Mô phỏng Số Song Sinh Hỗ Trợ bởi AI Nâng Cao Hy Vọng cho Bảo Trì Dự Đoán Tốt Hơn

Là bản sao kỹ thuật số của các hệ thống, quy trình và thiết bị vật lý trong thực tế, mô phỏng số song sinh (Digital Twin) dựa vào một luồng dữ liệu ổn định — chẳng hạn như thời gian hoạt động và ngừng hoạt động của máy móc, lỗi thiết bị và hồ sơ bảo trì — để tái tạo các điều kiện thực tế của bản sao vật lý của chúng. Nếu không có liên kết dữ liệu này, một mô phỏng số song sinh không thể dự đoán chính xác các lỗi sắp xảy ra của bản sao vật lý và đưa ra cảnh báo kịp thời. Do đó, khi việc áp dụng mô phỏng số song sinh tăng lên, người dùng cũng phải đối mặt với thách thức thiết lập một chuỗi dữ liệu liên kết kỹ thuật số với vật lý.

“Tầm quan trọng của các chuỗi dữ liệu kỹ thuật số sẽ tăng lên rất nhiều”, Christian Kehrer, giám đốc phát triển kinh doanh của Altair cho biết. “Đã tạo ra tác động trong việc tối ưu hóa phát triển sản phẩm, các doanh nghiệp sẽ ngày càng sử dụng mô phỏng số song sinh để theo dõi hiệu suất sản phẩm theo thời gian thực.”

Trong khảo sát “Triển vọng Công nghệ 2024” của DE 24/7, khi chúng tôi hỏi 220 người tham gia khảo sát để xác định các công nghệ mà họ tin rằng sẽ có tác động lớn nhất đến thiết kế và phát triển sản phẩm trong 5 năm tới, 23% người được hỏi đã chọn mô phỏng số song sinh và 64% đã chọn trí tuệ nhân tạo (AI). Về hiểu biết của họ về mô phỏng số song sinh, 58% người được hỏi cho biết họ biết đó là gì, một dấu hiệu đáng khích lệ. Tuy nhiên, 24% cho biết “không” và 18% cho biết “không chắc chắn”, cho thấy cần phải nâng cao nhận thức.

Vai trò của AI

Keshav Sundaresh, giám đốc cấp cao về chuyển đổi kỹ thuật số của Altair, hy vọng sẽ thấy “thế hệ mô phỏng số song sinh tiếp theo, mang tính người dùng và lấy con người làm trung tâm hơn, mang lại trải nghiệm năng động và tương tác.” Chìa khóa cho tầm nhìn của ông là một chuỗi dữ liệu trực tiếp, được kích hoạt bởi các cảm biến đang theo dõi và ghi lại các điều kiện thực tế của máy móc và thiết bị.

“Với sự tiến bộ của các cảm biến IoT [Internet vạn vật] thu thập dữ liệu theo thời gian thực, các kỹ sư giờ đây có thể so sánh dữ liệu trực tiếp với các mô hình tổng hợp, dẫn đến thông tin chi tiết chính xác hơn và kết quả thông minh hơn. Sự hợp nhất dữ liệu trực tiếp và tổng hợp này cho phép phân tích sâu hơn và cải thiện hiệu suất sản phẩm, làm cho mô phỏng số song sinh trở nên trực quan và hiệu quả hơn trong các ứng dụng thực tế”, Sundaresh nói.

“AI giảm thời gian và chi phí trong việc cập nhật mô phỏng số song sinh”, Johannes Maunz, phó chủ tịch AI tại Hexagon cho biết. “Ví dụ, phải mất 20 phút để bay một máy bay không người lái qua một công trường xây dựng và sau đó xử lý dữ liệu. Trước đây, điều này sẽ mất hàng giờ đồng hồ.”

Việc thu thập dữ liệu dễ dàng nhờ máy bay không người lái và cảm biến vừa là một lợi ích vừa là một thách thức. Nhược điểm là lượng dữ liệu có sẵn để phân tích quá lớn và chi tiết hơn nhiều so với những gì có thể được xử lý bằng trí thông minh của con người. Đây là lý do tại sao, trong số những người áp dụng mô phỏng số song sinh, bạn có thể thấy sự gia tăng tương ứng trong việc áp dụng phân tích và phân tích dữ liệu được hỗ trợ bởi AI.

“AI tăng cường bảo trì dự đoán (Predictive Maintenance) và mô phỏng số song sinh theo nhiều cách, đáng chú ý nhất là khả năng cải thiện phân tích dữ liệu, tối ưu hóa quy trình và cung cấp thông tin chi tiết có thể hành động, cuối cùng dẫn đến tăng hiệu quả hoạt động và giảm chi phí”, Dale Tutt, phó chủ tịch Chiến lược Công nghiệp của Siemens Digital Industries Software cho biết. AI cũng làm giảm độ phức tạp trong việc triển khai mô phỏng số song sinh.”

Theo “Báo cáo Ngành Công nghiệp Mô phỏng Số Song Sinh” của nhà cung cấp công nghệ công nghiệp Hexagon, ghi lại phản hồi khảo sát về mức độ trưởng thành của mô phỏng số song sinh của hơn 650 giám đốc điều hành, “Đại đa số (80%) các nhà lãnh đạo cho biết AI đã khiến họ quan tâm hơn đến mô phỏng số song sinh … Các trường hợp sử dụng phổ biến nhất là xử lý dữ liệu đầu vào (59%) và nâng cao trải nghiệm người dùng (56%).”

“AI đang thúc đẩy nhận thức và cải thiện việc thu thập dữ liệu và chất lượng dữ liệu”, John Renick, trưởng nhóm tư vấn hỗ trợ chiến lược cấp cao của bộ phận Trí tuệ Vòng đời Tài sản của Hexagon cho biết. “Điều này cho phép chuyển đổi việc bảo trì trở nên chủ động hơn và hỗ trợ tạo ra các mô phỏng số song sinh với ROI có ý nghĩa.”

Renick không đồng ý với lập luận rằng AI yêu cầu thay đổi quy trình đáng kể. Thay vào đó, ông chỉ ra, “Cải thiện các quy trình hiện có bằng cách bổ sung chúng bằng AI sẽ làm tăng khả năng áp dụng, giá trị nhận được và cung cấp khả năng bắt đầu từ quy mô nhỏ và mở rộng.”

Bổ sung Mô phỏng Dựa trên Vật lý

Trong một số nhiệm vụ dự đoán, mô hình 3D của tài sản vật lý — chẳng hạn như mô hình CAD của một máy công nghiệp — đóng một vai trò quan trọng. Chúng mang đến cho người dùng mô phỏng số song sinh cơ hội sử dụng mô phỏng dựa trên vật lý để hiểu sự chuyển động, hao mòn và mỏi của thiết bị theo thời gian. Nhưng một phương pháp mới đang dần phổ biến.

“Một tiến bộ công nghệ mới đã sẵn sàng cách mạng hóa kỹ thuật: học sâu hình học”, Fatma Kocer, phó chủ tịch khoa học dữ liệu kỹ thuật của Altair cho biết. “Phương pháp AI tiên tiến này dựa trên những đột phá gần đây trong việc tích hợp AI với phần mềm mô phỏng để đẩy nhanh việc ra quyết định và chu kỳ phát triển sản phẩm.

“Học sâu hình học đưa những tiến bộ này tiến thêm một bước bằng cách đào tạo các mô hình học máy bằng cách sử dụng dữ liệu mô phỏng hiện có và tìm hiểu về hình dạng 3D ở mức độ hiểu biết tương đương với nhận thức của con người về các vật thể hàng ngày”, Kocer tiếp tục. (Để biết thêm về chủ đề này, hãy xem “Chương trình FEA của bạn hiểu bạn đến mức nào?”, trang 20.)

Tháng này, gã khổng lồ công nghiệp Siemens đã mua lại Altair, trả 10 tỷ đô la để thêm các phần mềm mô phỏng của công ty này vào danh mục phần mềm của Siemens. Để so sánh mức giá, vào đầu năm 2024, nhà sản xuất phần mềm thiết kế bán dẫn Synopsis đã trả 35 tỷ đô la để mua lại Ansys, nhà phát triển phần mềm mô phỏng kỹ thuật hàng đầu. Việc mua lại của Siemens báo hiệu sự tích hợp chặt chẽ hơn của các bộ giải Altair vào các dịch vụ Siemens Xcelerator thân thiện với đám mây [“Siemens sẽ mua Altair trong thỏa thuận trị giá 10,6 tỷ đô la”].

Sự xâm nhập của mô phỏng số song sinh được tăng cường bởi AI đặt ra những câu hỏi mới về vai trò của các chuyên gia. Theo báo cáo về mô phỏng số song sinh của Hexagon, “Trong khi hơn một nửa số người được hỏi (53%) cho biết mô phỏng số song sinh của họ có thể đưa ra ít nhất một số quyết định trước đây do con người đưa ra, thì tỷ lệ phần trăm lớn hơn (59%) cho biết họ đang cung cấp thông tin cho những người ra quyết định là con người.” Do đó, việc giao nhiệm vụ giám sát và cảnh báo thông thường cho AI và ủy thác các chuyên gia đánh giá các giải pháp do AI đề xuất có thể sẽ trở thành tiêu chuẩn.

Theo Tutt, “Khả năng của AI mở rộng những gì con người có thể làm với bảo trì dự đoán và mô phỏng số song sinh, biến nó thành một yếu tố thay đổi cuộc chơi thực sự trong ngành.”

Tác giả: Kenneth Wong https://www.digitalengineering247.com/article/ai-powered-digital-twins-raise-hopes-for-better-predictive-maintenance/Hexagon