CIO's klaar voor Digital Twins, maar implementatie is dubbel probleem

Stelt u zich eens voor dat u productieproblemen en workflowwijzigingen virtueel kunt uitwerken voordat u wijzigingen oplegt aan uw organisatie. Bijna zes op de tien CIO's die reageerden op een recent Gartner-onderzoek, hebben hun organisatie of bereiden hun organisatie voor op het ondersteunen van digitale tweelingen, die potentiële en daadwerkelijke fysieke activa, processen, mensen, plaatsen, systemen en apparaten repliceren. Ten minste 21% heeft al een vorm van digitale tweelingen geïmplementeerd, terwijl nog eens 38% bezig is met planningsfasen van één tot drie jaar om digitale tweelingen in te zetten.

Zie ook: Digital Twin Market zal de komende 5 jaar vertienvoudigen

Om de volledige belofte van digitale tweelingen te realiseren, kan het echter nodig zijn om systemen en gegevens te integreren in hele organisatorische ecosystemen. Dat blijkt uit een rapport van Deloitte. Slechte gegevens, meetuitdagingen en zelfs gewoon overdreven dingen kunnen het moeilijk maken om fysieke activa nauwkeurig te repliceren, waarschuwen de auteurs van het rapport, onder leiding van Adam Mussomeli van Deloitte.

Het Deloitte-team identificeerde enkele van de mogelijke manieren waarop digitale tweelingen in verschillende sectoren worden geïmplementeerd:

• Auto- en vliegtuigfabrikanten: "Essentiële tools voor het optimaliseren van volledige productiewaardeketens en het innoveren van nieuwe producten." In het geval van vliegtuigmotoren kunnen ze "duizenden of tienduizenden sensoren hebben die elke seconde terabytes aan gegevens genereren. In combinatie met digital twins, machine learning en voorspellende modellen doen fabrikanten aanbevelingen om piloten te helpen het brandstofverbruik te optimaliseren, onderhoud proactief te laten zijn en wagenparken te helpen de kosten te beheersen.”
• Energie :"Uitvoerders van velddiensten verzamelen en analyseren enorme hoeveelheden in-hole-gegevens die ze gebruiken om digitale modellen te bouwen die de boorinspanningen in realtime begeleiden."
• Gezondheidszorg: "Cardiovasculaire onderzoekers creëren zeer nauwkeurige digitale tweelingen van het menselijk hart voor klinische diagnoses, onderwijs en training."
• Slimme steden: "Singapore gebruikt een gedetailleerd virtueel model van zichzelf in projecten voor stadsplanning, onderhoud en rampenparaatheid."

Het bouwen van een nauwkeurige digitale tweeling gaat niet van de ene op de andere dag. Het Deloitte-team wijst op de drie uitdagingsgebieden bij het implementeren van digitale tweelingen:

• Slechte gegevens: "De AI- en machine learning-algoritmen die digitale tweelingen aandrijven, vereisen grote hoeveelheden gegevens", waarschuwden Mussomeli en zijn co-auteurs. "In veel gevallen zijn gegevens van de sensoren op de productievloer mogelijk beschadigd, verloren of gewoon niet consistent verzameld." Het Deloitte-rapport adviseert "het nemen van stappen om nu de noodzakelijke infrastructuur en gegevensbeheeraanpak te ontwikkelen, kan u helpen de tijd te verkorten om te profiteren."
• Meetprocessen: "Zelfs in gevallen waarin digitale tweelingsimulaties worden gemaakt voor nieuwe processen, systemen en apparaten, is het niet altijd mogelijk om het proces perfect te instrumenteren", waarschuwt het Deloitte-team. "Organisaties moeten naar proxy's kijken - bijvoorbeeld vertrouwen op de instrumenten en sensoren in een voertuig in plaats van sensoren in banden te plaatsen - of dingen die mogelijk kunnen worden gedetecteerd."
• De juiste balans van sensoren bepalen: "Nu de kosten van sensoren dalen, hoeveel sensoren is genoeg?" vragen de onderzoekers. “Het balanceren van de kosten-batenanalyse is van cruciaal belang. De meeste use-cases vereisen slechts een bescheiden aantal strategisch geplaatste sensoren om belangrijke inputs, outputs en stadia binnen het proces te detecteren.”

Hoewel er obstakels zijn, zijn de Deloitte-onderzoekers voorstanders van de ongekende potentiële voordelen die digitale tweelingen voor ondernemingen bieden. "Een perfecte digitale kopie van de fysieke wereld zou je in staat stellen virtueel samen te werken, sensorgegevens op te nemen en omstandigheden snel te simuleren, wat-als-scenario's duidelijk te begrijpen, resultaten nauwkeuriger te voorspellen en instructies uit te voeren om de fysieke wereld te manipuleren." Dat is een waardepropositie die het onderzoeken waard is.