Ujawnienie: Nvidia jest klientem autora.

Nvidia ogłosiła w tym miesiącu serię ulepszeń swojego narzędzia do symulacji i tworzenia Omniverse. Łącznie ściślej łączą instancje Metaverse z urządzeniami w świecie rzeczywistym, które emulują, zapewniając, że wszystkie powiązane cyfrowe bliźniaki są zsynchronizowane w czasie rzeczywistym z ich odpowiednikami w świecie rzeczywistym, co znacznie zwiększa realizm.

Będzie to miało kilka krótkoterminowych korzyści dla zdalnego administrowania dowolnym rozwiązaniem objętym makietą Metaverse; zapewni również najkrótszą ścieżkę do pełnej automatyzacji i określi ramy, które powinny uczynić ten ostatni krok szybszym i bardziej niezawodnym.

Przyjrzyjmy się połączonemu Metaverse w tym tygodniu i dowiedzmy się, dlaczego przyspieszy to pełną automatyzację.

Połączone cyfrowe bliźniaki na ratunek

Koncepcja połączonych cyfrowych bliźniaków jest kluczem do uczynienia symulacji bardziej realistycznymi dzięki zastosowaniu czujników, aby upewnić się, że bliźniaki realistycznie naśladują swoje rzeczywiste odpowiedniki. Umożliwiłoby to administratorowi zdalnemu (lub nawet lokalnemu) lepszą lokalizację i ocenę problemów, zanim doprowadzą one do awarii. Na przykład w przypadku czujnika kursu, który normalnie byłby niewidoczny dla ludzkiego oka, czujniki mogłyby przełożyć awarię na sygnał wizualny na bliźniaku, podkreślając problem. (Administrator może wyświetlić problem za pośrednictwem instancji Metaverse wirtualnie lub za pomocą okularów AR).

Szybka identyfikacja urządzeń poza specyfikacją zagrożona awarią (z powodu nadmiernego ciepła, hałasu lub wibracji) ułatwiłaby konserwację zapobiegawczą i zapewniła bogatszy interfejs wsparcia niż tradycyjna deska rozdzielcza. Oznacza to, że bardziej prawdopodobne jest, że technik przybędzie na miejsce zdarzenia z narzędziami i częściami niezbędnymi do rozwiązania problemu, niż najpierw zdiagnozuje, a następnie wróci, aby rozwiązać problem.

Dodaj do tego sztuczną inteligencję (AI).

Nvidia ogłosiła również szkolenie w zakresie sztucznej inteligencji, które pomoże zdiagnozować problem i doradzić, jak go naprawić za pomocą danych syntetycznych, aby skrócić czas szkolenia AI. Weźmy na przykład zepsute łożysko: zamiast wymieniać tylko jedno, bardziej sensowna może być wymiana kilku innych szybko psujących się części w tym samym czasie, aby zminimalizować koszty demontażu i montażu. Sztuczna inteligencja mogłaby ustalić, na podstawie historycznych napraw, że złe toczenie jest prekursorem innych awarii, pozwalając technologii przewidywać i naprawiać przyszłe problemy, zanim się pojawią.

Na przykład naprawy niekrytyczne często można przeprowadzić taniej, jeśli technologia jest na miejscu i już pracuje nad czymś innym.

Następny krok: naprawy robotów?

Kiedy połączysz wysiłki robotyki Nvidii, naprawy mogą ominąć ludzką technologię i wykorzystać wyszkoloną naprawę robota, którą może aktywować zdalny administrator za pomocą interfejsu AI. W zależności od tego, co najlepiej pasuje do okoliczności, administrator może zainicjować zautomatyzowaną reakcję AI przy użyciu sprzętu znajdującego się już na miejscu, co drastycznie przyspiesza naprawę.

Dzięki temu systemowi rola administratora staje się prostsza, ponieważ zadania są dobrze zdefiniowane, a ich wyzwalacze są już w pełni oprzyrządowane i zintegrowane z rozwiązaniem. Możesz w ogóle nie potrzebować administratora.

Przejdź do pełnej automatyzacji

Droga do pełnej automatyzacji może zająć dekadę lub dłużej. Pierwszym krokiem byłoby pełne oprzyrządowanie obszarów, które mają być obsługiwane, utworzenie połączonych cyfrowych bliźniaków infrastruktury, która ma być utrzymywana, a następnie wykorzystanie sztucznej inteligencji w oparciu o połączenie rzeczywistych i syntetycznych danych w celu optymalizacji konserwacji i napraw. Dane te mogłyby zostać wykorzystane jako część pakietu szkoleniowego robotów na miejscu, podczas gdy funkcje zaplecza są zautomatyzowane; ta ostatnia powinna być najłatwiejszą częścią procesu.

Zapewnienie integralności danych i przewidywanie ich ewentualnego wykorzystania do szkolenia w zakresie sztucznej inteligencji byłoby niezbędne do zapewnienia szybkiego i wydajnego wdrożenia funkcji podrzędnych. Mam nadzieję, że najtrudniejszym krokiem będzie automatyzacja napraw. Niewiele systemów jest obecnie budowanych z wymogiem obsługi przez robota, ale to się zmieni z czasem.

Odwiedziłem witryny, które nadal stosują podejście rozszerzonej rzeczywistości, co sugeruje, że początkowe przejście na połączone cyfrowe bliźniaki może już mieć miejsce w wielu witrynach. Mamy teraz dość dobrze zdefiniowaną ścieżkę do pełnej automatyzacji centrum danych (to właśnie pokazała Nvidia). Ten film od Nvidii pokazuje, jak początkowo możesz użyć Metaverse do połączenia z centrum danych, a ten mówi o automatyzacji całej witryny. Na koniec ten film pokazuje, co mogłoby się stać, gdyby administrator miał za dużo czasu i za mało nadzoru.

Cóż, to ostatnie to był żart. Pokazuje jednak, że w Metaverse zasady nie muszą obowiązywać, ostatecznie otwierając drzwi dla innowacji, które możemy sobie tylko wyobrazić.

Prawa autorskie © 2022 IDG Communications, Inc.

Udostępnij to