Опыт применения субъектно–ориентированного моделирования для разработки цифрового двойника

Субъектно-ориентированное моделирование (СОМ) включает в себя множество практик и решений. Одним из поднаборов таких практик является планирование ресурсов производства на основе цифровых данных – а именно, цифрового двойника производства (или цифрового двойника производственных процессов). В статье приводится опыт компании АО «МЦД» при исследованиях ряда процессов промышленного производства, имеющих разную технологическую природу и касающуюся основных производственных процессов – планирования, управления производством, а также планированиях цепочек поставок применительно к реалиям, в которых работают производственные организации в РФ.

Перспектива

Одной из задач данной статьи является выявление основных тенденций (трендов), определяющих перспективу рынка технологий цифровых двойников для субъектно-ориентированного моделирования в ближайшие годы.

Существует два характерных цикла развития и применения технологии СОМ. Сначала цикл «больших ожиданий и разочарования» – непрерывный подъем (много языков, моделей и перспектив) и достижение некоторого пика, а потом резкое снижение (уменьшение интереса, недостаток вычислительных мощностей в связи с переходом на персональные компьютеры, новые вызовы). Потом цикл «зрелости» – как и для любой зрелой технологии постепенный, медленный, но все же подъем.

Наиболее понятным описанием этого процесса является общеизвестная кривая Гартнера. Поэтому представим процесс развития СОМ в виде, показанном на Рис. 1.

60-70-е годы ХХ века 80-е годы ХХ века 90-е годы ХХ века 0-е годы ХХI века 10-е годы ХХI века С начала 20-х годов ХХI по настоящее время

Рисунок 1 – Цикл зрелости технологии СОМ (кривая Гартнера) [1]

Анализ потенциала и реалий рынка СОМ в России можно провести, опираясь на статистические данные о количестве предприятий и размеры их выручки за 2023 и предыдущие годы. Сначала рассмотрим потенциал рынка СОМ в России.

Основными потенциальными пользователями СОМ являются предприятия, которые имеют одну, а чаще несколько сложных систем, требующих анализа, оценки и управления. Если до определенного уровня сложности можно обойтись без применения специальных программных средств системного анализа, то сейчас для большинства систем ручной анализ и волюнтаристическое управление уже просто физически невозможно. Необходимо использовать автоматизированные средства системного анализа. Одним из основных таких средств является СОМ.

Согласно данным портала СПАРК агентства Интерфакс [2], на начало 2024 года в России работает свыше 3 миллионов 260 тысяч юридических лиц. Пользователем СОМ скорее всего станет такое предприятие, которое не только заинтересовано в данной технологии, но и имеет оборот, позволяющий осуществлять затраты на достаточно дорогие инструменты и услуги по исследованию. В основном при исследовании сложных систем для крупных предприятий или больших инфраструктурных проектов средняя стоимость разработки модели и проведения СОМ составляет 3.5 млн руб. – будем считать это базовым вариантом для оценки рынка.

Исходя из минимальной стоимости работ по СОМ, для предприятия затраты на создание СОМ-модели и проведение исследования можно считать возможными, если они составляют менее 1% выручки предприятия. Поэтому был проведен статистический анализ на портале СПАРК и определено количество предприятий с выручкой от 120 и более млн руб. в год. В результате данного анализа и существующего разделения на малые, средние и крупные предприятия (от объема выручки) была получена оценка количества предприятий, которая приведена в таблице (Таблица 1).

Таблица 1 – Количество предприятий в России с оборотом свыше 120 млн. (шт.)

Тип предприятияОборот предприятия (млн руб. в год)Количество предприятий
МалоеОт 120 до 800Более 210 тысяч
СреднееОт 800 до 2 000Более 16 тысяч
КрупноеСвыше 2 000Более 11 тысяч

Источник – СПАРК [2].

Следовательно, в РФ существует более 200 тысяч предприятий, которые смогли бы в экономическом плане заказать автоматизацию бизнес-процессов и предваряющее исследование.

Принимая за аксиому то, что российские инструменты СОМ практически ни в чем не уступают западным, стоит также отметить, что мы сильно отстаем в объемах, правовых основах и культуре практического применения СОМ. И, кроме этого, российский рынок – это население 150-200 миллионов человек (даже с учетом стран СНГ и ЕАЭС), а мировой рынок в 40 раз больше – 8 млрд человек.

В основных обзорах рынка западными исследователями, как правило, рынок СОМ не выделяется отдельно. Они рассматривают рынок комплексного моделирования, включающий другие виды моделирования, близкие к СОМ. Поэтому будем опираться на такого типа отчеты и оценки [3]. Согласно отчету 2023 года [3] объем рынка моделирования в целом в 2022 году составлял 16 млрд долларов США, а в 2023 году оценивался примерно в 18,1 млрд долларов США. Ожидается, что эффективный совокупный годовой темп роста (CAGR) составит 13,1% в период с 2023 по 2028 год. Прогнозируемый объем рынка достигнет 33,5 млрд долларов США (Рис. 2).

Рисунок 2 – Оценка рынка моделирования в мире 2022 – 2028 годы Источник: [3]
Рисунок 2 – Оценка рынка моделирования в мире 2022 – 2028 годы Источник: [3]

За рубежом основным рынком СОМ остается Северная Америка (в основном США), далее по объему следуют Европа и Китай. Составители отчета говорят о процветающей технологической среде Китая как глобальном факторе роста рынка СОМ, а также об усиливающемся инновационном партнерстве и инициативах в Индии для развития программного обеспечения для моделирования.

Опыт применения технологии

Приведенные в таблице (Таблица 2) примеры представляются наиболее иллюстративными с точки применения рассматриваемой технологии – субъектно-ориентированного моделирования (СОМ).

Таблица 2 Технологии ЦД, основанные на субъектно— ориентированном моделировании

 

Применяющаяся технология

Технологическая природа моделируемых процессов

Пример внедрения технологии ЦД

1

СОМ

Дискретное производство – эксплуатация

ЦД прескриптивной аналитики подвижного состава ВНИИЖТ [4]

2

СОМ

Генерация энергии

ЦД энергопотребления [5]

3

СОМ

Горнорудное производство

ЦД для процессного контроля и симуляции [6]

Примечание – Составлено АО «МЦД» из открытых источников.

Самой перспективной зоной внедрения данного вида ЦД являются области процессов генерации электроэнергии и горнорудное производство, где применение технологии положительно скажется на следующих операционных процессах:

  • Общее повышение эффективности генерирующего процесса;
  • Увеличение эффективности и производительности процесса технического обслуживания и ремонта (ТОиР);
  • Увеличение эффективности и производительности процесса управления переработкой полезных ископаемых.

Коммерческим эффектом внедрения данного сценария, является сокращение издержек –

затрат на эксплуатацию и техническое обслуживания оборудования. Как показывают примеры применения подобных ЦД [4,5, 6], это позволяет в целом оптимизировать конструкцию управляющей подсистема, сделать полностью автономной АСУ и лучше прогнозировать поведение производственной системы оборудования.

Список использованных источников

  1. 5 Trends Emerge in the Gartner Hype Cycle for Emerging Technologies. – URL: https://www.gartner.com/smarterwithgartner/5-trends-emerge-in-gartner-hype-cycle-for-emerging-technologies-2018 (дата обращения 5.05.2024)
  2. Портал данных о предприятиях СПАРК агентства Интерфакс – URL: /https://spark-interfax.ru/statistics (дата обращения 23.07.2024)
  3. Simulation Software Market Share, Forecast & Growth Report. – URL: https://www.marketsandmarkets.com/Market-Reports/simulation-software-market-263646018.html (дата обращения 24.07.2024)
  4. Система прескриптивной диагностики электропоезда. – URL: https://www.vniizht.ru/projects/sistema-preskriptivnoy-diagnostiki-elektropoezda/ (дата обращения 15.11.2023)
  5. Digital Energy Twin Optimizing industrial energy systems. – URL: https://www.energy-innovation-austria.at/article/digital-energy-twin/?lang=en (дата обращения 15.11.2023)
  6. Case study: the use of a digital twin with Advanced Process Control at Boliden Aitik mine. – URL: https://new.abb.com/mining/mineoptimize/digital-applications/advanced-process-control/case-study-the-use-of-a-digital-twin-with-advanced-process-control-at-boliden-aitik-mine (дата обращения 15.11.2023)