Mempersiapkan Bisnis yang Dimiliki untuk Digital Twin

Ide simulasi dan pemodelan sudah ada sejak lama. Namun, peningkatan penggunaan advanced analytics dan Internet of Things (IoT) saat ini telah mengembangkannya menjadi konsep digital twin. Ide digital twin memiliki model digital virtual dari sistem fisik yang digunakan untuk membuat keputusan yang lebih baik tentang sistem fisik dunia nyata. Digital twin biasanya terkait dengan sensor dan mencakup interaksi dua arah antara kembar fisik dan digital.

Digital twin adalah representasi virtual dari objek atau sistem fisik di seluruh siklus hidupnya. Ini menggunakan data waktu nyata dan sumber lain untuk memungkinkan pembelajaran, penalaran, dan kalibrasi ulang secara dinamis untuk pengambilan keputusan yang lebih baik.

Misalnya, lengan manufaktur robotik mungkin berisi sensor yang merekam data tentang kecepatan dan arah pergerakan sementara sensor lain menangkap informasi tentang panas internal dan eksternal.

Digital twin digunakan dalam tiga cara utama, yaitu:

• Untuk memantau kinerja aset fisik dan mengintervensi pengoperasian jika diperlukan.
• Untuk mengumpulkan data dari armada jenis produk atau aset tertentu (disebut kembar agregat) dan membuat perkiraan perangkat tersebut, yang dapat mendukung hal-hal seperti pemeliharaan prediktif.
• Untuk membuat prototipe dan menguji serta mendesain produk secara berulang-ulang sebelum diproduksi selain pengoptimalan desain.

Mengapa Menggunakan Digital Twin?

Karena digital twin dirancang untuk mencerminkan seluruh sistem dan proses, seiring waktu para insinyur akan membuat algoritme untuk mengumpulkan dan menganalisis data yang tidak terstruktur ini, merekam data yang terhubung ke sistem dan reaksi. Hasil akhirnya adalah sistem pemeliharaan cerdas yang mendeteksi potensi masalah dalam sistem dan menyempurnakan atau menyelesaikan proses sebelum menjadi masalah.

Digital twin dapat berkisar dari kembar aset yang cukup sederhana hingga kembar yang semakin canggih dan ambisius. Digital twin digunakan di berbagai industri untuk sejumlah kasus penggunaan yang berbeda. Dalam dunia kesehatan, digital twin digunakan untuk memantau bagaimana pasien dapat merespons perawatan yang berbeda, dan jika intervensi diperlukan. Digital twin yang lebih canggih digunakan untuk memodelkan kota, dengan mempertimbangkan lalu lintas, transit, konsumsi daya, dan polusi.

Meski terdengar bagus, menerapkannya tidak selalu mudah. Ada sejumlah elemen yang perlu dipertimbangkan: Apa masalahnya dan apakah digital twin cocok? Apakah itu berkelanjutan? Apakah ini versi mahal dari apa yang bisa menjadi laporan? Apakah ini waktu nyata? Intinya adalah seseorang harus memulai dengan kasus bisnis yang sehat yang melihat nilai memiliki digital twin — biasanya didorong oleh kasus penggunaan.

Untuk Mercedes-AMG Petronas Formula One, kasus penggunaannya cukup mudah: buat simulasi yang meniru pengalaman trek nyata dan bertindak sebagai digital twin untuk memaksimalkan manfaat waktu pengujian di trek yang terbatas. Tujuan dari simulator ini adalah untuk membantu tim menyiapkan mobil agar berjalan lebih cepat, untuk memajukan pengembangan mobil dengan cepat, dan untuk meningkatkan kemampuan dan kecepatan tim untuk menyempurnakan kemajuan selama musim. Ini juga digunakan untuk mencari tahu di mana tim perlu meningkatkan, di mana persaingannya adalah yang terkuat, di mana tim memiliki kelemahan, dan area kinerja untuk maju. Selain itu, simulator F1 juga memberikan kesempatan pertama bagi pengemudi untuk menguji fitur desain baru dan memahami pengaruhnya terhadap performa sebelum melanjutkan ke trek.

Setelah seseorang menentukan tujuan dan nilai tambah pada digital twin yang mereka miliki, seseorang kemudian dapat membuat “siklus data ke keputusan”, yang pada akhirnya berarti memilih dan memilih data yang ingin seseorang tangkap dari kembaran tersebut untuk mendapatkan nilai bisnis dan sukses darinya.

Data adalah inti dari pekerjaan simulasi Mercedes-AMG Petronas Formula One. Tim harus dengan cepat memfilter data untuk mengidentifikasi penyiapan optimal di antara jutaan kombinasi. Ini melibatkan analisis visual interaktif, ilmu data, dan skenario bagaimana-jika untuk mengoptimalkan keseimbangan mobil dan parameter pengaturan. Nilai dan parameter target dilacak sepanjang musim. Jika performa di balapan tertentu kurang optimal, ada lebih banyak ruang kepala untuk mengoptimalkan konfigurasi untuk balapan berikutnya.

Jika seseorang adalah pemimpin teknologi atau bisnis, seseorang dapat mengumpulkan data dalam jumlah besar dalam waktu singkat, memvisualisasikannya, dan menjalankan algoritme pembelajaran mesin untuk mendapatkan wawasan dan pola yang memungkinkan tim untuk berkolaborasi dan membuat keputusan yang lebih tepat dengan lebih cepat. Ini meningkatkan peluang untuk maju dalam dunia bisnis yang sangat kompetitif. Digital twin menghasilkan hasil yang lebih baik dan wawasan yang lebih dalam untuk pengoptimalan operasional. Hasil akhir dari pengguna digital twin adalah proses yang lebih baik, wawasan, dan tindakan bisnis yang optimal.

Reference:

https://www.tibco.com/blog/2020/10/21/is-your-business-ready-for-a-digital-twin/

https://www.ibm.com/blogs/internet-of-things/iot-cheat-sheet-digital-twin/

https://www.webopedia.com/TERM/D/digital-twin.html