Optimiziranje virov za dobičkonosnost: Ali je digitalna dvojna tehnologija potrebna?
Vrednost katere koli tehnologije je navsezadnje v sposobnosti optimizacije stroškov in virov. Zmožnost vnaprejšnjega izida daje pridelovalcem hrane prednost predvidevanja, ki se nato lahko uporabi v resničnem življenju. Primer uporabe in komercializacije tehnologije Digital Twin v resničnem življenju je mehanizem model, ki ga je razvil Tom De Swaef na univerzi Gantt. Belgijsko podjetje 2Grow uporablja ta model za merjenje variacij v pretoku vode in debelini stebla v rastlinah paradižnika. The cilji podjetja zmanjšati 20 % površine, porabljene za rastlinsko pridelavo.
It še vedno ni jasno, ali si skupnost prizadeva posvojiti digitalne dvojčke pri svojem delovanju. Še več, lahko trdimo, da tehnologija digitalnega dvojčka v večini primerov dejansko ni potrebna. Napredek pri strojnem učenju je omogočil napovedovanje ključnih dogodkov brez izdelave popolnega modela, ki bi zahteval velike količine visokokakovostnih podatkov, ki jih je tudi drago dobiti. Kot pridelovalec hrane, ki želi napovedati določene lastnosti, je morda vse, kar je potrebno za izgradnjo uspešnega modela napovedovanja, osredotočanje na merjenje in spremljanje ključnih sprememb. Še več, to je bistveno bolj dostopno, zaradi česar je dosegljivo za pridelovalce hrane, ki morajo videti takojšnjo donosnost naložbe pri izvajanju napovednih modelov.
Če na primer gojite krompir, je pomembno, da imate kazalnike za škodljivce, kot je pozno ožigalka, ki jo povzroča glivam podoben organizem, ki lahko v kratkem času povzroči izpad pridelka, če ne sprejmete ustreznih ukrepov za zatiranje. Za to vrsto vrstnih posevkov na velikih hektarjih odprtega polja lahko kamere, nameščene na vrtljivih namakalnih sistemih, učinkovito in uspešno prepoznajo bolezni ali težave. Podatki, potrebni za ustvarjanje digitalnega dvojčka za odprto polje krompirja, bi stali celo bogastvo, ustvarjanje celotnega modela v takšnem obsegu, da bi dobili vpoglede, ki jih je mogoče dobiti s preprostejšo in cenovno dostopnejšo tehnologijo, pa preprosto ni smiselno.
- Video igra SimCity se je pojavila v 90. letih prejšnjega stoletja, ko so igralci postali junaki svojega mesta, saj so digitalno oblikovali in ustvarili čudovito živahno metropolo. 30 let naprej in imamo tehnologijo za ustvarjanje neverjetno natančnih digitalnih predstavitev dreves, kmetij ali sadovnjakov v resničnem svetu. Tako kot v SimCityju lahko simuliramo, kako bi se metropola razvila na podlagi tega, v kaj »vlagamo« v igri, lahko zdaj ustvarimo simulacije, kako bo rastlina rasla v različnih scenarijih, kar nam pomaga pri natančnem prilagajanju kmetijskih prizadevanj s predvidljivostjo brez primere.
- Digitalni dvojček je digitalna predstavitev stvari v resničnem svetu. Uporablja se lahko za spremljanje prave 'stvari' na daljavo. Da bi zagotovili natančen in realističen nadomestek za dvojčka iz resničnega sveta, mora biti digitalni dvojček obveščen o podatkih z digitalnim merjenjem resnične entitete. V kmetijstvu so to lahko podatki, ki prihajajo prek orodij, kot so senzorji tal, slikanje rastlin, vremenski podatki itd.
- Nova digitalna predstavitev ali digitalni dvojček bi morala odražati celoten kmetijski napor: fizična sredstva, procese, sisteme, vire, vse. V zameno nam to omogoča simulacijo, načrtovanje, analizo in izboljšanje kmetijskih procesov v doslej neslutenem obsegu. Vendar, ali je res nujno, da pridelovalci živil uvedejo to drago sofisticirano tehnologijo – ali pa lahko dobijo vpogled, ki ga potrebujejo, iz dostopnejših in cenovno dostopnih senzorjev, ki jim bodo pomagali spremljati in napovedati ključne rezultate?
Rast in posvojitev digitalnih dvojčkov ter njihov potencial v kmetijstvu
Gartner napoveduje, da bo do leta 2021 uporabljala polovica velikih industrijskih podjetij digitalni dvojčki, kar bo pomenilo 10-odstotno izboljšanje učinkovitosti za te organizacije. Vendar pa koncept digitalnih dvojčkov obstaja že desetletja. Že več kot 30 let ekipe proizvodnega in procesnega inženiringa uporabljajo 3D upodabljanje računalniško podprto oblikovanje (CAD) modeli, modeli sredstev in simulacije procesov za zagotovitev in potrditev izdelljivosti. Na primer, NASA že desetletja izvaja kompleksne simulacije vesoljskih plovil. Vendar pa inovacije na področju strojnega učenja in umetne inteligence postavljajo koncept digitalnega dvojčka v ospredje, kar ustvarja veliko pompa kot motečega trenda s širšim vplivom v bližnji prihodnosti.
Ko gre za kmetijske procese, z uporabo digitalnih dvojčkov kot osrednje sredstvo za upravljanje kmetij lahko omogoči ločitev fizičnih tokov od načrtovanja in nadzora. Posledično lahko kmetje upravljajo operacije na daljavo na podlagi digitalnih informacij (skoraj) v realnem času, namesto da bi se morali zanašati na neposredno opazovanje in ročna opravila na kraju samem. To jim omogoča takojšnje ukrepanje v primeru (pričakovanih) odstopanj in simulacijo učinkov intervencij na podlagi podatkov iz resničnega življenja. Na primer, digitalni dvojček sadovnjaka bi lahko opozoril sadovnjak na prekomerno namakanje, ne da bi temu kmetu bilo treba pregledati sadovnjak.
Ideja a digitalni sadovnjak je izjemno privlačen za kmete, ki razumejo delovno intenzivno naravo spremljanja, napovedovanja in nadzora zdravja sadnega drevja in kakovosti njihovega pridelka. Znanstveniki na Univerzi v Queenslandu so razvili model za sadovnjak s počasi rastočimi pridelki, kot sta mango in makadamija. To lahko uporabnikom omogoči, da hitro preizkusijo nove ideje in pridobijo vpogled v to, kako najbolje optimizirati proizvodne sisteme. Raziskovalci v projektu so poudarili, kako bi te takojšnje simulacije lahko koristile zlasti počasi rastočim pridelkom, kot je sadno drevje.
Obstajajo posebni primeri uporabe, kjer je finančno smiselno zgraditi digitalni dvojček, na primer za vzrejo rastlin, kjer bi vam model lahko omogočil zgodaj predvidevanje, ali določena sorta ni komercialno izvedljiva. Toda v mnogih primerih ni treba razbiti oreha s kladivom.
- Raviv Itzhaky je soustanovitelj in tehnični direktor podjetja Prospera Technologies, ki vodi tehnično vizijo podjetja o preoblikovanju načina pridelave hrane z uporabo podatkovne znanosti in umetne inteligence. Svoje strokovno znanje na področju razvoja algoritmov, matematike in strojnega učenja uporablja za reševanje problemov iz resničnega sveta. Pred Prospero je Raviv razvijal algoritme v podjetju za kibernetsko varnost BioCatch in služil kot inženir za obdelavo signalov pri IDF. Diplomiral je iz fizike in magistriral iz uporabne fizike na Hebrejski univerzi.