Чому цифрові близнюки змінюють бізнес та до чого тут ШІ
Вчені люблять тестувати нові гіпотези на моделях та прототипах, перш ніж братись до польових експериментів. CERN має віртуальну копію Великого адронного колайдера, а NASA — двійник телескопа Джеймса Вебба. Але лише зараз технології дають змогу скористатися віртуальними машинами не лише великим дослідним центрам, а й значно менш технологічному бізнесу. Розповідаємо, чому створюють віртуальні двійники перегонових болідів, фабрик та бізнес-процесів.
Перегони віртуальних болідів
У перегонах «Формули-1» різниця між першим та останнім учасником подекуди становить лише соті частки секунди. Тому автомобілі, як і пілоти, мають бути на піку продуктивності. Скажімо, Oracle Red Bull Racing, команди Формули-1, яка бере участь у конкурентному змаганні, вносять кілька тисяч змін у дизайн та налаштування машин упродовж сезону. Компоненти потрібно доставити, виготовити та встановити у найкоротший час. А тому, як і його конкуренти, Red Bull може підтримувати такий темп лише за допомогою програмного забезпечення, яке імітує весь виробничий процес, щоб будь-які проблеми відтестувались та вирішувались до того, як вони виникли.
Цифрові двійники створюють якомога точніше віртуальне представлення предмета. Для роботи цифровий двійник має постійно оновлюватися фізичним аналогом. Інформація у реальному часі отримана від датчиків, які вимірюють все, що можна виміряти.
Однак це не вузькоспеціалізована технологія, а радше експериментальна лабораторія для всього автопрому. Оцифрування дизайну та віртуальне тестування прототипів транспортних засобів у симуляторі допомогли скоротити процес переходу нової моделі авто від задуму до масового виробництва з п’ятьох років до приблизно двох.
Як віртуальні близнюки роблять світ безпечнішим
Під час космічної місії «Аполлон» 13 квітня 1970 року пролунали слова «Х’юстон, у нас виникла проблема». Тоді на кораблі розірвався кисневий балон, вивівши з ладу деякі критичні системи космічного корабля.
Підписуйтеся на наші соцмережі
До того часу симулятори були переважно фізичними моделями, оскільки комп’ютеризація була обмеженою. Але можна було використати дані, передані з пошкодженого космічного корабля, щоб відтворити проблеми та дослідити шляхи їхнього усунення.
Зі збільшенням потужності комп’ютерів почали розробляти спеціалізоване програмне забезпечення для таких речей, як структурний аналіз чи обчислювальна динаміка рідини. Це допомагає проводити дослідження аеродинаміки без дорогої аеродинамічної труби, а графіка дає змогу ілюструвати результати різними способами.
Наприклад, для обслуговування двигунів літаків уже переважно не використовують паперові креслення та планові огляди.
Rolls-Royce разом зі своїми двома великими американськими конкурентами General Electric і Pratt & Whitney почали використовувати цифрові двійники для моніторингу продуктивності своїх двигунів. Раніше авіакомпанії купували двигуни для своїх літаків, обслуговували їх і мали власний запас запчастин. Зараз вони здебільшого орендують свої двигуни за моделлю передплати, відомою як «потужність за годину», що означає, що виробники отримують гроші лише тоді, коли їхні двигуни працюють.
Тепер кожен двигун має цифровий двійник. Щоразу, коли справжні двигуни перебувають у повітрі, датчики передають дані у цілодобово відкритий центр моніторингу, де двійники оновлюються та шукають несправності. Потім автоматизовані алгоритми шукають закономірності та аномалії, які можуть бути неочевидними.
Це також робить планове обслуговування ефективнішим. Раніше літаки потребували обслуговування двигунів через визначені проміжки часу, навіть якщо деякі поїздки спричиняють більший знос, ніж інші. Літаки, що вилітають з аеропорту в пустельному регіоні, наприклад на Близькому Сході, можуть поглинути частинки пилу, які швидше стирають компоненти. А деякі пілоти натискають на дросель сильніше, ніж інші. Оскільки цифровий двійник враховує такі речі, графіки технічного обслуговування можна адаптувати до фактичного зносу кожного двигуна. Це означає, що деякі двигуни можуть залишатися на крилі на 30% довше.
Віртуальні компанії: Uber та Amazon
Коли пасажир викликає таксі, його маршрут у смартфоні стає частиною повної цифрової копії внутрішньої роботи компанії. Це допомагає компанії на кшталт Uber керувати ресурсами — у цьому разі кількістю водіїв та автомобілів у певному районі, а головне — налаштовувати компанії свою роботу в режимі реального часу.
Amazon, великий інтернет-магазин, просунув цей процес найбільше. За 20 років в електронній комерції компанія зібрала величезну кількість даних про продажі, що дало їй змогу побудувати єдину модель, яка може прогнозувати попит на 400 млн товарів у найближчі два роки. Щобільше алгоритм навіть може передбачити, як на попит вплинуть інші події: скажімо, нова книга відомого автора чи концерт суперзірки у конкретному місті. Це допомагає Amazon досконало планувати логістику.
Чому штучний інтелект покращить бізнес-процеси
Те, на що Amazon знадобилося багато років, тепер створити набагато легше. Хмарні бази даних допомогли, дозволивши компаніям зберігати свої дані в одному місці для широкомасштабного аналізу. Також є методи узгодження даних.
У результаті цифрові близнюки переосмислять, що означає керувати компанією. Маючи доступ до інформації з усіх підрозділів компанії, а також від її клієнтів і постачальників, корпоративний двійник не просто допоможе менеджерам будувати найкращі плани. Він також буде впроваджувати їх, вчитися на результатах і оптимізувати себе для досягнення певних корпоративних цілей знову і знову.
Згодом ШІ зможе виконувати цей процес відкриття більш гнучко та з мінімальними попередніми інструкціями. Подібно до того як великі мовні моделі забезпечують роботу таких служб, як ChatGPT, корпоративні моделі, що базуються на бізнес-даних, можуть виявити, що призводить до саме таких показників фірми.
Мовні моделі також дасть змогу цифровим близнюкам адаптуватися. Деякі з них навчені на повідомленнях про скарги та інших неструктурованих даних, можуть виконувати завдання працівників служби підтримки клієнтів чи допомагати опрацьовувати претензії.
Це впливатиме й на продажі. За допомогою Palantir аналітична компанія JDPower зараз розробляє систему, яка вказуватиме автовиробникам на поточний стан ринку, а також прогнозуватиме наслідки, якщо вони скорегують певні змінні, наприклад, впровадять більшу кількість транспортних засобів у різних колірних гамах чи з додатковою комплектацією.
Загроза для споживачів та клієнтів
Водночас такі можливості пов’язані з ризиками. Оскільки компанії дедалі більше покладаються на цифрових двійників, які використовують їхню найконфіденційнішу інформацію, вони також стають більш уразливими до злому. Добре спланована атака теоретично може не лише надати зловмисникам доступ до найглибших секретів компанії, але й таємно маніпулювати ними, до того ж із реальними наслідками.
Ймовірно, компанії можуть зловживати знаннями на шкоду клієнтам. Згадайте, коли ви викликаєте таксі, аналіз поточної ситуації дозволяє сервісу підвищити вартість послуги, коли є високий попит чи у вас розряджається телефон. Це чудове поле для сірого маніпулятивного ціноутворення.
