CC BY
14
УДК 338.246
ПРИМЕНЕНИЕ ЦИФРОВОГО ДВОЙНИКА В ЛОГИСТИКЕ
А. В. Лапова Научный руководитель - Е.Ю. Бармина
Санкт-Петербургский государственный экономический университет Российская Федерация, 191023, г. Санкт-Петербург, Садовая ул., 21 E-mail: lav555@icloud.com
В статье исследована роль цифровых двойников в логистике. Актуальность темы объясняется повышенным внимание к цифровым двойникам, их развитию и внедрению в различные сферы. Целью работы является рассмотрение перспектив развития цифровых двойников в железнодорожной отрасли, в частности в компании «РЖД».
Ключевые слова. Цифровая логистика, цифровой двойник, цифровой двойник в логистике, инновации.
APPLICATION OF THE SUPPLY CHAIN DIGITAL TWINS IN LOGISTICS
A.V. Lapova Scientific Supervisor - E.Y. Barmina
Saint Petersburg State University of Economics 21, Sadovaya str., St. Petersburg, 191023, Russian Federation E-mail: lav555@icloud.com
The article examines the role of digital twins in logistics. The relevance of the topic is explained by the increased attention to digital doubles, their development and implementation in various fields. The purpose of the work is to consider the prospects for the development of digital doubles in the railway industry, in particular in the Russian Railways company.
Keywords. Digital logistics, digital twins, digital twins in logistics, innovations.
Интерес к теме «цифровые двойники (далее ЦД)» заметно вырос за последние пару лет. Эксперты прогнозируют высокие темпы роста рынка цифровых двойников. Опрос, проведенный в марте 2020 г. [3], показывает, что 89% всех IoT-платформ будут применять ЦД к 2025 г., а к 2027 г. ЦД станет стандартной функцией IoT-решений. 36% руководителей из разных отраслей отмечают выгоду от применения ЦД, а 53% из них планируют внедрить ЦД к 2028 г.
Цифровой двойник цепочки поставок — это точная имитационная модель существующей цепи поставок, использующая оперативные данные и информацию о состоянии своего реального прототипа, чтобы прогнозировать его дальнейшее поведение [1]. ЦД позволяет изучить закономерности поведения цепи поставок, предсказать возможные нештатные ситуации и разработать план по их преодолению.
ЦД окажут большое влияние на железнодорожную отрасль и будут синонимом радикальных изменений внутри отрасли. Они кардинально изменят то, как мы думаем, действуем и проектируем нашу будущую инфраструктуру. Рассмотрим конкретный пример компании из железнодорожной отрасли, планирующей внедрение технологии ЦД - ОАО «РЖД». Компания специализируется на пассажирских и грузовых перевозочных процессах.
С целью оптимизации и повышения эффективности перевозок, а также для обеспечения более высокого уровня безопасности проектируются цифровые двойники. Технология ЦД позволит планировать и анализировать техническое состояние железнодорожных активов, а также проводить различного рода испытания.
В то время как в России внедрение технологии ЦД является неизведанной тропой, в мире существуют примеры положительного опыта использования данной технологии, существенно увеличившей эффективность функционирования железнодорожной системы. Так, в компании AlmavivA, одного из ведущих системных интеграторов Италии, эта технология уже тестируется. За последние пару лет на железнодорожных станциях по всей Италии появились вагоны с цифровым оборудованием-двойниками. На каждом конце такого вагона расположены желтая коробка и массивы датчиков и огней, которые освещают такие структуры, как мосты, туннели, оборудование электрификации и станционные навесы. Данные из этих источников генерируют трехмерные представления всей железнодорожной системы. Это похоже на просмотр улиц в Google, но только намного сложнее. Это позволило оптимизировать процессы, улучшить прогнозное обслуживание и мониторинг состояния железнодорожной инфраструктуры.
ЦД использует датчики, такие как камеры, GPS-приемники и передовые алгоритмы обучения, чтобы создать интерактивную 3D - копию железнодорожной системы (рис. 1).
А(р«гнромнныс Д4ННЫС по «руппе обмкго«
История эксплуатации
Физический объект И(!Орк«обс/ЦКММИна
CAD-модели
Моделирование fea-модели физических процессов
+ статистические модели
+ машинное обучение
Рис. 1 - Модель цифрового двойника и физического объекта
Железнодорожные компании в процессе своей деятельности сталкиваются со множеством проблем: поломки рельсов, разрыв шпал, отказы крепежных элементов, чрезмерный износ рельсов, плохое качество езды и вибрация, необходимость проводить испытания, обеспечивать высший уровень сервиса [2]. ЦД предлагает способы решения перечисленных проблем.
Если допустить ухудшение железнодорожных активов до такой степени, что они больше не будут пригодны для использования по назначению, они могут вызвать катастрофический сход с рельсов. Не смотря на то, что РЖД работает безопасно, следуя федеральным правилам, компания с помощью доступных технологий может улучшить и без того отличный механизм. Команда технического обслуживания может получить точное представление о том, когда и где может произойти потенциальный сбой, используя линейную аналитику в ЦД для мониторинга состояния. Соответственно, это поможет спланировать необходимость ремонта, исходя из фактического технического состояния. Кроме того, технология позволяет в режиме реального времени получать информацию о точном местонахождении подвижного состава, что с ним происходит, насколько эффективно он эксплуатируется. Это особенно актуально, если объект был сдан в аренду. На основании этих параметров можно увеличивать межсервисные интервалы, повышать эффективность эксплуатации подвижного состава [1].
Системы крепления рельсов обычно ломаются на зажимах, используемых для крепления рельсов к железнодорожным шпалам. Часто зажимы заменяются после разрыва, и если это становится постоянной проблемой, более крупные зажимы используются для обработки более значительных нагрузок. Это быстрое решение является реактивным и направлено только на симптом более серьезной проблемы, а не на первопричину. ЦД дает возможность инженерам по отслеживанию и техническому обслуживанию детализировать данные, быть про активными и выполнять кластерный анализ, чтобы найти места, вызывающие наибольшую озабоченность, включая первопричину проблемы. Такой подход и анализ обеспечивают безопасность и надежность железнодорожных сетей [1].
Постоянное плохое качество езды и вибрация приводят к отрицательной удовлетворенности клиентов, что, в свою очередь, понижает логистический сервис. Мало того, что вибрация может провоцировать ослабление подключенного оборудования, вибрационное повреждение активов по всей сети также генерирует шум, создавая негативное отношение со стороны окружающих. Генерация индексов качества трека (TQI) с геометрическими данными почти в реальном времени, которые могут быть собраны ЦД, является эффективной тактикой раннего обнаружения и упреждающих корректирующих действий [2].
Как и в любой современной организации в компании РЖД планирование играет важную роль в принятии управленческих решений. На сегодняшний день процесс планирования технического обслуживания инфраструктуры и подвижного состава основывается на нормативной базе по нормированию затрат на плановопредупредительные ремонты и внеплановые ремонты без учета фактического состояния инфраструктуры и фактического технического состояния подвижного состава. Если нормирование и планирование осуществлять на основе данных, полученных из ЦД подвижного состава и инфраструктуры, то с применением методов предиктивной и прескриптивной аналитики возможно определить степень нагрузки и износа инфраструктуры и технических средств, что позволит прогнозировать отказы и снизит количество неплановых ремонтов, а плановые ремонты позволит распределить во времени для повышения эффективности и качества выполняемых работ [2].
Также, ЦД решает проблему потери времени при испытаниях. Любая продукция, поставляемая в холдинг АО «РЖД», должна пройти ряд испытаний по постановке на производство — типовые, периодические, приемочные, сертификационные. Технология цифровых двойников в этом направлении выступает неотъемлемым помощником и позволяет заменить целые виды испытаний без потери качества, тем самым ускорить постановку изделия на производство [1].
ЦД имеют высокий потенциал для сервиса — технология позволяет объединить в себе различные системы сбора данных, информация по которым очень часто разрознена и может отличаться на 30-40% [3]. Алгоритмы машинного обучения в ЦД помогают менеджерам оптимизировать и обновлять свои операции. Датчики по всей системе в таких местах, как коммутаторы, сигналы и станции, создают массивные потоки данных, которые алгоритмы обучения анализируют, становясь более точными с течением времени. ЦД учитывает всю инфраструктуру, включая станции, туннели, мосты, сигналы, коммутаторы, оборудование для электрификации и ИТ-системы, которые координируют все.
ЦД способствуют непрерывному обследованию активов, визуализации сети и анализа данных почти в режиме реального времени. Обладая способностью видеть изменения условий с течением времени, железнодорожные компании могут добавить важнейшее четвертое измерение в свои системы управления активами. Способность системы к прогнозированию позволяет менеджерам быть активными в предотвращении проблем, а не реагировать после аварии. Это сокращает затраты, повышает эффективность и снижает риск дорогостоящих неудач.
Библиографические ссылки
1. Сергеев В.И., Дутиков И.М. Цифровое управление цепями поставок: взгляд в будущее // Логистика и управление цепями поставок. - 2019. - № 2(79). - с. 87-97.
2. Цифровые двойники и их применение в железнодорожной отрасли PBK URL: https://www.rvc.ru/press-service/media-review/rvk/157477/ (дата обращения: 02.03.2021).
3. Kuntze, C., Lange, T., & Seyfert, A. Next-generation supply chain — transforming your supply chain operating model for a digital world. McKinsey & Company - 2019.
© Лапова А. В., 2021
