بهینه سازی منابع برای سودآوری: آیا فناوری دیجیتال دوقلو ضروری است؟
ارزش هر فناوری در نهایت در توانایی بهینه سازی هزینه ها و منابع نهفته است. داشتن توانایی پیش گیری از نتایج به تولیدکنندگان مواد غذایی از آینده نگری می دهد که می تواند در زندگی واقعی به کار رود. نمونه ای از کاربرد واقعی و تجاری سازی فناوری Digital Twin، مکانیزم است مدلی که توسط تام دی سواف توسعه داده شد در دانشگاه گانت شرکت بلژیکی 2Grow از این مدل برای اندازه گیری تغییرات در جریان آب و ضخامت ساقه در گیاهان گوجه فرنگی استفاده می کند. را اهداف شرکت برای کاهش 20 درصد سطح هزینه شده برای تولید گیاه.
It هنوز مشخص نیست که آیا جامعه تلاشی برای پذیرش دوقلوهای دیجیتالی انجام می دهد یا خیر در عملیات خود علاوه بر این، می توان استدلال کرد که در بیشتر موارد فناوری دوقلو دیجیتال واقعاً ضروری نیست. پیشرفتها در یادگیری ماشینی امکان پیشبینی رویدادهای کلیدی را بدون ساخت یک مدل کامل فراهم کرده است که به مقادیر زیادی داده با کیفیت بالا نیاز دارد که به دست آوردن آن نیز گران است. به عنوان یک تولید کننده مواد غذایی که می خواهد خواص خاصی را پیش بینی کند، تمرکز بر اندازه گیری و نظارت بر تغییرات کلیدی ممکن است تمام چیزی باشد که برای ساخت یک مدل پیش بینی موفق لازم است. علاوه بر این، این به طور چشمگیری مقرون به صرفه تر است، و برای تولیدکنندگان مواد غذایی که نیاز به مشاهده بازگشت سرمایه فوری در اجرای مدل های پیش بینی دارند، قابل دستیابی است.
برای مثال، اگر سیبزمینی میکارید، داشتن شاخصهایی برای آفاتی مانند بیماری بلایت دیررس، که توسط ارگانیسمهایی شبیه قارچ ایجاد میشود، مهم است که در صورت عدم اتخاذ اقدامات کنترلی مناسب، میتواند در مدت کوتاهی منجر به شکست محصول شود. برای این نوع کشت ردیفی در هکتارهای وسیع زمین باز، داشتن دوربین های نصب شده بر روی سیستم های آبیاری محوری می تواند به طور موثر و موثر بیماری ها یا مسائل را شناسایی کند. داده های مورد نیاز برای ایجاد یک دوقلو دیجیتال برای یک زمین باز سیب زمینی هزینه زیادی دارد و ایجاد یک مدل کامل در چنین مقیاسی برای به دست آوردن بینش هایی که می توان با فناوری ساده تر و مقرون به صرفه تر به دست آورد، منطقی نیست.
- بازی ویدیویی SimCity در دهه 90 آغاز شد زیرا بازیکنان به قهرمان شهر خود تبدیل شدند و یک کلانشهر زیبا و شلوغ را به صورت دیجیتالی طراحی و ایجاد کردند. 30 سال به سرعت به جلو، و ما فناوری ایجاد تصاویر دیجیتالی فوقالعاده دقیق از درختان، مزارع یا باغها را در دنیای واقعی داریم. درست مانند SimCity که میتوانیم بر اساس آنچه در بازی «سرمایهگذاری» میکنیم، چگونگی تکامل یک کلان شهر را شبیهسازی کنیم، اکنون میتوانیم شبیهسازیهایی از نحوه رشد یک گیاه در سناریوهای مختلف ایجاد کنیم - به ما کمک میکند تلاشهای کشاورزی را با آیندهنگاری بیسابقه تنظیم کنیم.
- Digital Twin یک نمایش دیجیتالی از یک چیز در دنیای واقعی است. می توان از آن برای نظارت بر "چیز" واقعی از راه دور استفاده کرد. به منظور ارائه یک جانشین دقیق و واقعی برای دوقلو در دنیای واقعی، دوقلو دیجیتال باید از طریق اندازهگیری دیجیتال موجودیت واقعی اطلاعات داده شود. در کشاورزی این می تواند داده هایی باشد که از طریق ابزارهایی مانند حسگرهای خاک، تصویربرداری گیاهان، داده های آب و هوا و غیره به دست می آیند.
- نمایش دیجیتالی جدید یا دوقلوی دیجیتال باید کل تلاش کشاورزی را منعکس کند: دارایی های فیزیکی، فرآیندها، سیستم ها، منابع، همه چیز. در عوض، این ما را قادر میسازد تا فرآیندهای کشاورزی را در مقیاسی که قبلا تصور نمیشد شبیهسازی، برنامهریزی، تحلیل و بهبود دهیم. با این حال، آیا واقعاً برای تولیدکنندگان مواد غذایی ضروری است که این فناوری پیچیده پرهزینه را پیادهسازی کنند - یا میتوانند بینشهای مورد نیاز خود را از حسگرهای در دسترستر و مقرونبهصرفهتر که به آنها در نظارت و پیشبینی نتایج کلیدی کمک میکند، دریافت کنند؟
رشد و پذیرش دوقلوهای دیجیتال و پتانسیل آنها در کشاورزی
گارتنر پیش بینی می کند که تا سال 2021، نیمی از شرکت های بزرگ صنعتی استفاده کنند دوقلوهای دیجیتال، که منجر به بهبود 10٪ در اثربخشی برای آن سازمان ها خواهد شد. با این حال، مفهوم دوقلوهای دیجیتال چندین دهه است که وجود داشته است. برای بیش از 30 سال، تیم های مهندسی محصول و فرآیند از رندرهای سه بعدی استفاده کرده اند طراحی به کمک کامپیوتر مدلهای (CAD)، مدلهای دارایی و شبیهسازی فرآیند برای اطمینان و اعتبار ساختپذیری. به عنوان مثال، ناسا چندین دهه شبیه سازی های پیچیده فضاپیما را اجرا کرده است. با این حال، نوآوریها در یادگیری ماشینی و هوش مصنوعی مفهوم دوقلو دیجیتال را به منصه ظهور میرسانند و تبلیغات زیادی را به عنوان یک روند مخرب با تأثیر گستردهتر در آینده نزدیک ایجاد میکنند.
وقتی نوبت به فرآیندهای کشاورزی می رسد، با استفاده از Digital Twins به عنوان یک ابزار مرکزی برای مدیریت مزرعه می تواند جریان های فیزیکی را از برنامه ریزی و کنترل خود جدا کند. در نتیجه، کشاورزان می توانند به جای تکیه بر مشاهدات مستقیم و کارهای دستی در محل، عملیات را بر اساس اطلاعات دیجیتال (تقریباً) زمان واقعی مدیریت کنند. این به آنها اجازه می دهد تا در صورت بروز انحرافات (مورد انتظار) فوراً عمل کنند و اثرات مداخلات را بر اساس داده های واقعی شبیه سازی کنند. به عنوان مثال، یک دوقلو دیجیتال از یک باغ میتواند باغ را از آبیاری بیش از حد آگاه کند، بدون اینکه کشاورز مجبور باشد باغ را بررسی کند.
ایده یک باغ دیجیتال برای کشاورزانی که طبیعت کار فشرده نظارت، پیشبینی و کنترل سلامت درختان میوه و کیفیت برداشت آنها را درک میکنند، بسیار جذاب است. دانشمندان دانشگاه کوئینزلند مدلی برای باغی با محصولات کم رشد مانند انبه و ماکادمیا ابداع کردند. این می تواند کاربران را قادر سازد تا به سرعت ایده های جدید را آزمایش کنند و در مورد نحوه بهینه سازی بهترین سیستم های تولید بینشی به دست آورند. محققان در این پروژه تاکید کردند که چگونه این شبیهسازیهای فوری میتواند بهویژه برای محصولات آهسته رشد مانند درختان میوه مفید باشد.
موارد استفاده خاصی وجود دارد که در آن ساخت یک دوقلو دیجیتال منطقی به نظر می رسد، مانند اصلاح نباتات، که در آن یک مدل به شما اجازه می دهد تا در ابتدا پیش بینی کنید که آیا یک گونه خاص از نظر تجاری قابل دوام نیست. اما در بسیاری از موارد، نیازی به شکستن مهره با پتک نیست.
- Raviv Itzhaky یکی از بنیانگذاران و CTO است فن آوری های Prospera، چشم انداز فنی این شرکت را برای تغییر روش رشد غذا با استفاده از علم داده و هوش مصنوعی رهبری می کند. او از تخصص خود در توسعه الگوریتم، ریاضیات و یادگیری ماشین برای حل مسائل دنیای واقعی استفاده می کند. قبل از Prospera، Raviv الگوریتمهایی را در شرکت امنیت سایبری BioCatch توسعه داد و به عنوان مهندس پردازش سیگنال با IDF خدمت کرد. او دارای مدرک کارشناسی فیزیک و کارشناسی ارشد در فیزیک کاربردی از دانشگاه عبری است.