AI 革命将 “虚拟化 ”
AI革命将“虚拟化” 数字创新的海啸正在冲击产品开发。您的组织会冲浪还是被它淹没？ 作者：金伯利·博登，马克·亨廷顿，米图恩·卡马特和威尔·罗珀 本文的见解是基于Dr.威尔·罗珀：“没有勺子：新的数字获取现实”（美国空军，2020年10月7日）和“弯曲勺子：数字工程和电子系列指南”（美国空军，2021年1月19日）。这两篇论文讨论了数字系统和物理系统之间日益模糊的界限以及对公共部门采购的影响。本文将视角扩展到包括私营部门公司。 现在，我们在一个计算机程序里？Neo（TheMatrix，1999） 标题。使用AI驱动的设计模拟器，该团队在数千个虚拟原型上“电子比赛”了许多具有生命价值的虚拟美国杯，尽管复杂的力量和刀刃的航行条件，但学习在AI完善的水翼上以50节的速度滑行。 1999年科幻电影矩阵模糊了真实和虚拟之间的界限。不到四分之一世纪后，人工智能和数字仿真的巨大进步正在破坏技术本身的创建和使用方式。 今天，公司可以并且确实实现了类似矩阵的模拟现实主义。1现在可以创建组件，产品和流程的数字表示，以精确复制其现实世界同行的行为。这种“数字线程”为工程，制造，测试和运营团队提供了完美的游乐场来解决问题，探索他们设计的局限性，并创造创新的解决方案。而且，从物理世界的束缚，他们可以以惊人的速度做到这一切。 这种物理掌握是可能的，只是因为帆船模拟器在功能上等同于现实-连接计算机内部帆船的所有相关方面的数字线程。 digital boats live in the same sailing metaverse as its race - daydiagnostics. The data are consistent, 所以结果是一致的，但是数字创建比物理创建要快得多。正如一位设计师指出的那样，“配置箔，过去需要几天，现在需要几个小时。” 一个说明性的例子是新西兰队在帆船比赛中开创性地使用数字技术，这帮助它在2017年和2021年连续两次赢得美洲杯比赛。 除了加快学习曲线，新西兰团队的例子还揭示了另一个数字线程的顿悟：“这不是一件大事。正如一位设计师所反映的那样，这是很多小事情，可以实现巨大的性能改进。”团队的AI系统可以浏览可能的配置的广阔前景 在团队推出75英尺AC75之前在2021年，它知道单体船将如何执行，以及它需要做什么才能带回家 这不是一件大事 有区别。这是很多小事情放在一起，可以实现巨大的性能改进。 在所有这些小事情中，为其设计寻找最佳的最佳参数集。这是帮助计算机征服围棋之类的游戏的相同方法。 have threaded into real - world operations, generate -ating value by accerating the emerging of previouslyunimaginable businesses. For these companies, the linebetween the digital and 物理已经完全溶解。让我们看看数字先驱的一些例子。 权威的“虚拟化” 游戏可能是相似的，但比赛场地完全不同。Go板是一个19乘19的线网格，很容易在数字模型中表示。现实世界的问题，如赛车游艇和工厂，要复杂得多。创建一个准确的数字线程来表示这样的系统可能说起来容易做起来难，许多公司已经投入了大量的资源到“虚拟化”而没有获得价值。 提高塔塔钢铁公司的吞吐量将合金钢过热到精确的铸造温度是一个微妙的冶金过程。违反加热条件，即使是片刻，批次也必须经过时间和能量-消耗再加热。这是整个行业的吞吐量杀手。 对于塔塔钢铁公司的Kalinganagar工厂经理来说，任务是提高生产率，数字转换为挑战当前运营实践提供了新的可能性。该公司从数据开始，这些数据历来主要用于监控运营。塔塔认为新形式的分析可以揭示更多信息， 数字化转型的价值始于所谓的“权威虚拟化”，它可以取代或截断现实世界的活动。在这种情况下，“权威”并不一定意味着“完美”。使用物理系统已经涉及使用不太完美的数据。 因此聘请了数据 估计故障模式和可能性落在公认的测量和抽样误差内。工程团队保守地改变他们的性能和故障估计，以解释他们测量中的累积误差。 科学家设计预测算法— —实际上，一种权威虚拟化的形式。这个想法是算法的输出将产生更精确的控制，使员工能够提高高炉生产率和铸造率。 当这些估计表明可接受的现实世界风险时，系统可以被认证使用。 它原则上起作用。但在实践中，许多员工几乎没有数字专业知识。如果没有数据科学、数据工程和分析方面的技能，他们就无法随着生产条件的变化改进算法。 同样的想法也适用于虚拟世界。通过从认证要求向后工作，公司可以确定可以权威地替代物理收集的数据的模型准确性水平。 The solution was company - wide training. Leadersestablished an introductory analytical academy to raiseplantwide digital temperature. It trained employees tounderstand, modify, and even develope their ownanalytical model. 权威虚拟化是系统的数字模型，具有可证明的预测性。它们可以采用许多不同的形式，从查找表和简单的统计分析到需要数年才能完善的复杂多物理场模型。无论数据的来源如何，用数字活动代替或截断现实活动的关键在于管理可接受的累积误差。 在车间，虚拟生产周期很快就超过了传统的生产周期。应用分析驱动的方法将首次成功率提高到90%以上。结合整个工厂的20多个其他基于分析的项目，塔塔钢铁每年创造了数百万美元的价值。它还获得了世界经济论坛全球灯塔网络成员的认可。 此类虚拟化正在许多行业中使用。从农业到赛车运动，从飞机维护到电子商务，这些数字预言 13万个互联农业系统每秒收集超过1500万次测量，全部上传到云平台。 达能的数码奶牛场 塔塔钢铁公司的Kalinganagar工作包括 对单个工厂进行11次主要优化。它说明了数字化转型的复合效果 农民现在可以监控实时性能、天气和成本。他们可以订阅预测算法，实现种植、浇水和收获的精确管理— —一个农业数字孪生。基于人工智能的进步使设备能够检测杂草并精确部署除草剂，减少高达80%的浪费，同时产量翻了一番。另一个系统监控谷物收获，以自主调整切割模式，提高效率，并回收有机废物作为肥料。 因为它使人们能够识别和优化无数的细节。 与乳制品公司达能一样，整个工厂网络的潜力要大得多。但挑战也是如此。达能在不同时代和不同布局的欧洲经营着40家乳品厂。生产复杂性阻碍了增长。对庞大的网络物理基础设施的升级不太可能具有成本效益。因此，达能转向数字化转型，以控制复杂性和成本，从波兰奥波莱的一家工厂开始。 生命危在旦夕时的数字化转型虽然数字化改造钢铁或农业涉及一定程度的风险，但未知因素在很大程度上是可控的。在医疗保健领域，生命危在旦夕。然而，强大的建模正在推动数百万人在延长生命、提高生命质量的治疗方面取得突破。 再次，第一步是使用数据。多年的乳制品运营提供了训练AI算法的原材料，这些算法可以优化生产设备性能。同样，第二步是全厂员工培训。但是达能采取了第三步:投资于其机器和新企业软件的数字连接对于他们的工人。 考虑人工心脏泵的设计。从历史上看，在不破坏细胞的情况下优化血流在计算上是棘手的。模拟涉及数百万个元素，具有难以建模的瞬态条件。即使是比较容易理解的输入，比如血压读数的变化，也使得预测性能、优化电池消耗和防止血液损伤变得困难。当新设备最终测试时，安装是具有挑战性的。即使如此，设备与身体的相互作用也随着时间的推移而改变。 结果是实现了两位数的性能提升，能耗降低了40％。随着数字工具连接工人，转换时间急剧下降，与企业软件连接的机器数据将劳动生产率提高了50％。 总而言之，数字化转型将成本降低了近20％，将效率提高了10％以上，并将质量和碳排放提高了近50％。达能现在正在其他39个站点推出相同的广泛方法，奥波莱工厂获得了一席之地在全球灯塔网络中。 机器学习、数据和高性能虚拟化颠覆了这一范式。一家心脏泵制造商的数字线程通过使用高度加速的深度学习来取代模拟，将设计优化时间缩短了1000倍以上。该公司现在可以在一天内执行100, 000种设计变化。 一级方程式世界锦标赛赛车打破了设计中的速度障碍前面的例子显示了当工厂、项目或公司数字化转型时可能会发生什么。但是整个运动呢？一级方程式世界锦标赛赛车，在那里汽车神速 在JohnDeere收集数据 从十多年前开始,农业设备制造商John Deere看到了实时数据对农业效率的潜在影响,自此公司的产品从单纯的硬件发展到硬件和软件平台,形成了“农业物联网”。 在每次大奖赛之前，团队都会创建数百或数千个轨迹优化的数字孪生。当物理汽车进入下一个轨道时，模拟器实践可以确保他们的驾驶员了解每个处理细节。 在时速高达400公里的赛道上，拥有70年的传统，采用技术来获得竞争优势。但是不断上升的研发成本威胁到缩小多样化的竞争 随后引入成本上限，旨在限制研发，释放了更多的数字创新。 如何驾驭数字浪潮 为了避免建造物理原型和风洞的高成本，数字孪生成为整个行业的改进手段赛车的所有方面。每个汽车组件及其相关的物理特性-直到文字上的橡胶会议-都被权威人士精心地虚拟化和锚定测试数据。这些数字模型变得如此强大，以至于现在甚至计算也被封顶，催生了更快的数字创新。 一级方程式世界锦标赛取得了近乎完整的赛车虚拟化。与物理世界相连并从中学习，其令人眼花缭乱的创新步伐预示着即将到来的事情。 从铸钢到由其制成的农场设备，由其生产的食物，以及流通其营养的人造心跳-无论是航行，驾驶，飞行还是观看头顶的轨道-很少有企业，政府或军事努力可以逃脱这一波数字化转型。如果唯一真正的选择是乘风破浪，以下步骤为成功的数字化转型提供了广阔的路线图： 数据驱动的敏捷性将一级方程式世界锦标赛的学习曲线推向边缘 数字可能性。实时反馈提高了大约85%的每辆车The racing season — one part every 15 minutes. Leftundeveloped, “If you took the car that qualified fest at thefirst race of the季节..............................................按时间迈凯轮车队首席执行官扎克·布朗说：“你到了最后一场比赛，同一辆车将是最慢的。” 清点组织的数据储备和IT 任何虚拟化都需要阈值量 足够高质量的数据来反映现实。同样，将数字和物理现实联系在一起需要启用IT，通常在整个价值链中。您要么拥有它们（以及获取它们的清晰路径），要么可能处于数字死胡同。并且不断变化的技术格局 行业的复合学习是有动力的由300个车载传感器传输100 GB的每一场比赛，以结合物理和数字汽车在不断改进的循环数字线程中。 “如果您在本赛季的第一场比赛中获得最快的赛车。。。。当您进入最后一场比赛时，同一辆车将是最慢的。” ——扎克·布朗，迈凯轮车队首席执行官 意味着持续重新评估数据可用性和IT系统功能。 拥有您的“虚拟化构建代码” 当用数字活动代替现实世界的活动时，错误是不可避免的。包含它需要知道物理认证和使用的允许错误。进一步为每个虚拟化组件指定错误级别提供了一种“数字建筑代码”，该代码确定模型是否具有权威性(或准确)足以与其他虚拟化联系在一起-包括现实作为真理的来源。 建立一套“数字闪电”Energizing efforts force head - in - the -cloud digital concepts to connect with real, measured, feet -on - the
