This scientific article discusses the prospects and advantages of using the concept of digital twins for effective monitoring and increasing the life of main gearboxes, as well as the use of Digital Twin approaches in various sectors of the domestic industry, while an important condition for increasing the productivity of such equipment is to reduce wear, protect devices from overloads, due to competent maintenance, timely Troubleshooting, the correct selection and adjustment of the main gearboxes for the specific requirements of operation in an industrial facility.

Keywords: Digital Twin, digital twin, monitoring, main gearboxes, industry, production facilities, resource increase, wear reduction, effective assessment, equipment, optimization.

Цель: выделить ключевые особенности и преимущества подходов Digital Twin для подтверждения необходимости поэтапного внедрения этих методик на производственных объектах Российской Федерации.

Метод: обобщение, сравнение, сопоставление, комплексный анализ, теоретико-практическая оценка, а также изучение выводов из научных работ экспертов в теме развития цифровых двойников в промышленности.

Введение

В актуальных экономических реалиях многих предприятия и коммерческие организации сталкиваются с постоянным ростом требований к производительности труда, с необходимостью повышения эффективности и конкурентоспособности на международном рынке. Вызовом последних лет стала цифровая трансформация, запустившая изменение не только технологических, но и организационно-управленческих решений, функционирования разных отраслей промышленности и существовавших ранее бизнес-моделей. Для предприятий Российской Федерации, как никогда, важен переход к современным системам проектирования и моделирования, использованию аддитивных технологий, алгоритмов машинного обучения и предиктивной аналитики. Уже давно доказана результативность комплексного подхода, а внедрение методик Digital Twin (цифровых двойников) позволит в несколько раз увеличить ресурс работы промышленного оборудования. Эти универсальные инструменты оптимизации показали отличные показатели мониторинга и оценки данных.

Эффективный мониторинг и оптимизация посредством использования методик Digital Twin

Подход цифровых двойников основан на использовании функций воспроизведения поведения и функционирования физических активов, процессов в специально смоделированной виртуальной среде. Главным преимуществом такой методики является ускоренная, результативная оптимизация производственных процессов через высокоточный анализ больших объемов данных, что способствует стратегическому сокращению затрат и росту эффективности разных направлений деятельности. В большинстве случаев цифровые двойники применяются в технологически точных проектах или с целью совершенствования наиболее важных, определяющих компонентов промышленного оборудования. Так, увеличение ресурса главных редукторов требуется в автомобилестроении, авиационной промышленности и многих других отраслях. Отдельно стоит отметить, что цифровые двойники обладают достаточной степенью автономностью для анализа разрозненных данных о производительности, работоспособности и факторах обслуживанию физического объекта. Можно сделать простой вывод об отнесении подхода Digital Twin к перспективным инструментам, которые позволяют предприятиям повысить эффективность, увеличить прибыль, сократить издержки и обеспечить цифровую трансформацию для перехода на новый уровень выпуска готовой продукции. Создание виртуальных моделей физических объектов или физических систем дает лучшие условия оптимизации бизнес-процессов, а также возможности прогнозирования результатов и определение сфер, нуждающихся в различных улучшениях [1] [2]. Ниже на рисунке 1 показаны базовые элементы функционирования цифровых двойников в промышленности.

Рис. 1. Принцип работы цифровых двойников

Что касается методик цифровых двойников, то они базируются на сборе, систематизации и использовании данных с физических объектов через датчики, моделировании в реальном времени допустимых результатов, необходимых для оптимизации и прогнозирования. Главные редукторы активно применяются в машиностроении, строительстве, горнодобывающей промышленности, транспортной отрасли и в сельском хозяйстве. Это незаменимые установки, от степени износа которых зависит выполнение многочисленных трудовых задач. По этой причине увеличение ресурса главных ресурсов, посредством внедрения методик цифровых двойников, является актуальной, перспективной и важной целью [3]. В основе подхода Digital Twin лежит использование пяти ключевых элементов:

— Сенсоров для сбора данных;

— Актуаторов для воздействия;

— Совокупности информации для анализа;

— Процесса моделирования для воспроизведения;

— Осуществление аналитики для обработки информации и дальнейшего принятия верных решений [4].

По мнению большинства исследователей, именно объединение разноплановых методик и принципов реализации подхода Digital Twin позволяет достичь максимально эффективной оптимизации процессов. Требуется использование датчиков и устройств с алгоритмами искусственного интеллекта, установленных на реальных промышленных объектах, которые выполняли бы задачу сбора данных (о производительности, технических характеристика оборудованиях, окружающей среде и негативных факторах) [5]. Далее должны осуществляться процессы интеграции данных, моделирование, аналитика и прогнозирование. Применение технологий искусственного интеллекта, машинного обучения, а также проверенных инструментов комплексного анализа позволяет выявить аномалии, предсказать сбои в работе промышленных установок и определить их причины до возникновения критических ситуаций [6].

Помимо этого, важно внимание следует уделять методикам «визуализация и управление», «обратная связь и оптимизация». Первый инструмент признается наиболее эффективным в контексте помощи командам, отдельным специалистам или управляющим в принятии обоснованных решений, изучение рисков и тестирование разных сценариев в виртуальной среде [7]. А на основе анализа, совершенных прогнозов по цифровым объектам допустимо осуществление деятельности, направленной на предотвращение серьезных поломок или неисправностей, а также выполнение работ, обеспечивающих повышение эффективности технического обслуживание конкретной установки, устройства или оборудования [8]. Алгоритмы машинного обучения и технологии искусственного интеллекта становятся обязательными рычагами успешной оптимизации, так как создают условия построения максимально точных прогнозов. Подход Digital Twin в промышленности обеспечивает формирование детализированных трехмерных моделей физических объектов и процессов, удаленный мониторинг, оценку технического состояния, а главное снижение рисков быстрого или неожиданного износа, выхода из строя, совершения типовых ошибок при принятии важных организационных, технологических, финансовых решений в бизнесе [9].

Понятие «увеличение ресурса главных редукторов» представляет собой совокупность мероприятий, мер и инструментов, необходимых для продления срока эксплуатации оборудования за счет снижения износа деталей. Достигнуть этого эффекта можно через регулярное техническое обслуживание, использование материалов высокого качества и правильный выбор нагрузочных характеристик. Однако всегда есть человеческий фактор, ошибки в соблюдении режимов эксплуатации и различные необнаруженные технические неполадки. И именно цифровые двойники являются перспективной, значимой технологией в промышленности, которая позволяет оптимизировать разноплановые процессы, повысить эффективность, точность и гибкость в осуществлении разных задач на производственных объектах, что делает их неотъемлемой частью будущего [10].

Заключение

Подводя итог, методики Digital Twin признаются результативным инструментом мониторинга, системного анализа и контроля функционирования производственных объектов и процессов, в том числе технического обслуживания и влияния на увеличение ресурса главных редукторов. Этот подход может быть применен в разных отраслях промышленности, а также в предпринимательской деятельности с целью надлежащей оптимизации одновременно нескольких задач, что позволит предприятиям и коммерческим организациям достигнуть цифровой трансформации (для выхода на новый уровень конкурентоспособности бизнеса на международном рынке).

Литература:

1. Свадковский В. А. (2023). Применение цифровых двойников для повышения операционной эффективности предприятий добывающих отраслей. Стратегические решения и риск-менеджмент, 14(3): 292–311;
2. Боровков А. И., Рябов Ю. А., Марусева В. М. (2018). «Умные» цифровые двойники — основа новой парадигмы цифрового проектирования и моделирования глобально конкурентоспособной продукции нового поколения. Трамплин к успеху, 13: 26;
3. Самосудов М. В. (2018). Концепция программы нового поколения для автоматизации деятельности. В: Шаг в будущее: искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин: материалы II Международного научного форума. Вып. 5. М., Издательский дом ГУУ, 40–50;
4. Концепция технологического развития на период до 2030 года. Утверждена распоряжением Правительства Российской Федерации от 20 мая 2023 г. № 1315-р;
5. Абрамов В. И., Гордеев В. В., Столяров А. Д. Создание региональных бизнес-экосистем на основе цифровых профилей клиентов и омниканальных коммуникаций // Экономика, предпринимательство и право. — 2023. — № 5. — c. 1521–1540;
6. Умное производство. Двойники цифровые производства. Элементы визуализации цифровых двойников производства. ПНСТ 428–2020;
7. Абрамов В. И., Туйцына А. А. Цифровые двойники — эффективные инструменты цифровой трансформации компании // Управление бизнесом в цифровой экономике: Сборник тезисов выступлений Четвертой международной конференции. / Под общей редакцией И. А. Аренкова, М. К. Ценжарик. — Санкт-Петербург: СПГУПТД. Санкт-Петербург, 2021. — c. 33–39;
8. Абрамов В. И., Абрамов О. В., Поливанов К. В., Семенков К. Ю. Особенности создания цифровых двойников управления логистикой предприятий // Новое в экономической кибернетике. — 2024. — № 2. — c. 52–61;
9. Столяров А. Д., Гордеев В. В., Абрамов В. И. Методика поиска многокритериальных решений на основе цифровых двойников // Экономика и управление. — 2023. — № 7. — c. 851–858;
10. Абрамов В. И., Головин О. Л., Столяров А. Д. Методика поиска Парето-оптимальных решений по развитию умных городов на базе их цифровых двойников//Современная экономика: проблемы и решения. — 2021. — № 9(141). — c. 8–15.