Где-то у вас есть физические схематические чертежи, на которых показаны все части ваших механических систем и общая среда активов. Если вы организованы, вы точно знаете, где находятся эти рисунки — это хорошо для вас. Если вам повезет, они достаточно актуальны. Они могут быть даже в электронном формате, таком как PDF. Но сами по себе они недостаточны в качестве основы для модернизации и оптимизации способов мониторинга ваших активов.

Это потому, что машинное обучение работает с данными, а не с аналоговыми компонентами чертежа. Даже PDF не подходит: он электронный, но по сути это просто фотография физических чертежей, а не набор данных. Значимый анализ не может быть выполнен, если все описания в ваших схематических чертежах не переведены в единицы и нули.

Когда мы разрабатываем цифрового двойника для наших клиентов, мы берем детали вашей схемы — наряду со многими другими деталями, которые мы добавляем в процессе изучения того, как элементы вашей системы зависят друг от друга и влияют друг на друга — и мы помещаем его в базу данных. Тысячи строк и столбцов в базе данных моделируют вашу установку как сумму ее многочисленных компонентов, соединений и характеристик. Теперь вместо того, чтобы полагаться на удобочитаемый набор чертежей и интерпретировать их, у вас есть динамический цифровой объект, способный поддерживать сложные вычисления и анализ.

Создание копии базы данных вашей физической среды — цифрового двойника — позволяет:

  • Управляйте изменениями и обновлениями ваших механических систем в надежном, подробном электронном формате.
  • Применяйте мощные алгоритмы машинного обучения, оптимизирующие надежность и производительность.
  • Легко обновляйте и расширяйте свои инструменты мониторинга и аналитики на основе нового понимания.
  • Подготовьте свою среду к будущему этапу аналитики, разработав план цифровых систем.

В Tignis мы используем основанные на физике алгоритмы машинного обучения вместе с цифровым двойником, чтобы получить точный анализ, адаптированный к потребностям вашей конкретной среды. Без цифрового двойника у вас нет электронного носителя для точного учета множества способов, которыми каждая часть системы связана с другими частями и влияет на них, чтобы вы могли получить значимые знания о них.

Вы нашли эту статью интересной? Для получения дополнительной информации посетите наш блог: Physics, Machines, and Data.

Автор Джон Херлокер

Джон — опытный технолог и опытный руководитель как в сфере локального корпоративного программного обеспечения, так и в сфере потребительского SaaS. На своих предыдущих руководящих должностях он был вице-президентом и техническим директором бизнес-подразделения VMware по управлению облачными средами, которое приносило VMware 1,2 млрд долларов в год. Среди других должностей — технический директор Mozy и технический директор подразделения облачных услуг EMC. Как соучредитель Tignis, Джон является опытным предпринимателем, основавшим две другие стартап-компании. Свой последний стартап, Smart Desktop, он продал корпорации Pi в 2006 году. Джон в прошлом был штатным профессором компьютерных наук в Университете штата Орегон, а его широко цитируемая научно-исследовательская работа была удостоена престижной премии ACM Software System Award 2010 за вклад в развитие области рекомендательных систем. Джон имеет докторскую степень. в области компьютерных наук Университета Миннесоты и степень бакалавра наук. по математике и информатике в Колледже Льюиса и Кларка.