Гибридные цифровые двойники: почему производство обогнало проектирование

Александр Никулин,
архитектор цифровых двойников, ГК «ПЛМ Урал»

Статья посвящена анализу причин отставания проектирования от производства во внедрении гибридных цифровых двойников (ГЦД). Приведена реализация ГЦД электродвигателя на единой платформе. Отмечено, что ключевым барьером является отсутствие нормативной базы и экономических стимулов для использования ГЦД как доказательной базы при сертификации. Сделан вывод о риске потери конкурентоспособности российских разработчиков сложной техники.

Прежде чем перейти к сутевой части статьи, я бы хотел зафиксировать два факта. Позже я вернусь к обоим.

Факт 1. Максимально циничная и максимально честная фраза, услышанная мною от одного из топ-менеджеров компании Siemens. В переводе на русский она звучит так: «Деньги всё расставляют по своим местам».

Факт 2. Уже более 25 лет на просторах Всемирной сети бытует шутка, потрясающе точно отражающая реальный мир. В споре двух ученых один из них воскликнул: «Вспомни историю человечества! Первая обезьяна, которая взяла в руки палку и начала работать, стала человеком!». Второй же ученый сочувственно взглянул на своего коллегу и сказал: «Не хочу обижать старика Дарвина, но, когда первая обезьяна взяла в руки палку, работать начала вторая».

Теперь вернемся к цифровым двойникам. Четвертая промышленная революция (Индустрия 4.0) постулирует цифровой двойник как основу жизненного цикла изделия. Причем в качестве изделия может выступать как физический объект, так и технологический процесс, логистический процесс и даже конкретный индивид (да-да, цифровой двойник клиента уже реальность: имитация поведения, предпочтений и реакций на внешние воздействия в реальном времени — всё уже используется для вашего… разумеется, удобства).

За время существования термина появились конкретные методики по формированию и калибровке цифровых моделей, позволяющих превратить обычные цифровые модели в прецизионные инструменты решения инженерных задач для достижения бизнес-целей. Следующим шагом стало подключение к цифровым двойникам средств анализа больших данных для автоматизации доопределения математических моделей в составе цифровых двойников. Подключение полученных структур к средствам сбора информации и средствам управления замыкает контур двойника обратной связью, и мы получаем автономно действующий комплекс по принятию решений, выдвижению и валидации гипотез, оперативному мониторингу состояния физического объекта или процесса (рис. 1).

Рис. 1. Контур гибридного цифрового двойника

Гибридный цифровой двойник (ГЦД), описанный выше, уже сейчас используется различными предприятиями для повышения эффективности процессов, включая процессы проектировочные, производственные, финансовые. Однако если проанализировать, какие именно предприятия это делают, то возникает довольно любопытная картина.-С одной стороны, существует ряд гигантских корпораций, которые проектируют и производят высокотехнологичную технику. Десятки предприятий, тысячи сотрудников, конструкторские бюро списочным составом по нескольку сотен человек, миллиардные обороты, субсидии от государства, разработка специализированного программного обеспечения и… единичные примеры успешного внедрения цифровых двойников. До гибридов не дошло ни одно предприятие.

С другой стороны, есть предприятия, которые эксплуатируют это оборудование. У них нет больших конструкторских бюро, программы субсидирования до них доходят очень редко. Тем не менее большинство игроков используют цифровые двойники заводов, складов, систем технического обслуживания в сочетании с конвейерами обработки данных и интеграцией с системами телеметрии для повышения эффективности.

В результате складывается парадоксальная ситуация: предприятия с максимальной концентрацией «мозгов» и многолетним опытом серьезно отстают в части внедрения технологии от предприятий, работающих в сфере, где наукоемкость процессов гораздо меньше, а специализированного программного обеспечения зачастую нет вообще. При этом математика процессов, включая процессы в экземплярах оборудования, не всегда очевидна, сильно зависит от эмпирических данных и в ряде случаев может быть довольно сложной.

Возникла серьезная дивергенция между производством/эксплуатацией и проектированием. В то время как производство активно переходит на парадигму Индустрии 4.0, проектирование застряло в индустрии 2.5 с полубумажными подходами к работе. На это, безусловно, есть причины. И здесь я возвращаюсь к первому факту, о котором упомянул в начале статьи. Проектирование застряло не потому, что у нас не умеют проектировать, считать или не хотят делать это быстрее, технологичнее, а просто потому, что не понятно, как обосновать финансовую целесообразность внедрения технологии, если заказчик конечного продукта напрямую не указал необходимость такой сущности, как гибридный цифровой двойник, и не выделил на это (сюрприз!) дополнительные средства. И в данном случае деньги сразу же играют против энтузиастов, желающих совершенствовать технологию проектирования. Ставят их на место. На место, которое идеально с точки зрения мгновенной финансовой эффективности и минимизации рисков, но при этом медленно снижает уровень конкурентоспособности системы проектирования и конечных изделий (рис. 2). Аналогия с лягушкой, которую варят в медленно нагревающейся кастрюле, здесь уместна на все 100%. Регулярное откладывание развития поначалу не дает серьезного видимого эффекта, однако в какой-то момент итоговые процессы и изделия становятся неконкурентоспособными ни в части характеристик, ни в части скорости проектирования.

Рис. 2. Слайд GE с деталями программы по созданию трехконтурного ГТД

Наиболее интересным выглядит пример с созданием трехконтурных газотурбинных двигателей. Применение новых подходов, в частности активное применение гибридного численного моделирования и виртуализации испытаний, позволило компании General Electric создать и успешно завершить наземные испытания двигателя-демонстратора менее чем за 5 лет. Демонстратор превзошел требования заказчика уже на второй итерации доводки. Для примера: стандартный цикл проектирования ГТД по классической двухконтурной схеме в России составляет 15 лет. Внимание, вопрос: чьи самолеты через 10 лет будут быстрее, экономичнее и маневреннее?

А теперь вернемся ко второму факту и рассмотрим его через призму цифр. Данную статистику вы легко можете найти достаточно беглым поиском во Всемирной сети. Скорее всего, имеет место существенная погрешность, но представленных в таблице данных вполне достаточно, чтобы сделать несколько выводов:

1. У российских проектировщиков в НИОКР попадает только то, что уже гарантированно принесет конкретный эффект. Предприятия не исследуют, они даже в технологию, которая доказала свою эффективность, не всегда готовы вложиться.
2. Несмотря на гигантский разрыв в финансировании, отдельным российским проектирующим предприятиям удается внедрить и применить технологию для достижения различных преимуществ (проект морского газотурбинного двигателя ПАО «ОДК-Сатурн»).
3. Несмотря на наличие первого в мире национального стандарта по цифровым двойникам, наша нормативная база абсолютно не готова к применению цифровых двойников в сфере проектирования и принятию результатов их работы как доказательной базы.
4. С учетом необходимости крайне быстро адаптировать технику к новым условиям применения и всего вышеизложенного, у нас может не хватить времени поднять палку.

Указанные факты приводят к тому, что проектирование существенно уступает производству, которое не ограничено требованиями или не обременено процедурами контролирующих органов и институтов, которому легко посчитать и обосновать выгоду OpEx от применения ГЦД.

Финансово-технические показатели развития системы проектирования в различных странах

Вдвойне нелогичным факт дивергенции выглядит с учетом того, что технологии, которые позволяют реализовать ГЦД в проектировании, уже есть, опробованы на самых сложных изделиях, со сложной внутренней физикой и химией. Примером может служить применение технологии компанией ПАО «ОДК-Сатурн». Специалисты предприятия вполне успешно применили подход для прохождения части сертификационных испытаний двигателя ПД-8 в виртуальной среде, а полноценный гибридный цифровой двойник применили для создания системы предиктивной аналитики для ГТД морского базирования. Однако стоит отметить, что такой результат стал возможен только за счет предварительной долгой работы и согласования с отраслевыми институтами и контролирующими органами. То есть это точечная, прицельная работа. Ни о каком системном применении в этом случае речи быть не может. Примеры из области производства приводить не буду — любопытный читатель легко найдет открытые сведения в Сети. Иными словами, известны данные о стоимости внедрения технологии (проект морского ГТД — 2,5 млрд руб., из них непосредственно работы по созданию ГЦД — менее 400 млн руб., остальное на доработку инструментов проектирования и испытаний), стоимости владения, показателях эффективности (время выполнения инженерных расчетов сокращено на 30-40%, получен комплекс предиктивной диагностики двигателя с горизонтом предсказания в 14 дней), технологическом стеке и архитектуре информационной инфраструктуры. Берите и используйте. Только нормативную документацию и методическую базу надо срочно доводить до современного уровня.

Рис. 3. Принципиальная схема ГЦД с интеграцией моделей в модель системного уровня

Кроме того, стоит отметить, что на российском рынке существуют действительно уникальные продукты, которые позволяют реализовать контур ГЦД на единой платформе, включая конвейеры получения и обработки данных, построение и калибровку математической модели, генерацию инженерной и бизнес-аналитики. Так, специалисты ГК «ПЛМ Урал» для построения информационных структур класса «гибридный цифровой двойник» (ГЦД) активно применяют программное обеспечение DT Enterprise с реализацией средствами платформы всех трех упомянутых выше слоев данных. В качестве примера далее изложена структура гибридного цифрового двойника электродвигателя в составе более комплексного оборудования.

Слой платформы данных в указанном примере достаточно простой, так как электродвигатель обладает ограниченным количеством датчиков. Фактически их три: обороты вала, рабочий ток и температура обмоток. Это облегчает сбор данных и их обработку, но серьезно усложняет калибровку математических моделей в составе ГЦД. Реализованный специалистами ГК «ПЛМ Урал» конвейер обработки данных на базе нескольких нейросетевых моделей занимается отфильтровыванием выбросов, нормировкой, осреднением и подготовкой данных к калибровке модели. Реализация указанных алгоритмов на базе конструкций языка Python позволяет, с одной стороны, гибко встраивать итоговые модули в DT Enterprise, а с другой стороны, обеспечивает достаточно возможностей для коммуникации с реальным оборудованием по протоколам передачи данных, включая съем данных с промышленных контроллеров.

Слой имитационной модели включает тепловую, электромагнитную трехмерные модели и модель остаточного времени жизни. Модели объединены и работают в едином цикле, обмениваясь данными при необходимости. После первичной калибровки на новом электромоторе модели подвергаются автоматическому доопределению при достижении ряда критериев, в частности систематического рассогласования выше определенного порога между результатами расчета и данными телеметрии. Калибровка и доопределение также могут быть проведены в автоматическом режиме. Калиброванные же модели формируют синтетический набор данных по специальному алгоритму, обеспечивающему высокую точность предсказания для нейросетевой модели (рис. 3).

В слое аналитики происходит сравнение измеренных параметров электродвигателя и предсказанных быстродействующей моделью. В случае расхождения оператор получает сообщение с расшифровкой возможных причин. Кроме того, оператор постоянно имеет возможность контроля за остаточным временем жизни мотора с учетом его истории эксплуатации.

Исходя из применения разработанного решения, наш заказчик получил надежный инструмент оценки технического состояния всей системы, а разработчик составных частей системы (ГЦД) — возможность менять конструкцию с оперативной оценкой влияния изменений на эффективность всей системы целиком.

Приведенный пример раскрывает лишь часть возможностей, которые предоставляет применение ГЦД в различных отраслях, однако его преимущество в том, что он работает, решает конкретную задачу нашего клиента и обладает возможностью интеграции в системы более высокого уровня: от двигателя к насосу, от насоса к насосной станции, от насосной станции до влияния на технологический цикл завода.

Разумеется, многие предприятия могут существовать и без ГЦД электродвигателя, насоса, насосной станции, однако последние события в мире показывают, что без качественной цифровой модели, реализованной обратной связи от реального экземпляра изделия и моделирования взаимодействия различных устройств, невозможно корректно оценить эффективность применения техники по назначению. Последние 5 лет Росстандарт в рамках своих комитетов активно прорабатывает стандарты по цифровым двойникам и численному моделированию как изделий, так и производств, что говорит о возможном скором появлении требований при проектировании и приемке продукции. Учитывая, что большинство разработчиков техники так или иначе производят технику двойного назначения, возникает вопрос: а как быстро именно ваше предприятие попросят в кратчайшие сроки предоставить ГЦД для интеграции в виртуальный полигон? Технология и подходы к созданию ГЦД, разработанные специалистами ГК «ПЛМ Урал», помогут вам ответить на поставленный вопрос.