การจำลองที่เร็วขึ้น 1000-X หมายถึงอะไรสำหรับฝาแฝดดิจิทัล

ประมาณหนึ่งทศวรรษที่ผ่านมา นักวิจัยของ MIT ได้ค้นพบเทคนิคที่เร่งความเร็วของแบบจำลองทางฟิสิกส์ได้ถึง 1000 เท่า พวกเขาแยกส่วนนี้ออกเป็น บริษัท ใหม่ชื่อ Akselos ซึ่งได้ช่วยองค์กรต่างๆในการสานเทคโนโลยีเป็นประเภทต่างๆ ฝาแฝดดิจิตอล ใช้เพื่อปรับปรุงการขนส่ง การกลั่น และการผลิตพลังงานลม

คู่แฝดดิจิทัลคือการแสดงเสมือนของวัตถุหรือระบบที่ครอบคลุมวงจรชีวิต ได้รับการอัปเดตจากข้อมูลแบบเรียลไทม์ และใช้การจำลอง การเรียนรู้ของเครื่อง และการใช้เหตุผลเพื่อช่วยในการตัดสินใจ เซ็นเซอร์ที่เชื่อมต่อบนสินทรัพย์ทางกายภาพจะรวบรวมข้อมูลที่สามารถจับคู่กับแบบจำลองเสมือนได้

นวัตกรรมเฉพาะช่วยปรับปรุงประสิทธิภาพของอัลกอริธึมการวิเคราะห์องค์ประกอบไฟไนต์ (FEA) ซึ่งสนับสนุนการจำลองทางฟิสิกส์เกือบทุกประเภท ประสบการณ์ของ Akselos ในช่วงทศวรรษที่ผ่านมาสามารถช่วยให้ผู้บริหารสำรวจความหมายของ การปรับปรุงล้านเท่า ในการจำลองทางฟิสิกส์ที่ Nvidia แสดงให้เห็นในขณะนี้ ต้องขอบคุณการปรับปรุงในฮาร์ดแวร์ ความสามารถในการปรับขนาด และอัลกอริธึมใหม่

VentureBeat ติดต่อกับ Thomas Leurent CEO ของ Akselos เพื่ออธิบายว่าการปรับปรุงที่กว้างขึ้นเหล่านี้อาจมีความหมายต่ออุตสาหกรรมโดยรวมอย่างไร ในระดับสูง การจำลองที่เร็วขึ้นทำให้ง่ายต่อการเปรียบเทียบการออกแบบที่นำไปสู่ผลิตภัณฑ์ที่มีประสิทธิภาพมากขึ้น ลดต้นทุน เพิ่มประสิทธิภาพ และอัลกอริธึม AI ที่ดีขึ้น ประโยชน์ที่นำไปใช้ได้จริง ได้แก่ การตัดแต่งเสาลมน้ำหนักหนึ่งในสาม และปรับปรุงความปลอดภัยของภาชนะน้ำมัน

บทบาทของการจำลองในการเปลี่ยนแปลงทางดิจิทัล

ฝาแฝดดิจิทัลเป็นเหมือนรูปแบบการออกแบบมากกว่าเทคโนโลยี องค์กรประกอบชิ้นส่วนต่างๆ เข้าเป็นโซลูชัน เช่นเดียวกับการสร้างไปป์ไลน์ข้อมูล PLM, ซอฟต์แวร์ก่อสร้าง และผู้จำหน่ายเฉพาะอุตสาหกรรมต่างๆ กำลังสร้างพอร์ตโฟลิโอเพื่อรองรับความสามารถของฝาแฝดดิจิทัลที่กว้างขึ้น รวมถึงการจำลองทางกายภาพ กลไกการจำลองที่เร็วขึ้นช่วยให้บริษัทต่างๆ สามารถสำรวจวิธีการใหม่ๆ ในการผสมผสานการจำลองระหว่างแนวคิด การออกแบบ การจัดซื้อ ขั้นตอนการออกแบบผลิตภัณฑ์ที่ดีขึ้น และขับเคลื่อนการเปลี่ยนแปลงทางดิจิทัล

Akselos เป็นแพลตฟอร์มการจำลองที่ดีที่สุดที่ได้รับการออกแบบมาเพื่อปรับปรุงการวิเคราะห์องค์ประกอบไฟไนต์ ซึ่งเป็นองค์ประกอบสำคัญของการกระตุ้นทางกายภาพหลายประเภท Akselos ค้นพบวิธีเร่งความเร็วอัลกอริทึมหลักประมาณ 1000 เท่าเมื่อประมาณหนึ่งทศวรรษที่แล้ว ผู้จำหน่าย PLC และ CAD รายอื่นๆ ทั้งหมดกำลังสำรวจวิธีการทำสิ่งที่คล้ายกัน

แต่การเร่งความเร็ว 1000 เท่าในการจำลองแปลเป็นมูลค่าทางธุรกิจได้อย่างไร เนื่องจากการจำลองเป็นเพียงส่วนหนึ่งของธุรกิจที่ใหญ่กว่าและกระบวนการทางเทคนิค บริษัทอื่นๆ มีแนวโน้มที่จะใช้ประโยชน์จากประสบการณ์ของ Akselos ในการสร้างโครงสร้างพื้นฐานการจำลองโดยใช้ฮาร์ดแวร์ที่เร็วกว่า อัลกอริทึมที่ดีกว่า หรือทั้งสองอย่างรวมกัน GPU นั้นเร็วกว่าที่เคยเป็นมา 1000 เท่าเมื่อการวิจัยนี้เริ่มต้น และเมื่อรวมกับการปรับปรุงอัลกอริธึมแม้แต่น้อย บริษัทต่างๆ จะมองหาวิธีที่จะ "เสีย" รอบการจำลองอย่างสร้างสรรค์ เพื่อดูผลกำไรในรูปแบบอื่น

ลูกค้าของ Akselos ได้ค้นพบหลายวิธีในการแปลการจำลองที่เร็วขึ้นเป็นมูลค่าทางธุรกิจ ตัวอย่างเช่น น้ำมันเชลล์ค้นพบกระบวนการออกแบบที่เร็วขึ้นสำหรับเรือบรรทุกน้ำมันมูลค่าหลายพันล้านดอลลาร์พิเศษ ซึ่งลดจำนวนจุดอ่อนในเวลาเดียวกัน ลูกค้ารายอื่นลดวัสดุในกังหันลมลง 30%

บริษัทอื่นๆ มีแนวโน้มที่จะเห็นผลกำไรในลักษณะเดียวกัน เมื่อพวกเขาคิดใหม่เกี่ยวกับวิธีการที่การจำลองที่เร็วขึ้นสามารถนำไปใช้กับวิศวกรรมและการส่งมอบการใช้งานสำหรับสิ่งของทางกายภาพอื่นๆ เช่น โรงงาน รถยนต์ อุปกรณ์ทางการแพทย์ และอื่นๆ

VentureBeat: คุณคิดอย่างไรกับการปรับปรุงเทคนิคการสร้างแบบจำลองและการจำลองเพื่อเพิ่มประสิทธิภาพการใช้ฝาแฝดดิจิทัล

โธมัส เลอเรนต์: ฝาแฝดดิจิทัลสำหรับสินทรัพย์ทางอุตสาหกรรมจะได้รับประโยชน์จากการใช้เครื่องมือจำลองทางวิศวกรรมเครื่องกลที่ใช้ในการออกแบบตั้งแต่แรกเท่านั้น และทั้งหมดนี้ใช้การวิเคราะห์องค์ประกอบไฟไนต์ (FEA) มาตรฐานที่เข้มงวดที่สุดสำหรับการดำเนินงานยังต้องพึ่งพา FEA เพื่อดำเนินการกับสินทรัพย์ที่สำคัญ เช่น โรงกลั่น เรือ แท่นขุดเจาะน้ำมัน ฯลฯ แต่ FEA นั้นช้าเกินไปที่จะใช้สำหรับฝาแฝดดิจิทัลในระยะปฏิบัติการ ดังนั้น จำเป็นต้องมีการอัปเกรดครั้งเดียวในรุ่นเดียวเพื่อเพิ่มประสิทธิภาพของอัลกอริธึมหลัก เพื่อให้ FEA รองรับกรณีการใช้งานที่เกือบเรียลไทม์ พารามิเตอร์ และการเชื่อมต่อที่เปิดใช้งาน

VentureBeat: อะไรคือปัญหาใหญ่กับการวิเคราะห์องค์ประกอบไฟไนต์พื้นฐานที่ลดลง – อะไรที่เร็วกว่าเทคนิคการสร้างแบบจำลองแบบดั้งเดิมมาก?

เลอเรนท์: FEA เป็นอัลกอริธึมที่เก่าและไม่มีประสิทธิภาพ ใช้เมช (เช่น สามเหลี่ยมหลายล้านรูปหรือเตตระเฮดรา) เพื่อกำหนดเรขาคณิตของชิ้นส่วน ไม่เป็นไร. ปัญหาคือ FEA กำหนดระดับความอิสระให้กับแต่ละโหนดในเมช และนั่นก็เกินความสามารถโดยสิ้นเชิง FEA จบลงด้วยการแก้ปัญหาในพื้นที่ที่มีมิตินับล้าน ซึ่งมีราคาแพงมากและไม่สามารถทำได้แบบเรียลไทม์

RB-FEA ซึ่งเป็นเทคโนโลยีบุกเบิกของ Akselos เข้าใจสิ่งนั้นและมองหาอะไร ศ. AT Patera ที่ MIT เรียก 'ส่วนต่างๆ ด้านล่าง' นั่นคือสเปซย่อย ซึ่งเล็กกว่าสเปซ FEA ดั้งเดิมมาก และยังใหญ่พอที่จะรับประกันได้ว่าปัญหาจะทำงานในพื้นที่ย่อยนั้น

เราเรียกว่าพื้นที่ RB สำหรับพื้นฐานที่ลดลง (แม้ว่าพื้นที่ย่อย RB นั้นจะเกินความสามารถ แต่ก็ใช้เกินพื้นที่น้อยกว่า 1,000 เท่าเมื่อเทียบกับพื้นที่ FEA ดั้งเดิม) เราแก้ปัญหาในพื้นที่ย่อย RB ซึ่งมีประสิทธิภาพมากกว่า 1,000 เท่า จากนั้นเราก็มีคณิตศาสตร์ทั้งหมดที่จะฉายกลับเข้าไปในพื้นที่ FEA ที่วิศวกรคุ้นเคยและมาตรฐานนั้นก็ตระหนักดี สำหรับวิศวกรที่โปร่งใสจริงๆ คุณเพียงแค่ได้รับการคำนวณ RB-FEA ที่ทำงานด้วยความเร็วสูงเมื่อ FEA เคยทำงานช้า ในทางปฏิบัติ ทั้งหมดนี้หมายความว่า FEA เหมาะสมที่จะเรียกใช้การจำลองที่ระดับชิ้นส่วนทางกล แต่จะกระทบกระเทือนเกินกว่านั้น RB-FEA สามารถเรียกใช้การจำลองที่มีความแม่นยำเต็มรูปแบบที่ระดับระบบและจนถึงระดับชิ้นส่วนทางกล โดยไม่ต้องใช้รุ่นย่อย นั่นเป็นขั้นตอนการทำงานที่ได้รับการปรับปรุงอย่างมากมาย

VentureBeat: ผู้ให้บริการการจำลองเห็นการดูดซับใหม่ที่ใหญ่ที่สุดในปี 2021 ของเทคโนโลยีการจำลองสำหรับฝาแฝดดิจิทัล โดยเฉพาะอย่างยิ่งในอุตสาหกรรมใดและผลิตภัณฑ์ประเภทใด และเพราะเหตุใด

เลอเรนท์: สองอุตสาหกรรมที่เราเห็นสร้างแรงดึงที่แข็งแกร่งที่สุด ได้แก่ ลมนอกชายฝั่ง น้ำมันและก๊าซ กระแสลมนอกชายฝั่งมีการเติบโตอย่างมาก โดยที่มากกว่า 95% ของกำลังการผลิตที่ยังไม่ได้สร้างขึ้นเพื่อให้บรรลุเป้าหมาย IEA 2050 net-zero มีความต้องการอย่างมากสำหรับเทคโนโลยีที่สามารถลดความเสี่ยงทั้งการออกแบบและการทำงานของโครงสร้างลมนอกชายฝั่ง การจำลองทางวิศวกรรมอันทรงพลังโดยใช้ฝาแฝดดิจิทัลช่วยให้นักพัฒนาและผู้ปฏิบัติงานวิเคราะห์สถานการณ์ 'เกิดอะไรขึ้นถ้า' หลายพันสถานการณ์ในสภาพแวดล้อมที่ปลอดภัย

ในการออกแบบ เราได้แสดงให้เห็นว่าเราสามารถเปิดใช้การประหยัดต้นทุนได้สูงสุด 30% บนรากฐานผ่านการเพิ่มประสิทธิภาพขั้นสูงกับพันธมิตรของเราอย่างแลมป์เรลล์ และมีศักยภาพมากขึ้น ในการดำเนินงาน เราเป็นผู้ให้บริการเทคโนโลยีเพียงรายเดียวที่สามารถวิเคราะห์ความสมบูรณ์ของโครงสร้างได้จนถึงระดับตารางเซนติเมตร คู่แฝดดิจิทัลในการปฏิบัติงานนี้เป็นความก้าวหน้าครั้งสำคัญสำหรับผู้ปฏิบัติงาน เนื่องจากมีข้อมูลอัจฉริยะที่นำไปใช้ได้จริงเกี่ยวกับความถี่ที่พวกเขาควรตรวจสอบส่วนต่างๆ ของโครงสร้าง

การเปลี่ยนแปลงด้านพลังงานทำให้น้ำมันและก๊าซขนาดใหญ่ประเมินการตัดสินใจลงทุนครั้งสำคัญอีกครั้ง และกำลังผลักดันให้ค้นหาวิธีใช้ประโยชน์จากสินทรัพย์ที่มีอยู่ให้มากขึ้น ที่ต้องใช้การปักหลักฝาแฝดดิจิทัลที่มีโครงสร้างในสภาพแวดล้อมการทำงาน แบบจำลองที่มีรายละเอียดสูงซึ่งการจำลองทางวิศวกรรมขั้นสูงนำมาซึ่งวิธีที่ปลอดภัยและมีประสิทธิภาพในการทำความเข้าใจพฤติกรรมของสินทรัพย์/อุปกรณ์ และเพื่อยืดอายุการใช้งาน

VentureBeat: กรณีการใช้งานประเภทใดที่คุณเห็นประโยชน์ที่สำคัญเมื่อเทียบกับวิธีการสร้างแบบจำลองและการจำลองแบบเดิม?

เลอเรนท์: เราได้บีบอัดสิ่งที่เคยเป็นเวิร์กโฟลว์หกเดือนสำหรับการวิเคราะห์เรือบรรทุกน้ำมันสำหรับการจัดเก็บและขนถ่าย (FPSO) แบบลอยตัวของเชลล์ ให้เหลือน้อยกว่า 48 ชั่วโมง ในขณะที่เพิ่มความแม่นยำขึ้น 10 เท่า

ตัวอย่างกรณีการใช้งานอื่นๆ ได้แก่ การประเมินตนเองของความเสียหายเชิงโครงสร้างขณะบินโดยโดรนหรือเครื่องบิน แล้วลมนอกชายฝั่งแน่นอน เทคโนโลยีนี้จะช่วยลดต้นทุนของลมนอกชายฝั่งได้อย่างมาก โดยเฉพาะอย่างยิ่งลมนอกชายฝั่งที่ลอยอยู่ ซึ่งถือเป็นหนึ่งในแหล่งพลังงานหมุนเวียนที่ใหญ่ที่สุดในโลก เมื่อปลดล็อคแล้ว

VentureBeat: คุณช่วยอธิบายให้เราฟังได้ไหมว่าประโยชน์ประเภทนี้แสดงให้เห็นในทางปฏิบัติอย่างไร ตัวอย่างเช่น ความก้าวหน้าของประสิทธิภาพการสร้างแบบจำลอง 1000X แปลเป็นผลประโยชน์ในทางปฏิบัติอย่างไร เช่น การลดปริมาณวัสดุในแพลตฟอร์มกังหันลมและต้นทุนโดยรวม

เลอเรนท์: RB-FEA ส่งผลให้มีทรัพย์สินที่ใหญ่ที่สุด (และซับซ้อนที่สุดในโลก) บางส่วน เช่น การผลิต Bonga ของ Shell's Bonga การจัดเก็บ และการขนถ่าย มีแฝดดิจิทัลที่อิงตามฟิสิกส์ (การบัญชีสำหรับตัวแปรเช่น ความล้าของตัวถัง , โหลดถัง, คลื่น) และเข้ากันได้กับมาตรฐาน สิ่งนี้ได้รับรางวัลกระดาษยอดเยี่ยมจากงาน Offshore Technology Conference 2021 และสายผลิตภัณฑ์ของ Akselos รองรับการคุ้มครองการผลิตเทียบเท่าน้ำมัน 7 พันล้านดอลลาร์ (ต่อปี)

แฝดดิจิตอลที่มี RB-FEA ลดต้นทุนการตรวจสอบ 30% บน FPSO แต่ที่สำคัญกว่านั้น ให้มองหาสถานที่ที่เหมาะสมในทรัพย์สินขนาดใหญ่และตรวจหาข้อบกพร่องตั้งแต่เนิ่นๆ เพื่อหลีกเลี่ยงปัญหาใหญ่ บน Bonga FPSO ประโยชน์ของความแม่นยำที่เพิ่มขึ้นทำให้สถานที่ที่มีความล้าระดับบนสุด 15,000 แห่งลดลงเหลือ 230 จุดที่มีความล้าจริงในตำแหน่งที่สำคัญที่สุด ซึ่งมีค่ามหาศาลสำหรับผู้ปฏิบัติงาน เนื่องจากขณะนี้พวกเขามีข้อมูลที่สามารถนำไปดำเนินการได้เพื่อขับเคลื่อนกิจกรรมการตรวจสอบและบำรุงรักษาในส่วนที่สำคัญที่สุด

ประโยชน์ที่ได้รับจากลมนอกชายฝั่งมีศักยภาพเท่าเทียมกัน ตัวอย่างเช่น ในด้านการออกแบบ เราได้ทำงานร่วมกับ Lamprell เพื่อลดปริมาณเหล็กในฐานรากลมนอกชายฝั่งได้ถึง 30% วิธีนี้ไม่เพียงแต่ให้ประโยชน์โดยตรงผ่านต้นทุนวัสดุที่ต่ำลงเท่านั้น แต่ยังมีผลกระทบอย่างมากเมื่อพิจารณาถึงปริมาณการเชื่อมที่จำเป็นในการวางรากฐานไว้ด้วยกัน เช่นเดียวกับการขนส่ง

เมื่อการออกแบบที่ได้รับการปรับให้เหมาะสมที่สุดถูกทำให้เป็นจริงในการปฏิบัติงาน และที่สำคัญยิ่งสำหรับฟาร์มกังหันลม ผลกระทบจะเพิ่มขึ้นอย่างรวดเร็วถึง 1000 เท่า หมายความว่าผู้ปฏิบัติงานสามารถตัดสินใจอย่างมีข้อมูลว่าเมื่อใดควรดำเนินการบำรุงรักษา และวิธีปรับหน้าต่างการทำงานของกังหันเพื่อหลีกเลี่ยงความล้มเหลวของฐานราก หากโอกาสในการบำรุงรักษาครั้งต่อไปหมดลง

ประโยชน์เพิ่มเติมสำหรับลมนอกชายฝั่งที่ลอยได้ ซึ่งฐานรากและกังหันมีการรับน้ำหนักแบบไดนามิกมากกว่า กำไรประเภทดังกล่าวจะมีความสำคัญต่อการลดต้นทุนพลังงาน (LCOE) ซึ่งเป็นระดับการขับเคลื่อนในลมที่ลอยอยู่ เพื่อให้โลกบรรลุตามแผนงานของ IEA ผลประโยชน์ดังกล่าวมีความจำเป็นอย่างยิ่ง

VentureBeat: คุณคาดหวังว่าการใช้และความสามารถของเทคนิคการจำลองที่ดีขึ้นเช่น RB-FEA และวิธีการที่เกี่ยวข้องจะพัฒนาขึ้นในอนาคตอันใกล้นี้อย่างไร โดยเฉพาะอย่างยิ่งเมื่อเกี่ยวข้องกับการปรับปรุงเวิร์กโฟลว์ที่เกี่ยวข้องกับคู่ดิจิทัล

เลอเรนท์: การทำความเข้าใจในแบบเรียลไทม์เกี่ยวกับความสมบูรณ์ของโครงสร้างของสินทรัพย์เป็นตัวเปลี่ยนเกมสำหรับ:

• การดำเนินงานที่เหมาะสมที่สุด
• การยืดอายุทรัพย์สิน
• การออกแบบระหว่างดำเนินการ (การออกแบบทรัพย์สินรุ่นต่อไปตามข้อมูลที่สร้างจากแฝดดิจิทัล)

ทุกวันนี้ ฝาแฝดดิจิทัลของ Akselos ถูกนำไปใช้กับสินทรัพย์มูลค่าหลายพันล้านดอลลาร์ทั่วโลก สิ่งนี้ข้ามความซับซ้อน (และในกรณีส่วนใหญ่) สินทรัพย์น้ำมันและก๊าซแบบเดิมไปสู่ต้นแบบสาธิตที่ทันสมัยในสายลมที่ลอยอยู่

เรากำลังดำเนินการให้ซอฟต์แวร์แบบเรียลไทม์มากขึ้น ในบางกรณี ฝาแฝดดิจิทัลที่ใช้ฟิสิกส์ของเราจะตีความข้อมูลใหม่ทุกวินาที ความเร็วดังกล่าวยังช่วยให้สามารถรวม AI/ML เข้ากับการจำลองทางฟิสิกส์ ซึ่งเป็นตัวเปลี่ยนเกมที่มีศักยภาพมหาศาล นั่นคือสิ่งที่ทำให้เราได้รับรางวัลกระดาษยอดเยี่ยมจาก AIAA ประจำปี 2020 สำหรับการเพิ่มประสิทธิภาพการออกแบบแบบสหสาขาวิชาชีพ ที่นี่ RB-FEA ให้ชุดข้อมูลที่สมบูรณ์กว่า ถูกกว่า และแม่นยำกว่ามาก

ทีมงานกำลังทำงานเพื่อจับภาพฟิสิกส์มากขึ้นเรื่อยๆ (เช่น มัลติฟิสิกส์และไม่เป็นเชิงเส้น เป็นต้น) และเรากำลังดำเนินการเกี่ยวกับคุณลักษณะที่มีประสิทธิภาพมากของ RB-FEA เพื่อการออกแบบที่ดีที่สุด ซึ่งรวมถึงความเป็นไปได้ในการปรับโครงสร้างระบบกังหันลมทั้งหมดโดยอิงจากการอัปเกรดวัสดุ หรือแนวคิดการออกแบบใหม่ภายในไม่กี่สัปดาห์

VentureBeat: อะไรคือประเด็นหลักของคุณสำหรับบริษัทอื่นๆ ที่อาจกำลังสำรวจวิธีการใช้ประโยชน์จากการปรับปรุงการจำลองด้วยแนวโน้มอุตสาหกรรมโดยทั่วไป 

เลอเรนท์: อาจเป็นสิ่งสำคัญที่สุดเพียงอย่างเดียวคือการผลักดันจินตนาการถึงสิ่งที่เป็นไปได้ ในโลกที่มีการใช้เซ็นเซอร์และหุ่นยนต์มากขึ้น เทคโนโลยีการจำลองได้กลายเป็นเครื่องมือที่ทรงพลังมากขึ้นเรื่อยๆ เพื่อสร้างความได้เปรียบในการแข่งขัน ตัวอย่างเช่น เราสามารถเริ่มทำงานและเพิ่มประสิทธิภาพฟาร์มกังหันลมแบบกังหันต่อกังหัน ข้อมูลจากโดรนตรวจสอบและเซ็นเซอร์บนกังหันสามารถช่วยในการประเมินสุขภาพของกังหันแต่ละกังหัน และช่วยให้ผู้ปฏิบัติงานสามารถตัดสินใจอย่างมีข้อมูลว่าควรวิ่งกังหันแต่ละกังหันแรงแค่ไหน ขึ้นอยู่กับราคาพลังงาน 'การบริโภคชีวิต' มากกว่ารายได้ที่มันสร้างขึ้น)

ในอุตสาหกรรมน้ำมันและก๊าซขั้นปลาย เรากำลังดำเนินการวิเคราะห์แบบเกือบเรียลไทม์เพื่อช่วยให้ลูกค้าของเราสามารถขจัดเวลาออกจากเส้นทางวิกฤติและเพิ่มเวลาทำงาน และหากไม่มีเทคโนโลยีการจำลอง การทำเช่นนี้จะเป็นไปไม่ได้

ในท้ายที่สุด หากคุณเป็นเจ้าของสินทรัพย์ ฉันคิดว่าการพิจารณาว่าแหล่งข้อมูลและเครื่องมือต่างๆ จะรวมเข้ากับแหล่งข้อมูลต่างๆ ได้อย่างไร เทคโนโลยีการจำลอง เพื่อขับเคลื่อนผลลัพธ์ทางธุรกิจที่ดีขึ้น สิ่งนี้ไม่ได้อยู่ในใจพวกเขาเพราะพลังการจำลองไม่มีประสิทธิภาพเพียงพอสำหรับใช้ในการตั้งค่าการทำงานแบบเกือบเรียลไทม์ แต่ตอนนี้เปลี่ยนไปอย่างมาก

ที่มา: https://venturebeat.com/2022/01/05/what-1000-x-faster-simulation-means-for-digital-twins/