![デイブ・マクモラン 画像プロフィール](/_next/image?url=https%3A%2F%2Fimages.ctfassets.net%2F7xdd0wzmxlfo%2F67A2TA40s90VkBWHHyNmBm%2F1789ac93cbc324ba7317b7daa38c8518%2FDave.jpeg&w=96&q=75)
Dave McMorran
セールス・エンジニアリング部長
レガシーな記録システムを、明日の目標の要求を満たすために増強することができるかどうか、疑問に思っているだろうか?
デジタルトランスフォーメーションの旅にデジタルツインが必要な理由
製造業におけるデジタルツインは新しい概念ではないが、誤解されていることが多い。ほとんどの製造業は、クラウドやエッジ、その他のコンセプトでデジタルトランスフォーメーションを進めている。この2部構成のブログシリーズでは、デジタルツインの定義を掘り下げ、課題と利点を分析する。さっそく始めよう。
科学者が物理的な実験を再現してテストするのと同じように、デジタルの世界でもシミュレーションを構築し、世に出る前にテストする同様のプロセスがある。平たく言えば、デジタル・ツインは産業資産を視覚的に表現したものである。PLC、産業機械、組立ライン、あるいは完全な現場など、どんな資産でもあり得る。企業のデータマニアは、デジタルツインを使用することで、目的に応じたデータモデルの作成とメンテナンスを簡素化できる。例えば、同じ組立ラインに3つの異なるデータモデルを持たせることができる。1つはエネルギー監視用、もう1つは予知保全用、さらにもう1つは生産最適化用だ。これらのモデルはそれぞれ、組立ラインからの静的データと動的データの両方を使用し、理想的にはデータ内の特定の階層に従い、特定のアプリケーションに関連するメタデータの形でコンテキスト情報を持ち、異なる計算、KPI、またはアラートとイベントを出力として生成します。このモデルからの出力は、より大きなデータ・モデルへの入力としても機能する。この例では、サイト全体のデジタルツインの入力となる。各デジタルツインモデルは複数のインスタンスを持つことができる。理想的なのは、メーカーが複数のサイトで集中管理プラットフォームを使用している場合、企業レベルでインスタンスをクローンし、すべてのサイトで同じような資産に簡単に展開できることだ。さて、基本を理解したところで、デジタルツインの利点と課題を整理してみよう。
デジタル・ツインは、NASAが地球上では到達できない体験をシミュレートするためによく使用されるが、製造業者にとっても多くの利点がある。デジタルツインは、センサーやシステムを複製し、さまざまなシナリオをモデル化することで、工場の現場で起きていることを最初から最後まで大局的に見ることができる。製造業者はデジタル・ツインを次のように活用できる:
コスト高になる前に、タイムリーに、リソースを浪費する前に、問題を特定する、
より良い製品設計のための潜在的な機会を認識し、最小限の時間とコストで製品の多様なオプションをテストする能力。
シナリオをテストし、アナリティクスを活用することで、将来の改善や機会を計画する。
これら3つのコンセプトを試すために、デジタル・ツインのユースケースに飛び込んでみよう。
製造業におけるデジタル・ツインで道を切り開いている業界のひとつに自動車業界があり、デジタル・ツインのさまざまな機能を使って、車両の設計、製造、性能監視、メンテナンス、自律走行開発、エネルギー・システムの改善を行っている。いくつかのユースケースを見てみよう。
自動車の設計と製造
バーチャル・プロトタイピングと生産工程の最適化:この進歩は車両設計の段階で最も顕著であり、メーカーは物理的に製造する前に車両の詳細な仮想モデルを作成している。エンジニアは、車両と生産プロセスのさまざまな側面をシミュレート、分析し、実世界での実装前にシミュレーション、テスト、問題の特定を行う。
自動車の性能とメンテナンス
リアルタイムのデータモニタリング:センサーは、バッテリー寿命、モーター機能、ドライビングダイナミクスのモデリングをサポートし、個々の車両のデジタルツインモデルにフィードバックします。予測メンテナンス:収集されたデータは、リアルタイムのデータとデジタルツインから予測される性能を比較することで、メンテナンスの必要性を予測するために使用されます。
自律走行とAI
オートパイロット開発のためのシミュレーションシミュレーションとデジタル・ツイン・テクノロジーによって、さまざまな条件下でシステムをテストし、改良することは、より安全であるだけでなく、実際の道路で行うよりも強固なテストを提供します。機械学習とAIのトレーニング:デジタルツインのコンセプトは、自律走行車の機械学習アルゴリズムのトレーニングにも不可欠である。収集された膨大なデータは、自律走行機能を担うAIシステムの継続的な訓練と改善に使用される。
「OTとITのスタックは、よりダイナミックで複雑になっています。「デジタル・ツインの可能性を産業規模で実現するには、クラウド、コンソーシアム主導、レガシー資産など、さまざまなフレームワークを使って、工場の枠を超え、企業全体に及ぶ統合的なアプローチが必要です。
お分かりのように、デジタル・ツインのコンセプトは自動車産業で大きな進歩を遂げましたが、このテクノロジーはインダストリー4.0の動き全体に大きな進歩をもたらします。すべてのプラス面にもかかわらず、注意すべき潜在的な落とし穴がいくつかある。
データのプライバシーとセキュリティ
デジタル・ツイン・テクノロジーに関わる広範なデータ収集は、しばしばデータ・プライバシーとセキュリティの懸念を引き起こす。これらのシステムは膨大な量の詳細情報を収集・保存するため、機密データを確実に保護することが重要な課題となる。そのため、不正アクセスやデータ漏洩を防ぐための強固なセキュリティ対策が必要となり、これは広範囲に影響を及ぼす可能性がある。
複雑さとコスト
また、特に中小企業にとっては、こうしたシステムの構築や維持に伴う複雑さやコストについても、多くの問題がある。例えば、各製品に特化したセンサーや個別のデータセットが必要なため、特に幅広い製品を扱う企業にとっては、時間と費用の投資が必要となる。複雑な機械に比べ、基本的な消費財のような単純な製品では、デジタルツインの実用性はさらに低下する。多くの人は、デジタルツインの使用は、大規模な製品や高価値の資産を持つ産業でより正当化されると主張している。
データ収集の精度
デジタル・ツイン技術におけるデータ収集の精度も不可欠である。データに不正確な点があれば、これらのモデルを使った予測や意思決定の信頼性に大きな影響を与える可能性がある。このことは、デジタル・ツインの有効性を確保するために、綿密なデータ収集と検証の必要性を強調している。
技術的限界
デジタルツインシステムもまた、現実世界の複雑さを完全に再現するには限界がある。デジタルツインシステムは貴重な洞察を提供してくれるが、現実のシナリオをどこまで複雑に再現できるかという点では限界があり、シミュレーション能力と現実世界の複雑さとのギャップを反映している。このギャップは常に狭まっているが、十分に狭まっているのだろうか?
製造業におけるデジタルツインの動きが今後も続くことに議論の余地はない。時間、リソース、財務の大幅な節約を考えれば、多くの人にとって、潜在的な落とし穴よりもプラスのメリットの方が大きい。2回に分けてお届けするデジタルツインブログの後編では、エッジコンピューティングとリトマスエッジのパワーを活用してデジタルツインを実現する方法をご紹介します。
Vishvesh Shah
プロダクト・マネジメント・ディレクター
ヴィシュヴェシュ・シャーはリトマスの研究開発部門の責任者である。
Dave McMorran
セールス・エンジニアリング部長
レガシーな記録システムを、明日の目標の要求を満たすために増強することができるかどうか、疑問に思っているだろうか?
Dave McMorran
セールス・エンジニアリング部長
製造業では、デジタルトランスフォーメーションを取り入れることが重要です。リトマスエッジは、統合名前空間(UNS)アーキテクチャを簡素化し、デジタルへの移行をシームレスにし、最新の環境で成功します。
Suranjeeta Choudhury
プロダクト・マーケティング・ディレクター
今週初め、私たちはLitmus MQTTのプライベート・ベータ版のリリースを発表しました。プライベートベータ版は現在、早期アクセスサインアップを受け付けています。