Jak cyfrowy bliźniak wspiera łańcuchy dostaw? - podcast „Kreatywnie o digitalizacji”

A gdyby tak mieć bliźniaka z niezliczoną ilością żyć? Gdyby mógł sprawdzić, jak potoczą się nasze losy w zależności od różnych czynników? To wcale nie jest wymysł rodem z science fiction. Cyfrowe bliźniaki już istnieją i mają coraz większy wpływ na działanie wielu firm. Cyfrowy bliźniak to graficzne i matematyczne odwzorowanie rzeczywistego obiektu, procesu lub systemu w warunkach cyfrowych. Oznacza to, że możemy stworzyć wirtualny model np. zakładu produkcyjnego, magazynu lub całego łańcucha dostaw, który odzwierciedla rzeczywiste operacje i ich działanie. Taki model umożliwia dokładne symulacje i analizę różnych scenariuszy, a to pozwala na optymalizację procesów, redukcję kosztów i zwiększenie efektywności.

W logistyce cyfrowe bliźniaki mogą odegrać kluczową rolę w optymalizacji procesów magazynowych i transportowych. Wyobraźmy sobie sytuację, w której magazyn o powierzchni kilku tysięcy metrów kwadratowych jest zarządzany za pomocą cyfrowego bliźniaka. Taki model może odwzorować układ regałów, położenie towarów, a nawet ruch pracowników i wózków widłowych. Dzięki temu możliwe jest przeprowadzenie symulacji, które wskażą najefektywniejsze trasy, minimalizując czas potrzebny na realizację zamówień.

Jaka jest różnica między cyfrowym bliźniakiem a symulacją komputerową? Gdzie można zastosować cyfrowego bliźniaka? Jakie są wyzwania związane z wdrożeniem tego rozwiązania? Tomasz Sączek rozmawia o tym z gościem podcastu „Kreatywnie o digitalizacji”, dr. Piotrem Wiśniewskim, założycielem i CEO firmy DBR 77 Robotics.

Odsłuchaj odcinek

Tomasz Sączek, dyrektor zarządzający IPP Pooling, gospodarz audycji: W dzisiejszym odcinku porozmawiamy o cyfrowym bliźniaku.
Zastanowimy się, dlaczego ta fantastyczna technologia nie jest tak popularna w Polsce, a kosztuje niewiele. Dowiemy się, co dzięki cyfrowemu bliźniakowi możemy osiągnąć w swoich firmach.

Moim gościem jest dr Piotr Wiśniewski. Jako CEO i założyciel od 2020 roku Piotr rozwija platformę DBR77.com, która oferuje kompleksową transformację cyfrową m.in. dla firm produkcyjnych. Przez 5 lat pełnił rolę CEO w Maflow, globalnej firmie z branży motoryzacyjnej z oddziałami w Europie, Azji i obu Amerykach. Za restrukturyzację, jaką przeprowadził, Piotr otrzymał nagrodę TOP Manager przemysłu automotive. Jest twórcą modelu zarządzania według koncepcji hyperreality oraz Digital Pathfinder. Model jest wykorzystywany przez firmy produkcyjne oraz usługowe do transformacji digitalnej w zakładach w Europie oraz Stanach Zjednoczonych. Piotr jest doktorem nauk o zarządzaniu na Uniwersytecie Ekonomicznym w Poznaniu, a także absolwentem Harvard Business School. Dzieli się swoim doświadczeniem jako wykładowca i autor artykułów. W wolnych chwilach nurkuje oraz startuje w biegach ultra.

Skąd pomysł, żeby zajmować się cyfrowym bliźniakiem?

Piotr Wiśniewski, założyciel i CEO firmy DBR77 Robotics: Na studiach mieliśmy takie przedmioty jak ekonometria. Nikt tego nie lubił. Natomiast zmieniła się technologia i dzisiaj jesteśmy w stanie tworzyć bliźniaki cyfrowe różnych obiektów. Dzięki nim możemy się uczyć, poprawiać procesy, ulepszać produkty. Trzeba więc korzystać.

Od jak dawna funkcjonuje pojęcie cyfrowego bliźniaka?

Historia sięga mniej więcej 2012 roku, kiedy General Electric budował pierwsze odwzorowania platform wiertniczych w ujęciu cyfrowym. General Electric jako pierwszy oczujnikował silniki odrzutowe. Zbierały tak dużo informacji, że mogły powstawać zupełnie nowe modele biznesowe. Dzięki tym czujnikom General Electric zaczął budować bliźniaki cyfrowe turbin silników odrzutowych i okazało się, że piloci i właściciele samolotów nie potrafią z nich korzystać. Najczęstszą przyczyną postojów odrzutowców były silniki. General Electric musiał szybko je naprawiać, co było dużym kosztem. Dzięki informacjom z czujników firma zobaczyła, że opłaca się – nie sprzedawać, a wynajmować silniki. Dzisiaj wynajem silników jest już standardem rynkowym, o którym 15 lat temu nikt nawet nie myślał.

Czym jest cyfrowy bliźniak i czym różni się od symulacji?

Bliźniak cyfrowy jest graficznym i matematycznym odwzorowaniem świata rzeczywistego w warunkach cyfrowych. Co to dokładnie oznacza?

Mamy świat rzeczywisty, który ma ileś elementów, przedmiotów. Bliźniak cyfrowy jest odwzorowaniem trójwymiarowym tych form. Gra The Sims jest przykładem takiej formy graficznego odwzorowania. Natomiast to jest tylko połowa historii.

Druga połowa to matematyka. Jeżeli jesteśmy w stanie opisać relacje zachodzące pomiędzy różnymi przedmiotami, ludźmi, obiektami fizycznymi i to, w jaki sposób ze sobą korelują, to zaczynamy właśnie wchodzić w matematykę.

I tu wracamy do dużych modeli ekonometrycznych. Jeszcze niedawno, gdy nie było tak perfekcyjnych środowisk graficznych jak dziś, opieraliśmy się wyłącznie w opisie matematycznym na wielkich modelach ekonometrycznych. Teraz ta zabawa może być dużo przyjemniejsza.

Jak rozpoczęła się Twoja przygoda z cyfrowymi bliźniakami?

Jestem doradcą podatkowym z pierwszego wykształcenia. W 2008 roku, jak przyszedł kryzys, nikt nie płacił podatków… i tak zacząłem zarządzać firmami produkcyjnymi. Tam zrozumiałem, że produkcja to nic innego jak matematyka. I tak się zaczęła moja przygoda z bliźniakami cyfrowymi, bo patrzę na świat w kategorii liczb i relacji między nimi.

W jakich obszarach cyfrowy bliźniak sprawdza się najlepiej?

W 2012 roku, od którego zaczęliśmy, to było odwzorowanie dosyć skomplikowanych i bardzo drogich systemów. Z kolei 10-12 lat temu pojawiły się odwzorowania graficzne produktów. Na przykład Nike zanim zaczął produkować nowy model butów, to tworzył jego bliźniaka cyfrowego, żeby zobaczyć, jak się będzie zginał, układał na nodze.

To oczywiście wynikało z tego, że prawo Moore’a w tamtych czasach dawało jeszcze relatywnie słabe moce obliczeniowe.

W 2015-2016 świat zawładnięty został przez bliźniaka cyfrowego większych maszyn. Służyły m.in. do zapobiegania awariom. Na podstawie danych historycznych, jak maszyna działała, staramy się przewidzieć, czy będzie się psuła. Tworzono bliźniaki cyfrowe dla celów szkoleniowych.

Dziś technologia dojechała do takiego momentu, w którym jesteśmy w stanie symulować duże systemy, jak zakłady produkcyjne, centra logistyczne i powiązania między nimi. Hitem będzie to, co niedawno pokazała NVIDIA (jeden z największych na świecie producentów procesorów graficznych i innych układów scalonych przeznaczonych na rynek komputerowy). Tworzy koncepcję cyfrowego bliźniaka świata, który ma doprowadzić do tego, że będziemy perfekcyjnie przewidywać pogodę, szczególnie bardzo groźne zjawiska, jak huragany.

W związku z tym stwierdzenie, czym jest bliźniak, każdego roku będzie miało inną wymowę. I oczywiście zależy od tego, jak szybko rozwijają się moce obliczeniowe wokół nas.

To, co 10, 15, 20 lat temu nie było możliwe, dzisiaj jest. Oczywiście prawo Moore’a robi swoje.

Czym jest prawo Moore’a?

Prawo Moore’a zostało ogłoszone w 1964 roku. Gdybyś wtedy wystartował i szedł z prędkością 1 kilometra na godzinę, to w 2025 roku poruszałbyś się z prędkością światła, czyli 300 tysięcy kilometrów na sekundę. Rodzi się pytanie, co będzie dalej, za 5 lat na przykład – jakie moce obliczeniowe będziemy wtedy mieli?

Dzisiaj tworzymy bliźniaki cyfrowe zakładu produkcyjnego i jesteśmy w stanie tak skomplikowany system przeanalizować w zasadzie bez błędu. To pomyśl, jakie kompleksowe rozwiązania będziemy w stanie analizować za 5 lat… Za pięć lat będziemy w stanie przeanalizować świat.

Czy w przyszłości wszystko ma być przewidywalne?

To jest przewidywalność w obszarze probabilistyki. Zapytałeś mnie chwilę temu, czym się różni bliźniak cyfrowy od symulacji. Cofnijmy się do tego pytania.

Zastosowania cyfrowego bliźniaka

Bliźniak cyfrowy ma kilka użyteczności.

Możliwość wizualizowania trójwymiarowego

Wyobraź sobie, że budujesz dom. Jak już się do niego wprowadzisz, to wtedy dostrzeżesz, że bardzo wielu rzeczy nie przewidziałeś. Schody czy drzwi są nie w tym miejscu, kran nie powinien być z tej strony itp. No więc pierwszą rzeczą, którą nam daje bliźniak cyfrowy, jest możliwość wizualizowania trójwymiarowego. Dzięki temu np. w zakładach produkcyjnych czy centrach logistycznych jesteśmy w stanie dobrze zaplanować przestrzeń.

Symulacja

Druga rzecz to symulacja. Bliźniak cyfrowy traktowany jako system współzależnych ze sobą elementów sprawia, że jesteśmy w stanie wielokrotnie powtarzać to samo zdarzenie, analizować, jak ono się skończy.

W DBR77 Robotics tworzymy bliźniaka cyfrowego zakładów produkcyjnych. Wyobraź sobie, że jeżeli masz te same założenia, jak harmonogram produkcji, liczba pracowników, te same maszyny, za każdym razem wyjdzie Ci inna odpowiedź.

Dlaczego? Ulubiony mój przykład.

Operator trzy razy w ciągu dnia chodzi na papierosa, ale ty nie wiesz – kiedy. Pójdzie na papierosa akurat w momencie, kiedy maszyna nie będzie miała materiału, żeby dalej pracować. I stanie. W świecie idealnym to by się nie zdarzyło, ale nie żyjemy w świecie idealnym.

Zmierzam do tego, że symulacja pozwala przeanalizować wiele odpowiedzi, ale i sprawdzić, które z nich będą najbardziej prawdopodobne.

Tworzenie danych syntetycznych

No i trzeci obszar, który pojawił się w ostatnich kilku miesiącach, to tworzenie danych syntetycznych. Tzn. jeżeli powtórzysz daną symulację bardzo wiele razy, to okazuje się, że możesz się uczyć, być dużo mądrzejszy, niż byłeś chwilę temu.

Dzisiaj wszyscy mówimy o czacie GPT, o dużych modelach językowych. Modele językowe zaczęły tworzyć swoje własne dane. Tzn. jeżeli zapytasz ChatGPT o treści, on zacznie je tworzyć, to te treści możesz wykorzystywać, by szkolić dalej model językowy. Oczywiście jakość tych modeli wtedy staje się gorsza, bo nie były to teksty pisane przez człowieka.

Dokładnie to samo robią bliźniaki cyfrowe.

Zakład produkcyjny czy centrum logistyczne pracuje średnio 260 dni w roku. Czyli dostajesz 260 kompletnych obserwacji z dnia. To jest niewiele. Na tym nie wyszkolisz wiele algorytmów.

Natomiast jeżeli zapuścisz bliźniaka (np. nasz bliźniak w 10 minut może dać 5000 odpowiedzi na dobę), to przeżyjesz kilkaset tysięcy razy ten sam dzień. Wtedy już stajesz się mądrzejszy.

Jak cyfrowy bliźniak wpłynie na poprawność decyzji?

Poprawność decyzji nigdy nie będzie stuprocentowa. Weźmy przykład: „ta maszyna się zaraz zepsuje” – mówi pan Henio, lat 68. Skąd pan Henio o tym wie? Bo widział tę maszynę przez 40 lat i wie, że jak tak buczy, tzn. że się zaraz zepsuje. I to jest doświadczenie. Jeżeli my ten sam dzień jesteśmy w stanie przeżyć przy różnych decyzjach 100 tysięcy razy, to jakbyśmy przeżyli życie, które trwało 100 tysięcy dni.

Żaden model teoretyczny i żadna wiedza nie pokonają doświadczenia, a to jest właśnie doświadczenie, które tworzą bliźniaki cyfrowe.

Jakie zmiany mogą zajść po wdrożeniu cyfrowych bliźniaków?

Pokażę to na dwóch przykładach z praktyki.

Przykład hali magazynowej

Akurat realizujemy to z naszym klientem. Jest hala magazynowa przy zakładzie produkcyjnym. Hala ma 120 metrów, długie regały i sześć alej. Wyobraź sobie, że jedna lista pozycji do zebrania ma 800 pozycji. I nie masz pojęcia, gdzie one leżą. Zaczynasz biegać między półkami i szukać.

Są dwa problemy z tym związane. Po pierwsze, nie wiesz, jak zoptymalizować ścieżkę, w jakiej kolejności zbierać towary. Po drugie, Twój szef nie ma pojęcia, ile czasu ta operacja powinna trwać. W takiej sytuacji bardzo trudno jest zarządzać pracownikami, ich efektywnością.

Bliźniak cyfrowy, którego zrobiliśmy niedawno, odwzorowuje wszystkie te aleje. Przypisujemy lokalizacje w magazynach. Następnie człowiek dostaje taką listę zakupową.

Najpierw algorytm selekcjonuje odpowiednią kolejność, ułożenie towarów, optymalizuje dystanse, liczbę postojów. Następnie realizuje symulację i biegnie między tymi półkami, żeby określić czas takiej operacji.

Mógłbyś pewnie powiedzieć, że to nie jest nadzwyczaj skomplikowane. Owszem, ale pod warunkiem, że na hali produkcyjnej nie masz na przykład ośmiu wózków, które wjeżdżają sobie w drogę. Musisz wziąć pod uwagę, że wózek zwalnia, przyspiesza wielokrotnie, że nie zahamuje w sekundę i nie wystartuje w sekundę. To też trzeba wyliczyć. Jeżeli na przykład elementy są obok siebie, to wózka się nie przestawia, co też trzeba wziąć pod uwagę w algorytmie. To jest jednak relatywnie prosty case symulacyjny.

Przykład zakładu produkcyjnego

Największy zakład produkcyjny, jaki miałem pod sobą, był w Tychach – 1200 osób. Był podzielony na dwie hale. W jednej hali przygotowywaliśmy produkcję, czyli cięliśmy aluminium, spawaliśmy, robiliśmy różne elementy, a w drugiej części była hala montażowa.

Wydawało się nam, że my byliśmy supermądrzy. Materiały płynęły dowolnie, w zależności od tego, jak sobie inżynier wymyślił produkcję danego towaru. Było ekstra do czasu, kiedy zutylizowaliśmy tę linię na 70% hali. Wtedy się okazało, że nie umiemy jej zaplanować. Był chaos, którego nie opanowaliśmy. Czemu? Bo to był tak skomplikowany system, że żaden planista nie był w stanie tego zaplanować. I tu pojawia się bliźniak cyfrowy. On może to zrobić bez żadnych problemów.

Czy oszczędności po wdrożeniu cyfrowego bliźniaka można wyliczyć?

Tak. Świat produkcji, logistyki jest wyliczany w minutach. W zależności od tego, ile minut trwa operacja, przy jakiej efektywności jest wykonywana, jaki zespół jest potrzebny, przelicza się koszty wydziałowe na każdą minutę. Więc my żyjemy minutami. Jeżeli redukujemy czas, to jesteśmy w stanie wyliczyć oszczędności kosztowe, które dzięki temu powstaną.

Przedsiębiorstwo naftowe BP w Angoli, po wdrożeniu bliźniaka cyfrowego, skróciło o 25% czas potrzebny na prace inżynieryjne. To przełożyło się na 135 mln dolarów rocznych oszczędności. Dodatkowo dostali 32 mln za to, że była bardziej efektywna wymiana informacji i lepsza jakość danych. To są kosmiczne cyfry.

Można przyjąć założenia, że jesteśmy w stanie poprawić efektywność pracy o 20%. Jak weźmiesz pod uwagę, że przy produkcji pracuje 1000 osób, to już jest przeliczalne na naprawdę fajne pieniądze.

Czy cyfrowy bliźniak jest drogi?

To jest kwestia podejścia do biznesu. Sama technologia nie jest bardzo wymagająca. Nasz bliźniak cyfrowy jest w całości dostępny w przeglądarce internetowej. Można go subskrybować, jak np. Netflix. Chcesz wziąć bliźniaka cyfrowego na miesiąc, to weźmiesz na miesiąc.

Bliźniak nie musi być drogi. To jest jeden z gigantycznych plusów transformacji cyfrowej, która się dzieje wokół nas. Jeszcze chwilę temu musiałeś być programistą, żeby stworzyć stronę internetową. Dzisiaj np. w WordPressie zrobisz to sam. Jeszcze chwilę temu musiałeś być programistą, żeby pisać w Pythonie. Teraz ChatGPT to napisze, a ty tylko musisz umieć przekopiować.

Nasze założenie jest takie, że technologia w obszarze bliźniaków cyfrowych musi być superprosta. Godzinny instruktaż z naszym ekspertem wystarczy, żeby namalować bliźniaka cyfrowego.

Po jakim czasie zwraca się inwestycja w cyfrowego bliźniaka?

To dosyć proste do wyliczenia. Załóżmy, że pracownik na produkcji kosztuje około 6 tysięcy złotych. My sprzedajemy bliźniaka za 499 euro miesięcznie. Pierwsze wdrożenie, na które potrzeba około dwóch miesięcy, kosztuje 1000 euro. Jeżeli więc jestem w stanie zaoszczędzić pół etatu jednego operatora, a mówię o 20%, to przy pięciu osobach, które pracują na hali, opłaca się w ciągu dwóch miesięcy. Dziś są rzeczywiście niskie bariery wejścia.

Czy na rynku jest duża konkurencja w zakresie cyfrowych bliźniaków?

W Polsce nikt nie przygotowuje takiego rozwiązania jak my. Natomiast globalnie jest kilku dużych graczy.

W czym mała polska firma może być konkurencyjna? W szybkości i zwinności rozwiązań. Jeżeli na przykład trzy miesiące temu wyszedł ChatGPT w wersji 4.0, tzn. że jest dzisiaj w stanie analizować obrazy. Za miesiąc pokażemy, jak połączyliśmy duży model językowy czata GPT z naszym bliźniakiem i jak niesamowicie potrafi on interpretować świat. My zrobimy to szybko, bo jesteśmy małym zespołem. Myślę, że nasza konkurencja będzie miała to samo, pewnie lepsze, ale gdzieś za dwa lata. A ja mam nadzieję, że my za dwa lata będziemy już masowo wykorzystywani.

Czy są branże, w których cyfrowy bliźniak się nie sprawdza?

W zasadzie wszędzie tam, gdzie jest produkcja, płynie materiał, gdzie pracuje człowiek, można optymalizować jego pracę.

My działamy podobnie jak w metodzie lean management, gdzie głównym celem jest likwidacja strat. Analizujemy świat wokół nas, szukamy, gdzie pojawiają się straty. To, co robi bliźniak cyfrowy, to jest automatyzacja leanu. Więc wszędzie tam, gdzie jesteśmy w stanie zidentyfikować straty, po to żeby lepiej wykorzystywać swoje aktywa, tam koncepcja bliźniaka ma duży sens.

W rolnictwie? Gigantyczny. W retailu, na halach shopping malli? Absolutnie tak. Może w przedszkolu ciężko mi to sobie wyobrazić. Chociaż… Wprowadzamy teraz technologię lokalizacji pracowników, jak chodzą po halach. Myślę, że jak byśmy takich przedszkolaków zlokalizowali, to powstałaby hitmapa. Dzięki niej można by zidentyfikować obszary, które były dla nich ciekawsze.

Oczywiście przesadzam, natomiast wydaje mi się, że tam, gdzie jest człowiek, praca i przepływ, tam warto myśleć nad odwzorowaniem.

Dlaczego – mimo wielu korzyści – cyfrowe bliźniaki są tak mało popularne?

Dwie rzeczy są tutaj kluczowe.

Słaba edukacja

Wiedza na ten temat jest niewielka wśród menadżerów, którzy podejmują decyzje. Ci, którzy mogliby skorzystać z cyfrowych bliźniaków, po prostu o nich nie wiedzą.

Osoby na stanowiskach menadżerskich, które kończyły studia 20-30 lat temu, muszą zdać sobie sprawę z tego, że nadrobienie tej edukacji to konieczność. Słuchanie takich podcastów jak ten pomaga zorientować się w temacie.

Brak danych

Bliźniak cyfrowy będzie dawał sensowne rozwiązania wtedy, kiedy nakarmimy go sensownymi danymi. Prawdziwa wiedza musi być oparta na danych.

Niestety rzadkością są centra logistyczne, zakłady produkcyjne, gdzie analizuje się precyzyjnie szybkość poruszania się obiektów, rozlokowania, czas z tego wynikający lub czas potrzebny na różnego typu zdarzenia. A takie dane musimy mieć, żebyśmy później mogli to odwzorować w bliźniaku.

Czyli najpierw trzeba zadbać o jakość danych, a potem zainteresować się bliźniakiem cyfrowym. Jakie więc są najważniejsze wyzwania związane z danymi?

Trzeba rozumieć, po co nam te dane, po co one są. Rozmawiam z wieloma menadżerami, prowadzę zajęcia na studiach MBA o digital transformation. Kiedy dochodzimy do danych, to wszyscy narzekają, że mają ich mnóstwo. Często pytam: „jakie dane zaczęliście mierzyć w przeciągu ostatnich pięciu lat? Jeżeli dzisiaj czujniki są tak tanie, a przechowywanie danych jest w zasadzie bezkosztowe, to co zaczęliście mierzyć?”. Zwykle dostaję odpowiedzi: „niewiele”.

Więc stwierdzenie: „mam bardzo dużo danych”, łatwo jest skwitować: „tak, ale tych, które są potrzebne, żeby wyznaczyć rachunek ekonomiczny, rozliczyć księgowość, złożyć sprawozdanie finansowe, ale nie, żeby optymalizować decyzje”. Wbrew pozorom wcale dużo danych nie zbieramy.

Widzę jeszcze jeden problem w Polsce. Niestety ciągle nie dostrzegamy, że zbieranie danych to też jest koszt, na który się musimy zdecydować. Wykorzystanie różnego typu technologii, żeby pozycjonować np. lokalizację obiektów na halach, zbierać czas cykli, łapać efektywność, mierzyć te parametry – to kosztuje.

Z jednej strony liczymy na oszczędności z poprawienia efektywności pracy. Z drugiej musimy niestety zainwestować w infrastrukturę zbierania tych danych.

Jak przygotować firmę do wdrożenia cyfrowego bliźniaka?

Moja książka Digital Pathfinder opowiada o transformacji digitalnych firm. Dzielę się w niej historiami o tym, dlaczego to się musi wydarzyć, jak tę ścieżkę pokonać i wreszcie – jak zbudować sam proces. W DRB77 mamy narzędzie, które bardzo dokładnie to opisuje. Nazywa się Droga Rozwoju Digitalnego. To mapa, w ramach której oceniamy, gdzie dzisiaj jest firma, jakie elementy wdrożyć, żeby zrealizować cele w określonym czasie.

Jeśli chcemy sięgnąć po bliźniaka cyfrowego, roboty albo którąkolwiek inną technologię, to firma musi przejść transformację w ujęciu holistycznym. Nie wystarczy, że zainwestujemy w jakiś kawałek software’u.

Musimy zbierać dane, ale najpierw dobrze zrozumieć – po co. Do tego konieczna jest edukacja oraz zmiana kultury organizacji, by mieć przekonanie, że te dane coś zmienią. Trzeba się otworzyć na pomysły i wiedzę, które są wokół nas.

Często dane sprawiają, że przestajemy żyć w świecie jakościowym: „robię świetnie swoją robotę”. Przechodzimy do świata ilościowego: „zrobiłem 4 z 10, czyli to nie było tak dobre, jak mi się wydawało”.

Kultura organizacji to jest pierwszy krok. Dane to krok drugi. A trzeci to jest planowanie.

Wtedy już na bazie danych jesteśmy w stanie sięgać po konkretne narzędzia.

Czy z cyfrowym bliźniakiem firma jest bardziej konkurencyjna?

Bliźniak cyfrowy daje szansę, aby realizować procesy w firmie taniej o 10% czy 15% (poza kosztem materiałowym, bo na niego niestety nie mamy wpływu).

Więc jesteś bardziej konkurencyjny. Ale niestety tylko przez chwilę. Po pierwsze dlatego, że Twój dział sprzedaży będzie chciał sprzedawać taniej, żeby walczyć o nowe obszary rynku. Po drugie, kiedy konkurencja zobaczy, co zrobiłeś, zrobi to samo. Więc to nie jest trwała przewaga konkurencyjna, która da firmie spokój na kolejne 10 lat. Ale na pewno ta przewaga konkurencyjna da oszczędności potrzebne do tego, żebyś walczył na rynku przez najbliższe 2 czy 3 lata.

Czy warto wdrożyć cyfrowego bliźniaka w niezdigitalizowanej firmie?

Do każdego wyzwania można podejść z dwóch stron.

Ja na przykład w zeszłym roku bez uprzedzenia ubrałem swoje dzieci (14 i 15 lat) w stroje kąpielowe i zaciągnąłem na basen. Dziesięć minut później nurkowały w akwalungu. Pewnie ktoś by powiedział: „nie tak powinno to wyglądać, najpierw 20 godzin szkoleń”. Natomiast one dzięki temu się nie znudziły, nauczyły się szybko i dzisiaj są nurkami z uprawnieniami.

Możesz odpalić bliźniaka cyfrowego w organizacji i szybko dostrzeżesz, czego nie masz. Nie masz danych, nie rozumiesz ich, brakuje opomiarowania w ujęciu technicznym, nie rozumiesz też, po co ci to jest. Mamy przykłady kilku takich firm, które właśnie w ten sposób zaczęły. Szybciutko zrozumiały, czego nie miały. Wspólnie zaczęliśmy to budować, opomiarowaliśmy, przeszliśmy procesy edukacyjne. Dzisiaj bliźniak fruwa i idziemy dalej.

Cyfrowy bliźniak to jest tak naprawdę połowa drogi. Sprawia, że działania są optymalne lub zbliżone do optymalnych. Natomiast następnym krokiem jest automatyzacja i robotyzacja. To także robimy. Tak naprawdę zajmujemy się głównie robotyzacją procesów produkcyjnych, przy czym mówimy: „nie robotyzujmy świata, który nie jest efektywny”. Do tego jest potrzebny bliźniak.

Wracając do przykładu z moimi dziećmi… Możesz najpierw zapisać dziecko na 20-godzinny kurs, ciągać je, żeby słuchało o tym, ile tlenu jest na jakiej głębokości, jakie ciśnienie, gdzie. Albo zachęć 14-latka, żeby pływał, a później spróbuj z nim nurkować. Ja osobiście polecam tę ścieżkę: na głęboką wodę.

Czym są dane syntetyczne i duże modele językowe?

Syntetyczne dane

Znasz historię DeepMind i AlphaGo Zero? AlphaGo to gra azjatycka, która jest najbardziej skomplikowaną grą strategiczną na świecie. Panowie z firmy DeepMind postanowili w 2014 roku, że napiszą algorytm, który pokona człowieka. W 2016 roku pokonali Lee Sedola, mistrza świata w tym zakresie. Nauczyli algorytm wiedzy eksperckiej, dokładnie tak samo jak Gary Kasparow zrobił w 1997 roku. Algorytm podejmował decyzje na podstawie tego, jak ludzie wcześniej grali.

Natomiast w 2017 roku panowie z DeepMind ogłosili taki white paper, w którym opisali, co się wydarzyło dalej. Zadali sobie pytanie, co by było, gdyby stworzyli dwa modele, które będą grały naprzeciwko siebie. Modele grały w różne gry, uczyły się rozwiązań. Po trzech dniach samouczenia się tego modelu został zorganizowany mecz pomiędzy AlphaGo Zero (czyli ten bez ludzkich doświadczeń) i AlphaGo Lee (ten, który wygrał z mistrzem świata Lee Sedolem). I ten sztuczny wygrał 100 do 0!

To jest ważny moment, w którym zadajemy sobie pytanie: co my z tego mamy? Jeżeli jesteśmy w stanie opisać na przykład hale produkcyjne, centra logistyczne, większe kompleksy, to możemy też przeżywać te same dni, te same zdarzenia wielokrotnie. Po to właśnie, żeby zbierać wiedzę.

AlphaGo Zero stworzył dane syntetyczne, syntetyczną wiedzę na podstawie powtarzalnych zdarzeń. To samo jesteśmy w stanie robić my. Dzięki temu rozpoznajemy świat dużo, dużo, dużo lepiej.

Duże modele językowe

Dużym modelem językowym jest GPT, o którym każdy słyszał, a pewnie większość używa.

W ramach eksperymentu z bliźniakiem cyfrowym zrobiliśmy zdjęcia ekranu z naszym światem trójwymiarowym. Do tego pobraliśmy z maszyn raporty pracy, wrzuciliśmy to do czata GPT. Powiedzieliśmy mu: „zinterpretuj to, co widzisz”. Zrobił analizę w 3 sekundy. Zapytałem bliźniaka: „gdzie byś zrobotyzował?”. W moment wypuścił listę informacji, gdzie warto to zrobić, dla których inwestycji zrobić analizę opłacalności.

DBR77 ze swoim bliźniakiem cyfrowym będzie wyposażony właśnie w takiego AI menadżera, który będzie wspierał decyzję. Pokazaliśmy to naszym inwestorom z Japonii. Japończycy znają te systemy najlepiej, bo stamtąd przyszedł lean. A jednak nasi partnerzy byli w szoku!

Żyjemy w czasie absolutnie unikatowym. Jesteśmy w stanie symulować różnego typu przeżycia, których świat nie przeżył. No i modele językowe potrafią to interpretować znacząco szybciej niż wcześniej.

Czy wdrożenie bliźniaków cyfrowych na masową skalę to zagrożenie dla niektórych zawodów?

Półtora roku temu, kiedy zacząłem pisać swoją książkę, pracowałem z Timem. Spędził tu 25 lat i żył głównie z tłumaczeń. Mówiłem mu wtedy: „Tim, ten świat zaraz sprawi, że nie będziesz miał pracy”. Tim odpowiadał: „to się nie dzieje”. W momencie, kiedy skończyliśmy pracę nad książką, Tim przyznał, że dwie trzecie zadań z jego kalendarza zniknęło.

Wiele zawodów zniknie. Nie będzie tłumaczy, nie będzie edytorów, nie będzie content marketerów itd. Z ludźmi, którzy się zajmują doradztwem lean czy projektowaniem zakładów, może być podobnie, choć pewnie mi teraz nie uwierzą. Z całą pewnością dostajemy przegigantyczne narzędzia wsparcia. Pytanie brzmi: czy to źle, czy dobrze?

Jak pokazuje historia, podczas kolejnych rewolucji przemysłowych było tak samo. Ileś zawodów ginęło.

Pierwsza rewolucja sprawiła, że człowiek przestał zarabiać siłą własnych mięśni. Już w 1870 roku była dyskusja na temat tego, że ludzie nie będą mieli pracy, więc jak będą zarabiać. No i jakoś się udało.

W drugiej rewolucji pojawiły się silniki elektryczne – dalej ludzie mają pracę. Potem pojawiły się komputery.

Jest jedna bardzo ważna myśl, którą chciałem tutaj zostawić. Pierwsza rewolucja przemysłowa dała nam mniej więcej 60 lat na adaptację. Druga rewolucja to była jedna dekada, zanim silniki elektryczne i linie przemysłowe powstały w zasadzie wszędzie. Komputery wchodziły przez około 10 lat. Myślę, że mamy mniej niż 5 lat, żeby się zaadaptować do świata digitalnego, o jakim dzisiaj rozmawiamy. Czyli świata, w którym niekoniecznie człowiek swoją wiedzą jest w stanie zarabiać. Niestety modele matematyczne czy językowe, o których tak dużo dzisiaj mówimy, będą myślały bardziej precyzyjnie i dużo szybciej niż my.

Jaką przyszłość kreuje cyfrowy bliźniak?

Za dwa lata, jak włączysz Netflix, to za każdym razem ten sam film może mieć inny koniec. Modele już dzisiaj są w stanie tworzyć film jakości 4K w czasie rzeczywistym. Zdarza się, że oglądasz trzeci raz ten sam film i chciałbyś, żeby się skończył inaczej? Bardzo często myślę: fajnie, żeby on wygrał. I tak się może wydarzyć. To technologia, która jest dosłownie za rogiem. Wkrótce stanie się widoczna dla nas wszystkich, bo już Chińczycy pokazują niesamowite rzeczy.

A teraz przykład Mety. Około 4-5 lat temu Zuckerberg zadeklarował, że przeniesie nas do świata trójwymiarowego. Świat trójwymiarowy, co do zasady, jest pewną formą bliźniaka cyfrowego. Horizon, który opracował 4 lata temu, był przerażający. Trudno mi było sobie wyobrazić, że moi bliscy, moje dzieci nie wychodzą z domu, tylko zakładają gogle VR-owe i są w bliźniaku cyfrowym świata rzeczywistego.

Przez ostatnie 3-4 lata było widać, że nie było na to pomysłu. Meta w pewnym momencie powiedziała: „wycofujemy się z tego, bo nie jesteśmy w stanie tego spieniężyć”. Zapewniam Cię, że ta technologia jest już za rogiem. Scott Galloway przez długi czas mówił, że nic z tego nie będzie. Jednak niedawno zmienił zdanie. Myślę, że jak te dwie technologie się połączą, to efekt będzie nie za 10 lat, ale za 3.

Zobacz inne odcinki podcastu „Kreatywnie o digitalizacji”: