Digital Twin, Digital Data

Image Credit: ภาพประกอบจากภาพยนต์เรื่อง A.I. Love You (2016)

หลังจากที่คุณมาร์คเปลี่ยนชื่อบริษัทเจ้าของแอ็ปฯสำหรับแอบเผือกชาวบ้านชาวช่องอย่าง Facebook เป็น Meta ก็เริ่มมีกระแสพูดถึง avatar หรือตัวแทนของเราในโลก Meta และยังมีการพูดถึง digital twin หรือ ฝาแฝดดิจิทัล กันมากขึ้นอีกด้วย ว่าแต่ digital twin นี่มันอะไรกันนะ มันต่างจาก avatar ของเราในเกมส์ มีประโยชน์ยังไง มันเกี่ยวอะไรกับ big data ทำไม Gartner ก็คิดว่าเป็นเทคโนโลยีที่น่าจับตามองตั้งแต่ปี 2017 ไปหาอ่านนิยาม มีบางคนเขียนว่า "A living model that drives a business outcome." ซึ่งไม่ช่วยให้เรารู้อะไรมากขึ้นเลย เรามาชวนคุยกันเรื่องของ digital twin ในมุมมองของข้อมูลกันบ้าง 

Apollo Simulators at Mission Control in Houston. Image Credit: NASA

แนวคิดของ digital twin มีมาตั้งแต่ ยุคบุกเบิกการสำรวจอวกาศ ซึ่ง NASA ใช้ mirroring technology สร้างระบบคู่แฝดเพื่อจำลองการทำงานของยานอวกาศ ช่วยให้วิศวกรภาคพื้นดิน วิเคราะห์ แก้ปัญหา และจำลองสถานการณ์ที่เกิดขึ้นในอวกาศได้ ส่วนคำว่า digital twin นั้นมาเกิดขึ้นภายหลังในปี 2002 โดย Dr. Michael Grieves ให้นิยามการสร้างแบบจำลองทางดิจิตอลจากสิ่งของในโลกกายภาพ เพื่อประโยชน์ในการวิจัยและพัฒนาทางวิศวกรรม ไม่ว่าสิ่งของนั้นจะเป็น เครื่องยนต์รถฟอร์มูล่าวัน สิ่งก่อสร้างอย่างตึกหรือสะพาน จนถึงกระบวนการทางวิศวกรรมเคมี แน่นอนว่ามันเกิดมาในยุคที่การออกแบบทางวิศวกรรม นิยมทำกันในคอมพิวเตอร์ และสามารถใช้ทดสอบและจำลองสถานการณ์ต่างๆ อย่าง การสั่นสะเทือนของแผ่นดินไหวที่มีต่อตัวอาคาร การเปลี่ยนแปลงอุณหภูมิและความดันในหอกลั่น ลองนึกถึงยุคก่อนที่การออกแบบเครื่องบิน ต้องสร้างเครื่องบินจำลองขึ้นหลายๆ แบบ แล้วทดสอบทางอากาศพลศาสตร์ในอุโมงค์ลม ซึ่งใช้เวลาและต้นทุนสูง ในยุคหลังๆ เราสามารถออกแบบและทดสอบแบบจำลองได้ในคอมพิวเตอร์ ทำให้การปรับแก้ ทำได้รวดเร็วและต้นทุนต่ำกว่ามาก 

จากมุมมองเริ่มต้นนี้ องค์ประกอบสำคัญสำหรับ digital twin คือ ตัวแบบจำลองที่เป็นตัวแทนของวัตถุทางกายภาพเอง ไม่ว่าจะเป็น รูปทรงที่มีผลต่อแรงกระทำและการบิดงอของโครงสร้าง ประเภทของวัสดุกับการถ่ายเทความร้อน รูปแบบการเชื่อมโลหะ ที่มีผลกับแรงดึงและความเค้น เป็นต้น ในยุคแรกๆ นั้น digital twin จึงใช้ในส่วนการออกแบบและจำลองสถานการณ์ทางวิศวกรรมเป็นหลัก 

Digital Twin ของเครื่องยนต์ Gas Turbine. Image Credit: GE Research

ที่นี้เราข้ามมายุคปัจจุบัน เราเข้าสู่ยุคของ big data, Internet of Things (IoT) และ AI เป็นยุคที่เรามีข้อมูลได้มากและรวดเร็วเท่าที่เราต้องการ รายละเอียดต่างๆที่ได้จาก sensor ที่ติดไว้กับวัตถุทางกายภาพน้้น สามารถเดินทางข้ามระยะทางนับพันๆ กิโลเมตรในชั่วพริบตา เมื่อนำมาใช้ร่วมกับแบบจำลองที่เราสร้างขึ้น ทำให้ digital twin มีรายละเอียดด้านข้อมูลเกือบเทียบเท่าวัตถุจริง ขอบเขตการใช้งานขยายกว้างและถูกนำไปประยุกต์ใช้ในด้านต่างๆ ไม่ว่าจะเป็นเครื่องยนต์ กระบวนการ หรือ แม้แต่บริการต่างๆ ทำให้ความสามารถของ digital twin ไม่เพียงแต่ใช้ประโยชน์ในด้านการออกแบบและพัฒนาผลิตภัณฑ์เท่านั้น ยังสามารถใช้เพื่อ ติดตามผลแบบ real time วางแผนการซ่อมบำรุง ทำ what-if analysis ครอบคลุม ตั้งแต่เครื่องยนต์ในเครื่องบินโดยสารที่กำลังเดินทางข้ามมหาสมุทร สะพานในพื้นที่ห่างไกล เมืองทั้งเมือง หรือแม้แต่ร่างกายของเรา

ในการแง่ออกแบบและพัฒนานั้นก็ไม่ได้จำกัดเฉพาะอุปกรณ์หรือเครื่องจักรอีกต่อไป แม้แต่การวิจัยและพัฒนายารุ่นใหม่ก็ใช้จะประโยชน์จาก digital twin เช่นกัน เนื่องจากสารเคมีที่เป็นสารประกอบในตัวยา มีผลต่อร่างกายแต่ละคนแตกต่างกัน ซึ่งเราอาจวิเคราะห์จากโปรตีนที่เป็นองค์ประกอบในสารพันธุกรรมหรือ DNA ทำให้นักวิจัยคาดการณ์ผลตอบสนอง และผลข้างเคียงต่อที่มีต่อตัวยาในกลุ่มผู้ป่วยที่แตกต่างกัน ก่อนการพัฒนาและทดสอบในขั้นตอนต่อไป

digital twin ในยุคปัจจุบันจึงมีองค์ประกอบที่สำคัญ 2 ส่วนคือ แบบจำลอง (model) ที่เป็นตัวแทนของสิ่งของหรือกระบวนการ และข้อมูล (data) เพื่อบ่งบอกสภาวะหรือความเป็นจริงที่เกิดกับวัตถุหรือกระบวนการนั้นในขณะเวลาหนึ่งๆ

Digital Twin ภาพประกอบโดยผู้เขียน

คุณภาพของ digital twin จึงขึ้นคุณภาพของตัวแบบจำลองและคุณภาพของข้อมูลที่ใช้ ดังนั้นการเลือกข้อมูลเป็นตัวแทน และใช้เพื่อบ่งบอกสภาวะ ของสิ่งของหรือกระบวนการจึงมีความสำคัญ โดยเฉพาะในยุคที่เรามีข้อมูลมากจนล้นอย่างปัจจุบัน ตัวอย่างเช่น รถยนต์ขับเคลื่อนอัตโนมัติอย่าง "Jack" ของ Audi นั้นผลิตข้อมูลมากถึง 4 เทราไบต์ ต่อวันต่อคันเลยทีเดียว

ในแง่คุณภาพของตัวแบบจำลองนั้น ในทางวิศวกรรมนั้นเราสามารถทำได้ละเอียดทั้งในแง่ตัวแบบจำลอง และการตอบสนองของแบบจำลองภายใต้สภาวะต่างๆ เช่น เราสามารถคำนวณแรงยกของปีกเครื่องบินที่มุมประทะต่างๆ ในสภาวะของอุณหภูมิ ความดันอากาศ และความเร็วของมวลอากาศที่เคลื่อนที่ผ่านได้อย่างแม่นยำ แต่กรณีที่เป็นแบบจำลองของกระบวนการบริการลูกค้า เราอาจคำนวณค่าเฉลี่ยในการรอคอยของลูกค้าได้ หากมีการปรับเปลี่ยนหรือหยุดชะงักของกระบวนการ แต่เป็นการยากที่จะคำนวณ"ความพึงพอใจ"ที่เปลี่ยนแปลง  ซึ่งถือเป็นความท้าทายในกระบวนการการออกแบบ และนำไปสู่การตั้งคำถามและเลือกใช้ข้อมูลที่เหมาะสม

ในเง่ของข้อมูลนั้น ในสายงานข้อมูล หลายคนคุ้นเคยกันดีกับเทคนิคของการทำแบบจำลองข้อมูลหรือ data model ซึ่งเราใช้กันในการออกแบบระบบงาน หรือระบบฐานข้อมูลขนาดใหญ่อย่าง data warehouse ซึ่งเป็นการจำลองจากโลกแห่งความเป็นจริง โดยใช้ชุดข้อมูล และความสัมพันธ์ระหว่างชุดข้อมูลเพื่อเป็นตัวแทนของ กระบวนการทางธุรกิจ ธุรกรรม หรือบริการต่างๆ ซึ่งในการออกแบบนั้น มีขั้นตอนการวิเคราะห์เพื่อเลือกเก็บและใช้ข้อมูลที่มีความสำคัญกับธุรกิจหรือกระบวนการ เพื่อสร้างเป็นแบบจำลองข้อมูลขั้นมา กระบวนการเหล่านี้ช่วยให้เราสามารถแยกแยะ เน้นไปที่การจัดการกับข้อมูลที่มีนัยสำคัญกับการใช้งานของเราได้

การประยุกต์ใช้ digital twin ในสาย healthcare ภาพประกอบโดยผู้เขียน

digital twin เติบโตขึ้นอย่างรวดเร็วในภาคอุตสาหกรรมการผลิต พลังงาน เมืองอัจฉริยะ ยานยนต์ การบิน ไปจนถึงสายสุขภาพหรือ Healthcare อันเป็นผลจากตัวเร่งที่สำคัญอย่าง IoT และ AI ในสายสุขภาพนั้นมีความก้าวหน้าและทิศทางที่น่าสนใจหลายอย่าง ในอนาคตอันใกล้ เราอาจจะได้เห็น digital twin ของคุณหมอ กำลังบอกให้ digital twin ของเรา ให้ลากจอมขี้เกียจอย่างเราๆให้ออกไปวิ่งลดความอ้วนก็ได้ หรือไม่ก็ตอนตรวจร่างกายก็ส่ง digital twin เราไปฟังคุณหมอบ่นแทน

จะเห็นว่าในปัจจุบันเรากำลังก้าวเข้าสู่ยุคที่เราต้องใช้ความรู้และประสบการณ์จากสายงานต่างๆ ผสมผสานเข้าด้วยกัน ยุคที่ข้อมูลเข้าไปมีบทบาทสำคัญในสายงานต่างๆ ส่วนในการออกแบบและพัฒนา digital twin ผู้ออกแบบต้องมีความรู้เรื่องข้อมูลที่ต้องใช้กับแบบจำลองนั้น คนที่ทำงานด้านการจำลองสถานการณ์หรือ simulation ที่ใช้ข้อมูลนอกเหนือจากเพื่อจำลองเหตุการณ์แล้ว ยังสามารถติดตามและประเมินสถานะของสิ่งของหรือกระบวนการจริงทางกายภาพ โดยใช้ข้อมูลจริงจาก sensor ต่างๆ และเป็นยุคที่ data modeller ต้องมีความเข้าใจเรื่องการออกแบบ วัตถุ กระบวนการหรือบริการต่างๆ มากขึ้นนั่นเอง

Image Credit:

รูป icon ประกอบจาก flaticon, Marvel, lufthansa