี้ว่า Airframe Digital Twin และมีวัตถุประสงค์เพื่อทำหน้าที่เป็นเซ็นเซอร์ตรวจสุขภาพเสมือนจริงตลอดวงจรชีวิตของเครื่องบินแต่ละลำ
ดิจิตอลทวิน vs รุ่น
ลักษณะสำคัญของแฝดดิจิทัลคือฝาแฝดต้องมีวัตถุที่สอดคล้องกันในโลกแห่งความเป็นจริง ฝาแฝดดิจิทัลเป็นมากกว่าแค่พิมพ์เขียวหรือแผนผัง
คำจำกัดความสมัยใหม่ของดิจิทัลทวินถือว่าดีที่สุดที่โมเดลดิจิทัลและวัตถุที่จับต้องได้เกิดขึ้นพร้อมกัน ฝาแฝดเหล่านี้ "เติบโต" ไปด้วยกันเมื่อเวลาผ่านไป
แนวทางการผลิตดิจิทัลทวินจะเกี่ยวข้องกับดิจิทัลทวินแม้จะผ่านขั้นตอนต้นแบบไปแล้วก็ตาม ข้อมูลที่ดึงมาจากต้นแบบสามารถนำไปใช้ในการปรับปรุงดิจิตอลทวิน โมเดลที่ปรับปรุงแล้วสามารถคาดการณ์ประสิทธิภาพของต้นแบบในอนาคตได้
ลักษณะของฝาแฝดดิจิตอล
- การเชื่อมต่อ
แฝดดิจิตอลต้องมีการเชื่อมต่อ ความสัมพันธ์ระหว่างฝาแฝดดิจิทัลและคู่ชีวิตจริงต้องการการไหลของข้อมูลที่เชื่อถือได้ เทคโนโลยีดิจิทัลทวินสามารถใช้ Internet of Things (IoT) และ Machine Learning (ML) เพื่อวิเคราะห์ข้อมูลที่มาจากเซ็นเซอร์จากหลายแหล่งอย่างต่อเนื่อง - การทำให้เป็นเนื้อเดียวกัน
เนื่องจากความสามารถในการคำนวณที่เพิ่มขึ้น ขณะนี้เราจึงสามารถตระหนักถึงการทำให้เป็นเนื้อเดียวกันของข้อมูลที่มาจากแหล่งต่างๆ ได้ใกล้เคียงกัน และเนื่องจากข้อมูลที่จำเป็นทั้งหมดถูกบันทึกไว้ในเอนทิตีเดียว จึงสามารถแชร์ได้ง่ายขึ้นมาก - การเขียนโปรแกรมซ้ำได้
เทคโนโลยีดิจิตอลทวินช่วยให้เราสามารถตั้งโปรแกรมบริการและผลิตภัณฑ์ใหม่โดยอิงตามคำติชมในแบบเรียลไทม์ การใช้ ML ทำให้เราสามารถมีฝาแฝดดิจิทัลที่ฉลาดยิ่งขึ้นในการตัดสินใจเมื่อมีการรวบรวมข้อมูลมากขึ้น - modularity
ระบบขนาดใหญ่และซับซ้อนที่บันทึกโดยใช้เทคโนโลยีดิจิตอลทวินได้รับประโยชน์จากความเป็นโมดูลของการออกแบบ DT สามารถช่วยให้ผู้ผลิตสามารถค้นหาว่าส่วนประกอบใดในอุปกรณ์มีประสิทธิภาพต่ำกว่ามาตรฐาน
แอพพลิเคชั่นดิจิตอลทวิน
ฝาแฝดดิจิตอลสามารถใช้ได้กับเกือบทุกอุตสาหกรรม โมเดลที่ทรงพลังดังกล่าวสามารถปรับปรุงการออกแบบ การผลิต และขั้นตอนการทำงานของผลิตภัณฑ์หรือบริการเฉพาะ ต่อไปนี้คือตัวอย่างบางส่วนของวิธีที่เทคโนโลยีดิจิทัลทวินสามารถนำไปใช้กับบางภาคส่วนได้
1. การบิน
การใช้คู่แฝดดิจิทัล บริษัทต่างๆ สามารถมีรอยเท้าดิจิทัลของไลฟ์สไตล์ทั้งหมดของผลิตภัณฑ์ ตั้งแต่การออกแบบไปจนถึงการปฏิบัติงาน
ตัวอย่างเช่น บริษัทการบินและอวกาศ โบอิ้ง ใช้ฝาแฝดดิจิทัลเพื่อออกแบบเครื่องบินของพวกเขา พวกเขาสามารถเรียกใช้การจำลองชิ้นส่วนทั้งหมดของเครื่องบินเพื่อคาดการณ์ว่าจะล้มเหลวในอนาคตอย่างไรและเมื่อใด
ประเภทนี้ วิศวกรรมตามแบบจำลอง เร่งการวิจัยและพัฒนาและช่วยให้มีระบบบูรณาการ ตอนนี้ขั้นตอนการออกแบบ การผลิต และการปฏิบัติงานทำงานควบคู่กัน และแบ่งปันข้อมูลระหว่างกัน
2. ซัพพลายเชน
ฝาแฝดดิจิตอลใช้ได้จริง ให้กับห่วงโซ่อุปทาน เพื่อสร้างแบบจำลองโดยละเอียดของพฤติกรรมของห่วงโซ่อุปทาน ฝาแฝดดิจิทัล เปิดใช้งานการปรับเปลี่ยนทันทีและมุมมองที่ละเอียดมากของห่วงโซ่อุปทานทั้งหมด
ห่วงโซ่อุปทานดิจิทัลฝาแฝดใช้ฟีดข้อมูลแบบเรียลไทม์ ข้อมูล เช่น การจัดส่งที่กำลังจะเกิดขึ้น ตำแหน่งของยานพาหนะ และสินค้าคงคลังสามารถช่วยประเมินสถานะปัจจุบันของห่วงโซ่อุปทานได้ ฝาแฝดดิจิทัลเหล่านี้สามารถตั้งโปรแกรมให้ดำเนินการเฉพาะเมื่อมีเหตุการณ์บางอย่างเกิดขึ้น เช่น เมื่อสินค้าหมดสต็อก
จากการระบาดของ COVID-19 โมเดลดิจิทัลของห่วงโซ่อุปทานสามารถช่วยลดความเสี่ยงได้ ฝาแฝดดิจิทัลช่วยให้สามารถติดตามและส่งมอบทรัพย์สินที่สำคัญได้อย่างแม่นยำ เช่น วัคซีน ตัวอย่างในห้องปฏิบัติการ และอุปกรณ์ทางการแพทย์อื่นๆ
ทรัพย์สิน เช่น วัคซีนจำเป็นต้องมีอุณหภูมิที่แน่นอนในระหว่างการขนส่ง ซึ่งสามารถตรวจสอบได้โดยใช้ฝาแฝดดิจิทัล
3 การดูแลสุขภาพ
ด้วยการใช้เทคโนโลยีดิจิตอลทวิน ในไม่ช้า แพทย์จะสามารถสร้างอวัยวะเสมือนที่สามารถปรับแต่งให้เหมาะกับผู้ป่วยแต่ละรายได้ นักวิทยาศาสตร์จาก Clinic for Cardiology ที่โรงพยาบาลมหาวิทยาลัยไฮเดลเบิร์ก ประเทศเยอรมนี ได้เริ่มจำลองฝาแฝดดิจิทัลของ หัวใจ. หัวใจเสมือนจริงสามารถใช้ทำนายความก้าวหน้าของโรคหัวใจของผู้ป่วยและการตอบสนองต่อการรักษาด้วยยาได้
การใช้ฝาแฝดดิจิทัลเหล่านี้ แพทย์สามารถเห็นอัตราความสำเร็จของการผ่าตัดหัวใจก่อนตัดสินใจใดๆ โมเดลความเสี่ยงที่ซับซ้อนมากขึ้น เช่น ฝาแฝดดิจิทัล สามารถค้นหาโซลูชันที่เหมาะสมกับผู้ป่วยรายใดรายหนึ่ง ไม่ใช่แค่โซลูชันสำหรับกลุ่มเสี่ยงเฉพาะ
4. เมืองแฝดดิจิทัล
ด้วยความต้องการเมืองอัจฉริยะที่เพิ่มขึ้น ในไม่ช้าจะมีข้อมูลจำนวนมหาศาลที่รวบรวมในเมืองต่างๆ เมืองอัจฉริยะมีเป้าหมายเพื่อติดตามกิจกรรมในเมืองทุกประเภท ตั้งแต่ข้อมูลการจราจร การติดตามผู้ติดต่อ และตัวบ่งชี้ด้านสิ่งแวดล้อม
ด้วยเหตุนี้ ความพร้อมใช้งานของข้อมูลนี้จะช่วยให้เราสามารถสร้างฝาแฝดดิจิทัลจากทั้งเมืองได้ในไม่ช้า
ตามที่ Arup“สัญญาของแฝดดิจิทัลของเมืองคือการช่วยสร้างสภาพแวดล้อมการจำลอง เพื่อทดสอบตัวเลือกนโยบาย ดึงเอาการพึ่งพา และอนุญาตให้มีการทำงานร่วมกันในพื้นที่นโยบาย ในขณะที่ปรับปรุงการมีส่วนร่วมกับพลเมืองและชุมชน”
ข้อมูลทั้งหมดนี้สามารถใช้สำหรับการวางแผนสถานการณ์และป้องกันภัยพิบัติในอนาคต
เมืองแฝดดิจิทัลที่ประสบความสำเร็จจะช่วยแจ้ง การตัดสินใจกำหนดนโยบาย เช่นกัน. ข้อมูลเกี่ยวกับสภาพอากาศ รูปแบบการขนส่ง และข้อมูลสำมะโนสามารถช่วยให้มีการริเริ่มที่ขับเคลื่อนด้วยข้อมูลมากขึ้นจากเจ้าหน้าที่ของรัฐในท้องถิ่น
หากเมืองต่างๆ สามารถจัดหาพอร์ทัลที่มีประโยชน์สำหรับพลเมืองของตน แฝดดิจิทัลของเมืองก็สามารถตอบสนองความต้องการและข้อกำหนดของคู่เมืองในชีวิตจริงได้
สรุป
เทคโนโลยีดิจิทัลทวินช่วยให้อุตสาหกรรมต่างๆ ตัดสินใจได้ดีขึ้น
เมื่อเงินเดิมพันสูง เช่น ในอุตสาหกรรมการดูแลสุขภาพหรืออุตสาหกรรมการบิน บริษัทต่าง ๆ ยินดีที่จะลงทุนในฝาแฝดดิจิทัลเพื่อให้แน่ใจว่าความเสี่ยงจะลดลง
ภาคส่วนที่ซับซ้อน เช่น การจัดการห่วงโซ่อุปทาน จะได้รับประโยชน์จากการที่สามารถดูรายละเอียดแทบทุกระดับในระบบ
นอกจากนี้ ภาคส่วนเหล่านี้อาจใช้ AI และ Machine Learning เพื่อปรับปรุงระบบเนื่องจากมีการรวบรวมข้อมูลจากโลกแห่งความเป็นจริงมากขึ้น
หากคุณพบว่าบทความนี้มีข้อมูลเชิงลึก โปรดแชร์บทความนี้และสมัครรับข้อมูลจาก HashDork's จดหมายข่าวรายสัปดาห์ สำหรับบทความเพิ่มเติมเกี่ยวกับข่าว AI & Future Tech ล่าสุด
เขียนความเห็น