Nguồn: Internet

Lịch sử phát triển của song sinh số 

Tiền thân của khái niệm song sinh số có lẽ là câu chuyện về mô hình mô phỏng của tàu không gian Apollo 13 (1), được dùng để giả lập và thử nghiệm các khả năng quay về trái đất của tàu Apollo trước kế hoạch (khi bể chứa oxy của tàu bị nổ sau hai ngày tàu bay vào không gian, trong chuyến bay đến Mặt trăng vào tháng 4 năm 1970). Nhờ việc thử nghiệm và kiểm tra trước trên mô hình này mà các kỹ sư điều khiển mặt đất đã đưa ra giải pháp đúng đắn, giúp các phi hành gia điều khiển tàu trở về Trái đất thành công.    

Khái niệm song sinh số được giới thiệu lần đầu tiên năm 2002 (2) trong buổi trình bày về quản lý vòng đời sản phẩm (PLM) của Michael Grieves. Trong mô hình song sinh số của Grieves, một hệ thống song sinh số được tạo thành bởi ba thành phần: không gian thực chứa đối tượng vật lý thực (sản phẩm), không giản ảo (số) chứa đối tượng ảo (số), và đường truyền dữ liệu từ không gian thực sang không gian ảo cũng như đường truyền thông tin từ không gian ảo sang không gian thực. 

Mô hình song sinh số theo khái niệm của Grieves năm 2002 (2)

Khái niệm song sinh số được hoàn thiện hơn bởi K. Framling năm 2003 (2), theo đó song sinh số là một kiến trúc xây dựng từ các thành phần, mà mỗi thành phần của sản phẩm (bản gốc vật lý) đều có một thành phần ảo tương ứng với nó. Mỗi thành phần ảo phải bảo đảm sự đồng bộ với thành phần thực tương ứng, đồng thời cũng có đủ khả năng hỗ trợ việc thử nghiệm, chẩn đoán, bảo trì thành phần thực như là một song sinh số riêng rẽ. Ở thời điểm này, dữ liệu về các sản phẩm theo vòng đời của chúng chủ yếu thể hiện trên một lượng giới hạn các giấy tờ, văn bản liên quan, vì thế việc đồng bộ giữa thành phần thật và ảo vẫn còn chưa được trơn tru.      

Chín năm sau đó, NASA đưa ra định nghĩa và lộ trình phát triển song sinh số nhằm nâng cao hiệu suất trong lĩnh vực hàng không. Định nghĩa của NASA năm 2012 (2) về song sinh số là một hệ thống mô phỏng xác suất tích hợp đa thang độ và nhiều khía cạnh vật lý của một phương tiện vận tải một hoặc hệ thống vật lý. Hệ thống mô phỏng này sử dụng mô hình tương đương vật lý chuẩn mực nhất có thể, cập nhật dữ liệu từ các cảm biến và lịch sử vận hành phương tiện vận tải (hệ thống vật lý) nhằm phản ánh cả vòng đời của phương tiện vận tải (hệ thống vật lý) ấy. Định nghĩa này về sau được tiếp tục phát triển thành định nghĩa chuyên dùng cho song sinh số máy bay (ADT).

Năm 2013, Không lực Mỹ lần đầu tiên đề cập và giải thích khái niệm song sinh số và mạch số (Digital thread) với ý nghĩa gần tương tự nhau (mà về sau nhiều nghiên cứu khác đã chỉ ra sự khác biệt của hai khái niệm này). Sự việc này đã thu hút sự quan tâm, chú ý với công nghệ song sinh số từ phía các lĩnh vực khác nhau bên ngoài lĩnh vực hàng không vũ trụ và công nghiệp quốc phòng, góp phần thuận lợi cho quá trình tích hợp nền sản xuất số và các hệ thống không gian số - vật lý, là các chìa khóa quan trọng của công nghiệp 4.0 và nền sản xuất thông minh. 

Sự phát triển của công nghệ song sinh số theo thời gian và lĩnh vực có thể được hình dung phần nào khi ta nhìn vào biểu đồ dưới đây (2). Biểu đồ thể hiện số lượng các bài báo khoa học về song sinh số trong các lĩnh vực tương ứng theo thời gian xuất bản (tính đến tháng 7/2019), được dày công thống kê bởi tiến sĩ Barbara Rita Barricelli và các đồng nghiệp. Các con số bên trong biểu đồ thể hiện số hiệu của mỗi tài liệu được đánh số bởi nhóm thống kê. Có thể thấy rằng, trong 4 năm gần đây song sinh số đang được chú trọng quan tâm trong lĩnh vực sản xuất và y học chính xác. 

Biểu đồ thể hiện số lượng các ấn bản về song sinh số trong các lĩnh vực (2)

Các đặc tính quan trọng của song sinh số

Đến nay, thế giới vẫn chưa có một khái niệm thống nhất, chuẩn mực cho song sinh số. Mỗi lĩnh vực, mỗi ứng dụng lại có một khái niệm riêng, và có thể tương đối cụ thể cho song sinh số tương ứng. Tuy vậy, thông qua việc phân tích các công nghệ trong hơn 100 các bài báo khoa học, nhóm nghiên cứu của TS. Barbara đã chỉ ra các đặc tính chung quan trọng sau đây của song sinh số:

• Cả bản sao số và bản gốc vật lý đều cần được trang bị các thiết bị mạng để bảo đảm sự kết nối và trao đổi dữ liệu liên tục, thông qua giao tiếp mạng trực tiếp hoặc qua kết nối đám mây.  
• Dữ liệu mà bản sao số nhận được là dữ liệu động liên tục thể hiện trạng thái và mọi sự thay đổi của bản gốc vật lý và dữ liệu động của môi trường (thực) xung quanh. Ngược lại, bản sao số cũng cần liên tục gửi thông tin đến bản gốc vật lý, đến các chuyên gia và đến các bản sao số khác trong cùng môi trường làm việc, nhằm dự báo và đưa ra chỉ thị cho công tác bảo trì và tối ưu hóa các chức năng của bản gốc.
• Toàn bộ dữ liệu trao đổi được lưu trữ trong một hệ thống lưu trữ dữ liệu và có thể được truy xuất bởi hệ thống song sinh số. Hệ thống cũng lưu trữ cả các dữ liệu tĩnh trong quá khứ phản ánh “bộ nhớ” của bản gốc vật lý, cũng như dữ liệu lịch sử thiết bị được cung cấp bởi nhà sản xuất, nhà quản lý. Ngoài ra, những dữ liệu mô tả các đặc tính bất biến theo thời gian của bản gốc vật lý cũng cần được hệ thống lưu trữ. 
• Song sinh số phải vận dụng được hình thái “ontology” nhằm tổng hợp và chính quy hóa dữ liệu. Ontology (3) là một đặc tả chính quy, tường minh của các khái niệm, là mô hình dữ liệu chuyên dùng biểu diễn một lĩnh vực, cung cấp một bộ từ vựng chung bao gồm các khái niệm, các thuộc tính quan trọng trong lĩnh vực cần biểu diễn và các định nghĩa về các khái niệm và các thuộc tính này. Điều quan trọng ở đây là ontology là hình thức biểu diễn tri thức có tính cấu trúc cao và có thể “hiểu” được bởi máy tính.
• Song sinh số phải có khả năng xử lý dữ liệu nhiều chiều, do đó cần sử dụng các kỹ thuật phân tích, giải mã dữ liệu nhiều chiều, cũng như kỹ thuật dung hợp dữ liệu (data fusion).
• Để bản sao số có thể “hiểu”, phân nhóm, phân loại, đặc tính hóa dữ liệu nhận được từ bản gốc vật lý và môi trường xung quanh (qua IoT), có thể sử dụng các thuật toán như nhận dạng mẫu (pattern recognition), học không giám sát hoặc có giám sát (unsupervised/supervised learning), và các ứng dụng thống kê.
• Công nghệ song sinh số thường bao hàm một AI tự cải thiện mà năng lực dự báo của nó liên tục được cải tiến trong quá trình nó xử lý các dữ liệu nhận được từ bản gốc vật lý và môi trường xung quanh. AI này có thể xem như bộ não ảo của bản sao số. 
• Nhờ vào công nghệ cảm biến, IoT và năng lực lưu trữ dữ liệu lớn ngày nay, các dữ liệu có tính mô tả có thể được liên tục được trao đổi và cập nhật, nhờ đó mà bản sao số luôn “nhận thức” được mọi điều xảy ra trong thế giới thực. Bằng việc sử dụng các giải thuật dung hợp dữ liệu (data fusion) cùng với các kỹ thuật phân tích dữ liệu lớn, các thuật toán trí tuệ nhân tạo có tính mô tả, bản sao số có thể tiến hóa cùng với bản gốc vật lý. Sự cùng tiến hóa này được thuận lợi thực thi nhờ vào khả năng tái cấu trúc nhanh của bản sao số, do kiến trúc của nó có cấu trúc mô đun (module) hóa và tham số hóa cao. 

Một mô hình song sinh số cho đối tượng là một dây chuyền sản xuất (4)

• Do có thể thử nghiệm trước các tình huống nên song sinh số có năng lực phân tích dự báo, có thể dự báo các trạng thái tương lai và các thay đổi của bản gốc vật lý, chẳng hạn như các hỏng hóc của bản gốc. Khi biết trước các mục tiêu, yêu cầu, và các ràng buộc (mô tả bởi dữ liệu tĩnh) của bản gốc vật lý, từ các kết quả thử nghiệm trước, có thể đưa ra một tập hợp các lựa chọn quyết định hợp lý cho việc vận hành, bảo trì bản gốc vật lý. Đặc biệt hơn nữa, khi áp dụng các giải thuật tối ưu xét đến tính ngẫu nhiên, song sinh số có thể đưa ra lựa chọn tối ưu nhất cho bản gốc trong điều kiện dữ liệu có tính bất định.

Ngoài những đặc tính thuần túy liên quan đến việc xây dựng hệ thống song sinh số như kể trên, cũng cần phải nhắc đến một đặc điểm chung và cũng khá quan trọng, đó là việc sử dụng kỹ thuật hình ảnh 3D và/hay công nghệ thực tế ảo nhằm thể hiện bản sao số trong quá trình tương tác với người quan sát hoặc người điều khiển hệ thống. Hình thức thể hiện 3D hay thực tế ảo làm cho bản sao số trở nên sinh động, trực quan, và góp phần hoàn thiện công nghệ song sinh số, đúng như tên gọi của nó.

Công nghệ song sinh số nhà máy điện   

Trong lĩnh vực hệ thống điện, đặc biệt là nhà máy điện, đã và đang có nhiều phòng nghiên cứu và doanh nghiệp nghiên cứu và ứng dụng công nghệ song sinh số, điển hình như: Phòng thí nghiệm năng lượng quốc gia và Phòng thí nghiệm quốc gia Argonne thuộc Bộ năng lượng Mỹ, các tập đoàn năng lượng lớn như General Electric (GE), SIEMENS, ABB, MITSUBISHI, hoặc các công ty như AVEVA, OVATION, TATA, TOSHIBA.

Trong số đó, bài viết này sử dụng ví dụ minh họa về song sinh số của General Electric (GE) là nơi phát triển công nghệ song sinh số nhà máy điện khá sớm, từ trước 2016. GE đã đưa ra mô tả song sinh số cụ thể cho nhà máy điện, như được thể hiện trong hình và diễn giải dưới đây (5):

Mô hình song sinh số tổ máy phát của GE (5) 

Song sinh số nhà máy điện GE là một tập hợp có tổ chức của các phương pháp dựa trên mô hình vật lý và kỹ thuật phân tích tiên tiến, bao gồm cả trí tuệ nhân tạo, nhằm thể hiện, mô hình hóa trạng thái hiện tại của tất cả bộ phận của nhà máy điện, ở các phương diện về nhiệt, cơ khí, điện, hóa, cơ lưu chất, vật liệu, tuổi thọ, kinh tế và thống kê. Mô hình song sinh số GE cũng là đại diện chính xác của nhà máy dưới một tập hợp các điều kiện biến thiên liên quan đến vận hành - hỗn hợp nhiên liệu, nhiệt độ môi trường, chất lượng không khí, độ ẩm, phụ tải, mô hình dự báo thời tiết, và định giá của thị trường điện. Mô hình song sinh số liên kết với dữ liệu cảm biến từ nhà máy, cho phép dự báo các thông số vận hành, đánh giá các tình huống, chi phí cơ hội, cũng như nâng cao hiệu suất của nhà máy.             

Các kỹ thuật trí tuệ nhân tạo được sử dụng trong công nghệ song sinh số nhà máy điện GE là: Nhận dạng mẫu, các mô hình học giám sát/không giám sát, phân tích dữ liệu phi cấu trúc, phân tích dữ liệu đa phương thức, mạng tri thức. Hình dưới đây trình bày quá trình đồng bộ hóa bản sao số với nhà máy điện thông qua kỹ thuật học có giám sát.

Bản sao số được đồng bộ thông qua kỹ thuật học có giám sát (5) 

Công nghệ song sinh số GE cũng sử dụng các công nghệ cảm biến phù hợp với điều kiện môi trường khắc nghiệt trong nhà máy: cảm biến in được, cảm biến thời tiết/áp suất, cảm biến phân tích bộ phận nhà máy, cảm biến kiểm tra. 

Có thể thấy rằng mô hình song sinh số nhà máy điện GE được mô tả không đi ra ngoài các đặc tính quan trọng đã được liệt kê ở phần trên. Bên cạnh đó, việc các phương diện, khía cạnh vật lý được xem xét và các ứng dụng của mô hình được cụ thể hóa trong mô tả của GE có thể cho ta một cái nhìn rõ ràng và trực tiếp hơn về song sinh số.  

Thực hiện: Trần Huỳnh Ngọc

Tài liệu tham khảo:

1. https://er.jsc.nasa.gov/seh/pg13.htm
2. Barbara R. Barriceli, Elenne Casiragi, Daniela Fogli,”A Survey on Digital Twin: Definitions, Characteristics, Applications, and Design Implications”, IEEE Access, Nov 14, 2019.
3. http://ontology-study.blogspot.com/2011/09/ontology-la-gi.html
4. https://www2.deloitte.com/cn/en/pages/consumer-industrial-products/articles/industry-4-0-and-the-digital-twin.html
5. GE Digital Twin, Analytic Engine for the Digital Power Plant. General Electric, 2016.