Двойник, гарантирующий развитие

Мы продолжаем публикацию материалов онлайн-встреч с экспертами под общим названием «С концом спокойной эпохи! Технологии посткризисного мира». Одна из них была посвящена высокотехнологичной промышленности и новым производственным технологиям в период кризиса — об этом рассказал проректор Санкт-Петербургского политехнического университета Петра Великого и генеральный директор компании — национального чемпиона CompMechLab Алексей Боровков. На этот раз мы публикуем не стенограмму беседы, а вновь взятое у Алексея Боровкова интервью в развитие тем, затронутых во время беседы, которое он начал с описания самых существенных тенденций в развитии высокотехнологичной промышленности.

— Если говорить кратко, то это всеобъемлющая, полноценная цифровизация, которую пандемия окончательно поставила во главу повестки дня и резко подтолкнула все компании к ее реализации. Те, кто был готов, а это в первую очередь IT-компании и высокотехнологичные компании с интенсивным применением цифровых технологий, достаточно быстро перестроились на удаленную работу в условиях самоизоляции. Конечно, самое сильное влияние окажет бесценный опыт виртуальных совещаний и выступлений, видеоконференций, которые значительно интенсифицировали ежедневное общение.

«Технет»

Для производственных компаний все значительно сложнее, потому что «безлюдное производство» (условно, как образ) у нас еще недостаточно развито.

Так, цифровые фабрики, ежесуточно генерирующие огромные объемы содержательных данных (Smart Big Data) в процессе проектирования, которые мы уже запустили на полную мощь несколько лет назад, вообще не заметили, что вокруг разразилась пандемия.

А вот с умными фабриками, требующими высокого уровня автоматизации и роботизации производственных процессов, дело находится на ранних этапах реализации. Но в мире уже наступил следующий этап развития — интеллектуализация, причем и процессов проектирования, и производства, и эксплуатации, включая техническое обслуживание и ремонт. Этот этап и с точки зрения вызовов, и с точки зрения используемых средств и технологий, безусловно, еще сложнее при реализации. Интеллектуализация — это использование различных элементов искусственного интеллекта, которые проникают в основные виды деятельности.

В проектировании и математическом моделировании конструкций и машин, чем мы занимаемся, мы называем эти компоненты интеллектуальными помощниками. Конечно, мы не можем позволить себе работать в режиме, когда «нажал кнопку» и получил результат, а как он был получен, непонятно. А это как раз чуть ли не главная характеристика машинного обучения: сформировали нейронную сеть, включили, обучили — и получили тот или иной результат. Для нас искусственный интеллект — это в первую очередь интеллектуальный помощник (AI assistant), который помогает нам находить ценные решения (проектные решения, численные решения аналогичных задач, зачастую сложных нелинейных нестационарных задач и так далее) «в прошлом», то есть обладает памятью, основными характеристиками которой для нас являются объем и длительность хранения. Например, интеллектуальный помощник должен достаточно быстро находить оцифрованные решения, полученные несколько лет назад, другими людьми, для решения аналогичных задач в других отраслях промышленности. Итак, если говорить образно, интеллектуальный помощник нам нужен, чтобы найти ценные решения в прошлом как начальное приближение для проектирования будущего и чтобы не «порвалась дней связующая нить», если вспомнить перевод Пастернака трагедии «Гамлет» Шекспира…

Понятно, что окончательное решение о выборе той или иной траектории проектирования (разработки) принимает эксперт на основе фундаментального физико-математического образования и современных, передовых, как правило наукоемких и, как мы говорим, мультидисциплинарных технологий.

“Технет”

— Что принципиально меняется в процессах проектирования и производства при их цифровизации и интеллектуализации?

— Я отвечу на этот вопрос утверждением Петра Щедровицкого: «Каждая новая промышленная революция — это прежде всего новая технология мышления». Если мы занимаемся модификацией, модернизацией, улучшением, усовершенствованием, оптимизацией и так далее, то мы фактически работаем в рамках предыдущего технологического уклада, в рамках предыдущей промышленной революции, и технология мышления у нас не поменялась.

Прежде всего нужно хорошо представлять, как устроены процессы традиционного проектирования и производства. В их основе лежат аванпроект и следующие стадии разработки и производства:

— аванпроект — комплекс теоретических, экспериментальных и проектных работ, предшествующих проведению опытно-конструкторской работы по созданию высокотехнологичной продукции;

— разработка проектной конструкторской документации (ПКД): техническое предложение, эскизный проект, технический проект;

— разработка рабочей КД (РКД) для опытного образца или опытной партии, для изделия единичного или серийного производства;

— изготовление и испытание опытных образцов, доработка РКД опытного образца;

— постановка на производство, включая подготовку и освоение производства.

Что происходит, если испытания опытных образцов не завершились успехом? Это означает, что опытный образец по тем или иным характеристикам не соответствует заданным требованиям. В этом случае приходится возвращаться и вносить изменения в рабочую или даже в проектную документацию, снова изготавливать опытные образцы и опять проводить испытания. А если опять не получилось, то мы снова вынуждены вносить изменения, чтобы «улучшить конструкцию». Понятно, что так может происходить многократно, процесс проектирования носит итерационный характер, мы продвигаемся вперед путем последовательных улучшений. Чем больше будет сделано итераций, тем дольше мы будем разрабатывать продукцию и тем выше будет себестоимость разработки. В итоге может получиться «дорого и долго», то есть по времени и себестоимости разработки мы будем неконкурентоспособны. И это мы оставляем в стороне вопрос о конкурентоспособности технических или потребительских характеристик продукции. В результате мы можем прийти к ситуации, когда для нас фактически закрывается возможность выхода на рынок, потому что наши конкуренты уже вывели на рынок аналогичный продукт и захватили его часть. Далее, высокая себестоимость нашей разработки, во-первых, предопределяет минимальную добавленную стоимость для производителя, и ему будет финансово неинтересно производить таким образом продукцию, и во-вторых, она, как правило, порождает высокую рыночную стоимость продукции, а потому более дорогую продукцию с аналогичными потребительскими характеристиками на рынке просто никто не купит. То есть мы разрабатывали-разрабатывали и доразрабатывались до того, что выводить продукт на рынок практически бесполезно. Фактически мы описали типичные проблемы и риски традиционного проектирования и производства.

Итак, налицо два важных ограничения при проектировании: заданные сроки разработки и заданная себестоимость разработки.

Легко понять, что чем позже мы обнаруживаем необходимость изменений, тем дороже они нам обходятся, приходится значительно перестраивать процесс проектирования и производства. Отсюда следует вывод, что все основные изменения и доработки происходили на начальных этапах проектирования, где они обходятся дешевле. Это означает, что резко возрастает роль аванпроекта, эскизного и технического проектов. Далее возникает идея-мечта, для реализации которой проведем мысленный эксперимент, задав достаточно очевидные, но парадоксальные вопросы:

— нельзя ли эффективно объединить этапы аванпроекта, эскизного и технического проекта?

— нельзя ли спроектировать изделие так, чтобы все его характеристики были бы лучше, чем у конкурентов?

— нельзя ли спроектировать изделие так, что опытные образцы успешно пройдут все необходимые испытания и, главное, пройдут их с первого раза?

Понятно, что для ответов на эти вопросы нужны принципиально другие подходы, технологии и инструменты, как в случае, например, перехода от лупы к микроскопу или от логарифмической линейки к компьютеру.

Исследование эффективности работы устройства для снижения аэродинамического сопротивления трейлера на основе численного моделирования

«Технет»

Мы естественным образом приходим к новой парадигме проектирования, которую характеризует триада:

1. Рассматривая сложные высокотехнологичные изделия, мы путем естественного обобщения приходим к техническим или киберфизическим системам, для которых характерны этапы жизни от идеи через проектирование, производство и эксплуатацию до утилизации, то есть нас интересует жизненный цикл системы. Более того, в качестве основы мы используем математические модели разного уровня сложности, но, как правило, валидированным мультидисциплинарным математическим моделям высокого уровня адекватности реальным материалам, изделиям/системам и физико-механическим/технологическим процессам. В результате мы естественным образом пришли к современному подходу Generalized Model Based System Engineering (GMBSE).

2. Формирование многоуровневой гиперматрицы требований / целевых показателей и ресурсных ограничений (временных, стоимостных, технологических, производственных, экологических и так далее).

В этой гиперматрице на верхних уровнях (слоях) расположены основные требования, которые затем последовательно каскадируются и декомпозируются, как это делается в цепочке аванпроект (предварительные исследования и проектные решения) — эскизный проект (принципиальные проектные решения, дающие общее представление об изделии) — технический проект (окончательные технические решения, дающие полное представление об изделии). Понятно, что мы должны сформировать большое количество целевых показателей, которых, как правило, на порядок больше, чем это принято в традиционном проектировании. Очевидно, что чем больше целевых показателей будут описывать те или иные характеристики изделия, тем более полным будет это описание — здесь возникает полная аналогия с количеством степеней свободы и утверждением, что чем больше степеней свободы мы используем для описания поведения технической системы, тем точнее мы можем описать все возможные варианты ее поведения.

Подчеркнем, что сформированные многоуровневые гиперматрицы требований / целевых показателей и ресурсных ограничений являются ключевой особенностью цифровых двойников (Digital Twin) — современной технологии проектирования глобально конкурентоспособных изделий в кратчайшие сроки, сопровождения процессов производства и эксплуатации сложных технических/киберфизических систем.

2. Разработка, развитие и применение цифровой платформы, которая обеспечивает доступ ко всем лучшим в своем классе (best-in-class) компьютерным технологиям (CAx — Computer-Aided Design / Engineering / Optimization / Manufacturing /… PLM — Product Lifecycle Management), высокопроизводительным вычислительным системам (HPC — High Performance Computing), обеспечивает одновременную (параллельную) работу (Concurrent Engineering) сотен инженеров из десятков организаций по десяткам проектов. Безусловно, такая цифровая платформа должна относиться к классу SPDRM-систем — Simulation Process, Data, Resource Management, особенно с учетом того, что в рамках цифровой промышленности наибольшие объемы содержательной информации (Smart Big Data) генерируют HPC-CAE-системы.

Понятно, что именно испытания опытных образцов, особенно натурные испытания, — это самая дорогостоящая и зачастую самая длительная часть процесса проектирования. Далее, именно испытания на уникальных стендах и полигонах являются «узким горлышком» любой разработки, хотя бы потому, что в сутках двадцать четыре часа.

Итак, ключевая проблема-вызов — организовать процесс проектирования таким образом, чтобы значительно уменьшить число натурных испытаний, скажем на порядок. Принципиально важно понимать, что мы не говорим о полной замене физико-механических и натурных испытаний виртуальными испытаниями. Речь идет о прохождении испытаний с первого раза, точнее о проведении минимально возможного количества испытаний, которые будут успешными с первого раза.

— И как это удается сделать?

— Это позволяет сделать именно цифровизация, точнее цифровая трансформация бизнес-процессов и бизнес-моделей на основе цифровых двойников.

Цифровая платформа как SPDRM-система обеспечивает тотальную трансформацию процесса проектирования по следующей технологической цепочке:

Simulation Based Design —> (Simulation and Optimization) Driven (Design & Engineering) —> Digital Twin Driven Smart (Design & Engineering),

которая, в свою очередь, основана на триаде виртуальные испытания — виртуальные стенды — виртуальные полигоны.

Для проведения виртуальных испытаний нужно разработать семейство взаимосвязанных мультидисциплинарных математических моделей высокого уровня адекватности материалам, изделиям, конструкциям, техническим системам и физико-механическим/технологическим процессам. Конечно же, все математические модели должны пройти валидацию — результаты виртуальных испытаний должны соответствовать результатам испытаний с отличием не более плюс-минус пять процентов.

Очевидно, что практически во всех случаях виртуальные испытания, включая испытания на виртуальных стендах и полигонах, значительно дешевле и требуют меньше времени, более того, разные виртуальные испытания можно проводить одновременно. Значит, виртуальных испытаний можно провести гораздо больше, если проводить их параллельно. Главное, что виртуальные испытания позволяют получить значительно больше содержательной информации о поведении проектируемой конструкции в различных режимах. Однако, подчеркнем, это не означает, что физико-механические и натурные испытания уходят в прошлое. Они по-прежнему играют ключевую роль. Но технология проведения виртуальных испытаний и разработки цифровых двойников подскажет, какие именно новые стенды нужны для проведения базовых экспериментов, результаты которых послужат для валидации новых математических моделей. И это именно тот случай, когда фундаментальная наука вместе с прикладной наукой и с передовыми технологиями идут рука об руку, эффективно взаимодействуя и обогащая друг друга.

Возникает вопрос: а сколько нужно провести виртуальных испытаний, сколько нужно разработать виртуальных стендов и виртуальных полигонов? Если отвечать кратко, то столько, сколько нужно для создания глобально конкурентоспособной продукции. Если конкретнее, то мы уже отмечали, что ключевой момент при разработке цифровых двойников — это формирование гиперматриц требований / целевых показателей и ресурсных ограничений.

Рассмотрим пример. Будем считать, что сейчас уровень проектирования — это, условно говоря, не более 100 требований в большинстве случаев и не более 500 требований и целевых показателей в случае проектирования сложной наукоемкой продукции. Понятно, что удержать в голове такое количество характеристик сложно, а получение дополнительной информации, как правило, связано с проведением испытаний.

Теперь представим, что мы сформировали матрицу, которая содержит все требования, а также целевые показатели, которых будет на порядок больше — пять тысяч, в некоторых наиболее важных случаях — на два порядка больше, 50 тысяч целевых показателей. Понятно, что чем больше целевых показателей для проектирования мы применяем, тем подробнее мы описываем взаимное влияние компонентов и подсистем друг на друга, на разных этапах жизненного цикла, включая эксплуатационные режимы. Фактически мы применяем «микроскоп» с разрешающей способностью 5000–50 000 единиц вместо «лупы» с разрешающей способностью 100–500 единиц. То есть мы фактически видим такие тонкости и нюансы, как микроструктуру и микроэффекты, которые никто до нас не видел, более того, даже мечтать не мог об этом! Эти тонкости и нюансы всегда были скрыты в многочисленных натурных испытаниях.

Важно, что это принципиально новый подход для генерации больших объемов содержательной информации, новых знаний, подход, обеспечивающий глубокое понимание того, как будет себя вести конструкция во всех режимах эксплуатации, обладая при этом конкурентоспособными характеристиками на высокотехнологических рынках.

Возвращаясь к вопросу о количестве виртуальных испытаний, можно оценить его общим числом используемых целевых показателей. Значит, в нашем случае речь идет о 50 тысячах виртуальных испытаний.

В России впервые появится цифровой двойник дизельного двигателя. Двигатель проектирует Центр компетенций НТИ Санкт- Петербургского политехнического университета (СПбПУ) на основе технологии разработки «цифровых двойников»

«Технет»

— То есть роль цифровых двойников ключевая в этом подходе?

— Безусловно. Они позволяют принципиально по-другому организовать процесс проектирования — вспомним про цифровую трансформацию бизнес-процесса. Понятно, что это новая организация мыследеятельности, понимаемой как комплекс интеллектуальных и коммуникативных процессов, включенных в контекст организованной коллективной деятельности — проектирования высокотехнологичной продукции. Эта новая организация мыследеятельности требует новой технологии мышления, о чем, собственно, и говорит Петр Щедровицкий.

В результате у нас появилась возможность в процессе разработки запускать десятки траекторий проектирования, так как мы не знаем, более того, никто не знает, какая именно траектория приведет нас к результату. Далее, множество траекторий проектирования позволяет исключить итерационный способ получения результата и, соответственно, минимизирует риски нарушения сроков разработки. Скажем, мы получили семейство решений, удовлетворяющих требованиям технического задания, например, пяти–десяти решений. В этом случае мы имеем возможность выбрать, какое из полученных решений вывести на рынок. Естественно, целесообразно выводить на рынок решение, которое отвечает мировому уровню или превышает его. Соответственно, часть решений у нас остается «на будущее», мы в таких случаях говорим, что «цифровые двойники сидят в засаде и ждут своего часа для выхода на рынок». С другой стороны, по меткому высказыванию профессора Александра Александровича Аузана, наш подход, основанный на разработке цифровых двойников, обеспечивает «гарантированное зарезервированное развитие», а это уже цифровая трансформация бизнес-модели.

Итак, цифровой двойник — это передовая технология, которая обеспечивает разработку лучшего в своем классе продукта (best-in-class) с лучшими характеристиками, своевременный вывод продукции на рынок (time to market), продукции, обладающей низкой себестоимостью разработки, далее — продукции, спроектированной под конкретное производство; вспомним, что мы в гиперматрице уже учли технологические и производственные ограничения конкретного производства.

Важно подчеркнуть, что цифровой двойник — это не отдельно взятая технология, а комплекс технологий, включающий в себя цифровое проектирование и математическое моделирование, компьютерный и суперкомпьютерный инжиниринг, технологии оптимизации, бионический и генеративный дизайн, а также популярные в последнее время большие данные, промышленный интернет, блокчейн, предиктивную аналитику, наконец, искусственный интеллект. Если говорить о производстве, то, конечно, в первую очередь следует назвать аддитивные технологии и аддитивное производство.

Когда мы выходим с цифровым двойником на этап эксплуатации и у нас уже есть реальное изделие, которое эксплуатируется, мы снабжаем его разнообразными датчиками, которые позволяют создать то, что мы называем цифровой тенью изделия, то есть системой обработки информации, получаемой в режиме онлайн с помощью датчиков, установленных на изделиях.

— Но использование цифровой тени требует создания серьезной инфраструктуры…

— Безусловно. Это промышленный интернет, беспроводная связь, телекоммуникационная передача данных с объекта. Но мы понимаем, что датчики нам могут помочь до поры до времени в достаточно простых процессах. Они генерируют очень много информационного мусора, из которого нужно выбрать нужную информацию. Или нужно заведомо генерировать только умную информацию. Мы называем это smart big data. Это сложная задача. Для этого надо знать, где критические зоны у изделия, где и какие датчики нужно ставить. А это нам должен подсказать цифровой двойник.

То есть возникает цепочка цифровых двойников. DT-1 — цифровой двойник объекта, DT-2 — цифровой двойник цифрового производства. Каждое изготовление любой детали объекта — это технологическая цепочка. Есть литье, есть прокатка, штамповка, ковка, сборка, сварка и так далее. Монтажные, в конце концов, операции. Каждое из них привносит нечто в состояние изделия. Скажем, напряженное состояние материала. Если мы объединим DT-1 и DT-2, получается SDT, smart digital twin. То есть умный цифровой двойник.

А правильно разработанный умный цифровой двойник обладает потенциалом предсказания. Существует заблуждение, что цифровой двойник является виртуальной, цифровой репликой реального изделия. Это упрощение, которое нас ведет не туда. На самом деле цифровой двойник возникает на этапе появления идеи что-то реализовывать, когда начинается проект по реализации какого-то двигателя, машины, самолета. Но ключевой его характеристикой является матрица целевых показателей, о которой я уже сказал и на основе которой формируется техническое задание.

В начале процесса проектирования их может быть немного — десять, сто, — но каждое это требование можно разложить еще на десять, на сто, может, даже на тысячу. Например, когда был запущен проект Aurus, сначала было одно требование: сделать лучше, чем «Мерседес» S-класса, на котором сейчас ездит президент. Лучше и в части комфорта, и в части безопасности. Это требование в итоге было декомпозировано на 125 тысяч целевых показателей и ограничений, которые включают в себя ресурсное ограничение в широком его понимании, а не только в понимании механики, усталости, долговечности.

Президентский лимузин «Кортеж» впервые в России проектировался с использованием методики «цифровых двойников»

nti2035.ru

— Например?

— Одно из таких ограничений — состояние реального производства. Мы не можем сделать продукт, пусть он трижды лучше того, что есть, если для него нет соответствующего производства. И для его создания потребуется, условно, пять миллиардов рублей и пять лет. А продукт за это время устареет. То есть на этапе проектирования мы должны учитывать ограничения и начинать с технологического аудита реального производства.

Причем надо учитывать, что наш российский рынок — маленький рынок. Поэтому необходимо пытаться работать на глобальный рынок. И здесь возникает «долина смерти» перед нашим поколением технологических предпринимателей и всеми, кто участвует в создании высокотехнологичной, наукоемкой продукции: рабочих, инженеров, ученых. У нас времени меньше, чем было у наших предшественников. У нас финансов меньше, чем у наших предшественников. И продукция стала существенно сложнее. Нам надо более сложные вещи уметь сделать за меньшее время. Как говорил младший Капица, в условиях компрессии времени и за меньшие деньги. Это очень сложно. И ты не можешь перепрыгнуть эту долину смерти, используя традиционные инструменты, подходы, мышление, наконец.

И проекты, за которые мы беремся в России, должны быть прорывные. Они должны обладать измеримыми характеристиками. Чтобы можно было сказать: вот что было, а вот что стало. И вот это «стало» должно быть существенно лучше всего, что есть на рынке, на порядок лучше.

Работая на основе оптимальной матрицы целевых показателей, виртуальных испытаний, digital brainware, надо уметь спроектировать новое, конкурентоспособное изделие и пройти все испытания с первого раза, с минимального числа раз. А не после, условно, пятнадцати натурных испытаний, под которые нужно сделать пятнадцать опытных образцов.

— Каким требованиям должен отвечать цифровой двойник?

— Главное требование, чтобы результаты натурных испытаний отличались от виртуальных не более, чем на плюс-минус пять процентов. Кстати, как показывает наш опыт работы с международными автогигантами, при взаимодействии с ними действует принцип: «если это требование не выполнено, то увольняется вся команда, которая взяла на себя обязательства по проектированию и их не выполнила».

Цифровой двойник должен давать возможность заранее промоделировать всю систему на всех этапах жизненного цикла. Отсюда берутся эти тысячи, десятки тысяч, в некоторых случаях сотни тысяч виртуальных испытаний, которые необходимо провести: сколько целевых показателей, столько и виртуальных испытаний. Пятьдесят тысяч показателей — значит, нужно решить пятьдесят тысяч нелинейных, нестационарных уравнений в частных производных. Хотя обычная практика такая: мы не можем столько решить, мы не можем столько параметров удержать, давайте заложим всего сто параметров. Но как механики и физики, мы понимаем, что чем больше степеней свободы мы вводим в описание явления, тем точнее мы его описываем. А чем больше целевых показателей мы включили, тем больше они конфликтуют. А это означает, что мы не можем сразу провести виртуальную оптимизацию, чтобы все пятьдесят тысяч параметров замечательно выполнялись. Скорее всего, такого решения даже нет. И поэтому возникает такой важный термин, как рациональная балансировка, поиск компромисса. Мы видим: вот этот параметр не надо до 100 процентов доводить, потому что при 97 процентах мы уже получили то, что хотели. А при доводке с 97 до 100 мы можем потратить много времени и много средств, а эффекта никакого не получить.