Настоящая статья является продолжением статьи Digital Material Passport. Ч.1 - Скрытые грани цифровых двойников и будет более интересна к прочтению, если критично посмотреть на предстоящую трансформацию формата DMP, изложенную в предыдущей статье.

Обогащенный DMP.

При проектировании базового DMP было понятно, что 90% данных по каждому продукту будут созданы единожды и останутся одинаковыми до изменений в составе конструкции или технологии конечного продукта. В базовом DMP, по крупному, меняются только:

• срок изготовления;

• срок хранения;

• номер партии;

• параметры логистики.

Переход на DMP, обогащенный данными, дает возможность получать дополнительные срезы данных:

• на продукт (эталонные средние/предельные значения) – данные базового DMP;

• на партию (выборочные и/или средние/предельные значения);

• на каждую единицу продукции (средние, предельные значения и/или наборы данных).

Параметры обогащения данными, для наглядности, могут быть представлены в следующем виде:

Производители могут.

К повышению качества продукции производителей толкают два фактора:

1. конкуренция;

2. требования законодательства.

В определенный момент роста компании как минимум один из этих факторов вынуждает производителя переходить сначала на сплошной контроль качества выпускаемой продукции, затем на увеличение числа параметров контроля и, как следствие, увеличение средств и систем неразрушающего контроля.

Что есть что:

• «сплошной контроль качества» - контроль каждой единицы продукции на определенных (контрольных) операциях независимо от принадлежности к партии;

• «параметры контроля» - конкретный измеряемый параметр детали или изделия на соответствие документации, ГОСТ или ТУ (например: длина, ширина, зернистость, плоскостность, волнистость и т.д.);

• «средства неразрушающего контроля» - инструменты, системы и измерительные комплексы, позволяющие проводить измерения заданных параметров деталей и систем, без их разрушения, повреждения или изменения (например: рентгеновское измерение, радиоизотопное, электрохимические, машинное зрение и т.д.).

Переход на сплошной контроль с увеличением числа параметров контроля позволяет получить производителю новые ЗНАНИЯ о выпускаемой им продукции, которые сам производитель использует  для сертификации качества, отбраковки продукции и для изменений (совершенствования) техпроцессов и приспособлений.

На схеме ниже можно увидеть, какие данные о своем продукте приобретает производитель при сплошном контроле с помощью автоматизированных систем или измерительных комплексов.

Если допустить, что производитель решил выпускать DMP для своих покупателей, то на основе уже имеющихся данных, снятых с систем контроля качества он может получить

или

или

в зависимости от уровня цифровой зрелости производителя и производственной кооперации. Ключевой особенностью таких DMP является наличие ED data (Enriched Digital data) – обогащенных цифровых данных, которые могут присутствовать в DMP даже при отсутствии Digital Twin.

Заказчики хотят.

Под заказчиками, в данном случае, будем понимать такого же производителя, но более высокого или того же порядка кооперации. Помимо стремления к повышению качества любой производитель стремится к увеличению прибыли и, как следствие, прозрачности и управляемости компании.

Автоматизация уже доказала свою состоятельность в достижении перечисленных выше критериев в любой сфере деятельности. Для многих предприятий открылась дрога к цифровизации.

Исходные данные для автоматизированных и цифровых систем вносят люди. Занесение информации в системы даже с самым дружественным интерфейсом является постоянным и очень трудоёмким процессом, который каждая компания желает оптимизировать.

Самым очевидным способом оптимизации трудозатрат на наполнение системы данными является получение нужных системам данных автоматически извне от:

• физических систем и продукции (IoT, RFID, QR и штрих-коды, и т.д.);

• других ИТ систем (API);

• поставщиков и юридических покупателей (ЮЗДО);

• сотрудников и частных заказчиков (RPA);

На этом фоне вполне естественным видится запрос заказчиков, которые уже доросли до цифровых двойников и виртуальных испытаний, к производителям на предоставление данных о состоянии и качестве поставляемой продукции, для использования их в своих системах автоматизации и цифровых решениях.

Детализация данных (на продукт, на партию, на каждую единицу продукции), которые могут понадобиться заказчику зависит от глубины погружения заказчика в автоматизацию, цифровизацию и сферы деятельности заказчика. Например, запрос на наибольший объем и глубину данных просматривается от предприятий атомной отрасли, ракетной, авиационной, космической и ряда других отраслей. В тоже время, даже компании с уровнем автоматизации просто складского учета уже вполне могут порождать запрос на DMP, чтобы часть данных о поставляемой продукции автоматически перекладывалась в их системы заменяя ручной труд.

Запросы на DMP, которые уже сейчас может создавать большое число заказчиков в России может выглядеть от

до

в зависимости от уровня ИТ или цифровой зрелости производителя и производственной кооперации. Наибольшую вариабельность запрашиваемых структур DMP можно представить в виде схемы:

Потенциальный цифровой продукт.

Условия, когда:

• заказчики хотят;

• производители могут;

• эволюция ИТ и стратегия развития государства подталкивает;

являются идеальными для формирования полноценного рынка. Однако, такой рынок возникнет, когда будет достигнута некая критическая масса заказчиков, уверенно двигающихся в сторону цифровизации и способных грамотно сформулировать свои требования к производителям. Это очень непростой процесс, на котором как раз застряла Европа.

Рынок, подразумевает наличие некоего товара. На такой товар претендует не сам DMP, а цифровые данные производителей о товаре.

Получение цифровых данных очень не дешево обходится производителям, даже поверхностная оценка затрат только на получение и управление данными показывает, что сразу весь комплекс контроля и измерений доступен далеко не всем компаниям.

Но и в этих условиях перспективы у рынка нового потенциального цифрового продукта довольно высоки.

Даже если допустить, что число предприятий производителей не будет расти, то некоторые или все вместе факторы:

• увеличение объемов выпуска (N партий – на схеме);

• расширение номенклатурного ряда (Выпускаемая номенклатура – на схеме);

• создание новых способов, технологий и систем измерений различных параметров изделий (N новых типов датчиков – на схеме);

будут изменяться в большую сторону, рынок цифровых данных DMP будет увеличиваться в объеме. Не стоит ожидать очень быстрого роста объемов цифровых данных DMP, поскольку переход на них и для производителей и для заказчиков является болезненным, длительным и дорогостоящим.

Поразительно, но в стимулировании роста объемов данных на рынке вероятней всего будут больше всех заинтересованы производители, поскольку помимо повышения контроля качества и совершенствования производства они получат ещё и целый набор потенциальных конкурентных преимуществ. Если ещё раз внимательно посмотреть на схему всех данных в DMP,

то можно выделить конкретные типы цифровых данных, наличие которых у производителя даёт им серьезные конкурентные преимущества, относительно игроков на рынке, которые ещё не внедрили у себя системы обогащения данными своей продукции.

Смещение любых цифровых данных в зону бесплатной части DMP, которую производитель готов передавать заказчику в рамках договора бесплатно, позволяет заказчику помимо приобретения самого физического товара:

• сильно сэкономить на вводе данных о товаре в свои информационные системы;

• гарантированно повысить качество такой информации, убрав человеческий фактор на своей стороне;

• получить исходные данные для цифровых двойников уже на свою продукцию;

• повысить качество виртуальных испытаний своей продукции.

И чем большими цифровыми данными располагает производитель, тем больше у него маневр в переговорах с заказчиками.

Точки роста.

Новые технологии, требующие серьезной перестройки, не происходят одномоментно сразу во всей заинтересованной системе. Более того, как правило, переход на такие технологии растянут во времени и медленно «расползается» в стороны от неких точек роста.

Точки роста тоже не появляются сами по себе. Ими становятся компании с высоким уровнем задела по направлению новой технологии или компании с внутренним, или внешним целевым финансированием на развитие определенных технологий.

Масштабирование технологий начинается только после того, когда возникают правила, инструменты работы с новой технологией и очевидные преимущества от её использования.

В России на 2021 год по направлению цифровизации можно наблюдать смешанный эффект возникновения точек роста. Это и компании, которые достигли определенного уровня требований к качеству продукции и компании с целевым финансированием развития цифровизации, как из внутренних источников (из собственных средств, а также со стороны головных холдинговых структур или госкорпораций) и компании с целевым государственным финансированием (по линии Минпромторга и Минцифры).

Основным недостатком такого порождения точек роста является их «хаотичность».

Прогресс определенной компании в создании цифровых двойников и переходе на виртуальные испытания никак не сопровождается процессом внедрения в компаниях поставщиках хотя бы ключевых МКИ и ДСЕ цифровых данных на состояние поставляемой продукции. И наоборот, внедрение систем сплошного контроля с формированием богатого набора информации о состоянии конкретных партий и даже конкретных экземпляров МКИ и ДСЕ не находит своего потребителя, поскольку среди компаний, куда поставляется такая продукция может не оказаться тех самых объектов точек роста с потребностями в подобных данных.

Дефицит данных.

«Хаотичность» приводит к искажениям процесса и дополнительным затратам.

Компании, которые уже дошли до виртуальных испытаний, но испытывают дефицит данных по закупаемым МКИ, вынуждены проводить дополнительный контроль своими силами. Для получения нужных данных они закупают дорогостоящее контрольное оборудование, ПО, вводят новые единицы в штат, увеличивают время входного контроля или порождают процессы дополнительного контроля,  создают базы данных контрольных наблюдений состояния поступающих МКИ в разрезе поставщиков и т.д.

Некоторые холдинговые структуры, уже столкнувшиеся с проблемой дефицита данных, назначают или создают новые самостоятельные структуры (а порой и юридические лица) внутри холдингов, которые проводят контрольные измерения для целенаправленного получения обогащенных цифровых наборов данных на МКИ, используемые в холдинге. Накапливают, систематизируют эти данные и поставляют (далеко не бесплатно) на предприятия структур холдинга, где эти данные являются востребованными.

Порожденные дефицитом данных процессы в обоих вариантах создают новый слой проблем:

1. каждое предприятие или холдинг контролируют только минимальный набор данных, необходимый для решения исключительно их задач;

2. разные холдинги могут независимо друг от друга контролировать одни и те же параметры МКИ;

3. полученные данные не уходят никуда за рамки либо предприятия, либо холдинга;

каждое предприятие или холдинг порождают свой состав, структуру, типы хранения и обозначения данных.

Цифровой парадокс.

Погружение в цифровизацию привносит в затраты на цифровизацию затраты на внешние данные. Чем глубже цифровизация проникает в процессы, тем больше стоимость внешних данных для процессов.

Казалось бы, уже сам процесс перехода на цифру является очень дорогим, сложным, требующим постоянного пристального внимания, приобретения и сопровождения суперкомпьютеров, ПО, обучения или переподготовки специалистов и т.п. Но, к этим финансовым затратам неизбежно добавляются и затраты на внешние данные. Каким бы из описанных выше путей не двигалась компания, которая внедряет цифровые двойники, она неизбежно сталкивается с дополнительными затратами на внешние данные.

Для того чтобы показать это наглядно, давайте вернемся к нашему примеру из статьи 1

и стальной трубке, из которой изготовлены ножки стула

В статье речь шла о проверке ножек стула на излом, когда человек качается на стуле. Для стартовых виртуальных испытаний потребовался набор данных изменения толщины стенок и диаметра от расстояния до края трубки.

Но, чем больше будет уточняться расчет, приближаясь к реальности, тем больше внешних данных он будет требовать. Вот алгоритм научился учитывать прочность, пластичность, вязкость и упругость. Это совсем другие наборы данных, совсем другое измерительное оборудование – и уже новая стоимость их получения.

Если добавить новое виртуальное испытание, скажем на живучесть (количество циклов качания на стуле, до излома ножки), то потребуются дополнительные данные, к примеру – выносливость. Затем добавим климатические испытания, потому что стульями заинтересовались в Арктике и Индии. И помимо того, что каждая из описанных выше характеристик (прочность, пластичность, вязкость, упругость, выносливость) превратятся в самостоятельные наборы данных зависимости изменения указанной характеристики от климатического параметра и габаритных характеристик, появится потребность в новых данных – коррозионной стойкости.

Стоит отметить, что увеличение потребности в новых данных напрямую связано с попыткой приблизить цифровой двойник к физическому объекту. Таким образом, сам процесс совершенствования цифровых двойников провоцирует прогрессивный рост стоимости такого совершенствования.

Одним из ключевых критериев перехода на другую технологию является «стоимость входа», в которую включаются все затраты на такой переход:

• разово на старте;

• временно в процессе перехода и внедрения;

• постоянно при сопровождении и развитии.

Описанный выше цифровой парадокс заставляет усомниться в возможностях массового перехода на качественные Digital Twin и тем более, использование DMP в России при «хаотичной» организации работы, даже в условиях распространения цифровизации.

Создать порядок через цифровой хаос?

Здесь стоит повториться: масштабирование технологий начинается только после того, когда возникают правила, инструменты работы с новой технологией и очевидные преимущества от её использования.

Отталкиваясь от «формулы» масштабирования технологий снятие проблемы цифрового парадокса сводится к следующим задачам:

• обеспечить большому числу участников «рынка» максимально низкую стоимость доступа к данным, используемым для построения полноценных Digital Twin;

• создать единые правила формирования состава, структуры, типов хранения и обозначения обогащающих цифровых данных;

• разработать универсальные правила применимости и требований к качеству обогащающих цифровых данных;

• разработать новые инструменты работы с обогащающими цифровыми данными и коннекторы к уже существующим системам построения и управления цифровыми двойниками.

Существующий мировой опыт и опыт СССР показывают, что разработка и внедрение  универсальных правил возможны только на уровне государства. Для СССР  и современной России это система ГОСТ. Организация создания, разработка и поддержание системы ГОСТ является исключительным правом и обязанностью Государства.

Формулировка задачи минимизации финансовых затрат для участников «рынка» по доступу к обогащенным цифровым данным по сути, прямо говорит о том, что её решение не желательно поручать какой-либо коммерческой структуре, поскольку основная цель любой формы коммерческой деятельности – получение прибыли, что противоречит самой сути задачи. Отсюда следует, что и задачу минимизации затрат по доступу к обогащенным данным лучше поручить либо государству (через ФГУПы, НИИ или Министерства), либо Госкорпорации, которые также работают по отдельному законодательству и чьей основной целью является не коммерческая деятельность.

Универсальных правил работы с обогащенными данными невозможно создать без привлечения широкого круга отраслевых специалистов от  предприятий потребителей такой информации и её создателей.

Разработка универсальных инструментов работы с обогащенными данными и создания коннекторов невозможна без всё тех же отраслевых специалистов от  предприятий потребителей такой информации и её создателей, а также разработчиков ПО семейства CAD/CAE и управления данными Digital Twin. По логике вещей, разработчиков ПО семейства CAD/CAE и управления данными Digital Twin необходимо очень плотно привлекать и к работам по унификации правил работы с обогащенными данными.

В настоящий момент в России разработкой новых, переработкой и сопровождением существующих ГОСТ занимается Росстандарт, но не напрямую, а через так называемые Технические Комитеты (ТК). Состав и работу ТК организуют, курируют, контролируют, обобщают и верифицируют в ГОСТ подчиненные Росстандарту структуры. В частности, разработкой серии ГОСТ по «Цифровому производству» занимается ТК-194 - Технический комитет Росстандарта 194 «Кибер-физические системы», работу которого курирует АО «ВНИИС» - Всероссийский институт сертификации.

Решение перечисленных выше задач с привлечением выявленных участников процессов может выглядеть примерно так:

В серию, лучше всего - в корень серии, стандартов «Цифровое производство» вставить разработку ГОСТ по DMP, в котором и будут определены все основные (обязательные, рекомендательные, общие, отраслевые, перспективные) характеристики для Цифрового паспорта поставляемой продукции. К разработке такого ГОСТ привлекаются:

• все участники ТК-194;

• компании лидеры по разработке цифровых двойников из разных отраслей промышленности и услуг;

• компании поставщики МКИ, ПКИ из разных отраслей промышленности;

• ведущие российские компании разработчики систем класса CAD/CAE;

• ведущие компании и институты разработчики алгоритмов расчетов для различных процессов и разных сред;

• ведущие компании интеграторы между ИТ решениями разных классов.

К разработке такого ГОСТ в добровольном порядке примкнет Министерство Обороны России, которое уже несколько лет предлагает компаниям поставщикам продукции для МО и ВС России предоставлять вместе с продукцией Цифровые паспорта. Полагаю, что у МО России есть свои, дополнительные требования к DMP, а в их понимании DPP (Digital Product passport) на продукцию, которые обязаны быть учтены при разработке стандарта (серии стандартов) по DMP.

Если вся серия стандартов по «Цифровому производству» будет опираться на ГОСТ по DMP, как на базовый кирпич разработки, использования, передачи, проверки, испытаний, сопровождения и обогащения с датчиков реальных образцов Цифровых Двойников, то серия ГОСТ по «Цифровому производству» сможет быть дополнена ГОСТ по обеспечению сквозного контроля жизненного цикла продукции, по принципу:

где непосредственно Digital Twin является лишь неотъемлемой частью объекта куда более насыщенного данными и историей своего создания и эксплуатации.

Задача минимизации затрат на получение и использование обогащенных данных может быть решена через облако принадлежащее Росстандарту или Министерству Цифрового Развития куда любая компания:

• поставщик продукции может бесплатно загрузить данные по DMP или DPP своей продукции;

• любая компания поставщик или производитель может бесплатно загрузить алгоритмы используемых ими расчетов для определенного ПО.

Назначение принадлежности облака к Росстандарту или Министерству Цифрового Развития на схеме определено описанным выше выводом, о том, что управление хранилищем не желательно передавать коммерческую структуру. Однако, как будет показано ниже – коммерческая структура всё-таки может управлять хранением и доступами к такой информации.

Возникает логичный вопрос, а в чем интерес для коммерческих компаний поставщиков и производителей выкладывать бесплатно их уникальную интеллектуальную собственность, на получение которой они затратили огромные средства?

Ответом на этот вопрос служат стрелочки на схеме с обозначением «Льготный доступ». Любой участник рынка, включая зарубежные компании, может получить льготный (минимальная скидка - бесплатный) доступ, если эта компания обеспечила облако данными по своей продаваемой продукции или алгоритмами расчетов и её данные или алгоритмы в системе оказались востребованы другими участниками рынка, использующими их из облака Росстандарта.

На словах это звучит просто и даже кажется, что всё понятно. Однако на деле шкала скидок станет очень непростым алгоритмом, а система защиты интеллектуальной собственности компаний, размещающих данные в облаке, потребует добавления в серию стандартов по «Цифровому производству» ГОСТ с ведением нового типа лицензий или законодательной легализации уже существующих лицензий на Open Source продукты. Однако такой механизм решает сразу несколько ключевых задач процесса:

• порождает мотивацию компаний к предоставлению данных другим участникам рынка;

• порождает мотивацию компаний к увеличению разнообразия и объемов данных по своей продукции для других участников рынка;

• порождает мотивацию компаний к повышению качества своих данных или алгоритмов, предоставляемых в облако;

• минимизирует затраты компаний на доступ к данным, а для участников рынка с широкой сетью поставок или большими объемами, делает доступ к данным бесплатным, при условии, что такие компании будут делиться своими данными;

• создает финансовую модель, позволяющую окупить содержание и обслуживание всей указанной инфраструктуры за счет участников рынка, которые будут только потребителями информации из системы и большинства компаний из-за рубежа.

Безусловно, будут существовать категории структур, которые по долгу службы или для повышения качества работы всей системы должны иметь постоянный бесплатный доступ к данным облака. Сейчас на схеме в качестве примера таких структур указаны Минпромторг и Министерство Обороны России.

Строго говоря, обе эти структуры, при правильной организации работы могут принести общей задаче пользы больше, чем каждая компания поставщик в отдельности. Так, например:

• Минпромторг, как систематизатор информации по выпускаемой продукции, мог бы составлять, сопровождать и публиковать рейтинги дефицита представленной в облаке продукции и разрабатывать меры по адресному стимулированию развития цифровизации для такой продукции;

• Министерство Обороны России с привлечением подчиненных НИИ и технополиса «ЭРА» могут разработать и предоставить большое число алгоритмов расчетов сложных процессов для разных сред (исключая секретные);

Потенциальный владелец облака Минцифры могло бы составлять, сопровождать и публиковать рейтинги дефицитных и востребованных алгоритмов расчетов и адресно финансировать их создание, или закупать за рубежом.

Если посмотреть на схему дальше, то можно решить вопрос и с унификацией используемого программного обеспечения для расчетов и проведения виртуальных испытаний. При приобретении лицензий (или владении ими) Министерствами и подчиненными им структурами, в облаке могут быть развернуты сервисы с доступами к конкретным расчетам по требованию по моделям SaaS и PaaS, что:

• позволит не приобретать лицензии на такие продукты каждой конкретной компании, а это ещё больше снизит финансовую нагрузку на каждое предприятие в России и снизит порог входа в технологию Digital Twin и виртуальных испытаний;

• проводить целевую унификацию программного обеспечения в области CAD/CAE, управления Digital Twin;

• последовательно и целенаправленно проводить политику импортозамещения инженерного ПО только на российское.

Предоставление доступа к такому ПО по требованию и только на время проведения расчетов позволит владельцу облака зарабатывать на данной модели и передать её либо в ведение коммерческой структуры, либо сохранить в подчиненности своих структур.

Всё это возможно и крайне нужно делать, только при условии, что всё описанное выше не будет опровергнуто компаниями, которые нашли способ:

• получать на виртуальных испытаниях стабильные данные высокой сходимости с физическими образцами, независимо от качества МКИ и ПКМ из которых они изготовлены;

• обойти цифровой парадокс и добиться того, что увеличение процентов сходимости виртуальных испытаний с физическими не требует прогрессирующего увеличения стоимости такого приближения.