Optimalizácia zdrojov pre ziskovosť: Je technológia Digital Twin Tech nevyhnutná?
Hodnota akejkoľvek technológie v konečnom dôsledku spočíva v schopnosti optimalizovať náklady a zdroje. Schopnosť predvídať výsledky dáva pestovateľom potravín výhodu predvídavosti, ktorú potom možno uplatniť v reálnom živote. Príkladom aplikácie a komercializácie technológie Digital Twin v reálnom živote je mechanizmus model, ktorý vyvinul Tom De Swaef na Ganttovej univerzite. Belgická spoločnosť 2Grow využíva tento model na meranie variácií toku vody a hrúbky stonky v rastlinách paradajok. The ciele spoločnosti znížiť o 20 % plochy vynaloženej na rastlinnú výrobu.
It stále nie je jasné, či sa komunita snaží o adopciu digitálnych dvojčiat vo svojich prevádzkach. Ba čo viac, možno tvrdiť, že vo väčšine prípadov technológia digitálnych dvojčiat v skutočnosti nie je potrebná. Pokroky v strojovom učení umožnili predpovedať kľúčové udalosti bez vytvorenia úplného modelu, ktorý by vyžadoval veľké množstvo vysokokvalitných údajov, ktorých získanie je tiež nákladné. Ako pestovateľ potravín, ktorý chce predpovedať určité vlastnosti, môže byť zameranie sa na meranie a monitorovanie kľúčových zmien všetko, čo je potrebné na vytvorenie úspešného prediktívneho modelu. A čo viac, je to výrazne dostupnejšie, vďaka čomu je dosiahnuteľné pre pestovateľov potravín, ktorí potrebujú vidieť okamžitú návratnosť investícií pri implementácii prediktívnych modelov.
Napríklad, ak pestujete zemiaky, je dôležité mať indikátory pre škodcov, ako je pleseň spôsobená organizmom podobným hubám, ktorý môže v krátkom čase viesť k neúrode, ak sa neprijmú vhodné kontrolné opatrenia. Pre tento typ riadkovej plodiny na veľkých akroch otvoreného poľa môžu kamery namontované na otočných zavlažovacích systémoch efektívne a efektívne identifikovať choroby alebo problémy. Údaje potrebné na vytvorenie digitálneho dvojčaťa pre otvorené pole so zemiakmi by stáli majland a vytvorenie celého modelu v takom rozsahu, aby ste získali poznatky, ktoré možno získať pomocou jednoduchšej a dostupnejšej technológie, jednoducho nedáva zmysel.
- Videohra SimCity prerazila v 90. rokoch, keď sa hráči stali hrdinami svojho vlastného mesta, keď digitálne navrhli a vytvorili krásnu rušnú metropolu. Prejdite o 30 rokov dopredu a máme technológiu na vytváranie neuveriteľne presných digitálnych zobrazení stromov, fariem alebo sadov v skutočnom svete. Rovnako ako v SimCity môžeme simulovať, ako by sa metropola vyvíjala na základe toho, do čoho v rámci hry „investujeme“, teraz môžeme vytvárať simulácie rastu rastlín v rôznych scenároch – čo nám pomáha doladiť poľnohospodárske úsilie s bezprecedentnou predvídavosťou.
- Digitálne dvojča je digitálna reprezentácia veci zo skutočného sveta. Dá sa použiť na vzdialené sledovanie skutočnej „veci“. Aby bolo možné poskytnúť presnú a realistickú náhradu za skutočné dvojča, digitálne dvojča musí byť informované o údajoch prostredníctvom digitálneho merania skutočnej entity. V poľnohospodárstve by to mohli byť údaje, ktoré prichádzajú prostredníctvom nástrojov, ako sú pôdne senzory, zobrazovanie rastlín, údaje o počasí atď.
- Nová digitálna reprezentácia alebo digitálne dvojča by malo odrážať celé poľnohospodárske úsilie: fyzické aktíva, procesy, systémy, zdroje, všetko. Na oplátku nám to umožňuje simulovať, plánovať, analyzovať a zlepšovať poľnohospodárske procesy v dovtedy nepredstaviteľnom rozsahu. Je však skutočne potrebné, aby pestovatelia potravín implementovali túto nákladnú sofistikovanú technológiu – alebo môžu získať potrebné poznatky z dostupnejších a cenovo dostupnejších senzorov, ktoré im pomôžu monitorovať a predpovedať kľúčové výsledky?
Rast a adopcia digitálnych dvojčiat a ich potenciál v poľnohospodárstve
Gartner predpovedá, že do roku 2021 bude využívať polovica veľkých priemyselných podnikov digitálne dvojičky, čo sa premietne do 10% zlepšenia efektívnosti pre tieto organizácie. Koncept digitálnych dvojčiat však existuje už desaťročia. Tímy produktového a procesného inžinierstva už viac ako 30 rokov používajú 3D vykresľovanie počítačom podporovaný dizajn (CAD) modely, modely aktív a simulácie procesov na zabezpečenie a overenie vyrobiteľnosti. Napríklad NASA už desaťročia prevádzkuje komplexné simulácie kozmických lodí. Inovácie v oblasti strojového učenia a AI však prinášajú koncept digitálneho dvojčaťa do popredia a vytvárajú množstvo humbuku ako rušivý trend so širším dosahom v blízkej budúcnosti.
Pokiaľ ide o poľnohospodárske procesy, používanie digitálnych dvojčiat ako centrálny prostriedok riadenia farmy môže umožniť oddelenie fyzických tokov od plánovania a kontroly. Výsledkom je, že farmári môžu riadiť operácie na diaľku na základe digitálnych informácií (takmer) v reálnom čase, namiesto toho, aby sa museli spoliehať na priame pozorovanie a manuálne úlohy na mieste. To im umožňuje okamžite konať v prípade (očakávaných) odchýlok a simulovať účinky zásahov na základe údajov z reálneho života. Napríklad Digitálne dvojča ovocného sadu by mohlo upozorniť sad na nadmerné zavlažovanie bez toho, aby tento farmár musel sad preskúmať.
Myšlienka a digitálny sad je mimoriadne atraktívna pre farmárov, ktorí chápu náročnú povahu monitorovania, predpovedania a kontroly zdravotného stavu ovocných stromov a kvality ich úrody. Vedci z University of Queensland vyvinuli model pre ovocný sad s pomaly rastúcimi plodinami, ako je mango a makadamia. Používatelia tak môžu rýchlo vyskúšať nové nápady a získať prehľad o tom, ako najlepšie optimalizovať výrobné systémy. Výskumníci v projekte zdôraznili, ako by tieto okamžité simulácie mohli obzvlášť prospieť pomaly rastúcim plodinám, ako sú ovocné stromy.
Existujú špecifické prípady použitia, pri ktorých má finančný zmysel vybudovať digitálne dvojča, napríklad na šľachtenie rastlín, kde vám model môže umožniť včas predpovedať, či konkrétna odroda nie je komerčne životaschopná. V mnohých prípadoch však nie je potrebné rozlúsknuť orech kladivom.
- Raviv Itzhaky je spoluzakladateľom a CTO spoločnosti Prospera Technologies, vedúci technickej vízie spoločnosti o transformácii spôsobu pestovania potravín pomocou vedy o údajoch a AI. Svoje odborné znalosti v oblasti vývoja algoritmov, matematiky a strojového učenia využíva na riešenie skutočných problémov. Pred spoločnosťou Prospera Raviv vyvíjal algoritmy v spoločnosti BioCatch zaoberajúcej sa kybernetickou bezpečnosťou a pôsobil ako inžinier spracovania signálu v IDF. Je držiteľom titulu BSc z fyziky a MSc z aplikovanej fyziky na Hebrejskej univerzite.