シミュレーション ベースのデジタル ツイン: 業界関連のケース スタディ

デジタル ツインのトピックは、何年にもわたってトレンドであり、シミュレーション愛好家や専門家の間で今でも広く議論されています。

コンテンツ:

  1. 2種類のデジタルツイン
  2. デジタルツインとシミュレーション
  3. サプライチェーン
  4. ビジネスプロセス
  5. 製造
  6. 港湾・鉄道物流
  7. 石油とガス
  8. クラウドコンピューティング

ディジタル・ツインとは何でしょうか? 厳密な定義を見つけるのに難しいでしょう。最終的には、それらはすべて2つのタイプに限定することができます: オブザーバー、そして仮想です。

デジタルツインの主な 2 つのタイプ

本質的に、デジタル ツインは、最新のデータを使用して物理オブジェクトを仮想空間にマッピングするコンピューター生成モデルのセットです。

Stewart School of Industrial and Systems Engineeringの名誉教授であるLeon McGinnis 氏がWinter Simulation Conference 2022で述べたように、デジタル ツインには次の 2 種類があります:

オブザーバー

  • オブジェクトとシステムがどのように機能するかを観察するのに役立ちます。
  • 資産管理 に多く使用されています。
  • 風力タービン、ジェット エンジン、製造施設の発電機などに多く使用されています。
Observer digital twin

これらのデジタル ツインの基本的な部分は、リソースの状態とフローの単位 (ジョブ、患者、作業指示書など) に関する情報を取得することです。その後、状態が変化すると、センサーまたはトランザクションによって検出され、デジタル ツインに送信され、実際のツインの正常性を常に追跡するのに役立ちます。

バーチャル

  • 新しいものを設計し、実際のツインが作成される前にそれらをテストするのに役立ちます。
  • 航空機、回転機械、自動車、集積回路など。

これらはシミュレーションモデルに基づいて構築できるものであるため、オブザーバーデジタルツインに焦点を当てます。

シミュレーション モデリングとどのように関連するのか?

デジタル ツインの 2 つの重要な要素は、動的シミュレーション モデルと、ライブ システムの現在の状態を反映するデータです。モデルとデータを使用して、実験、分析、および結果の解釈のための強力なデジタル ツインを構築できるため、‘what-if’ の質問をしたり、システムの動作を理解したり、複数のレベルで検証することができます。

世界中の企業がどのようにシミュレーション モデリングとデジタル ツイン テクノロジを組み合わせて ビジネス上の課題を解決しているかを以下でご覧ください。

サプライ チェーン コストの削減と予測の向上

Accenture は、米国を拠点とする運動器具ブランドのサプライ チェーン全体のシミュレーション モデルに基づいて、デジタル ツインを作成しました。注文から配達までの時間を予測して短縮し、スマートな在庫割り当てソリューションの基盤を提供して計画を改善することに重点を置いていました。

A white truck driving on a highway

デジタル ツインは、すべて Amazon S3 経由で接続されたさまざまな Amazon サービスとスプレッドシートから入力データを取得しました。一方、モデルのアウトプットに関するビジネス分析については、Tableau に接続されていました。

デジタル ツイン イニシアチブの結果、Accenture では、注文から配送までの予測の精度が 57% 向上し、在庫割り当てのロジスティクス コストが 20% 削減されました。

ケーススタディ →

ビジネスプロセスの最適化

Siemensの航空用ガスタービン部門向けに構築されたデジタル ツインは、グローバルな保守修理およびオーバーホール業務をエミュレートしました。顧客、サプライ チェーン、生産、保守に関する膨大な量のデータを使用して、顧客の運用と資産管理の生産性と効率を向上させました。

新しいソリューションにより、Siemens はシステムの KPI を取得して予測し、フリートとメンテナンス施設の運用を視覚化し、システムのボトルネックを特定し、投資の意思決定をサポートするために迅速な‘what-if’ シナリオと詳細なシナリオの両方を得ることができました。

ケーススタディ →


A yellow turbine


世界最大のタービン メーカーの 1 つは、非常に有望な 5 年間のガス タービン ポートフォリオを持っており、 30% の純利益を計画していました。しかし、同社はすぐに、ポートフォリオの一部のプロジェクトが大幅な遅延に直面していることに気付きました。

デジタル ツイン ソリューションは、会社の経営陣がプロジェクトの全体像を把握するのに役立ちました。さらに、1 億 400 万ドルの純利益を維持しながら、避けられない遅延を 2 年から 9 か月に短縮できる最良のシナリオを特定しました。

ケーススタディ →

生産ラインの改善と保守ポリシーのテスト

資本財の世界的リーダーである CNH Industrialは、生産ラインのさまざまなメンテナンス ポリシーを評価および選択するためのデジタル ソリューションをテストしたいと考えていました。1 分間のダウンタイムのコストは 160,000 ドルを超える可能性があるため、最適なものを特定することが重要でした。

A half-assembled minivan on a production line

パイロット プロジェクトとして、チームは Iveco Daily バン シャーシ溶接の単一製造ラインをシミュレートし、自動溶接ステーションに焦点を当てることにしました。

CNHI は、シミュレーションベースのデジタル ツインを使用して、溶接ステーションの重要なコンポーネントの状態を監視および予測し、大幅なダウンタイムの削減を促進しました。このツールはさまざまなデータを提供し、シナリオの分析と比較に役立ちました。これにより、変更がメンテナンス コストに与える影響をすばやく理解できるようになりました。

ケーススタディ →


磁気変圧器コアのイタリアのメーカーである Lagorは、生産を増やして事業を拡大する一方で、製造プロセスを拡大するという問題に直面していました。

実際のデータを操作する製造現場のデジタル ツインは、生産および意思決定プロセスをシミュレートし、生産計画を調査するのに役立ちました。

新しいデジタル ツイン ツールを使用すると、Lagor のエンジニアは‘what-if’を使用して、リスクのない環境で生産シーケンスを正常に再配置できました。これにより、実際の生産プロセスにおけるボトルネックを効率的に回避できます。

ケーススタディ →

コンテナヤードの計画と港湾労働者のトレーニング

A lot of colorful containers and blue cranes that carry them

イタリアのジェノバにある Terminal San Giorgio は、シミュレーション、デジタル ツイン、AI テクノロジを組み合わせた意思決定支援システムを作成し、ターミナルでの緊急事態に対する信頼できる避難戦略を構築しました。システムは、事故が発生したときにその場でセーフ ゾーンへの経路を再計算し、その経路を社内のアラート ツールに伝達できます。

エンジニアはまた、AI 機能とシミュレーションを組み合わせることで、ターミナル全体のスループットが 20% 向上することも示しました。

ケーススタディ →


A container ship at a container terminal

デジタルツインは人事管理にも役立ちます。British Columbia Maritime Employers Association は、カナダのブリティッシュ コロンビア州の 5 つの港湾地域で活動する海事雇用者によって設立された組織です。この協会は、7,000 人以上のアクティブな港湾労働者を代表しており、労働者のトレーニングと仕事の派遣に携わっています。

まず、BCMEA はデータセットとダッシュボードを作成して、ブリティッシュ コロンビア州の港湾労働者派遣の現在および過去の状態を把握しました。データセットとダッシュボードに続いて、チームは予測分析ソリューションを開発しました。これにより、BCMEA は将来を見据えて、新しいコンテナ ターミナルの開設や、より多くのトラック ドライバーのトレーニングの効果などのシナリオを分析できるようになります。

バンクーバーの港湾労働派遣のデジタル ツインは、予測分析を開発するための基礎として機能し、トレーニングに対する最適な 3 年間の投資収益率を決定するのに役立ちました。

ケーススタディ →

オイルとガス井戸の建設

A drilling rig somewhere in a sea or ocean

掘削リグでは、すべての技術ユニットが統合されているため、機械のあらゆる種類の遅延がクリティカル タイム パスを増加させます。その結果、全体的なパフォーマンスの効率が低下し、経済的損失につながる可能性があります。

坑井建設プロセスの変動や非効率性に対処するために、Transoceanのエンジニアは、機械や乗組員のタイミングなど、数十のリグで測定値を収集して評価しました。彼らは、このデータを処理し、さまざまな操作間の相互依存性を分析するために、油井戸のデジタル ツインを構築しました。

デジタル ツインからの統計情報は、運用担当者とリグ マネージャーにフィードバックされ、坑井作業員のパフォーマンスを評価し、タイム ロスの原因を特定できるようになりました。初期の結果では、デジタル ツインを実装することで 20% 以上の時間を節約できることが示されました。

ケーススタディ →

デジタル ツイン ソリューションのためのクラウド コンピューティング

デジタル ツインを構築するには、ダイナミック シミュレーションと現在のデータとともに、ハイ パフォーマンス コンピューティング機能が不可欠です。AnyLogic Private Cloud は、シミュレーション モデルの運用ワークフローへの統合を簡素化し、デジタル ツインの作成を容易にする、安全で強力なプラットフォームです。

クラウドでは、モデルを使用して複雑なマルチラン実験を通常のコンピューターよりも高速かつ効率的に実行できます。設計上スケーラブルであるため、コンピューティングの要求に迅速に対応し、複数のノードとコアで実験を実行できます。


さまざまな業界の世界中の企業が、従来の Excel スプレッドシートではもはや効率的でなくなった複雑なビジネス上の課題の解決策として、デジタル ツインに目を向けています。シミュレーション モデルの構築から始め、現在のデータを追加し、AnyLogic Cloud で実験を実行し、それらすべてを組み合わせて、意思決定をサポートする堅牢で強力なデジタル ツインを作成します。

シミュレーションベースのデジタル ツインは、当社のホワイト ペーパー「An Introduction to Digital Twin Development」の焦点でもあります。デジタル ツインの開発とその利点を示すのに役立つケース スタディが含まれています。

関連記事