Раскрытие информации: Nvidia является клиентом автора.
В этом месяце Nvidia объявила о серии улучшений своего инструмента моделирования и создания Omniverse. В совокупности они более тесно связывают экземпляры метавселенной с реальными устройствами, которые они эмулируют, гарантируя, что все связанные цифровые двойники синхронизируются в реальном времени со своими аналогами из реального мира, что значительно повышает реализм.
Это будет иметь несколько краткосрочных преимуществ для удаленного администрирования любого решения, охватываемого макетом метавселенной; он также обеспечит кратчайший путь к полной автоматизации и определит структуру, которая должна сделать этот последний шаг более быстрым и надежным.
Давайте на этой неделе изучим подключенную метавселенную и узнаем, почему она ускорит полную автоматизацию.
Подключенные цифровые двойники спешат на помощь
Концепция подключенных цифровых двойников является ключом к тому, чтобы сделать симуляции более реалистичными за счет использования датчиков, которые гарантируют, что близнецы реалистично имитируют своих реальных аналогов. Это позволит удаленному (или даже локальному) администратору лучше обнаруживать и оценивать проблемы до того, как они приведут к сбою. Например, в случае датчика курса, который обычно невидим для человеческого глаза, датчики могут преобразовать неисправность в визуальный сигнал на близнеце, подчеркнув проблему. (Администратор может просматривать проблему через экземпляр метавселенной виртуально или с помощью очков дополненной реальности.)
Быстрая идентификация несоответствующего требованиям оборудования, которому грозит отказ (из-за перегрева, шума или вибрации), облегчит профилактическое обслуживание и обеспечит более богатый интерфейс поддержки, чем традиционная приборная панель. Это означает, что технический специалист с большей вероятностью прибудет на место происшествия с необходимыми инструментами и деталями для устранения проблемы, чем сначала проведет диагностику, а затем вернется, чтобы устранить проблему.
Добавьте к этому искусственный интеллект (ИИ)
Nvidia также объявила об обучении ИИ, чтобы помочь диагностировать проблему и дать советы по ее устранению с использованием синтетических данных, чтобы сократить время обучения ИИ. Возьмем, к примеру, неисправный подшипник: вместо того, чтобы просто заменить один, может иметь смысл заменить несколько других скоропортящихся деталей одновременно, чтобы свести к минимуму затраты на разборку и сборку. ИИ мог бы определить на основе исторических ремонтов, что плохой прокат является предвестником других отказов, позволяя технологии предвидеть и устранять будущие проблемы до их возникновения.
Например, некритичный ремонт часто может быть выполнен дешевле, если технология находится на месте и уже работает над чем-то другим.
Следующий шаг: роботизированный ремонт?
Когда вы объединяете усилия робототехники Nvidia, ремонт может обходить человеческие технологии и использовать ремонт обученного робота, который может быть активирован удаленным администратором с интерфейсом ИИ. В зависимости от того, что лучше всего подходит для обстоятельств, администратор может инициировать автоматический ответ ИИ, используя оборудование, уже находящееся на месте, что значительно ускоряет ремонт.
При наличии системы такого типа роль администратора упрощается, поскольку задачи четко определены, а их триггеры уже полностью инструментированы и интегрированы в решение. Возможно, вам вообще не нужен администратор.
Перейти к полной автоматизации
Путь к полной автоматизации может занять десятилетие или больше. Первыми шагами будет полное оснащение охватываемых областей, создание подключенных цифровых двойников инфраструктуры, которую необходимо обслуживать, а затем использование ИИ на основе комбинации реальных и синтетических данных для оптимизации технического обслуживания и ремонта. Эти данные можно использовать как часть пакета обучения роботов на месте, в то время как функции бэк-офиса будут автоматизированы; последнее должно быть самой легкой частью процесса.
Обеспечение целостности данных и прогнозирование их возможного использования для обучения ИИ будет иметь важное значение для обеспечения быстрого и эффективного развертывания последующих функций. Я надеюсь, что самым сложным шагом будет автоматизация ремонта. Сегодня создается несколько систем, требующих, чтобы их обслуживал робот, но со временем это изменится.
Я посетил сайты, которые продолжают поддерживать подход дополненной реальности, что говорит о том, что первоначальный переход к подключенным цифровым двойникам, возможно, уже происходит на ряде сайтов. Теперь у нас есть достаточно четко определенный путь к полной автоматизации центра обработки данных (это то, что продемонстрировала Nvidia). В этом видео от Nvidia показано, как изначально можно использовать метавселенную для подключения к центру обработки данных, а в этом — об автоматизации всего сайта. Наконец, это видео показывает, что могло бы произойти, если бы у администратора было слишком много времени и слишком мало контроля.
Ну, последнее было шуткой. Но это показывает, что в метавселенной правила не обязательны, что в конечном итоге открывает дверь для инноваций, которые мы можем только вообразить.
© 2022 IDG Communications, Inc.