Ireneusz Borowski, Country Manager Poland, Dassault Systèmes, przywołuje wyniki raportu przygotowanego przez Dassault oraz Accenture wskazujące na potencjał technologii wirtualnych bliźniaków, której globalny rynek w 2020 r. osiągnął wartość ok. 5,4 mld USD, a prognozowany wzrost to 36% w ciągu kolejnych pięciu lat. Oczekuje się, że przyszły wzrost będzie napędzany głównie przez branżę transportową, w której już dziś 30–40% startupów w sektorze elektromobilności i 60–70% czołowych producentów OEM korzysta z technologii wirtualnego bliźniaka. – Pomaga ona firmom zmniejszyć koszty, zużycie zasobów, równocześnie wspierając innowacyjność. Biorąc pod uwagę prognozowany wzrost zastosowania wirtualnych bliźniaków w ciągu kolejnych lat, można się spodziewać, że odegrają one znaczącą rolę w transformacji przemysłu ku zrównoważonemu rozwojowi. Wśród liderów są firmy z branży produkcyjnej, a szczególnie segmentu samochodowego i lotniczego – dodaje I. Borowski.
Nie tylko teoria
Digital twin, to najogólniej mówiąc, cyfrowa kopia rzeczywistego obiektu. Jako obiekt można rozumieć pojedynczą maszynę, ale także cały zakład produkcyjny czy centrum dystrybucji. – Skala odwzorowania cech rzeczywistego obiektu jest zależna od celu, w jakim tworzymy cyfrową kopię, niezwykle istotne jest odzwierciedlenie kluczowych cech rzeczywistego obiektu – mówi Jerzy Danisz, WMS Competence Center Manager, PSI Polska. W PSI realizowany jest obecnie projekt badawczo-rozwojowy WI (Warehouse Intelligence), współfinansowany przez NCBR. Istotą projektu jest optymalizacja procesów logistycznych przez zaawansowane algorytmy AI. Digital twin jest jednym z elementów całego projektu, który służy do treningu tych algorytmów. – Mówiąc obrazowo, algorytm uczy się, jak optymalnie zarządzać magazynem metodą prób i błędów, dzięki cyfrowej kopii magazynu może przetworzyć setki tysięcy potencjalnych scenariusz pracy magazynu oraz wybrać te najlepsze – konkluduje J. Danisz.
Paweł Nowakowski, Ekspert Digital Twin, AMC Advanced Manufacturing Consulting, potwierdza, że wykorzystanie bliźniaków cyfrowych daje dużą przewagę w postaci krótkiego czasu trwania analizy, jej trafności oraz pozwala uniknąć ryzyka kosztownych błędów, które występują przy prowadzeniu testów na realnych produktach i procesach. – Cyfrowy bliźniak pozwala przewidzieć efekty wdrożenia testowanych rozwiązań, których z różnych przyczyn, czy to kosztowych, czy braku odpowiednich zasobów, nie możemy lub nie chcemy sprawdzać „na żywo” – mówi P. Nowakowski, dodając, że jeżeli jeszcze nie wykorzystujemy bliźniaków cyfrowych, to nasz sposób postępowania jest podobny do analizy danych za pomocą maszyny do pisania i wysyłania ich do adresata zwykłą pocztą, podczas gdy konkurencja korzysta z sieci komputerowych, smartfonów, chmury danych i dodatkowo potrafi dokładnie przewidzieć czas wystąpienia i skutki, jakie spowodują te informacje.
Gdzie sprawdzi się najbardziej?
Digital twin może być wykorzystany na wiele sposobów, zależnie od potrzeb przedsiębiorstwa. W PSI stosuje się go m.in. do optymalizacji procesów logistycznych, cyfrowa kopia magazynu wykonana na bazie oprogramowania symulacyjnego AnyLogic jest środowiskiem, w którym trenowane są algorytmy ML (Machine Learning), do optymalizacji wybranych procesów logistycznych. – Widzimy duże możliwości wykorzystania cyfrowego bliźniaka, rozumianego jako kopia rzeczywistego magazynu, w obszarze systemów WMS. W tym kontekście beneficjentem tych rozwiązań będzie sektor logistyczny. Technologia cyfrowych bliźniaków cieszy się też dużym zainteresowaniem w branży automotive – mówi J. Danisz (PSI Polska).
Na to, że technologia cyfrowych bliźniaków ma zastosowanie w szerokim spektrum branż: od transportu&mobilności, poprzez branżę lotniczą, konstrukcyjną, produkcyjną, aż po obszar life science oraz infrastrukturę miejską – zwraca uwagę I. Borowski. Dassault Systèmes w ramach platformy 3DEXPERIENCE oferuje m.in. portfolio aplikacji do modelowania 3D oraz aplikacje symulacyjne do tworzenia wirtualnych bliźniaków produktów. 3DEXPERIENCE Twin to wirtualny bliźniak stworzony za pomocą rozwiązań dostępnych na platformie. Możliwość tworzenia wirtualnych kopii produktów sprawia, że produkcja jest bardziej wydajna i zrównoważona, do minimum zostają zredukowane fizyczne prototypy, które po zakończeniu pracy nad produktem tracą przydatność. I. Borowski przypomina, że wśród firm korzystających z 3DEXPERIENCE Twin jest Grupa Renault, udostępniając platformę 3DEXPERIENCE w chmurze ponad 20 tys. pracownikom działów rozwoju pojazdów, takich jak projektowanie, inżynieria produktu, inżynieria procesów przemysłowych, zakupy części i materiałów, szacowanie kosztów oraz jakość.
P. Nowakowski (AMC Advanced Manufacturing Consulting) zastrzega, że metodyka bliźniaków cyfrowych jest uniwersalna i można ją stosować w każdej dziedzinie działalności przedsiębiorstwa. Mogą to być cyfrowe modele produktów, maszyn, technologii, procesów, usług. Nasz rozmówca prezentuje różnice w sposobie prowadzenia analizy procesów za pomocą klasycznego Lean w stosunku do bliźniaka cyfrowego Witness Horizon DigitalLean. – W pierwszym przypadku mamy do czynienia z analizą procesu za pomocą arkusza papieru, pisaków i przyklejanych karteczek. W drugim przypadku wykorzystujemy cyfrowego bliźniaka, replikę tego samego procesu stworzoną za pomocą narzędzia Witness na komputerze. W pierwszym przypadku ocena opiera się głównie na analizie stanu obecnego i „gdybaniu” oraz czasochłonnym i kosztownym testowaniu kolejnych pomysłów na realnym procesie. W drugim przypadku koncentrujemy się na przyszłości, prowadzimy setki/tysiące eksperymentów różnych przyszłych rozwiązań na modelu cyfrowym w czasie kilku minut, bez konieczności ingerowania w przebieg realnego procesu. Bardzo szybko definiujemy za pomocą bliźniaka cyfrowego najlepsze rozwiązanie i wdrażamy je z gwarancją wyniku. Prawie zawsze znajdujemy nieoczywiste, superefektywne kosztowo rozwiązania, na które nigdy nie wpadlibyśmy, pracując na papierowym VSM – wylicza P. Nowakowski.
Kluczowy proces tworzenia
Proces tworzenia cyfrowego bliźniaka uzależniony jest od dostępnych danych, im więcej wiemy o kopiowanym obiekcie tym lepsza będzie jego cyfrowa symulacja. Firmy dostarczające systemy WMS są w korzystnym położeniu, ponieważ system klasy WMS zawiera szereg statycznych, jak i dynamicznych parametrów definiujących magazyn. – Naszym zadaniem jest zatem takie wykorzystanie danych, aby jak najwierniej zamodelować magazyn w oprogramowaniu symulacyjnym. Co więcej, dążymy do tego, aby proces tworzenia cyfrowego bliźniaka był generyczny, co oznacza, że korzystając z danych pochodzących z systemu WMS jesteśmy w stanie praktycznie automatycznie wygenerować cyfrową kopię magazynu – mówi J. Danisz (PSI Polska).
P. Nowakowski (AMC) porównuje proces tworzenia bliźniaka cyfrowego procesu za pomocą narzędzia Witness DigitalLean do rysowania klasycznej mapy procesu z tą różnicą, że model tworzony jest w formie cyfrowej w specjalnej aplikacji, a nie na kartce papieru. – Sam fakt pracy z bezwzględnie logicznym komputerem zmusza nas już w trakcie tworzenia cyfrowego bliźniaka do refleksji nad logiką jego działania, np. regułami przepływu push-pull materiałów i informacji w procesie. Reguła „papier wszystko przyjmie” w tym przypadku nie działa i o to dokładnie chodzi. Już na etapie tworzenia bliźniaka widzimy, czy coś będzie działo poprawnie oraz jakie skutki w przyszłości spowodują potencjalne błędy – mówi P. Nowakowski, podkreślając, że do stworzenia bliźniaka cyfrowego procesu potrzebujemy odpowiedniego oprogramowania oraz niezbędnych danych. W zależności od rodzaju prowadzonej analizy mogą to być informacje dotyczące: celu procesu, jego organizacji – relacji zachodzących między operacjami, informacji nt. sterowania, czasy cykli, ustawień, awarii, odległości, dostępnych zasobów, ograniczeń i zakłóceń, buforów i magazynów, kosztów zmiennych, kosztów stałych oraz setek innych dowolnych definiowanych przez na zmiennych lub KPI, które uznamy za istotne z punktu widzenia celu analizy, jaką zamierzamy prowadzić za pomocą bliźniaka.
Adam Brzozowski
Ten i inne artykuły znajdziecie w czasopiśmie Kaizen – dostępnym w naszym sklepie
