Digital Twin & AI -konferenssin parhaat ja miten sovellamme ne Reality Twiniin  

Konferenssissa suuri osa puheenvuoroista käsitteli perinteisiä ”pelkästään digitaalisia” kaksosia ja niiden käyttöä uusien teollisuuden tekoälytyökalujen rinnalla. SolidCompin erittäin visuaalinen Reality Twin keskittyy sen sijaan jaettuun, todellisuuteen pohjautuvaan visuaaliseen ymmärrykseen. Eroista huolimatta saimme esityksistä paljon inspiraatiota ja uusia ajatuksia siitä, miten näitä näkökulmia voitaisiin kehittää edelleen Reality Twinissä.

1) Ihmiset ensin, muuten tekoälysi ei pärjää

Paneelikeskusteluissa yksi yhä uudestaan esiin nousseista aiheista oli muutoksen ihmiskeskeisyys: Rakenna siis AI:si käyttäjien kanssa, ei vain käyttäjille. Keskusteluissa korostui avoin yhteistyö, nöyrä asenne ja AI-lukutaidon vaaliminen lähtökohtana koko organisaation kestävälle muutokselle. Syykin on yksinkertainen: AI:n käyttöönotto on ennen kaikkea muutosjohtamisen haaste, ei niinkään tekninen haaste.

Toinen toistuva teema oli työntekijöiden kognitiivisen kuorman vähentäminen. Konferenssipanelistin sanoin, tavoitteena ei ole “AI AI:n vuoksi” vaan kitkan poistaminen kenttätyöstä. Tämä onnistuu silloin, kun AI:n käytön datapohja on kunnossa ja se on modulaarinen plug-and-play:lle, eli että AI-sovellukset voivat käyttää samaa dataperustaa ja uusia AI-komponentteja voidaan liittää helposti ilman räätälöintiä tai isoa uudelleenrakennusta.

Miten tätä voi soveltaa Reality Twiniin: Otamme kenttähenkilöstön mukaan jo aikaisin ohjatuilla kierroksilla live-3D-twinissä, tallennamme pelkkien feature-toivelistojen sijaan tehtävävirrat ja luomme työtilan toimimaan niiden päätöksen ympärille, joilla vuorossa on eniten merkitystä. 

2) Arvoja, ei taikatemppuja — Seuraa rahaa ja seuraa työtä

Puheenvuorossaan Shellin Digital twin –toiminnon vetäjä kuvasi asset-lähtöistä, keskitetysti tuettua mallia ja yksinkertaista sääntöä: “follow the cash, follow the value.” Heidän tiiminsä käänsi asset-tavoitteet suoraan tuotteistuksen roadmapiksi ja keskittyi kyvykkyyksiin, jotka tuottavat mitattavaa vaikutusta.

Paneeleissa haastettiin myös sen määritelmää, mikä on liiketoiminnan kannalta kriittistä digitaalisille kaksosille. Vaikka lopettaisit digitaalisen kaksosen käytön nyt, laitoksesi toki pyörii edelleen. Tiimisi kuitenkin valuisivat nopeastikin takaisin käyttämään ruutupaperia ja Exceliä ja kilpailukyky rapautuisi. Kysymys ei siis olisi että “toimisiko tämä ilmankin?” vaan “toimisiko tämä ilmankin niin hyvin, että voittaisit markkinan?”

Mielenkiintoista oli myös, että osa panelisteista laski digitaaliset mikrokaksoset (esim. yksikkö- tai venttiilitaso) jo “liiketoimintakriittisiksi”. Suuria yritystason digitaalisia kaksosia on käytössä vähemmän, mutta etu syntyy, kun AI yhdistetään digitaaliseen kaksoseen ja sen käyttö otetaan osaksi päivittäistä päätöksentekoa.

Miten tätä voi soveltaa Reality Twiniin: Strategiamme Reality Twinin käyttöönotossa on edetä vaiheittain liiketoiminnan kannalta tärkeimpien tapahtumien, kuten esimerkiksi seisokin valmistelujen, etätarkastusten ja lupatöiden valmistelujen,mukaan. Onnistumista mitataan esimerkiksi tuotteen käytön alkamisen (adoptoinnin) ja arvontuoton aloitusajan (time-to-action) -mittareilla ja parhaat tavat skaalataan mukaan tuleviin projekteihin.

3) Digitaaliset kaksoset ovat tekoälyn turvallisin laboratorio

Yksi toistuvista aiheista konferenssissa oli käytännöllisimmäksi todettu tapa pienentää AI-riskiä: Digitaalisen kaksosen käyttäminen testihiekkalaatikkona. Esimerkeissä tiimit ajoivat syväoppimisen kokeita turvallisessa digitaalisessa ympäristössä ja yhdistivät historia-aineiston simulaatioihin, jolloin oppiminen ilman riskiä todelliselle tuotantokapasiteetille. AI:n oppimissilmukassa käytettiin tavoitteina luotettavuutta, turvallisuutta, päästöjen pienentämistä ja kannattavuutta.

Tämä sopii saumattomasti laajempaan kaavaan:

Yhdistämällä suuret kielimallit teollisiin tietograafeihin eli järjestettyyn, kontekstuaaliseen prosessi- ja laitostietoon), syntyy luotettavampi ja vähemmän “hallusinoiva” tekoäly. Tällä tavalla voidaan vastata monimutkaisiin laitosten haasteisiin deterministisesti niin, että vastauksissa on mukana aina myös perustelu sille, miksi vastaukseen päädyttiin.

Miten tätä voi soveltaa Reality Twiniin: ankkuroimme tekoälyn pysyvään tehdaskontekstiin yhdistämällä ajantasaiset skannaukset, linkitetyt P&ID:t, tagit ja dokumentit. jotta AI-assistentit “näkevät” saman tehtaan kuin ihmiset kentällä. Priorisoimme AI-assistenttien sijuvaa tietoavustusta, helppoa navigointia dokumenteissa ja konkreettisia toimenpide-ehdotuksia ennusteiden sijaan.

4) Prosessit ennen alustoja: “Kill Asset Management (as we know it)”

Yhtenä nousevana trendinä nostettiin esiin vanhojen toimintatapojen toistamisen tietoinen välttäminen. Jos haluat kymmenkertaisen hyppäyksen, suunnittele työnkulut uudelleen, tarvittaessa puhtaalta pöydältä. Käytä AI-assistentteja päätöksenteon simulointiin dashboard-metriikoiden tuijottamisen sijaan. Tämä johtaa vapaampaan kassavirtaan ja matalampiin kustannuksiin.

Miten tätä voi soveltaa Reality Twiniin: yhteiskehitämme asiakkaidemme kanssa uudet työkalut esimerkiksi riskien ja vaarojen arviointiin, kulkureittisuunnitteluun ja lupavalmisteluun ja emuloimme työkalujen toimintaa Reality Twinissä. Jatkossa voimme suunnitella käyttöliittymiä juuri päätösten ympärille.

Vielä muutama sana “95 % AI-piloteista epäonnistuu” -hermoilusta

95 % AI-piloteista epäonnistuu? Jos seuraat keskustelua AI:n käytöstä teollisuudessa, olet todennäköisesti nähnyt tämän väitteen. Se on kuitenkin osittain väärin tulkittu ja vain kapea otos projektin onnistumisen mittaamisesta silloin, kun tutkittiin yrityksen sisällä kehitettyjä, spesifeihin tehtäviin tarkoitettuja GenAI-ratkaisuja. Väite ei kuvaa laajempaa laajojen kielimallien luokkaa, joita otetaan käyttöön laajalti ja onnistuneesti.

Syventymällä tutkimuksiin huomaat todennäköisesti LLM-pilottien korkean käyttöasteen ja jopa “varjo-AI-talouden”, jossa työntekijät ottavat työkaluja käyttöön oma-aloitteisesti. Tämä kertoo siitä, että arvo syntyy, kun ihmiset oikeasti käyttävät teknologiaa työnkulussaan.

Teollisuudelle ratkaisevaa tekoälytyökalujen käytössä on konteksti ja kontrolli: sido laajat kielimallit operaatio­dataan tietograafilla, tarjoa aina AI-assistentin vastauksiin myös perustelut ja varmista dataan pääsyn hallinta. 

Digitaalisten kaksosten tutkimukset tukevat kokemusta pilottien onnistumisista: 96 % johtajista kertoo digitaalisten kaksosten tuottavan arvoa. Seuratut ROI:t kasvoivat useinmiten yli 10% ja operatiiviset hyödyt, kuten yhteistyön ja ennakoivan ongelmanratkaisun paraneminen, ylittävät odotukset. Kokemuksena oli, että kun AI kiinnitetään tarkoituksenmukaisiin tehtäviin oikeassa kontekstissa, se maksaa itsensä takaisin.

Reality Twin on oikea työkalu useisiin käyttötarkoituksiin

SolidCompin Reality Twin on rakennettu noudattamaan “Ihmiset ja data ensin” -lähestymistapaa.

• Rajoittamaton ja erittäin tarkka visuaalisen 3D-ympäristön toisto selaimessa tai virtuaalilaitteessa — Tiimit saavat yhteisen tarkan näkymän kohteesta.
• Reality Twinissä omaisuustieto on kiinnitettynä itse omaisuuteen ja liikkuu omaisuuden mukana, sen sijaan että se liikkuisi asian ympärillä työskentelevien ihmisten mukana.
• Avoimet integraatiot (EAM/ERP/IoT/DMS) — avustajat ja työnkulut ankkuroituvat nykyisiin järjestelmiin.
• As-built -muokkaus ja kytketyt P&ID:t — Digitaalinen kaksonen pysyy ajantasaisena ja navigoitavana.
• AI-moduulit, kuten automatisoitu tagaus ja AI-assistentit nopeuttavat työskentelyä monotonisissa kohdissa.

Tuoreissa digitaalisen twinin toimituksissamme olemme päässeet näkemään kiitettäviä tuloksia, kuten esimerkiksi 70 % vähemmän käyntejä paikan päällä sellutehtaan suunnittelussa ja koordinoinnissa. Tulokseen päästiin koska kaikki tarvittavat henkilöt saattoivat yhdessä “kävellä tehtaassa” Reality Twinin sisällä ja tutkia työn tarkan sijainnin ennen matkustamista ja jalkautumista.

Markkinat tukevat tätä kehitystä: Pohjoismainen raskas teollisuus, kuten sellu- ja paperiteollisuus sekä kaivosteollisuus, digitalisoituu nopeaa tahtia. Scan-to-twin -työnkulut ovat jo nyt jopa 5–10 kertaa nopeampia ja noin 50 % edullisempia kuin perinteinen uudelleenmallinnus. Etäpääsy laitoksiin onkin muuttumassa eurooppalaisten teollisuustoimijoiden standardiksi.

Käytännöllinen, ihmisystävällinen käyttöönotto, jonka voit aloittaa heti

1. Valitse yksi korkean arvontuoton kohde, kuten esimerkiksi linja, prosessiyksikkö tai sähköasema.
2. Yhdistä data: Skannaa, linkitä P&ID:t ja ne 10–20 dokumenttia, joita kenttähenkilöstö arjessaan todella käyttää.
3. Suunnittele arjen toiminto ja rakenna operaattorin checklist digitaaliseen kaksoseen.
4. Lisää avustava AI niihin toimintoihin, missä se on kannattavaa ja turvallista, kuten tiedonhakuun, työvaiheiden ohjeistukseen ja lupien valmisteluun.
5. Seuraa ja mittaa toimintatavan adoptoimista käyttöön ja vaikutusta. Käytä oppimaasi hyväksi seuraavaan kohteeseen laajentamisessa.

Ellet tee mitään muuta, tee tämä: laita operaattorit käyttämään reality twiniä jo aikaisessa vaiheessa ja ankkuroi tekoälyn käyttö heidän päivittäiseen työhönsä. Loput; skaalautuminen, säästöt ja kilpailuetu, seuraavat perässä.

Tilaa Solidcompin uutiskirje

Saat SolidCompilta uutiskirjeen noin kerran kuussa. Kerromme kirjeessä teollisuuden, SolidCompin sekä SolidComp Digital Twinin uusimmista tapahtumista.

Tilaa uutiskirje