Prema istraživanju Gartnera, 13% organizacija koje su uvele IoT (Internet of Things) koriste digitalne dvojnike, dok je 62% ili u procesu uspostavljanja upotrebe digitalnih dvojnika ili je u procesu planiranja da se to učini. Kako se sve više kompanija upušta u svijet digitalizacije lanca snabdijevanja, Claudia Jarrett, američka državna menadžerica EU Automationa, objašnjava zašto je digitalni dvojnik lanca snabdijevanja više od koncepta.
Prije su lanci snabdijevanja djelovali po strategijama u kojima su proizvođači proizvodili robu koja je išla lancom snabdijevanja. To je stvorilo jaz između ponude i potražnje, te je dovelo do loše kontrole zaliha, te su se javljale nestašice ili otpad.
Sada se može stvoriti digitalna verzija lanca snabdijevanja. Uključujući strateški napravljeno kompjutersko okruženje i tehnologije industrije. Digitalni lanac premiješta sredstva, ljude i resurse tamo gde su potrebni. Prenošenjem podataka kroz cloud servere i baze podataka, prikupljanje informacija u lancu snabdijevanja poboljšava nekoliko proizvodnih praksi.
Na primjer; proizvođači mogu uraditi testove otpornosti na stres u lanacu snabdijevanja. Korisnici mogu efikasno upravljati stresovima i mjeriti reakcije, uparivanjem parametara stresa sa očitanjima odaziva. Digitalni dvojnik može pomoći u prevođenju stresa kompanije u kvantificirani prikaz stvarnih posljedica, poput rezultata kašnjenja dobavljača.
Digitalni dvojnik lanca snabdijevanja
Dakle, šta je digitalni dvojnik u lancu snabdijevanja? Dvojnik predstavlja digitalni prikaz stvarnog lanca snabdijevanja organizacije. Njegov model koristi preskriptivnu analitiku koja prikuplja podatke i iz deskriptivnih i iz prediktivnih izvora kako bi pronašla najbolji način djelovanja u bilo kojem scenariju, prije nego što ga primijeni na proces donošenja odluka.
Uprkos propisanim modelima koji rade sa stvarnim podacima, digitalni dvojnici lanca ovu mogućnost usavršavaju, jer ulaze u modele realnog vremena. Na primjer; dok se narudžba kupca obrađuje, narudžba i povezane transakcije automatski se unose u digitalnog dvojnika.
Međutim, da bi se u potpunosti odražavao stvarni svijet, uzimaju se u obzir i druge stvari koje utiču na lanac snabdijevanja. Na primjer; ako proizvodne mašine stanu ili isporuka kasni, informacije se šalju digitalnom dvojniku putem IoT uređaja, poput senzora. Jednom kada se podaci prikupe, digitalni dvojnik određuje ispravnu akciju i podržava optimizaciju lanca snabdijevanja.
Prediktivno održavanje
Rad mašina u procesu lanca snabdijevanja je presudan. Mašine koje se redovno kvare imaju štetan uticaj, pogotovo kada treba po svaku cijenu izbjeći zastoje.
Američki startup Datumix pruža virtuelnu 3D simulaciju potrebne opreme. Kombinira mašinsko učenje kako bi razvio digitalnog dvojnika koji se koristi za praćenje performansi opreme prije instaliranja algoritma u stvarnom vremenu. Podaci dobijeni iz 3D modela, zajedno sa umjetnom inteligencijom (AI), se koriste za održavanje opreme.
Implementacija prediktivnih algoritama AI-a, omogućava menadžerima postrojenja da primjene prediktivne strategije na svoj lanac snabdijevanja. Pronalaženjem obrazaca i anomalija kvarova, učenjem iz tih obrazaca, a zatim i predviđanjem budućih kvarova na komponentama mašina, proizvođači mogu zamijeniti opremu prije nego što se ona pokvari.
Pokretanje digitalizacije lanca snabdijevanja
Međutim, da bi optimizirao performanse, digitalni dvojnik bi trebao odražavati sva ograničenja i prilagoditi se kompromisima svog fizičkog lanca snabdijevanja.
Modeliranje i preskriptivna analitika ključne su komponente digitalnog dvojnika, te bi trebali uključivati programske jezike za rješavanje problema (poput programskih jezika pete generacije – 5GL). Ovaj osnovni softver osigurava operaterima da dobiju detaljne uvide i vidljivost lanca, njegove strukture i formula za optimizaciju procesa donošenja odluka.
Na primjer; Fleetpride, američka firma koja prodaje dijelove i pruža usluge za kamione i prikolice, izgradila je model koji koristi sve podatke o pošiljkama, da predvidi naruđbe za skladište po danu, sedmici i mjesecu. Primjenom optimizacije odluka na svoj model, korektivne mjere mogu se odrediti kada se radi sa kupcima, osobljem, pa čak i postavljanjem zaliha bilo kojeg dana.
Zapravo, Fleetpride koristi preskriptivnu analitiku kako bi podatke i prediktivna rješenja transformisao u stvarne tokove akcija, zasnovane na činjenicama. Ne oslanjajući se više na intuiciju, Fleetpride koristi naprednu analitiku, statističko modeliranje i mehanizam za donošenje odluka kako bi riješio izazove poslovnog planiranja, rasporeda, cijena i zaliha, a druga preduzeća imaju priliku učiniti isto.
Internet stvari (IoT)
Ideja digitalnog dvojnika nije nova, ali ono što je drugačije, je koncept integriranja podataka i unosa iz stvarnog svijeta. IoT povezani uređaji su gradivni elementi digitalnog dvojnika, a integracija senzora ključna je za omogućavanje takve vidljivosti.
Međutim, projektiranje i integriranje ovih senzora može biti zahtijevno i dugotrajno, a čak može biti i teško prenositi podatke sa starijih računara koji nisu tehnološki kompatibilni. Zbog toga industrijski stručnjaci, poput zastarjelog dobavljača dijelova EU Automation, mogu isporučiti senzore za proizvođače koji grade digitalnu predstavu svog fizičkog lanca snabdijevanja.
Digitalni dvojnik više je od samog koncepta. Nekoliko kompanija se upušta u svijet digitalizacije lanca snabdijevanja i iako repliciranje scenarija „šta ako“ prije fizičke implementacije može zvučati kao san, digitalni dvojnik pokazuju se mogućim i korisnim.
Originalan članak možete pročitati na linku.
