mały|alt=Wizualizacja idei cyfrowego bliźniaka w odniesieniu do platformy wiertniczej|Wizualizacja idei cyfrowego bliźniaka w odniesieniu do platformy wiertniczej Cyfrowy bliźniak (również: model cyfrowy, cyfrowy cień; ang: Digital twin) – pojęcie z zakresu inżynierii systemów, informatyki i zarządzania danymi, oznaczające cyfrową reprezentację konkretnego obiektu fizycznego, procesu lub usługi, powiązaną z nimi stałym przepływem danych i wykorzystywaną do monitorowania, analizy oraz optymalizacji w całym cyklu życia. W literaturze podkreśla się, że cyfrowy bliźniak nie jest wyłącznie statycznym modelem komputerowym, lecz obejmuje sprzężone ze sobą obiekt fizyczny, jego dynamiczny model cyfrowy oraz infrastrukturę komunikacji danych umożliwiającą synchronizację w czasie zbliżonym do rzeczywistego.

Koncepcja cyfrowego bliźniaka rozwinęła się z wcześniejszych podejść do wirtualnego prototypowania i symulacji komputerowej, takich jak wirtualna produkcja, systemy CAD/CAE/CAM czy BIM. Za prekursorskie przykłady praktycznego wykorzystania idei cyfrowego bliźniaka uznaje się stosowane przez NASA symulatory statków kosmicznych, odtwarzające zachowanie obiektów znajdujących się w przestrzeni kosmicznej podczas misji załogowych. Współczesne ujęcie pojęcia zostało spopularyzowane w latach 2000. w środowisku zarządzania cyklem życia produktu (PLM) przez Michaela Grievesa oraz w dokumentach NASA dotyczących modelowania i symulacji zaawansowanych systemów technicznych. Cyfrowe bliźniaki są wykorzystywane m.in. w przemyśle wytwórczym, lotniczym, motoryzacyjnym, budownictwie i zarządzaniu infrastrukturą, energetyce, opiece zdrowotnej, logistyce, smart city oraz ochronie dziedzictwa kulturowego, gdzie służą m.in. do projektowania i testowania, monitorowania stanu, predykcyjnego utrzymania ruchu, optymalizacji zużycia mediów, oceny ryzyka czy planowania scenariuszy awaryjnych.

Definicja i terminologia

Międzynarodowe standardy oraz przeglądy literatury definiują cyfrowy bliźniak jako zidentyfikowaną, cyfrową reprezentację określonego obiektu fizycznego lub systemu, powiązaną z nim jednoznacznym odniesieniem oraz stałym przepływem danych w obu kierunkach. W ujęciu ISO cyfrowy bliźniak stanowi element szerszej architektury Internetu rzeczy (IoT), w której dane pomiarowe z czujników i systemów sterowania są łączone z modelami analitycznymi i algorytmami sterowania.

W literaturze przedmiotu rozróżnia się pojęcia „model cyfrowy”, „cyfrowy cień” i „cyfrowy bliźniak”. Model cyfrowy jest statyczną reprezentacją obiektu (np. modelem CAD), która nie jest w sposób ciągły zasilana danymi z rzeczywistego obiektu. Cyfrowy cień (digital shadow) powstaje wówczas, gdy dane z obiektu fizycznego są automatycznie odzwierciedlane w modelu, ale oddziaływanie w drugą stronę (sterowanie obiektem na podstawie modelu) nie jest przewidziane. Pełny cyfrowy bliźniak zakłada natomiast istnienie sprzężenia zwrotnego, w którym model cyfrowy nie tylko odzwierciedla stan obiektu, lecz także umożliwia wpływanie na jego zachowanie poprzez zalecenia lub automatyczne sterowanie.

Na gruncie koncepcji PLM zaproponowano podział cyfrowych bliźniaków na trzy kategorie: digital twin prototype (DTP), digital twin instance (DTI) oraz digital twin aggregate (DTA). Prototyp cyfrowy (DTP) opisuje projekt i planowany sposób działania obiektu, instancja bliźniaka (DTI) odnosi się do konkretnego egzemplarza w eksploatacji, natomiast bliźniak zagregowany (DTA) obejmuje zbiory danych z wielu instancji danego typu obiektów i służy do analiz flotowych oraz optymalizacji na poziomie systemowym.

Historia

W badaniach nad genezą koncepcji cyfrowego bliźniaka wskazuje się na związki z rozwojem wirtualnej produkcji (virtual manufacturing), modeli predykcyjnego sterowania (model predictive control) i technologii BIM. Już w latach 60. XX wieku NASA wykorzystywała naziemne odpowiedniki statków kosmicznych do odtwarzania warunków misji i analizowania możliwych scenariuszy postępowania, co współcześnie bywa interpretowane jako wczesne zastosowanie idei cyfrowego bliźniaka. W 1991 roku David Gelernter w książce Mirror Worlds przedstawił wizję „lustrzanych światów”, czyli cyfrowych odwzorowań złożonych systemów świata rzeczywistego, uważaną za jeden z ważnych etapów rozwoju współczesnego rozumienia cyfrowych bliźniaków. Z kolei przeglądy literatury zwracają uwagę na pracę Hernándeza i współautorów z 1997 roku, w której termin „digital twin” został użyty w odniesieniu do trójwymiarowego modelu sieci drogowej, współistniejącego z fizyczną infrastrukturą transportową.

Wczesne, systematyczne ujęcie koncepcji cyfrowego bliźniaka pojawiło się w obszarze zarządzania cyklem życia produktu (PLM). Michael Grieves zaproponował w 2002 roku model „mirrored spaces” (później określany jako Information Mirroring Model), opisujący relację między przestrzenią fizyczną i wirtualną w zarządzaniu złożonymi produktami oraz procesami wytwórczymi. W kolejnych latach pojęcie digital twin zostało włączone do dokumentów NASA i amerykańskich sił powietrznych jako element wizji cyfrowej inżynierii statków powietrznych i systemów kosmicznych, a następnie zaadaptowane w przemyśle wytwórczym i automatyce jako jeden z filarów koncepcji Przemysłu 4.0. Od drugiej dekady XXI wieku termin digital twin zaczął pojawiać się w licznych publikacjach naukowych i materiałach marketingowych, co doprowadziło do rozszerzenia i częściowej inflacji znaczenia pojęcia. Część autorów wskazuje na nadużywanie tej nazwy wobec statycznych modeli 3D lub pojedynczych symulacji, postulując zastrzeżenie jej wyłącznie do rozwiązań zapewniających ciągłą integrację danych z rzeczywistym obiektem oraz możliwość podejmowania decyzji na podstawie sprzężenia fizyczno-cyfrowego.

Architektura i poziomy integracji

Typowy cyfrowy bliźniak obejmuje trzy podstawowe elementy: obiekt fizyczny (np. maszynę, linię produkcyjną, budynek, pacjenta), jego model cyfrowy (obejmujący geometrię, strukturę funkcjonalną oraz modele zjawisk fizycznych) oraz infrastrukturę wymiany danych (digital thread), umożliwiającą gromadzenie, przetwarzanie i dystrybucję informacji pomiędzy światem fizycznym a cyfrowym. Źródłami danych mogą być m.in. czujniki IoT, systemy sterowania (SCADA, DCS), systemy klasy MES/ERP, modele CAD i BIM, informacje eksploatacyjne oraz dane historyczne.

Architektury cyfrowych bliźniaków dzieli się często na warstwy, obejmujące pozyskiwanie danych, ich integrację i przechowywanie, modelowanie i symulację, analitykę danych oraz warstwę prezentacji i interakcji z użytkownikiem. W warstwie modeli wykorzystuje się zarówno metody bazujące na wiedzy inżynierskiej (np. metoda elementów skończonych, modele przepływu, modele cieplne), jak i metody data-driven oparte na uczeniu maszynowym i sztucznej inteligencji. Do prezentacji wyników i interakcji z bliźniakiem stosuje się m.in. interfejsy 3D, rzeczywistość rozszerzoną (AR), rzeczywistość mieszaną oraz wizualizacje dostępne przez przeglądarkę internetową.

W literaturze dotyczącej zastosowań przemysłowych zaproponowano również podział poziomów integracji cyfrowej na model cyfrowy, cień cyfrowy i pełny bliźniak cyfrowy. Model cyfrowy funkcjonuje niezależnie od obiektu fizycznego, cień cyfrowy jest jednostronnie zasilany danymi z obiektu, natomiast bliźniak cyfrowy cechuje się dwukierunkową wymianą informacji oraz możliwością oddziaływania na obiekt na podstawie wyników analizy i symulacji.

Typologia cyfrowych bliźniaków

Oprócz podziału na DTP, DTI i DTA, w badaniach nad cyfrowymi bliźniakami wyróżnia się także szereg innych kryteriów klasyfikacyjnych. W szczególności wskazuje się na: bliźniaki produktu – obejmujące pojedyncze wyroby lub ich komponenty (np. silnik, skrzynia biegów, turbina wiatraka) wraz z modelami ich zachowania; bliźniaki procesów – reprezentujące sekwencje działań w systemach produkcyjnych, logistycznych lub usługowych (np. linie montażowe, procesy transportowe, ścieżki pacjentów w szpitalu); bliźniaki systemów – odnoszące się do złożonych układów składających się z wielu obiektów i procesów (np. fabryki, budynki, sieci energetyczne, dzielnice lub miasta).

Proponuje się także podział ze względu na etap cyklu życia obiektu – bliźniaki projektowe (wykorzystywane na etapie koncepcji i prototypowania), bliźniaki eksploatacyjne (zorientowane na monitorowanie, diagnostykę i predykcyjne utrzymanie ruchu) oraz bliźniaki wykorzystywane w fazie wycofywania i recyklingu, umożliwiające analizę wpływu na środowisko i optymalizację procesów odzysku materiałów.

Zastosowania

Przemysł wytwórczy i utrzymanie ruchu

W przemyśle wytwórczym cyfrowe bliźniaki są wykorzystywane w wielu fazach cyklu życia produktu – od projektowania i weryfikacji koncepcji, przez planowanie i optymalizację procesów produkcyjnych, po nadzór nad eksploatacją i predykcyjne utrzymanie ruchu. Modele cyfrowe sprzężone z danymi pomiarowymi umożliwiają m.in. testowanie różnych wariantów konfiguracji linii produkcyjnych, optymalizację parametrów obróbki, analizę ergonomii stanowisk pracy oraz ocenę wpływu zmian konstrukcyjnych na niezawodność i koszty serwisowania.

Na poziomie pojedynczych maszyn cyfrowy bliźniak może służyć do wykrywania odchyleń od stanu nominalnego, prognozowania awarii i planowania przestojów konserwacyjnych w sposób minimalizujący wpływ na produkcję, co wpisuje się w koncepcję elastycznych i samosterujących systemów produkcyjnych. Zastosowania obejmują również projektowanie i monitorowanie procesów wytwarzania przyrostowego, modelowanie zużycia narzędzi, optymalizację zużycia energii oraz analizę śladu węglowego produktów.

Budownictwo, infrastruktura i smart city

W budownictwie i zarządzaniu obiektami cyfrowe bliźniaki rozwijają istniejące praktyki BIM, łącząc modele geometryczne z aktualnymi danymi czujnikowymi i eksploatacyjnymi. Na poziomie pojedynczych budynków służą m.in. do monitorowania zużycia energii, sterowania systemami HVAC, planowania konserwacji i remontów, analizy komfortu użytkowników oraz oceny ryzyka awarii. W przypadku obiektów zabytkowych bliźniaki cyfrowe umożliwiają dokumentację stanu zachowania, symulację wpływu planowanych prac konserwatorskich oraz prowadzenie wirtualnych zwiedzania.

Na poziomie infrastruktury i miast cyfrowe bliźniaki są stosowane do analizowania ruchu drogowego, planowania inwestycji, modelowania systemów odwodnienia i ochrony przeciwpowodziowej, symulacji scenariuszy kryzysowych oraz oceny skutków polityk środowiskowych. W literaturze opisano przykłady cyfrowych bliźniaków dzielnic i miast, integrowanych z platformami smart city, które łączą dane z sieci czujników, systemów zarządzania ruchem, sieci energetycznych i usług komunalnych.

Energetyka i odnawialne źródła energii

Cyfrowe bliźniaki znajdują zastosowanie w sektorze energetycznym, w szczególności w odnawialnych źródłach energii. W przypadku farm wiatrowych i słonecznych wykorzystuje się je do optymalizacji rozmieszczenia jednostek, przewidywania produkcji energii, analizy wpływu warunków atmosferycznych oraz planowania prac serwisowych. W sieciach elektroenergetycznych bliźniaki cyfrowe służą do modelowania przepływów mocy, wykrywania przeciążeń, wspomagania pracy mikrosieci i systemów magazynowania energii oraz analizy odporności infrastruktury na zdarzenia ekstremalne.

Ochrona zdrowia i cyfrowy bliźniak człowieka W ochronie zdrowia koncepcja cyfrowego bliźniaka jest wykorzystywana przede wszystkim na etapie badań i pilotażowych wdrożeń. Bliźniaki narządów, urządzeń medycznych lub całych układów fizjologicznych mają wspierać planowanie zabiegów, dobór terapii oraz przewidywanie przebiegu chorób na podstawie danych obrazowych, sygnałów biomedycznych i modeli fizjologicznych. W literaturze pojawia się pojęcie „cyfrowego bliźniaka pacjenta” lub „cyfrowego bliźniaka człowieka” (human digital twin), odnoszące się do cyfrowych reprezentacji osób, które integrują dane medyczne, behawioralne i środowiskowe w celu personalizacji diagnostyki i leczenia.