உற்பத்தியில் சிமுலேஷன் மற்றும் டிஜிட்டல் ட்வின்கள் ஒன்றாக நெருங்கி வருகின்றன, ஆனால் அவை ஒரே கருவி அல்ல

இரண்டு பிரபலமான சொற்கள், ஆனால் நீடித்த குழப்பம்

மெய்நிகர் வடிவமைப்பு மற்றும் செயல்பாடுகளில் முதலீடு செய்யும் உற்பத்தியாளர்கள், சிமுலேஷன் மற்றும் டிஜிட்டல் ட்வின்களை பரஸ்பரம் மாற்றிக் கொள்ளக்கூடியவை போலப் பேசுகின்றனர். அவை அவ்வாறு அல்ல. The Robot Report வெளியிட்ட புதிய துருவநிலை மேலோட்டத்தின் மையக் கருத்தும் இதுதான்; மெய்நிகர் உற்பத்தி கருவிகளில் இருந்து உண்மையான மதிப்பைப் பெற முயற்சிக்கும் நிறுவனங்களுக்கு இந்த வேறுபாட்டைத் தெளிவுபடுத்துவது அவசியம் என்று அது வாதிடுகிறது.

இந்த குழப்பம் புரிந்துகொள்ளத்தக்கதே. இரு அணுகுமுறைகளும் உட்பொருள் அமைப்புகளின் மெய்நிகர் பிரதிநிதித்துவங்களை உருவாக்குகின்றன. இரண்டும் அணிகள் செயல்முறைகளை செயல்படுத்துவதற்கு முன் அல்லது செயல்படுத்தும் போது காட்சிப்படுத்த, சோதிக்க, மற்றும் மேம்படுத்த உதவுகின்றன. இரண்டும் பரந்த டிஜிட்டல் மாற்ற முயற்சிகளின் மையமாக உள்ளன. ஆனால் மூல உரை, இவை வெவ்வேறு நோக்கங்களுக்கு சேவை செய்கின்றன, நிஜ உலக தரவுகளுடன் வெவ்வேறு உறவுகளை நம்புகின்றன, மேலும் உற்பத்தி அமைப்பின் வாழ்க்கைச் சுழற்சியில் வெவ்வேறு கட்டங்களில் பொருந்துகின்றன என்று வலுவான வாதம் முன்வைக்கிறது.

கட்டுப்படுத்தப்பட்ட சோதனை சூழலாக சிமுலேஷன்

வழங்கப்பட்ட விவரிப்பில், சிமுலேஷன் என்பது விதிகள் மற்றும் கருதுகோள்களின் அடிப்படையில் காலப்போக்கில் ஒரு குறிப்பிட்ட சூழலை மாதிரியாக்கும் கட்டுப்படுத்தப்பட்ட மெய்நிகர் சூழலாக விவரிக்கப்படுகிறது. உற்பத்தியில், இது பொதுவாக discrete event simulation ஐ குறிக்கிறது. இயந்திரங்கள், கன்வேயர்கள், ரோபோக்கள், பணிகள், மற்றும் செயல்முறை தர்க்கம் ஆகியவை குறியீட்டுவழி பிரதிநிதித்துவப்படுத்தப்படுகின்றன; இதன் மூலம் திட்டமிடுவோர் ஒரு குறிப்பிட்ட அமைப்பு எப்படி செயல்படலாம் என்பதைப் பார்க்க முடியும்.

இது மதிப்புடையது, ஏனெனில் இது உற்பத்தியாளர்களை shop floor-ஐக் குழப்பாமல் பரிசோதிக்க அனுமதிக்கிறது. ஒரு சிமுலேஷன் bottlenecks-ஐ வெளிக்கொணர முடியும், throughput-ஐ மதிப்பிட முடியும், layout கருத்துகளைச் சோதிக்க முடியும், மற்றும் ஒரு physical line நிறுவப்படும் அல்லது மறுசீரமைக்கப்படும் முன் sequencing சிக்கல்களை வெளிப்படுத்த முடியும். இது ஒரு வடிவமைப்பு மற்றும் திட்டமிடல் கருவி; குறிப்பாக ideation மற்றும் system integration பணிகளில் பயனுள்ளது.

சிமுலேஷனுக்கு அவசியமாக ஒரு physical asset-உடன் உயிருள்ள, தொடர்ச்சியான இணைப்பு தேவைப்படாது. இது அடிப்படையாக ஒரு bounded model-இல் சாத்தியங்களை ஆராய்வதையே குறிக்கிறது. இதுவே அதை சக்திவாய்ந்ததாக ஆக்குகிறது; அதே நேரத்தில் தொழில் ஒரு உண்மையான digital twin எனக் கருதும் ஒன்றிலிருந்து வேறுபடுத்துகிறது.

டிஜிட்டல் ட்வினை தனித்துவமாக்குவது என்ன

வழங்கப்பட்ட மூலம் இந்த வேறுபாட்டைத் தெளிவாக வரையறுக்கிறது. ஒரு digital twin என்பது physical system-இன் dynamic, real-time counterpart; அது தனது நிஜ உலக twin-உடன் தொடர்ந்து data-ஐ பரிமாறிக்கொள்கிறது. இங்கே முக்கியமான சொல் bidirectional data flow. இதுவே digital twin-ஐ static digital model-இலிருந்தும், சில practitioners கூறும் digital shadow-இலிருந்தும் வேறுபடுத்துகிறது.

ஒரு digital shadow-இல், data physical system-இலிருந்து virtual one-க்கு செல்லலாம்; இதனால் model புதுப்பித்த நிலையில் இருக்கும். ஆனால் ஓட்டம் ஒரே திசையில் மட்டுமே இருந்தால், model வரம்புடனேயே இருக்கும். ஒரு உண்மையான digital twin அதைவிட மேலே செல்கிறது. இது live நிலைகளின் அடிப்படையில் monitoring, control, prediction, மற்றும் optimization-ஐ ஆதரிக்கிறது; மேலும் production variables real time-இல் மாறும்போது அதுவும் பொருந்தி மாற முடியும்.

இதனால் digital twin ஒரு planning representation-இலிருந்து operational companion ஆக மாறுகிறது. இது ஊகிக்கப்பட்ட நிலைகளின் கீழ் என்ன நடக்கலாம் என்பதை மட்டும் காட்டுவதில்லை. இது இப்போது என்ன நடக்கிறது என்பதைப் புரிந்துகொள்வதிலும் நிர்வகிப்பதிலும் பங்கேற்கிறது.

இந்த வேறுபாடு மூலோபாய ரீதியில் ஏன் முக்கியம்

இது வெறும் சொல்லாடல் விவாதம் அல்ல. ஒரு உற்பத்தியாளர் தவறான virtual tool-ஐ தவறான பணிக்காக வாங்கினால் அல்லது உருவாக்கினால், அதன் விளைவாக வீணான முதலீடு மற்றும் பொருந்தாத எதிர்பார்ப்புகள் ஏற்படலாம். real-time optimization-ஐ எதிர்பார்க்கும் அணிகள் planning simulation-இல் ஏமாற்றமடையலாம். layout validation மட்டுமே தேவைப்படுகிற அணிகள், data integration மற்றும் twin infrastructure-இல் தேவையற்ற செலவு செய்யலாம்.

system design, planning, மற்றும் operation ஆகிய வாழ்க்கைச் சுழற்சியில் ஒவ்வொரு கருவியும் எங்கு பொருந்துகிறது என்பதைப் புரிந்துகொள்வது அறிவுப்பூர்வமான முடிவுகளை எடுக்க முக்கியமானது என்று source text வாதிடுகிறது. இது ஒரு நடைமுறைப் புள்ளி. தொழில்நுட்பத் திட்டங்கள் பல சமயம் software இயலாமையால் அல்ல, அமைப்பு தான் தீர்க்க விரும்பும் பிரச்சினையை தெளிவாக வரையறுக்காததால் தோல்வியடைகின்றன.

உற்பத்தியின் மெய்நிகர் எதிர்காலம் அடுக்குகளாக உள்ளது

பெரிய takeaway என்னவெனில், உற்பத்தியாளர்கள் அவசியமாக ஒரு அணுகுமுறையைத் தேர்ந்து மற்றொன்றை நிராகரிக்க வேண்டியதில்லை. சிமுலேஷனும் டிஜிட்டல் ட்வின்களும் ஒன்றுக்கொன்று துணைபுரியலாம். சிமுலேஷன் நிறுவனங்களுக்கு deployment-க்கு முன் system behavior-ஐ ஆராய உதவுகிறது. physical systems இயங்கி live data உருவாக்கும் போது digital twins அவற்றை monitor மற்றும் optimize செய்ய உதவுகின்றன.

இந்த layered பார்வை, manufacturing digitization உண்மையில் எவ்வாறு unfolding ஆகிறது என்பதைச் சிறப்பாக பிரதிபலிக்கிறது. மெய்நிகர் கருவிகள் இனி visualization-க்கானவை மட்டுமல்ல. அவை concept design-இலிருந்து live operations வரை ஒரு continuum-இன் பகுதியாக மாறுகின்றன. ஒவ்வொரு கட்டத்திலும் தங்களுக்கு உண்மையில் தேவையான fidelity, data integration, மற்றும் feedback அளவு எது என்பதை industrial teams அறிந்திருக்க வேண்டும் என்பதே சவால்.

மிகவும் முதிர்ந்த உரையாடல்

மேலும் பல உற்பத்தியாளர்கள் மெய்நிகர் தொழில்நுட்பங்களை ஏற்றுக்கொள்வதால், உரையாடல் hype-ஐத் தாண்டி architecture மற்றும் operational fit நோக்கி நகர்கிறது. மிகப் பயனுள்ள கேள்வி, ஒரு நிறுவனம் கோட்பாட்டில் சிமுலேஷன் அல்லது digital twin-ஐ பயன்படுத்த வேண்டுமா என்பதல்ல. எந்த திறன் தேவை, எப்போது தேவை, மற்றும் எந்த வணிக இலக்குக்காக தேவை என்பதே.

மூல உரையின் மிக மதிப்புள்ள பங்களிப்பு அதன் துல்லியத்தை வலியுறுத்துவது. சிமுலேஷன் என்பது சூழல்களைச் சோதிக்க ஒரு கட்டுப்படுத்தப்பட்ட சூழல். ஒரு digital twin என்பது physical மற்றும் virtual systems இடையேயான தொடர்ச்சியான பரிமாற்றத்துடன் கூடிய real-time counterpart. இந்த வேறுபாடு தொழில்நுட்பமானதாகத் தோன்றலாம், ஆனால் எதிர்கால தொழிற்சாலைகளை வடிவமைக்கும் உற்பத்தியாளர்களுக்கு இது மூலோபாய முக்கியத்துவம் பெறுகிறது.

இந்த கட்டுரை The Robot Report வெளியிட்ட செய்தியினை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.