Задвоение в промышленных масштабах

Цифровые двойники постепенно переходят из категории пилота в действующий инструмент для промышленных предприятий. Наибольший спрос формируют нефтегазовые, энергетические, металлургические, химические и машиностроительные компании, для которых аварии и простои связаны со значительными потерями. Однако распространение технологии сдерживают низкое качество данных, изношенность оборудования, дефицит специалистов и отсутствие единых правил интеграции, отмечают эксперты.

Выйти из полноэкранного режима

Развернуть на весь экран

Цифровой двойник представляет собой динамическую виртуальную модель физического объекта или процесса, которая регулярно получает информацию о его фактическом состоянии. В отличие от статической трехмерной модели, такая система позволяет анализировать отклонения, прогнозировать отказы и рассчитывать сценарии.

Чем дороже актив и чем выше цена отклонения от запланированного режима эксплуатации, тем очевиднее выгода от виртуальной модели, говорит руководитель проектов центра промышленной автоматизации «Айсорс» Игорь Ломухин, добавляя, что технология позволяет оптимизировать работу оборудования либо заблаговременно выявить риск отказа отдельного элемента или технологического процесса.

Аналитик ФГ «Финам» Леонид Делицын отмечает, что раньше вычислительные модели использовались преимущественно там, где натурный эксперимент был дорогим, длительным или опасным. По данным, которые приводит директор департамента решений АСТУ «Сигмы» Константин Сипачев, к 2025 году около половины нефтегазовых компаний уже управляют активами благодаря цифровым двойникам, а доля предприятий ТЭК с ИИ выросла с 29% (2021) до 58% (2024).

Стадия внедрения

Управляющий партнер консалтинговой компании «1702» Артем Дмитренко относит российский рынок к стадии перехода от пилотов к более широкому внедрению. Среди примеров он называет использование цифровых моделей «Русалом» на глиноземных и алюминиевых производствах и применение двойников «Газпром нефтью» при бурении сложных скважин.

В промышленности формируется последовательная архитектура внедрения. «Показателен пример "СИБУР-Кстово",— рассказывает господин Дмитренко.— Компания связывает комплекс цифровых технологий: автоматизацию, цифровые двойники и предиктивную аналитику. За последние пять лет энергопотребление предприятия снизилось на 15%, а коэффициент использования мощностей достиг 97%. Такая связка — датчики, цифровой двойник, аналитика, алгоритм оптимизации — становится типичной архитектурой современного промышленного проекта».

Однако наличие отдельных цифровых моделей еще не означает появления полноценного двойника предприятия. Директор по работе с ключевыми заказчиками ГК «СиСофт» Вадим Антонов указывает, что на российском рынке есть отечественные платформы для информационного моделирования промышленных активов и изделий, мониторинга оборудования и объективного контроля, но практически отсутствуют комплексные решения, способные отразить текущее состояние всего предприятия и моделировать его деятельность в реальном времени.

Такая система должна быть интегрирована с оперативно-диспетчерским управлением, средствами объективного контроля и другими источниками производственных данных. Ее задача не просто показывать состояние объекта, но и прогнозировать изменения, рассчитывать варианты действий и искать оптимальный режим управления. Поэтому проекты подобного масштаба остаются единичными, а сравнимой статистики по их эффективности в России недостаточно.

Цифровая незрелость

Главным ограничением использования двойников становится не отсутствие интереса, а цифровая зрелость предприятий. По оценке НИУ ВШЭ, которую приводит коммерческий директор ROXIT Антон Колосов, к полноценному внедрению цифровых двойников готовы не более 1% российских предприятий. Остальным требуется предварительно упорядочить ИТ-ландшафт и работу с данными.

Если системы управления производством, ресурсами, жизненным циклом изделий и технологическими процессами работают изолированно, справочники не синхронизированы, а значительная часть информации хранится в электронных таблицах или зависит от знаний отдельных технологов, построить достоверную модель затруднительно. В ряде случаев значительная часть бюджета расходуется не на разработку алгоритмов, а на сбор, очистку и сопоставление сведений.

Еще одним барьером остается изношенный парк оборудования. Старые станки и агрегаты часто не имеют штатных датчиков и интерфейсов передачи информации. Их дооснащение увеличивает стоимость проекта, а иногда оказывается технически или экономически невыгодным. Одновременно сохраняется проблема совместимости устаревших систем с современными аналитическими платформами.

Готовность персонала также влияет на результат. Предприятию необходимы специалисты, способные проверить математическую модель, интерпретировать прогноз и включить его в производственные регламенты. Руководители небольших предприятий, ориентированные на краткосрочные показатели, в свою очередь, не всегда готовы финансировать проект с эффектом через несколько лет.

Меньше интереса к технологии, по оценке господина Колосова, проявляют легкая промышленность и строительный сектор. В первом случае ограничениями выступают невысокая маржинальность и частая смена ассортимента. В строительстве цифровой двойник нередко отождествляют с BIM-моделью, хотя последняя преимущественно описывает объект, тогда как двойник должен постоянно получать эксплуатационные данные и моделировать его поведение.

Для небольшого производства с простыми и предсказуемыми операциями необходимость в сложной модели также ограничена. Общая закономерность, по словам господина Делицына, заключается в том, что потребность в двойнике возрастает вместе со сложностью системы и величиной потенциальных потерь.

Экономика входа

Единой оценки стоимости и срока возврата инвестиций для цифровых двойников нет. Наиболее предсказуемую экономику имеют локальные решения, привязанные к конкретной дорогостоящей проблеме. По оценкам экспертов, модель отдельного узла или процесса в успешном проекте может окупиться примерно за полтора-два года. Источником возврата инвестиций становятся, например, снижение расхода топлива на энергетическом объекте или повышение качества сплава в металлургии.

Двойник цеха или предприятия требует более продолжительного горизонта. Антон Колосов оценивает его в три года и более, отмечая повышенный риск недостижения планового эффекта. Игорь Ломухин говорит о диапазоне от трех до пяти лет для крупных объектов. По его оценке, создание полноценной модели может стоить от десятков до сотен миллионов рублей в зависимости от детализации и числа интегрируемых подсистем.

При этом расходы не ограничиваются лицензиями и разработкой модели. Предприятию требуются датчики, сети промышленного интернета вещей, вычислительные мощности, интеграция с ERP, MES, PLM, CAD, SCADA и АСУ ТП, очистка исторических данных, верификация результатов и защита инфраструктуры. После запуска возникают постоянные затраты на обновление, калибровку, информационную безопасность и содержание команды сопровождения.

Константин Сипачев приводит пример системы удаленного мониторинга с предиктивной аналитикой в одном из крупных энергетических холдингов. «Это позволяет избежать ущерба на 264 млн рублей за 24 месяца. Однако на пути этих проектов могут возникать такие сложности, как нехватка данных, потребность в больших вычислительных мощностях и строгие требования к кибербезопасности на всех этапах жизненного цикла ИИ»,— резюмирует эксперт.

Проблематика поддержки

Участники рынка считают меры государственной поддержки необходимыми, однако предлагают связывать их с достижением производственного эффекта. Среди возможных инструментов эксперты предлагают софинансирование первых внедрений и последующего тиражирования, создание испытательных полигонов, льготный доступ к вычислительной инфраструктуре, подготовку инженеров и поддержку совместимости российских решений.

Государственная политика также должна снижать зависимость от зарубежных платформ, полагает Леонид Делицын: «Без поддержки отечественных платформ все станет пронизано решениями от Open AI, DeepSeek и т. д., без которых не смогут работать. А такая зависимость создает долгосрочные риски».

Антон Колосов ссылается на «дорожную карту» Минцифры, разработанную НИУ ВШЭ. Она предусматривает введение в 2026–2027 годах правил обращения с промышленными данными и поддержку двойников уровня цеха. На более длительном горизонте, к 2034 году, рассматривается возможность обязательного применения технологии крупными высокотехнологичными промышленными компаниями. Конкретные параметры таких требований и поддержки еще предстоит определить.

Отдельной задачей остается правовой режим промышленных данных. Сейчас они могут подпадать под нормы о коммерческой тайне, персональных данных или защите критической информационной инфраструктуры, однако самостоятельная и единообразно регулируемая категория отсутствует. Это осложняет обмен сведениями между заказчиками, производителями оборудования, разработчиками программного обеспечения и интеграторами.

Базовые определения закреплены в ГОСТ Р 57700.37. Участники рынка полагают, что следующий этап стандартизации должен касаться прежде всего «стыков» между системами. Необходимы единые подходы к идентификации объектов и параметров, передаче временных рядов, описанию версий моделей, фиксации происхождения и качества данных, верификации расчетов и обеспечению кибербезопасности.

Стандартизация интерфейсов должна также дать предприятиям возможность менять поставщиков без полного пересоздания модели. В противном случае каждый цифровой двойник превращается в закрытую индивидуальную разработку, а стоимость масштабирования возрастает.

Виктор Ирисов