Архитектор Data Science Softline Николай Князев: «Цифровые двойники не приносят деньги сами по себе, но помогают принимать оптимальные решения»

– Николай, насколько актуальна сейчас тема создания цифровых двойников, для каких клиентов прежде всего?

– Современное предприятие немыслимо без автоматизации, планирования и возможности прогноза. Эти задачи решает построение цифровых двойников на основе анализа данных предприятия.

Конечно, автоматизация – затратный процесс. Что тут важно понимать: цифровые двойники не приносят деньги сами по себе, а только помогают принимать оптимальные решения. Таким образом, их применение осмысленно в нестабильных процессах там, где есть риск неоптимального решения. В передвижении коробки на два метра цифровизации нет места, то ли дело химические или физические процессы предприятия.

Исторически сложилось два подхода к построению двойников: от модели и от данных. Первые предполагают сначала построить физическую модель процесса, подстроив ее параметры под конкретный объект. Вторые на основе машинного обучения выводят такую модель из данных предприятия. Последнее время именно вторые подходы набирают большую популярность, ведь в них могут быть учтены косвенные факторы, которые невозможно включить в физ. модель: опыт бригады, износ оборудования, особенности сырья и прочие детали. Модель на основе данных учитывает эти факторы благодаря тому, что они также косвенно находятся в данных и могут быть оцифрованы. Например, износ оборудования может характеризоваться показателями вибрации.

Архитектор Data Science Softline Николай Князев

– Какие технологии есть в арсенале вашей компании? Почему именно они выбраны?

– По итогам семилетнего опыта поездок на предприятия и создания цифровых двойников мы пришли к необходимости создания «конструктора», позволяющего делать двойники на основе данных быстро и сразу оценивать потенциальный эффект. Мы назвали его AILine. Его создание стало возможно благодаря тому, что существенная часть работы по созданию повторяется. Главное, что должен уметь инженер такой модели – переводить технологические знания в цифровую форму. Это не всегда очевидно, однако у нашей команды есть научные публикации и наработки, которые позволяют это делать. Самым ярким примером был недавний контакт со сталеварами: в конверторном цеху металлургического завода даже спустя три года после внедрения цифрового двойника системой все еще пользовались. Гибкости системы хватило оставаться актуальной и востребованной без доработок и изменения моделей.

– В каком направлении, по вашей оценке, движется рынок таких технологий? Если говорить о «проекте мечты» - в создании цифрового двойника какого объекта вам хотелось бы принять участие?

– Сейчас предприятия видят окно возможностей и хотят быстро получить результат. Для этого необходимо быстрое прототипирование, которое и позволяет сделать AILine. Тот, кто сможет быстро и дешево показывать рабочий прототип – сможет убедить производство выбрать его технологии. Конечно, все мы мечтаем об идеальном проекте с комплексной цифровизацией всего предприятия, настоящим вызовом для математика и программиста. Однако, прежде надо решать насущные проблемы и приносить эффект здесь и сейчас, ради чего мы и создавали нашу систему.

– Большое спасибо за беседу!