Цифровые двойники: как создать и сэкономить миллионы
Суть подхода — создание компьютерной модели, которая точно имитирует работу реальной системы, будь то производство, цепь поставок или складИмеет опыт разработки сложных цифровых продуктов для ведущих корпораций СНГ в нефтегазе, финтехе, логистике. В портфолио проекты для «Газпромнефть», «МТС», «Газпромбанк», «Лента», QIWI, «Сбер». Успешно запускал IT-стартапы на рынках России, Европы и США. Экспертиза: построение продуктовых команд, IT-консалтинг, разработка и интеграция комплексных высоконагруженных систем, горизонтальные организации.
Что такое цифровые двойники и имитационное моделирование
Имитационное моделирование — это технология, которая позволяет повторить работу реального объекта в цифровой среде. Она точно воспроизводит форму и действия оригинала в течение заданного времени.
За счет получения виртуального слепка реальной среды, по сути, безрисковой песочницы, над моделью проводят различные эксперименты, меняют параметры, и тем самым отслеживают, как изменения влияют на реальную систему.
Самый эффективный способ применения цифрового двойника — это сценарный анализ, то есть проведение экспериментов на двойнике.
Все для того, чтобы ответить себе на важный вопрос — что, если?
- Например, что, если увеличить скорость загрузки на судно?
- Что будет со складом, если изменить стратегию пикинга?
- А если перераспределить порты доставки металлотрейдера, как это повлияет на количество поставляемого груза и нашу способность управлять запасами?
Кому нужны системы имитационного моделирования
Модели активно применяется в нефтегазовом секторе и логистике. Такие компании, как «Газпром нефть», «Сибур», X5 Group, FM Logistics самостоятельно или в партнерстве с другими организациями, в том числе Adeptum, создают цифровые двойники различных активов и процессов — от цепей поставок и производства до месторождений и карьеров, а также интерфейсы управления ими.
Двойники закрывают вопрос оценки реальных систем, на которых проводить тестирование слишком ресурсозатратно (дорого или габариты не позволяют), а иногда и совсем невозможно.
Как работает имитационная модель
Успешная модель — это не только техническое достижение, но и инструмент, который дает ценные и полезные инсайты для принятия решений в реальном мире.
1. Выбор платформы и инструментов
Начало работы неразрывно связано с выбором инструментов для моделирования. Это может быть специализированное программное обеспечение (например, AnyLogic, Simio, Arena), языки программирования (Python, MATLAB, Java) или фреймворки для моделирования и симуляции.
2. Абстракция системы
Один из важных шагов — определение уровня детализации модели. Чем более подробно описать систему, тем сложнее модель и тем больше данных она потребует. Решение о том, что включать и какие детали учитывать, играет ключевую роль.
3. Проектирование структуры модели
Создание структуры модели — это как составление пазла. Необходимо определить компоненты системы, их взаимосвязи и поведение. Например, для моделирования производственного процесса — рабочие станции, потоки материалов и информации, время обработки и т.д.
4. Разработка алгоритмов и логики
Это фаза, где происходит перевод концепции системы в код. Создание алгоритмов, управляющих поведением компонентов системы в различных сценариях и при различных условиях.
5. Тестирование и отладка
Модель должна быть проиграна на различных сценариях, чтобы можно было убедиться в ее корректности и соответствии реальной системе. Отладка кода и логики моделирования — неотъемлемая часть этого этапа.
6. Верификация и валидация
Это критически важные этапы. Верификация — проверка, что модель правильно реализует спецификации, а валидация — подтверждение того, что двойник соответствует реальной системе. То есть, сравнение результатов моделирования с реальными данными или экспериментами.
7. Оптимизация и улучшение
После проверки и валидации модели — оптимизация. Это улучшение производительности модели или добавление новых элементов.
Как работает имитационное моделирование?
Разберем работу технологии на реальном продукте.
Системы Моделирования Логистики на флоте в «Газпромнефть-Снабжение»
Это система поддержки принятия решений в области планирования морской логистики на основе имитационного моделирования, разработку которой «Газпромнефть-Снабжение» вели совместно с Adeptum.
Отличие этой системы в том, что она функционирует на разработанном под задачу ПО, которое проектирует визуальную часть и состоит из веб-приложения с интерфейсами, движком имитационного моделирования и BI-аналитикой. Все в одном окне.
По итогам внедрения скорость планирования увеличилась на 85%, а вероятность допустить ошибку в расчетах из-за человеческого фактора снизилась сразу на 95%. Также цифровое решение было признано лучшим для отрасли нефтегаза и получило престижную премию ComNews.
Как создать такую модель?
- Изначально в созданном веб-сервисе задать такие технические характеристики как показатели флота, портов, складов; параметры как фиксированных, так и переменных затрат на транспортировку, погрузку и т.д. Чтобы пользователь мог регулировать практически любую переменную.
- Запустить модель в интерфейсе, и начать процесс имитации. Объект морской логистики «работает» виртуально, и тут можно наблюдать изменения различных показателей во времени.
- Веб-сервис выстроит весь сложный процесс доставки ресурсов на платформы и просчитает параллельный многонитевой процесс с учетом возможных перебоев, поломок техники и любых других случайных факторов. Модель также сможет учесть временные задержки на каждом отдельном участке цепочки, а пользователь увидит весь процесс в динамике.
- Для получения более полной картины провести несколько прогонов модели, каждый из которых будет соответствовать определенной гипотезе или сценарию. В каждом прогоне измените один или несколько входных параметров.
- Тут необходимо изменять входные данные, экспериментировать с разными сценариями, и отбирать оптимальный план. Например, можно заметить, что при увеличении объема баржи, снижается общее количество рейсов.
- После завершения прогонов модели проанализировать результаты. Сравнить разные прогнозы развития системы и выбрать тот, который соответствует потребностям и ожиданиям управленцев или собственников морской логистики.
- Когда найдете оптимальный план доставки — реализуйте его на практике.
Плюсы и минусы имитационного моделирования
Но есть ли у такого подхода подводные камни?
Плюсы технологии
1. Моделирование сложных систем в динамике
Имитационные модели учитывают множество параметров системы и взаимосвязи между ними, воссоздают работу системы во времени.
2. Возможность проведения разнообразных экспериментов
Имитационная модель — это безопасный полигон для любых экспериментов. Можно менять настройки и параметры, чтобы оценить их влияние, не рискуя нарушить работу реального продукта.
3. Оптимизация системы путем анализа разных сценариев
Анализируя поведение системы в разных условиях, можно отобрать оптимальные параметры и сценарии функционирования для реального продукта.
4. Существенная экономия времени и денег
По сравнению с натурными испытаниями сложных технических систем, имитационное моделирование экономит от десятков миллионов до миллиардов рублей. Конечно, в зависимости от масштаба системы.
По моим оценкам, экономия на этапе верификации и валидации может достигать 20-30% от общего бюджета проекта.
Минусы технологии
1. Сложность разработки качественной модели
Для построения адекватно работающей модели нужны высококвалифицированные разработчики, качественная аналитика, консалтинг и много исходных данных о системе.
2. Потребность в значимых ресурсах для моделирования сложных систем
Чем сложнее объект моделирования, тем больше вам нужно знаний и вычислительных мощностей для разработки и расчетов модели.
3. Сильная зависимость от качества входных данных
Результаты работы модели очень сильно зависят от полноты и правдивости данных о моделируемой системе.
4. Риск скрытых факторов, не учтенных при моделировании
При внедрении модельных рекомендаций на практике могут возникнуть непредвиденные проблемы из-за факторов, неизвестных на этапе построения модели.
Рекомендации по созданию цифровых двойников
- Первое, что нужно сделать — найти подрядчиков, которые не просто знают, как надо и не надо, а имеют успешный опыт внедрения цифровых двойников в сложные корпоративные структуры. Оценить экспертизу можно по кейсам в арсенале, а можно расспросить коллег или выставить тендер.
- Провести полный аудит и сбор данных о моделируемом процессе или системе. Чем больше исходных данных, тем выше будет адекватность модели.
- Вовлечь в процесс создания экспертов предметной области. Они определят ключевые параметры, взаимосвязи, правила и ограничения для воссоздания в модели.
- Создание удобных интерфейсов и сервисов для работы пользователей с моделью — еще один важный момент. Так вы быстро проанализируете данные модели, проведете эксперименты с параметрами и примите обоснованное решение.
- Валидировать модель путем сравнения ее поведения с реальной системой. Если есть отклонения — корректировать.
- Проводить серию экспериментов над моделью, меняя разные параметры и сравнивая результаты.
- Внедрять изменения на основе моделирования поэтапно, контролируя эффект и корректируя модель.
- Организовать обратную связь от специалистов при внедрении изменений.
Главное — итеративный подход. Постоянно добавляйте детализацию, отслеживайте эффект от внедрения и корректируйте модель.
Интересное:
Новости отрасли:
Все новости:
Публикация компании
Достижения
Профиль
Контакты
Социальные сети