Nvidia rapproche Omniverse des jumeaux numériques connectés – et de l’automatisation complète

Divulgation : Nvidia est un client de l’auteur.

Nvidia a annoncé ce mois-ci une série d’améliorations à son outil de création et de simulation Omniverse. Collectivement, ils connectent plus étroitement les instances de métaverse aux appareils du monde réel qu’ils émulent, garantissant que tous les jumeaux numériques associés sont synchronisés en temps réel avec leurs homologues du monde réel, augmentant considérablement le réalisme.

Cela aura plusieurs avantages à court terme pour l’administration à distance de toute solution couverte par une simulation de métaverse ; il fournira également un chemin plus court vers l’automatisation complète et définira un cadre qui devrait rendre cette dernière étape plus rapide et plus fiable.

Explorons le métaverse connecté cette semaine et pourquoi il accélérera l’automatisation complète.

Des jumeaux numériques connectés à la rescousse

Le concept de jumeaux numériques connectés est essentiel pour rendre les simulations plus réalistes en utilisant des capteurs pour s’assurer que les jumeaux imitent de manière réaliste leurs homologues réels. Cela permettrait à un administrateur distant (ou même sur site) de mieux localiser et évaluer les problèmes avant qu’ils ne conduisent à des défaillances. Par exemple, dans le cas d’un capteur de relèvement qui serait généralement invisible à l’œil humain, les capteurs pourraient traduire une défaillance en un repère visuel sur le jumeau, mettant en évidence le problème. (L’administrateur peut voir le problème via une instance de métaverse virtuellement ou en utilisant des lunettes AR.)

L’identification rapide des équipements non conformes aux spécifications et en danger de défaillance (à cause d’un excès de chaleur, de bruit ou de vibrations) faciliterait la maintenance préventive et fournirait une interface de support plus riche qu’un tableau de bord classique. Cela signifie qu’un technicien arrivera plus probablement sur les lieux avec les outils et les pièces nécessaires pour corriger le problème plutôt que de faire d’abord un diagnostic, puis de revenir pour résoudre le problème.

Ajouter l’intelligence artificielle (IA) au mélange

Nvidia a également annoncé la formation d’IA pour aider à diagnostiquer un problème et donner des conseils sur la façon de le corriger en utilisant des données synthétiques pour réduire le temps de formation de l’IA. Prenez ce roulement défaillant, par exemple – plutôt que de simplement en remplacer un, il pourrait être plus logique de remplacer plusieurs autres pièces périssables en même temps pour minimiser les coûts de démontage et d’assemblage. L’IA pourrait déterminer, sur la base des réparations historiques, que le mauvais roulement est un précurseur d’autres défaillances, permettant à une technologie d’anticiper et de résoudre les problèmes futurs avant qu’ils ne surviennent.

Par exemple, les réparations non critiques peuvent souvent être traitées à moindre coût si la technologie est sur place et travaille déjà sur autre chose.

Prochaine étape : les réparations robotiques ?

Lorsque vous associez les efforts de robotique de Nvidia, les réparations peuvent contourner une technologie humaine et utiliser une réparation robotique formée que l’administrateur distant peut déclencher avec une interface AI. En fonction de ce qui convient le mieux aux circonstances, l’administrateur peut lancer une réponse automatisée par l’IA en utilisant l’équipement déjà sur place, ce qui accélère considérablement la réparation.

Avec ce type de système en place, le rôle de l’administrateur devient plus simple car les tâches sont bien définies et leurs déclencheurs déjà entièrement instrumentés et intégrés à la solution. Vous n’aurez peut-être pas du tout besoin d’un administrateur.

Passer à l’automatisation complète

Le chemin vers une automatisation complète pourrait prendre une décennie ou plus. Les premières étapes seraient d’instrumenter entièrement les zones à couvrir, de créer des jumeaux numériques connectés de l’infrastructure à entretenir, puis d’utiliser l’IA basée sur une combinaison de données réelles et synthétiques pour optimiser la maintenance et les réparations. Ces données pourraient être utilisées dans le cadre du package de formation pour les robots sur site, tandis que les fonctions administratives sont automatisées ; ce dernier devrait être la partie la plus facile du processus.

Assurer l’intégrité des données et anticiper leur utilisation éventuelle pour la formation à l’IA serait essentiel pour assurer un déploiement rapide et efficace des fonctions ultérieures. Je m’attends à ce que l’étape la plus difficile soit l’automatisation des réparations. Peu de systèmes sont créés aujourd’hui avec l’exigence qu’ils soient entretenus par robot, mais cela changera avec le temps.

J’ai visité des sites qui poursuivent l’approche de la maintenance en réalité augmentée, suggérant que le passage initial aux jumeaux numériques connectés pourrait déjà être effectué sur plusieurs sites. Nous avons maintenant un chemin raisonnablement bien défini vers l’automatisation complète des centres de données (c’est ce que Nvidia a démontré). Cette vidéo Nvidia montre comment vous pourriez initialement utiliser le métaverse pour vous connecter à un centre de données, et celle-ci parle de l’automatisation d’un site entier. Enfin, cette vidéo montre ce qui pourrait arriver si un administrateur avait trop de temps et trop peu de supervision.

D’accord, ce dernier était une blague. Mais cela démontre que dans le métaverse, les règles ne doivent pas s’appliquer, ouvrant finalement la porte à des innovations que nous ne pouvons qu’imaginer.

Copyright © 2022 IDG Communications, Inc.