Двойная жизнь цифровых двойников

Цифровые двойники в последние годы становятся все более разнообразными и технологичными. При этом стоимость их создания и внедрения не всегда легко оценить заранее, а вложения могут не окупиться. Насколько успешно российские предприятия используют цифровых двойников и в каких случаях вложения могут оказаться неэффективными, разбирались «Ведомости&».

Точность превыше всего

«Цифровым двойником часто называют 3D-модель цеха или схему производственного процесса, но это только визуализация», – объясняет коммерческий директор ROXIT Антон Колосов. Настоящий двойник, по словам эксперта, должен работать с данными реального объекта, влиять на его работу, а его результаты – использоваться для оценки и принятия решений.

Например, «Технониколь» в 2026 г. запустила такого двойника для своего склада в Серпухове: логистику и хранение смоделировали в AnyLogic (среде имитационного моделирования. – «Ведомости&») с данными из «1С» и на двойнике проверили возможные схемы размещения эстакад, зон погрузки и разгрузки, маршрутов и выбрали оптимальный вариант. «Здесь двойник охватывает один склад, а не логистику всего предприятия», – поясняет Колосов.

Двойников используют также на крупных предприятиях из других отраслей, например в «Газпром нефти». По данным пресс-службы, под цифровым двойником в компании понимают вычислительную систему, которая управляет производством. Такая система собирает информацию с объектов, просчитывает различные сценарии и помогает инженерам принимать решения. Двойник состоит из пяти элементов: источники данных (датчики и оборудование), платформа для их обработки, ИИ-модели для аналитики и моделирования, инструменты управления и интерфейсы (рабочие экраны для инженеров).

«Двойник можно сравнить с современным автомобилем: система не только показывает скорость на приборной панели, но и работает как автопилот, помогая выбрать маршрут и экономя топливо», – поясняют в пресс-службе «Газпром нефти».

Двойники поумнели

«Мозг» современных цифровых двойников – это искусственный интеллект (ИИ), считают в «Газпром нефти». Раньше модели строили на базовых математических алгоритмах: они показывали текущее состояние, но с их помощью нельзя было быстро просчитать сложные варианты. Сейчас с этим помогает ИИ. Например, в Центре управления добычей «Газпром нефти» в Ханты-Мансийске нейросети ежеминутно анализируют потоки данных с нескольких тысяч скважин. Модели мгновенно пересчитывают варианты и помогают рассчитать оптимальный режим их работы.

Двойников при этом можно делать не только для объектов, но и для отдельных процессов, уточняют в «Северстали». Например, экспертная система доменного процесса позволяет управлять выплавкой чугуна. Она отслеживает расход твердого топлива и природного газа, анализирует данные о работе доменной печи и помогает выбирать параметры выплавки. Встроенный в систему ИИ-агент каждый час анализирует работу оборудования и дает рекомендации: предупреждает об изменениях температуры в доменной печи или советует скорректировать расход газа и количество руды для поддержания оптимального режима плавки.

Экономический эффект от внедрения такой системы с 2025 г. составил свыше 170 млн руб., снижение расхода кокса – 1,02 кг/т чугуна, указывает руководитель клиентского кластера «Производство» «Северсталь-инфокома» Игорь Щелкунов. По его словам, система также отслеживает загрязнение воздуха по данным датчиков на предприятии и городских постов наблюдения. Благодаря сокращению расхода твердого топлива выбросы парниковых газов снизились на 39 900 т CO2.

От насоса до месторождения

В нефтегазовой промышленности создание цифрового двойника может занимать от 1–2 месяцев для базовой версии самой простой виртуальной модели до одного года, если нужна более сложная модель, которая может учитывать много параметров, считает руководитель проектов Центра промышленной автоматизации «Айсорс» Игорь Ломухин. При этом надо также закладывать время на внедрение двойника в производство, отмечает эксперт.

«Например, одна крупная нефтегазовая компания за три месяца запустила цифрового двойника отдельной насосной станции – для мониторинга ее состояния в реальном времени. Через шесть месяцев персонал начал системно проводить расчеты на нем перед изменением режима работы. В общей сложности проект занял почти год», – говорит он.

Сроки создания и внедрения двойников зависят от их масштаба, соглашается Колосов. Построение двойника одного логистического или производственного процесса, как склад у «Технониколь», по его словам, займет всего несколько месяцев, если данные уже есть в учетной системе или АСУ ТП (автоматизированная система управления технологическими процессами. – «Ведомости&»). Двойника цеха или линии – от полугода, так как потребуется время на интеграцию: модель должна получать данные сразу из нескольких систем. «Двойник всего предприятия или отрасли – это задача на годы. К примеру, двойник всей нефтегазовой отрасли, предложенный «Газпром нефтью», рассчитан на период до 2050 г.», – указывает Колосов.

Схожим путем идут в «Северстали» после цифровизации отдельных процессов. По словам Щелкунова, компания планирует создать сквозного цифрового двойника, который объединит процессы и оборудование на одном из этапов производства – например, на сталеплавильном или коксоаглодоменном переделе. Это даст возможность лучше распределять нагрузку на оборудование, управлять логистикой и качеством. На создание такого двойника может уйти до трех лет, уточняет он.

Создание двойника любого масштаба надо начинать с аудита данных – проверить, что можно оцифровать и в каком виде, советует Колосов. Следующий шаг – пилот на одном процессе, который легко измерить, и только затем можно масштабировать двойника на цех или все предприятие. «Пропуск первого шага – самая частая причина, почему такие проекты затягиваются», – уверен эксперт.

Для больших и маленьких

Цифровые двойники больше всего нужны капиталоемким отраслям с непрерывным циклом (нефтегаз, энергетика, металлургия, крупные логистические хабы), уверен Ломухин. Стоимость часа простоя на предприятиях в таких отраслях, по его словам, превышает 5–10 млн руб., а цена ключевых активов начинается от 1 млрд руб.

Для компаний с выручкой до 10–20 млн руб. или простых линейных производств полноценные двойники, по оценке Ломухина, избыточны. В таких случаях «выгоднее использовать классическое ПИД-регулирование (способ автоматического управления оборудованием, который позволяет поддерживать заданные параметры, например температуру, давление или скорость. – «Ведомости&»), дашборды и точечную ML-аналитику без построения сложных интегрированных моделей и цифровых двойников», полагает он.

Масштаб бизнеса сам по себе не означает, что предприятию непременно нужен двойник, отмечает директор по отраслевым решениям в нефтегазовой и химической промышленности «К2Тех» Александр Мартынов. «Даже сравнительно небольшому предприятию может быть выгоден цифровой двойник одного критически важного агрегата, если его отказ приводит к остановке значительной части производства», – указывает эксперт. При этом даже у крупного промышленного холдинга могут возникнуть сложности с созданием цифрового двойника, если его информационные системы не связаны между собой, а данные неточные или неполные.

Цифровая зрелость предприятия влияет на стоимость и сроки реализации проекта, соглашаются эксперты. По словам Ломухина, проект будет рентабелен, только если более 70% критических узлов будет охвачено системами автоматического сбора данных (SCADA/IoT). В противном случае до 60% бюджета может уйти на базовую оцифровку и очистку данных вместо создания самой модели.

Предприятиям с невысокой цифровой зрелостью, по мнению Мартынова, лучше начинать с отдельных задач, параллельно развивая инфраструктуру данных. Позже локальные модели можно объединять и расширять на другие технологические процессы.

Какие задачи двойники не могут решить

Даже лучшие системы и предприятия с хорошей цифровой зрелостью сталкиваются с ограничениями. Например, в нефтехимии одно из ограничений связано с точностью моделирования конкретной установки, отмечает генеральный директор «Сибур коннекта» Рустам Абдурахманов. «Мы понимаем общие закономерности таких процессов, как полимеризация или пиролиз, но еще не всегда можем достоверно предсказать, как поведет себя определенная установка при изменении температуры даже на полградуса или при изменении давления. Нужно установить не только что произойдет, но и почему. Это большая совместная работа разработчиков и технологов», – поясняет Абдурахманов.

По его словам, сейчас «Сибур» ведет проект по технологическому моделированию, задача которого – научиться оценивать последствия изменения технологических параметров и на этой основе выбирать режимы работы, которые помогут улучшать качество продукции и управлять производственной цепочкой.

Цифровые двойники оправданы далеко не для каждой задачи, указывает Мартынов из «К2Tex». Если состояние оборудования можно надежно контролировать стандартными средствами мониторинга, а потенциальные потери от отказа невелики, создание сложной модели может не окупиться. Аналогичная ситуация, по его словам, возникает при недостатке качественных данных, когда подготовка инфраструктуры требует несоразмерных инвестиций.

Неготовность организации внедрять изменения после создания двойника – самое стандартное ограничение. «Даже точный прогноз не принесет экономического результата, если предприятие не может своевременно изменить режим работы, перенести ремонт или предпринять другие необходимые действия. Поэтому еще на этапе технико-экономического обоснования важно оценивать, какие решения будут приниматься на основе модели и как они повлияют на производство», – заключает Мартынов. &