Цифровые двойники

Теория

Цифровой двойник (Digital Twin) – это программный аналог (виртуальная интерактивная копия) реального объекта или процесса. Он моделирует технические характеристики и поведение оригинала в различных ситуациях – при появлении помех, воздействия окружающей среды. Работая с цифровым двойником, можно управлять жизненным циклом основного объекта.

Современные цифровые двойники позволяют в режиме реального времени визуализировать промышленные и транспортные объекты, добиваясь сходства с оригиналом «до миллиметра»

Обычно цифровых двойников создают для отдельных направлений производства. Иногда охватывают полный цикл работы транспортного объекта или предприятия

Цифровые модели используют данные, поступающие от сотен до тысяч удаленных датчиков. Необходимо заранее определиться со способами шифрования поступающих данных, способами хранения, оптимальной моделью для анализа

Практика

В ОАО «РЖД» цифровые двойники применяются для оптимизации и повышения эффективности перевозочного процесса, роста безопасности движения. Цифровые двойники помогают прогнозировать загрузку железнодорожных путей, определять оптимальные маршруты, рассчитывать стоимость эксплуатации подвижного состава и путевого оборудования и выработать оптимальные режимы эксплуатации всей транспортной сети.

Преимущества цифровых двойников

возможность организовать мониторинг состояния объекта из любой точки мира в режиме реального времени
Оперативная оценка рисков. Число возможных тестов и экспериментов можно увеличить в десятки раз
Предиктивный анализ работы объекта, возможность предугадывать сбои и иные внештатные ситуации
Корректный расчет стоимости эксплуатации объекта или процесса, оптимизация расходов компании

Проекты

Цифровая технологическая платформа «Доверенная среда локомотивного комплекса».

Цифровая платформа для сбора, хранения информации и взаимодействия участников проекта, обеспечивающих работу тягового подвижного состава.

«Умный локомотив»

Комплекс систем предиктивной аналитики с применением технологий искусственного интеллекта, нейронных сетей, интернета вещей, анализа больших данных, цифровых двойников. Дает возможность оценивать и прогнозировать состояние узлов и агрегатов локомотива, отслеживать аномалии и автоматически выводить информацию о состоянии оборудования.