デジタルツイン

デジタルツインとは

IBM によると、デジタルツインの従来の定義は、「物理オブジェクトを正確に反映するように設計された仮想モデル」です。デジタルツインは、離散的または連続的な製造プロセスにおいて、さまざまな IoT センサー（OT：運用技術データ）やエンタープライズデータ（IT：情報技術）を用いてシステムやプロセスの状態データを収集し、仮想モデルを形成します。このモデルは、シミュレーションの実行、性能の問題の調査、知見の抽出に使用できます。

デジタルツインの概念は、特に新しいものではありません。実際、最初の申請は、25 年以上前に行われました。ロンドンにあるヒースローエクスプレスの鉄道施設における基礎工事とコファダム工事の初期段階で、基礎のボアホールグラウティングを監視・予測するためのものであったと報告されています。この最初の申請から数年後、エッジコンピューティングや AI、データ接続性、5G 通信、モノのインターネット（IoT）の改善や機能向上により、デジタルツインは費用対効果が高い手段となり、現在のデータドリブンなビジネス環境において必須となっています。

デジタルツインは、今や製造業に深く浸透しており、世界の産業市場は 2026 年に 480 億ドルに達すると予測されています。この数値は、2020 年の 31 億ドルから年平均成長率が 58% で増加することを示しており、現在、インダストリー 4.0 の渦中いることがわかります。

今日の製造業では、製品開発・設計や、オペレーション、サプライチェーンの最適化、顧客からのフィードバックの反映といったバリューチェーンにおけるあらゆるプロセスを効率化および最適化し、急速に高まる需要に迅速に対応することが求められています。デジタルツインのカテゴリーは幅広く、製造や物流、輸送の分野で多くの課題に取り組んでいます。

デジタルツインが対応する製造業界における一般的な課題には、次のようなものがあります。

• 製品設計の複雑化によるコストの高騰と開発期間の長期化
• 不透明なサプライチェーン
• 最適化されていない生産ライン：性能のばらつき、原因不明の欠陥品、運用コスト予測が不透明
• 品質の低い管理：理論への依存や、部門ごとの異なる管理
• メンテナンスコストの急激な高騰による、過剰なダウンタイムやプロセスの中断
• 部門間の連携不足
• リアルタイムなフィードバックを収集できず、顧客要求の可視化が困難

デジタルツインが重要な理由

インダストリー 4.0 とそれに続くインテリジェントサプライチェーンの取り組みは、オペレーションの改善とアジャイルなサプライチェーンの構築に大きく貢献しました。もし、デジタルツインの技術がなければ、これらの取り組みには今より多くのコストが必要だったでしょう。例えば、石油精製所の原油蒸留装置の作業条件を変更し、需要の変化に対応して最大の経済的価値を保証するために、ある週はディーゼル、そして次の週はガソリンの生産量を改善する場合のコストを想像できるでしょうか。このような大規模な事例に限らず、シンプルなサプライチェーンでさえも、リスクのモデル化を再現する方法を想像することは容易ではありません。サプライチェーンの物理的なコピーを作成することは、財政的にも物理的にも不可能です。

デジタルツインが製造業にもたらすメリットについて見ていきましょう。

• 複数の制約条件を用いた反復シミュレーションで最適な設計をするため、より少ないコストと時間で製品を設計、開発できます。例えば、民間航空機は全てデジタルツインを用いて設計されています。
• デジタルツインを活用することで、在庫がいつまで持つのか、補充のタイミング、サプライチェーンの混乱を最小限に抑えるための対処法を知ることができます。石油・ガス業界では、サプライチェーン指向のデジタルツインを使用して、貯蔵や中間物流におけるサプライチェーンのボトルネックの削減、タンカーの荷揚げスケジュールの最適化、外部性を考慮した需要のモデル化を行なっています。
• ML/AI によるフィードバックを用いて生産品の継続的な品質チェックを行うことで、製品の品質向上をあらかじめ保証します。例えば、デジタルツイン上に構築されたコンピュータビジョンによって、自動車の最終塗装検査を実施できます。
• デジタルツインは、プロセスの劣化や故障の前に部品を交換するタイミングと、部品を最大限に活用できるタイミングの中間地点のスイートスポットを特定し、リアルタイムのフィードバックを提供します。デジタルツインは、資産パフォーマンス管理スイートを構築するためのバックボーンです。
• デジタルツインは、必要な指示をモジュール化して提供することで、複数の部門を同期させて必要なスループットを達成する機会を創出します。デジタルツインは、製造工程フローを最適化するカイゼンイベントのバックボーンでもあります。
• 顧客フィードバックループは、販売時の顧客行動や購買嗜好、製品性能などの情報によってモデル化され、その後、製品開発プロセスに統合されることで、製品設計を改善するクローズドループを形成できます。

Databricks の差別化された機能

• Databricks のレイクハウスは、Delta、Delta Live Tables、オートローダー、Photon などのテクノロジーを使用しており、お客様におけるリアルタイムなデータアクセス、意思決定を可能にします。
• 製造業のためのレイクハウスは、最大規模のデータジョブをニアリアルタイムの間隔でサポートします。例えば、トランザクションログシステムから 15 秒間隔で 1 日あたり 4 億件近いイベントを顧客から取得している場合、データ処理を行うとレポーティングや分析が中断されるため、ほとんどの小売業者では、夜間にバッチ処理を行いデータウェアハウスにデータをロードします。中には、週次または月次でデータをロードしている企業もあります。
• レイクハウスのイベントドリブンなアーキテクチャでは、ラムダアーキテクチャなどの従来のアプローチと比較して、バッチデータやストリーミングデータの取り込みと処理がシンプルです。このアーキテクチャは、変更データの取得処理を実行し、ACID コンプライアンスのトランザクションをサポートします。
• Delta Live Tables は、データパイプラインの構築をシンプルにし、リネージを自動的に作成して運用管理をサポートします。
• レイクハウスは、リアルタイムストリーミングのデータを取り込み、ストリーミングデータに対する分析を可能にします。データウェアハウスでは、いかなる分析を行うにも、データウェアハウスからの抽出、変換、ロード、追加抽出が必要です。
• Photon は、画期的なクエリ性能を提供します。ユーザーは最大規模のデータセットにクエリを実行し、BI ツールでのリアルタイムな意思決定を可能にします。