ການເພີ່ມປະສິດທິພາບຊັບພະຍາກອນສໍາລັບກໍາໄລ: Digital Twin Tech ມີຄວາມຈໍາເປັນບໍ?
ມູນຄ່າຂອງເຕັກໂນໂລຢີໃດໆໃນທີ່ສຸດກໍ່ແມ່ນຢູ່ໃນຄວາມສາມາດໃນການເພີ່ມປະສິດທິພາບຄ່າໃຊ້ຈ່າຍແລະຊັບພະຍາກອນ. ການມີຄວາມສາມາດໃນການເກັບກ່ຽວຜົນລັບລ່ວງໜ້າເຮັດໃຫ້ຜູ້ປູກອາຫານໄດ້ຮັບຜົນປະໂຫຍດຂອງການເບິ່ງລ່ວງໜ້າ ເຊິ່ງສາມາດນຳມາໃຊ້ໃນຊີວິດຈິງໄດ້. ຕົວຢ່າງຂອງຄໍາຮ້ອງສະຫມັກໃນຊີວິດຈິງແລະການຄ້າຂອງເຕັກໂນໂລຢີ Digital Twin ແມ່ນກົນໄກ ຮູບແບບທີ່ພັດທະນາໂດຍ Tom De Swaef ທີ່ມະຫາວິທະຍາໄລ Gantt. ບໍລິສັດແບນຊິກ 2Grow ນໍາໃຊ້ຮູບແບບນີ້ເພື່ອວັດແທກການປ່ຽນແປງຂອງການໄຫຼຂອງນ້ໍາແລະຄວາມຫນາຂອງລໍາໃນຕົ້ນຫມາກເລັ່ນ. ໄດ້ ເປົ້າໝາຍຂອງບໍລິສັດ ເພື່ອຫຼຸດຜ່ອນພື້ນທີ່ 20% ທີ່ໃຊ້ໃນການຜະລິດພືດ.
It ຍັງບໍ່ຈະແຈ້ງວ່າຊຸມຊົນກໍາລັງພະຍາຍາມຮັບເອົາຄູ່ແຝດດິຈິຕອນ ໃນການດໍາເນີນງານຂອງຕົນ. ຍິ່ງໄປກວ່ານັ້ນ, ມັນສາມາດໂຕ້ຖຽງໄດ້ວ່າໃນກໍລະນີຫຼາຍທີ່ສຸດ, ເຕັກໂນໂລຢີຄູ່ແຝດດິຈິຕອນແມ່ນບໍ່ຈໍາເປັນ. ຄວາມກ້າວຫນ້າໃນການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະຄາດຄະເນເຫດການທີ່ສໍາຄັນໂດຍບໍ່ມີການສ້າງແບບຈໍາລອງອັນເຕັມທີ່ທີ່ຕ້ອງການຂໍ້ມູນທີ່ມີຄຸນນະພາບສູງທີ່ມີຈໍານວນຫຼວງຫຼາຍເຊິ່ງມີລາຄາແພງທີ່ຈະໄດ້. ໃນຖານະທີ່ຜູ້ຜະລິດອາຫານຕ້ອງການຄາດຄະເນຄຸນສົມບັດບາງຢ່າງ, ການສຸມໃສ່ການວັດແທກແລະການຕິດຕາມການປ່ຽນແປງທີ່ສໍາຄັນອາດຈະເປັນສິ່ງທີ່ຈໍາເປັນເພື່ອສ້າງຮູບແບບການຄາດເດົາທີ່ປະສົບຜົນສໍາເລັດ. ຍິ່ງໄປກວ່ານັ້ນ, ນີ້ແມ່ນລາຄາທີ່ເຫມາະສົມຫຼາຍ, ເຮັດໃຫ້ມັນສາມາດບັນລຸໄດ້ສໍາລັບຜູ້ຜະລິດອາຫານທີ່ຕ້ອງການເບິ່ງ ROI ທັນທີກ່ຽວກັບການຈັດຕັ້ງປະຕິບັດຕົວແບບຄາດຄະເນ.
ຕົວຢ່າງ, ຖ້າປູກມັນຕົ້ນ, ມັນຈໍາເປັນຕ້ອງມີຕົວຊີ້ວັດສໍາລັບສັດຕູພືດເຊັ່ນ: ພະຍາດ blight ທ້າຍ, ທີ່ເກີດຈາກເຊື້ອເຫັດທີ່ເຮັດໃຫ້ເກີດຄວາມລົ້ມເຫຼວຂອງພືດໃນໄລຍະສັ້ນ, ຖ້າມາດຕະການຄວບຄຸມທີ່ເຫມາະສົມບໍ່ໄດ້ຖືກປະຕິບັດ. ສໍາລັບການປູກພືດແຖວນີ້ຢູ່ໃນພື້ນທີ່ກວ້າງຂອງພື້ນທີ່ເປີດ, ການມີກ້ອງຖ່າຍຮູບຕິດຢູ່ໃນລະບົບຊົນລະປະທານ pivot ສາມາດກໍານົດພະຍາດຫຼືບັນຫາຕ່າງໆໄດ້ຢ່າງມີປະສິດທິພາບແລະປະສິດທິຜົນ. ຂໍ້ມູນທີ່ຈໍາເປັນເພື່ອສ້າງຄູ່ແຝດດິຈິຕອນສໍາລັບພື້ນທີ່ເປີດຂອງມັນຕົ້ນຈະມີມູນຄ່າໂຊກ, ແລະການສ້າງແບບຈໍາລອງທັງຫມົດໃນລະດັບດັ່ງກ່າວເພື່ອໃຫ້ມີຄວາມເຂົ້າໃຈທີ່ສາມາດໄດ້ຮັບດ້ວຍເຕັກໂນໂລຢີທີ່ງ່າຍດາຍແລະລາຄາຖືກກວ່າ, ພຽງແຕ່ບໍ່ມີຄວາມຫມາຍ.
- ວີດີໂອເກມ SimCity ໄດ້ແຕກແຍກໃນຊຸມປີ 90 ຍ້ອນວ່າຜູ້ຫຼິ້ນກາຍເປັນພະເອກຂອງເມືອງຂອງຕົນເອງ ໃນຂະນະທີ່ພວກເຂົາອອກແບບ ແລະສ້າງເມືອງທີ່ສວຍງາມ ແລະມີຄວາມວຸ້ນວາຍແບບດິຈິຕອລ. ໄວກວ່າ 30 ປີ, ແລະພວກເຮົາມີເທັກໂນໂລຍີໃນການສ້າງຕົວແທນດິຈິຕອນທີ່ຖືກຕ້ອງຢ່າງບໍ່ໜ້າເຊື່ອຂອງຕົ້ນໄມ້, ນິຄົມ ຫຼືສວນໝາກໄມ້ໃນໂລກຕົວຈິງ. ຄືກັນກັບໃນ SimCity ພວກເຮົາສາມາດຈໍາລອງວິທີການພັດທະນາຂອງຕົວເມືອງໂດຍອີງໃສ່ສິ່ງທີ່ພວກເຮົາ "ລົງທຶນ" ພາຍໃນເກມ, ຕອນນີ້ພວກເຮົາສາມາດສ້າງການຈໍາລອງວິທີການປູກຕົ້ນໄມ້ໃນສະຖານະການຕ່າງໆ - ຊ່ວຍໃຫ້ພວກເຮົາປັບປຸງຄວາມພະຍາຍາມທາງດ້ານກະສິກໍາທີ່ມີຄວາມເຂົ້າໃຈທີ່ບໍ່ເຄີຍມີມາກ່ອນ.
- ຄູ່ແຝດດິຈິຕອລແມ່ນຕົວແທນດິຈິຕອນຂອງສິ່ງທີ່ແທ້ຈິງໃນໂລກ. ມັນສາມາດຖືກນໍາໃຊ້ເພື່ອຕິດຕາມກວດກາ 'ສິ່ງ' ທີ່ແທ້ຈິງຈາກໄລຍະໄກ. ເພື່ອສະຫນອງການເປັນຕົວແທນທີ່ຖືກຕ້ອງແລະເປັນຈິງສໍາລັບຄູ່ແຝດໃນໂລກທີ່ແທ້ຈິງ, ຄູ່ແຝດດິຈິຕອນຕ້ອງໄດ້ຮັບການແຈ້ງຂໍ້ມູນຜ່ານການວັດແທກດິຈິຕອນຂອງຫນ່ວຍງານທີ່ແທ້ຈິງ. ໃນການກະສິກໍານີ້ອາດຈະເປັນຂໍ້ມູນທີ່ມາຈາກເຄື່ອງມືເຊັ່ນ: ເຊັນເຊີດິນ, ຮູບພາບພືດ, ຂໍ້ມູນດິນຟ້າອາກາດ, ແລະອື່ນໆ.
- ການເປັນຕົວແທນດິຈິຕອນໃຫມ່, ຫຼືຄູ່ແຝດດິຈິຕອນ, ຄວນສະທ້ອນໃຫ້ເຫັນຄວາມພະຍາຍາມກະສິກໍາທັງຫມົດ: ຊັບສິນທາງດ້ານຮ່າງກາຍ, ຂະບວນການ, ລະບົບ, ຊັບພະຍາກອນ, ທຸກສິ່ງທຸກຢ່າງ. ໃນທາງກັບກັນ, ນີ້ເຮັດໃຫ້ພວກເຮົາສາມາດຈໍາລອງ, ວາງແຜນ, ວິເຄາະ, ແລະປັບປຸງຂະບວນການກະສິກໍາໃນລະດັບທີ່ບໍ່ເຄີຍມີມາກ່ອນ. ຢ່າງໃດກໍ່ຕາມ, ມັນເປັນສິ່ງຈໍາເປັນແທ້ໆສໍາລັບຜູ້ປູກອາຫານເພື່ອປະຕິບັດເຕັກໂນໂລຢີທີ່ມີລາຄາແພງນີ້ - ຫຼືພວກເຂົາສາມາດໄດ້ຮັບຄວາມເຂົ້າໃຈທີ່ພວກເຂົາຕ້ອງການຈາກເຊັນເຊີທີ່ສາມາດເຂົ້າເຖິງໄດ້ແລະລາຄາທີ່ເຫມາະສົມທີ່ຈະຊ່ວຍໃຫ້ພວກເຂົາຕິດຕາມແລະຄາດຄະເນຜົນໄດ້ຮັບທີ່ສໍາຄັນ?
ການຂະຫຍາຍຕົວແລະການຮັບຮອງເອົາຄູ່ແຝດດິຈິຕອນແລະທ່າແຮງຂອງພວກເຂົາໃນກະສິກໍາ
Gartner ຄາດຄະເນວ່າໃນປີ 2021, ເຄິ່ງຫນຶ່ງຂອງບໍລິສັດອຸດສາຫະກໍາຂະຫນາດໃຫຍ່ຈະໃຊ້ ຄູ່ແຝດດິຈິຕອນ, ເຊິ່ງຈະແປເປັນການປັບປຸງ 10% ໃນປະສິດທິພາບສໍາລັບອົງການຈັດຕັ້ງເຫຼົ່ານັ້ນ. ຢ່າງໃດກໍຕາມ, ແນວຄວາມຄິດຂອງຄູ່ແຝດດິຈິຕອນໄດ້ປະມານທົດສະວັດ. ສໍາລັບໃນໄລຍະ 30 ປີ, ຜະລິດຕະພັນແລະທີມງານວິສະວະກໍາຂະບວນການໄດ້ນໍາໃຊ້ renderings 3D ຂອງ ການອອກແບບທີ່ໃຊ້ຄອມພິວເຕີ ຮູບແບບ (CAD), ຮູບແບບຊັບສິນ, ແລະການຈໍາລອງຂະບວນການເພື່ອຮັບປະກັນແລະຄວາມຖືກຕ້ອງຂອງການຜະລິດ. ຕົວຢ່າງ, ອົງການ NASA ໄດ້ດໍາເນີນການຈໍາລອງຍານອະວະກາດທີ່ສະລັບສັບຊ້ອນສໍາລັບທົດສະວັດ. ຢ່າງໃດກໍ່ຕາມ, ການປະດິດສ້າງໃນການຮຽນຮູ້ເຄື່ອງຈັກແລະ AI ກໍາລັງນໍາເອົາແນວຄວາມຄິດຂອງຄູ່ແຝດດິຈິຕອນໄປສູ່ແຖວຫນ້າ, ການສ້າງ hype ຢ່າງຫຼວງຫຼາຍເປັນທ່າອ່ຽງລົບກວນທີ່ມີຜົນກະທົບຢ່າງກວ້າງຂວາງໃນອະນາຄົດອັນໃກ້ນີ້.
ໃນເວລາທີ່ມັນມາກັບຂະບວນການກະສິກໍາ, ການນໍາໃຊ້ Digital Twins ເປັນວິທີການສູນກາງສໍາລັບການຄຸ້ມຄອງກະສິກໍາ ສາມາດເຮັດໃຫ້ decoupling ຂອງກະແສທາງດ້ານຮ່າງກາຍຈາກການວາງແຜນແລະການຄວບຄຸມຂອງຕົນ. ດັ່ງນັ້ນ, ຊາວກະສິກອນສາມາດຈັດການການດໍາເນີນງານຫ່າງໄກສອກຫຼີກໂດຍອີງໃສ່ (ໃກ້) ຂໍ້ມູນດິຈິຕອນໃນເວລາທີ່ແທ້ຈິງແທນທີ່ຈະຕ້ອງອີງໃສ່ການສັງເກດໂດຍກົງແລະວຽກງານຄູ່ມືຢູ່ໃນສະຖານທີ່. ນີ້ອະນຸຍາດໃຫ້ພວກເຂົາປະຕິບັດທັນທີໃນກໍລະນີຂອງ (ຄາດຫວັງ) deviations ແລະຈໍາລອງຜົນກະທົບຂອງການແຊກແຊງໂດຍອີງໃສ່ຂໍ້ມູນຊີວິດຈິງ. ຕົວຢ່າງ, ສວນໝາກໄມ້ແບບດິຈິຕອລຂອງສວນໝາກໄມ້ສາມາດແຈ້ງເຕືອນສວນໝາກໄມ້ເກີນການຊົນລະປະທານໄດ້ ໂດຍທີ່ຊາວກະສິກອນຜູ້ນັ້ນບໍ່ຕ້ອງກວດກາສວນໝາກກ້ຽງ.
ຄວາມຄິດຂອງກ ສວນຜັກດິຈິຕອລ ເປັນທີ່ດຶງດູດໃຈທີ່ສຸດຂອງຊາວກະສິກອນທີ່ເຂົ້າໃຈລັກສະນະການອອກແຮງງານຫຼາຍຂອງການຕິດຕາມ, ການຄາດຄະເນ, ແລະການຄວບຄຸມສຸຂະພາບຂອງຕົ້ນໄມ້ໃຫ້ຫມາກແລະຄຸນນະພາບຂອງການເກັບກ່ຽວຂອງເຂົາເຈົ້າ. ນັກວິທະຍາສາດຢູ່ມະຫາວິທະຍາໄລຄວີນແລນໄດ້ພັດທະນາແບບຈໍາລອງຂອງສວນໝາກກ້ຽງທີ່ມີການປູກພືດທີ່ເຕີບໂຕຊ້າເຊັ່ນ: ຫມາກມ່ວງ ແລະ macadamia. ນີ້ສາມາດເຮັດໃຫ້ຜູ້ໃຊ້ສາມາດທົດລອງແນວຄວາມຄິດໃຫມ່ຢ່າງໄວວາແລະໄດ້ຮັບຄວາມເຂົ້າໃຈກ່ຽວກັບວິທີການປັບປຸງລະບົບການຜະລິດທີ່ດີທີ່ສຸດ. ນັກຄົ້ນຄວ້າຢູ່ໃນໂຄງການໄດ້ເນັ້ນຫນັກເຖິງວິທີການຈໍາລອງແບບທັນທີເຫຼົ່ານີ້ໂດຍສະເພາະແມ່ນຜົນປະໂຫຍດຕໍ່ການປູກພືດທີ່ເຕີບໂຕຊ້າເຊັ່ນຕົ້ນໄມ້ກິນຫມາກ.
ມີກໍລະນີການນໍາໃຊ້ສະເພາະທີ່ມັນເຮັດໃຫ້ຄວາມຮູ້ສຶກທາງດ້ານການເງິນໃນການສ້າງຄູ່ແຝດດິຈິຕອນ, ເຊັ່ນ: ສໍາລັບການປັບປຸງພັນພືດ, ບ່ອນທີ່ຕົວແບບສາມາດຊ່ວຍໃຫ້ທ່ານສາມາດຄາດຄະເນໄດ້ໄວຂຶ້ນຖ້າຫາກວ່າແນວພັນທີ່ສະເພາະແມ່ນບໍ່ມີຄວາມເປັນໄປໄດ້ທາງດ້ານການຄ້າ. ແຕ່ໃນຫຼາຍໆກໍລະນີ, ບໍ່ຈໍາເປັນຕ້ອງຂັດຫມາກແຫ້ງເປືອກແຂງດ້ວຍໄມ້ຄ້ອນຕີ.
- Raviv Itzhaky ແມ່ນຜູ້ຮ່ວມກໍ່ຕັ້ງແລະ CTO ຂອງ ເຕັກໂນໂລຍີ Prospera, ນໍາພາວິໄສທັດດ້ານວິຊາການຂອງບໍລິສັດໃນການຫັນປ່ຽນວິທີການປູກອາຫານໂດຍໃຊ້ວິທະຍາສາດຂໍ້ມູນແລະ AI. ລາວໃຊ້ຄວາມຊ່ຽວຊານຂອງລາວໃນການພັດທະນາສູດການຄິດໄລ່, ຄະນິດສາດແລະການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອແກ້ໄຂບັນຫາຕົວຈິງ. ກ່ອນທີ່ຈະ Prospera, Raviv ພັດທະນາ algorithms ຢູ່ບໍລິສັດຄວາມປອດໄພທາງອິນເຕີເນັດ BioCatch, ແລະເຮັດຫນ້າທີ່ເປັນວິສະວະກອນປະມວນຜົນສັນຍານກັບ IDF. ລາວໄດ້ຮັບ BSc ໃນຟີຊິກແລະ MSc ໃນຟີຊິກສະຫມັກຈາກມະຫາວິທະຍາໄລ Hebrew.