Будущее моделирования реальности

Сегодня строительная область проходит этап адаптации моделирования реальности под свои нужды и интегрирует модели реальности в свой рабочий процесс.

Сейчас многие компании развивают новые алгоритмы, чтобы обучить искусственный интеллект самостоятельно различать трубы, свет, вентиляторы и так далее.

При разработке модели делаются снимки объекта, собираются данные, превращаются в меш-сеть, которая используется как стартовая позиция для создания модели реальности, в которую добавляются дополнительные объекты. В будущем моделирование реальности будет сразу применяться для классификации объектов. Некоторые еще называют это идентификацией.

По нынешней модели реальности нельзя сказать, сколько, например, на объекте светильников. Потому что модель реальности не знает, что такое светильник. Только если дать ей понять, что вот это — светильник, она может автоматически отыскать другие. 

Если, к примеру, нужно проверить мост на предмет новых трещин, придется искать каждую отдельную трещину, измерять ее и оставлять в системе заметку. Это опасно, отнимает уйму времени и очень дорого стоит. Сегодня для выполнения этой работы запускают дроны. С их помощью создаются подробные модели реальности, но представьте, что им еще и можно сказать: «А сосчитай нам трещины на этом мосту и покажи, насколько они велики!» И эти данные автоматически заносятся в систему, позволяя быстро провести глубокий анализ и, возможно, даже обнаружить трещины, которые пропустил инспектор. Вот это одна из самых замечательных функций моделирования реальности в ближайшем будущем.

Иными словами, мы хотим изобрести «распознавание двойников» в реальной жизни, если так можно выразиться. Чтобы на полученной в результате сканирования модели видели: это свет, это стул, а это стол. Представляете, насколько это ускорит все процессы проектирования, строительства и ремонтных работ?

Большинство жителей планеты предпочитают воспринимать информацию визуально. Поэтому, раз можно быстро создавать детализированные копии реальности, эти цифровые двойники по сути становятся пользовательским интерфейсом для работы с данными, иными словами, визуализацией реальности с полным набором информации об объекте. Человек запускает отчет, и окна в здании загораются, потому что это визуальный отчет. Мы называем это тематическими картами информации и верим, что модели реальности имеют все шансы стать пользовательским интерфейсом для доступа к огромному массиву данных об инфраструктуре.

Допустим, вы сканируете гигантское физическое помещение — масштабную производственную базу со сложной системой труб. У вас есть 3D-модель, теперь нужно найти конкретный тег, и вы говорите: «Найди мне, например, трубу N-33» — и она визуально подсвечивается. Можно приблизить конкретную часть объекта и изучить внимательнее. И это не просто приблизительная модель, это настоящий трубопровод — ровно такой, как в жизни. В этой цифровой модели можно посмотреть все отчеты по обслуживанию объекта, узнать, сколько воды прошло через эту трубу, каковы ее размеры на разных участках. По сути это уже полноценный интерфейс для владельца-оператора, а не какая-то условная книжка со сносками, которую он читает перед сном. Те, в которых написано «Чтобы увидеть этот отчет, перейдите на такую-то страницу в самом конце» — и нужно приложить кучу усилий, чтобы собрать все нужные данные воедино.

К тому же моделирование реальности играет на руку долгой операционной жизни объекта. Если все правильно спланировано, то получение и использование данных в реальном времени позволяет с умом управлять активами и поддерживать жизнедеятельность инфраструктуры на высоком уровне с помощью все той же цифровой модели.

Цифровые двойники

Сегодня мы все окружены вещами, которые постоянно дают нам обратную связь. Если у вас на руке «умные» часы, они показывают ваш пульс и новые сообщения в мессенджере. Если вы занимаетесь со спортивным трекером, он подсчитывает, сколько километров вы пробежали и сколько калорий сожгли. Так вот что мы стараемся сделать, так это создать возможности для обратной связи с производственными активами и объектами инфраструктуры. Независимо от того, что это — система отопления, вентиляции и кондиционирования, здание или дорога — мы хотим, чтобы этот объект постоянно делился с владельцем-оператором фидбеком о своем состоянии.

Что важно для владельцев-операторов? Вряд ли их очень интересует детальная геометрия стены: потому что она слабо меняется от одной стены к другой. Что действительно важно, так это то, сколько электроэнергии потребляет помещение и сколько света сжигают конкретные комнаты. В каких объемах используется система кондиционирования. Они хотят понимать, какое давление сейчас на конкретном участке трубопровода и насколько раскалена труба.

Регулярная обратная связь о состоянии объектов инфраструктуры также очень полезна для повышения безопасности. Раньше при строительстве и ремонте дорог мало обращали внимания на статистику по авариям. Теперь у нас есть возможность получать этот важнейший фидбек непосредственно с дорожных датчиков и от автомобильных гаджетов. Навигаторы, регистраторы — все они дают обратную связь, которую можно и нужно учитывать при проектировании, строительстве и эксплуатации дорожных активов.

Если провести аналогию с человеком, то можно сказать, что сначала цифровой двойник рождается и у него есть только базовые, хоть и крайне точные, представления о нем самом. Потом он «взрослеет» и обрастает более подробной информацией об окружающей среде, начинает работать с данными и учитывать больше факторов, чем в начале.

Облачные сервисы

Недавно Siemens и Bentley объявили о создании PlantSight™, цифровое решение для более эффективной эксплуатации промышленных объектов на основе цифровых двойников, которые синхронизируются как с физическими, так и с инженерно-техническими данными. Цель новой линейки – всесторонне и точно синхронизировать физическую реальность с ее виртуальными инженерно-техническими данными, объединить двухмерные и трехмерные данные. Например, у Siemens, есть признанная во всей индустрии двухмерная P&ID-система, которая объединяется с OpenPlant – продуктом для 3D-проектирования Bentley. После завершения работы над программой это и будет облачный сервис для управления огромным массивом данных об инфраструктуре в разных форматах. Туда можно будет добавлять новые объекты, все синхронизируется прямо в облаке.

В России есть определенные сложности с безопасностью облачных сервисов. Есть несколько вариантов решения проблемы:

• Например, сервис можно запускать под защитой файрвола. В Bentley используется платформа Microsoft Azure, и у них есть решение Azure Stack как раз для частных облаков. Конечно, сначала PlantSight будет запущен на публичном облаке, но через некоторое время после выхода программы появится возможность пользоваться сервисом приватно и с повышенной безопасностью.
• Можно будет использовать гибридный подход: необязательно выбирать строго частное или публичное облако, можно совмещать. По сути это инструмент для обмена информацией, для трансформации данных. В этом и заключается основная смыслообразующая функция сервиса — помогать компании управлять изменениями в реальном времени и принимать обоснованные решения, как можно меньше рискуя вслепую.
  

Что могут дать «темные данные»?

Что такое Dark Data или темные данные легко объяснить на примере PDF-файлов. Уже привычно, что в тексте в формате Adobe Acrobat можно использовать поиск и находить нужные слова. Скажем, искали слово «цветок» — и нашли. Но что если в этом документе содержится картинка с цветком или просто квадрат, то есть не текстовые, а графические данные? Если дать команду найти все квадраты в файле — ничего не найдется. Потому что система не понимает, что такое квадрат. Или, к примеру, в PDF есть рисунки, и нужно найти все стрелочки в этих рисунках — что будет? Ничего, поэтому запрошенные, но не обнаруженные данные можно считать «темными», это бессмысленные данные.

То же самое можно отнести к инфраструктурным объектам. Есть стены, потолки, лестницы, оконные рамы и так далее. Но как только нужно сосчитать дверные ручки, «условный Adobe Acrobat» пасует: это для него Dark Data. По большому счету любые разрозненные кусочки неинтеллектуальной информации, которые нельзя найти и использовать, — это «темные данные».

Поэтому в программных продуктах содержится только читаемая, интеллектуальная информация — это и называется цифровой информационной моделью. Эти i-модели легкие, но в данных можно найти что угодно — сколько бутылочек с водой стоит на офисных столах в здании, сколько в помещении дверей, сколько в городе дорог длиной меньше 2 километров. И система найдет все ответы — не только в самой модели, но и во всех связанных с ней чертежах, отчетах и схемах.

Цифровые модели — это противоположность «темным данным», их можно назвать «открытыми данными». Эти данные можно запросить и получить в ответ всю нужную информацию в реальном времени. Это данные, по которым можно отследить всю историю изменений. Это данные, которыми легко делиться с партнерами и подрядчиками в любой момент, чтобы работать в общей информационной среде. Это данные, которые можно эффективно использовать во благо проекта.

У «темных данных», в отличие от открытых, нет ценности. Видение специалистов состоит в том, чтобы сделать информацию доступной, наглядной и ценной. Вокруг океан информации, но до тех пор, пока она не классифицирована, она бесполезна, ведь ее нельзя найти и грамотно использовать. Идея в том, чтобы объединять, структурировать и классифицировать абсолютно разные данные и использовать их для принятия обоснованных и финансово верных решений.