Digital twin (bản sao số, còn gọi song sinh số) là một mô hình số của một đối tượng vật lý như máy, dây chuyền, nhà máy hay sản phẩm, được nối với đối tượng thật bằng dữ liệu để phản ánh trạng thái hiện tại và dùng để phân tích, mô phỏng, dự báo. Điểm phân biệt cốt lõi với một bản vẽ 3D hay mô hình mô phỏng thông thường là dòng dữ liệu liên tục giữa thật và số.
Thuật ngữ này bị dùng rất rộng trong tiếp thị, đến mức một bảng giám sát có hình 3D cũng được gọi là digital twin. Để đánh giá đúng một đề xuất, bạn cần phân biệt ba cấp độ theo hướng của dòng dữ liệu, biết bản sao số giải được loại bài toán nào và những giới hạn khiến nhiều dự án dừng ở mức trình diễn. Bài này đi qua từng phần, với ví dụ trong nhà máy.
Nguồn gốc khái niệm
Ý tưởng được gắn với Michael Grieves, người trình bày khái niệm một mô hình số song song với sản phẩm thật trong bối cảnh quản lý vòng đời sản phẩm tại Đại học Michigan khoảng năm 2002, ban đầu với tên gọi khác. Cái tên "digital twin" trở nên phổ biến sau khi xuất hiện trong lộ trình công nghệ của NASA quanh năm 2010, nơi John Vickers và đồng nghiệp dùng nó cho phương tiện bay. Trước đó, NASA đã có tiền lệ nổi tiếng là dùng mô hình và mô phỏng mặt đất để xử lý sự cố của Apollo 13 năm 1970, tuy chưa dùng thuật ngữ này.
Từ hàng không vũ trụ, khái niệm lan sang sản xuất cùng làn sóng Công nghiệp 4.0, rồi sang năng lượng, xây dựng, đô thị. Sự lan rộng kéo theo pha loãng nghĩa. Một bài tổng quan được trích dẫn nhiều của Kritzinger và cộng sự năm 2018 đã đề xuất phân loại theo mức tự động hoá của dòng dữ liệu, và cách phân loại này đến nay vẫn là công cụ hữu ích nhất để cắt nghĩa các đề xuất trên thị trường.
Điều đáng lưu ý là phần lõi kỹ thuật của bản sao số không mới: mô phỏng quy trình, mô hình hoá hệ thống động và ước lượng trạng thái bằng bộ lọc Kalman đã có từ nhiều thập kỷ trong kỹ thuật điều khiển. Cái mới là chi phí cảm biến, kết nối và tính toán giảm đủ sâu để giữ một mô hình đồng bộ liên tục với đối tượng thật trở nên khả thi về kinh tế, không chỉ cho tàu vũ trụ mà cho cả một máy nén khí trong nhà máy.
Mô hình số, bóng số và bản sao số
Ba khái niệm dưới đây thường bị gọi chung là digital twin. Khác biệt nằm ở chiều dữ liệu đi giữa đối tượng thật và mô hình có được tự động hoá hay không.
| Cấp độ | Thật sang số | Số sang thật | Ví dụ |
|---|---|---|---|
| Mô hình số (digital model) | Thủ công | Thủ công | Mô phỏng bố trí xưởng mới trước khi xây, dữ liệu nhập tay |
| Bóng số (digital shadow) | Tự động | Thủ công | Mô hình dây chuyền cập nhật trạng thái máy theo thời gian thực; kỹ sư đọc rồi quyết định |
| Bản sao số (digital twin) | Tự động | Tự động | Mô hình lò nhiệt tự tính điểm đặt tối ưu và gửi xuống bộ điều khiển, có giám sát |
Theo phân loại chặt này, phần lớn dự án gọi là digital twin trong nhà máy hiện nay thực chất là bóng số, và điều đó không có gì xấu. Bóng số tốt đã mang lại nhiều giá trị. Vấn đề chỉ nảy sinh khi kỳ vọng và ngân sách được đặt cho cấp độ thứ ba trong khi năng lực dữ liệu chỉ đủ cho cấp độ thứ hai.
Ngoài trục dòng dữ liệu, còn một trục khác là phạm vi: bản sao số của một linh kiện, một máy, một dây chuyền, một nhà máy hay cả chuỗi cung ứng. Phạm vi càng rộng, mô hình càng phải đơn giản hoá, và câu hỏi nó trả lời càng mang tính chiến lược hơn là kỹ thuật.
Bốn nhóm ứng dụng có giá trị trong sản xuất
Thiết kế và bố trí trước khi đầu tư. Mô phỏng sự kiện rời rạc một dây chuyền mới giúp phát hiện nút thắt, ước lượng số xe nâng, kích thước kho đệm trước khi đổ bê tông. Đây thực chất là mô hình số, nhưng lại là ứng dụng có tỷ suất lợi ích cao nhất vì sửa trên mô hình rẻ hơn sửa nhà xưởng rất nhiều.
Chạy thử ảo (virtual commissioning). Kết nối chương trình PLC thật với mô hình mô phỏng máy để kiểm thử logic điều khiển trước khi lắp đặt. Cách này rút ngắn thời gian chạy thử tại hiện trường và giảm rủi ro va chạm thiết bị, được dùng nhiều trong ngành ô tô và đóng gói.
Giám sát và tối ưu vận hành. Bóng số của dây chuyền hoặc lò, cập nhật liên tục, cho phép thử các kịch bản "nếu tăng tốc độ thì sao", "nếu đổi thứ tự mã hàng thì sao" trên mô hình trước khi làm thật. Với quy trình nhiệt, hoá, mô hình vật lý kết hợp dữ liệu giúp tìm điểm vận hành tiết kiệm năng lượng.
Theo dõi sức khoẻ thiết bị. Bản sao số của tua-bin, máy nén, động cơ lớn so sánh hành vi đo được với hành vi mô hình dự đoán; độ lệch tăng dần là dấu hiệu suy giảm. Đây là chỗ bản sao số gặp bảo trì dự đoán.
Mô hình vật lý, mô hình dữ liệu hay lai
Bên trong một bản sao số có thể là ba loại mô hình. Mô hình vật lý dựa trên định luật: truyền nhiệt, cơ học, động lực học chất lưu, phương trình cân bằng vật chất. Ưu điểm là ngoại suy được sang điều kiện chưa từng gặp và giải thích được; nhược điểm là xây tốn công chuyên gia và tính toán nặng. Mô hình dữ liệu học từ lịch sử bằng thống kê hoặc học máy; xây nhanh nếu có dữ liệu, nhưng chỉ đáng tin trong vùng điều kiện đã thấy và khó giải thích.
Mô hình lai kết hợp hai loại: dùng vật lý làm khung, dùng dữ liệu để hiệu chỉnh tham số hoặc mô hình hoá phần sai lệch mà vật lý bỏ qua. Xu hướng nghiên cứu và thực hành hiện nay nghiêng về mô hình lai, vì nó cân bằng giữa độ tin cậy và chi phí. Với sản xuất rời rạc như lắp ráp, mô hình phổ biến lại là mô phỏng sự kiện rời rạc, mô tả dòng chảy sản phẩm qua các trạm với thời gian xử lý ngẫu nhiên.
Khi nghe một đề xuất, câu hỏi then chốt là: mô hình được kiểm định ra sao, sai số so với thực tế bao nhiêu, và ai chịu trách nhiệm cập nhật khi dây chuyền thay đổi. Một bản sao số không được hiệu chỉnh sau khi thay máy sẽ trở thành bản sao của một nhà máy không còn tồn tại.
Giới hạn và lý do nhiều dự án dừng ở mức trình diễn
Bản sao số dễ trình diễn ấn tượng nhưng khó duy trì. Những vấn đề sau xuất hiện lặp lại trong các dự án.
- Chi phí duy trì bị đánh giá thấp: mỗi lần đổi máy, đổi quy trình, đổi sản phẩm, mô hình phải cập nhật. Không có ngân sách và người phụ trách, mô hình lỗi thời trong vài tháng.
- Dữ liệu không đủ chất lượng: cảm biến thiếu, lệch, đồng hồ không đồng bộ, khiến bóng số hiển thị sai và người vận hành thôi tin.
- Hình ảnh đẹp thay cho câu hỏi: mô hình 3D chi tiết tốn nhiều công nhưng không trả lời câu hỏi vận hành nào mà bảng số đơn giản không trả lời được.
- Độ trung thực sai chỗ: mô hình quá chi tiết ở phần ít quan trọng và quá thô ở nút thắt thật. Nguyên tắc là độ trung thực vừa đủ cho câu hỏi.
- Khép vòng tự động có rủi ro: để mô hình tự gửi lệnh xuống thiết bị đòi hỏi kiểm định, giới hạn an toàn và quyền can thiệp của con người; nhiều ngành chưa sẵn sàng về quy trình lẫn trách nhiệm.
- Khoá chặt nền tảng: mô hình xây trên công cụ độc quyền khó chuyển, trong khi vòng đời nhà máy dài hơn vòng đời phần mềm nhiều lần.
Cách giảm rủi ro là bắt đầu từ một câu hỏi quyết định cụ thể, ví dụ "có nên mua thêm một máy đóng gói không", xây mô hình vừa đủ để trả lời, đo xem quyết định có đúng không, rồi mới mở rộng mô hình cho câu hỏi tiếp theo.
Lộ trình hợp lý cho nhà máy vừa và nhỏ
Với nhà máy chưa có nền dữ liệu vững, bước đầu hợp lý là mô hình số cho quyết định đầu tư: mô phỏng dòng chảy trước khi thay bố trí xưởng hay mua máy mới. Phần mềm mô phỏng sự kiện rời rạc có nhiều lựa chọn, kể cả mã nguồn mở, và một kỹ sư công nghiệp được đào tạo có thể làm được trong vài tuần cho một bài toán cụ thể.
Bước thứ hai là bóng số vận hành, chỉ khả thi khi đã có dữ liệu trạng thái máy và sản lượng tự động từ IIoT hoặc MES. Lúc này mô hình dây chuyền được nạp dữ liệu thật để so sánh kế hoạch với thực tế và thử kịch bản điều độ. Bước thứ ba, khép vòng tự động, chỉ nên cân nhắc cho những quy trình được hiểu rất rõ, có mô hình đã kiểm định qua thời gian, và luôn có giới hạn an toàn.
Ví dụ ở một xưởng chế biến gỗ xuất khẩu, mô phỏng sự kiện rời rạc có thể cho thấy nút thắt nằm ở khâu sơn chứ không ở khâu cắt như mọi người nghĩ, giúp tránh mua thêm máy cắt không cần thiết. Giá trị như vậy đến từ tư duy mô hình hoá, không phụ thuộc vào việc có gọi nó là digital twin hay không.
Câu hỏi thường gặp
Digital twin khác mô phỏng truyền thống ở đâu?
Mô phỏng truyền thống thường chạy với dữ liệu nhập một lần cho một nghiên cứu cụ thể rồi dừng. Bản sao số được nối liên tục với đối tượng thật, cập nhật trạng thái theo dữ liệu đo và tồn tại song song suốt vòng đời đối tượng. Về kỹ thuật, nhiều bản sao số dùng chính các công cụ mô phỏng truyền thống bên trong.
Có cần mô hình 3D mới gọi là digital twin không?
Không. Hình 3D chỉ là cách hiển thị. Nhiều bản sao số có giá trị nhất là mô hình toán học hoặc mô hình dòng chảy không có đồ hoạ cầu kỳ. Ngược lại, một mô hình 3D đẹp không có dữ liệu thật chạy vào chỉ là mô hình trực quan.
Digital twin có cần dữ liệu thời gian thực không?
Tuỳ câu hỏi. Giám sát vận hành và điều khiển cần dữ liệu gần thời gian thực. Tối ưu kế hoạch tuần hoặc đánh giá đầu tư có thể dùng dữ liệu cập nhật hằng ngày hay hằng tuần. Đòi thời gian thực khi không cần sẽ làm tăng chi phí hạ tầng mà không tăng giá trị.
Ai trong doanh nghiệp nên xây và duy trì bản sao số?
Cần sự kết hợp của kỹ sư hiểu quy trình, người làm dữ liệu và bộ phận công nghệ thông tin. Quan trọng nhất là có một người chủ nghiệp vụ chịu trách nhiệm về độ chính xác của mô hình và quyết định dùng nó, nếu không mô hình sẽ trở thành tài sản không ai nhận.
Bản sao số của sản phẩm khác bản sao số của nhà máy thế nào?
Bản sao số sản phẩm đi theo từng sản phẩm qua thiết kế, sản xuất, sử dụng và bảo hành, ví dụ một động cơ máy bay với lịch sử vận hành riêng. Bản sao số nhà máy mô tả quy trình và thiết bị sản xuất. Hai loại có thể liên kết, nhưng câu hỏi và người dùng khác nhau.
Làm sao biết một mô hình đủ chính xác để dùng?
So sánh đầu ra của mô hình với dữ liệu thật trong một khoảng thời gian không dùng để xây mô hình, với các chỉ số quan trọng cho quyết định như sản lượng, thời gian chờ hay nhiệt độ. Mức sai số chấp nhận được phụ thuộc quyết định cần đưa ra, và phải kiểm lại định kỳ.