یک Digital Twin را می توان با الگوریتم های هوشمند غنی کرد و ماشین ها یا روبات ها را به هم متصل کرد. بنابراین، پرورش دهندگان در صورت وجود مشکلات (مورد انتظار) از طریق Digital Twin هشدار دریافت می کنند و می توانند با مشاهده دیجیتالی گیاهان یا ماشین های درگیر، وضعیت گلخانه را از پشت میز یا گوشی هوشمند خود بررسی کنند. آنها همچنین می توانند از Digital Twin برای شبیه سازی دیجیتالی اثرات مداخلات از قبل استفاده کنند، سپس بهترین اقدام را از راه دور انجام دهند و پس از آن بررسی کنند که آیا مشکل واقعاً حل شده است یا خیر.
دوقلوهای دیجیتال یکپارچه برای تجارت و پرورش
با این حال، دوقلوهای دیجیتال به خودی خود یک هدف نیستند، بلکه وسیله ای برای بهبود نتایج کسب و کار هستند. بنابراین، برای آینده، من یک دوقلو دیجیتال لایه‌ای را تصور می‌کنم که شرکت، کشت و حتی گیاهان فردی را ترکیب می‌کند. نقطه عزیمت یک کابین مدیریتی با عملکرد واقعی و مورد انتظار تجاری، مانند زمان تحویل، کیفیت محصول، هدر رفتن، قیمت هزینه و قابلیت اطمینان تحویل خواهد بود.
من انتظار دارم که Digital Twins در آینده نزدیک به طور فزاینده ای در مدیریت کسب و کار تعبیه شود. در نتیجه، آنها اغلب از چندین سطح به هم پیوسته از شرکتی به کارخانه دیگر تشکیل می شوند. با این حال، این تنها در صورتی امکان پذیر است که داده های زیربنایی صحیح باشند.
به هر حال، گلخانه دیجیتال دوقلو به طور مستقل اکثر عملیات کشت را بر اساس هنجارهای از پیش تعیین شده مدیریت خواهد کرد. این به تولیدکنندگان اجازه می دهد تا روی استثناها و جنبه تجاری کشت تمرکز کنند.
دوقلوهای دیجیتال چیست؟
اصطلاح Digital Twin در سال 2012 توسط ناسا برای “آینه سازی” وضعیت دقیق یک وسیله نقلیه فضایی واقعی در طول ماموریت معرفی شد. بنابراین، در اصل، Digital Twin یک نمایش مجازی و دیجیتالی از یک شی فیزیکی است که در زمان واقعی (تقریباً) به آن مرتبط است. این نمایش می تواند اساسی باشد، به عنوان مثال، یک نمای کلی از یک گلخانه با داده های زنده. همچنین می تواند یک محیط واقع گرایانه باشد، به عنوان مثال، می توانید به طور مجازی در گلخانه قدم بزنید و گیاهان سه بعدی را بررسی کنید. اما همه دوقلوهای دیجیتال این پنج ویژگی را دارند:
- به موقع بودن: یک دوقلو دیجیتال دوقلو فیزیکی خود را در زمان واقعی (تقریباً) نشان می دهد، تغییرات در جسم فیزیکی (فورا) شناسایی و هماهنگ می شوند و بالعکس.
- وفاداری: قابلیت اطمینان و امنیت یک Digital Twin باید غیرقابل انکار باشد، که اجازه می دهد کورکورانه به Digital Twins برای تصمیم گیری اعتماد کنید.
- یکپارچه سازی: یک Digital Twin انواع مختلفی از داده ها را از جسم فیزیکی ادغام می کند و نمایش بدون ابهام آن را تضمین می کند.
هوش: دوقلوهای دیجیتال نه تنها داده‌های شی را منعکس می‌کنند، بلکه از الگوریتم‌هایی برای توصیف، تحلیل و پیش‌بینی رفتار همتای فیزیکی استفاده می‌کنند. - پیچیدگی: دوقلوهای دیجیتال می توانند اشیاء فیزیکی مختلف را در سطوح مختلف دانه بندی، از باغبانی، از ژنتیک گیاهان فردی گرفته تا یک شرکت یا زنجیره ارزش، منعکس کنند.
دوقلوهای دیجیتال در باغبانی در حال حاضر بر روی کشت تمرکز دارند
اگرچه اصطلاح Digital Twin به نظر می‌رسد یک کلمه کلیدی جدید باشد، من آن را توسعه مداوم باغبانی هوشمند و داده‌محور می‌دانم. در عمل، دوقلوهای دیجیتال در حال حاضر وجود دارند، اگرچه اغلب آنها هنوز چنین نامیده نمی شوند. بررسی ادبیات یکی از دانشجویان من در دانشگاه واگنینگن نشان می‌دهد که بیشتر آنها هنوز هم دوقلوهای دیجیتال نسبتاً «پایه» هستند که بر نظارت و کنترل از راه دور تمرکز دارند. با این حال، دوقلوهای دیجیتال پیشرفته تر، مانند پیش بینی (تقریباً) زمان واقعی، در حال ظهور هستند.
پرورش دهندگان می توانند عملیات را از راه دور نظارت و کنترل کنند که به اصطلاح Digital Twins فعال می شود. چنین دوقلوی مجازی یک کپی دیجیتالی مثلاً یک گلخانه است که به گلخانه واقعی مرتبط است و به طور مداوم به روز می شود.
دوقلوهای دیجیتال مختلف از این تحلیل با ابزارهای پشتیبانی تصمیم گیری هوشمند پشتیبانی می کنند. این ابزارها به کشاورز در مورد اقداماتی که باید انجام شود توصیه می‌کنند، به عنوان مثال، استفاده از 8000 کنه شکارچی اضافی علیه کنه‌های عنکبوتی در محفظه‌های A و B گلخانه Z. پس از تأیید پرورش‌دهنده، Digital Twin به یک پهپاد دستور می‌دهد تا دقیق را رها کند. تعداد کنه های شکارچی در نقاط مناسب
در Greentech در آمستردام، این بسیار مشهود بود. برای مثال، همه نوآوری‌های معرفی‌شده به جز یکی از راه‌حل‌های داده دیجیتال بودند. بری، ربات برداشت توت فرنگی، برنده جایزه مفهومی شد. نامزدهای دیگر عبارت بودند از یک شبکه حسگر از تله‌های دیجیتال حشرات (Trap-Eye)، یک سیستم کشت مستقل برای کشاورزی داخلی (Gronos)، و یک ابزار نرم‌افزار برای محاسبه آثار غذایی CO2 (ماشین‌حساب HortiFoodPrint). بسیاری از راه حل های دیجیتال نیز در غرفه ها تبلیغ می شد. یک انتخاب کوچک: پهپادهای گلخانه ای (PATS، Corvus)، ربات های برداشت گوجه فرنگی (برنده چالش Robot GROW، en EGA Matic)، حسگرهای اندازه گیری تنش گیاه (Vivent) و دمای برگ (Sigrow)، سیستم های سنجش برای فنوتیپ دیجیتال ( Hiphen)، پیش‌بینی عملکرد بر اساس بینایی کامپیوتری (YieldComputer، ecoation)، سیستم‌های رشد مستقل (Blue Radix، ioCrops، Koidra) و موارد دیگر.
Digital Twins همچنین می‌تواند دانش متخصصان باغبانی با تجربه را به خود اختصاص دهد، بنابراین به رفع کمبود پرسنل سبز کمک می‌کند. علاوه بر این، Digital Twins ابزاری امیدوارکننده برای راه‌اندازی، افزایش مقیاس و مدیریت سایت‌های تولید بین‌المللی است.
رشد از راه دور با دوقلوهای دیجیتال
این پیشرفت های تکنولوژیکی تولید باغبانی را به شدت تغییر می دهد. به جای اینکه کشاورزان باتجربه شخصاً وضعیت محصول را زیر نظر داشته باشند (“مدیریت با قدم زدن در اطراف”)، تصمیمات کشت می تواند بر اساس داده های زمان واقعی و الگوریتم های هوشمند باشد.
منبع
این شاخص ها داده های مختلفی را از منابع مختلف از جمله سیستم های ERP، اتوماسیون در گلخانه یا مزرعه و داده های خارجی ترکیب می کنند. الگوریتم‌های هوشمند امکان شبیه‌سازی عملکرد مورد انتظار را فراهم می‌کنند، به عنوان مثال، با پیش‌بینی تقاضا بر اساس هوش مصنوعی. می توان جزئیات مربوط به فرآیندهای تجاری خاص، مکان ها، انواع، تعداد زیادی تولید و غیره را بررسی کرد.
بدون نرم افزار تجاری یکپارچه، دوقلوهای دیجیتال “لایه” وجود ندارد
به نظر می رسد مجازی سازی باغبانی با Digital Twins اکنون در حال افزایش است و تأثیر زیادی بر بهره وری، کارایی، کیفیت و پایداری خواهد داشت. به نظر من، چالش موفق گلخانه خودمختار بسیار مثال زدنی است. در این رویداد، تیم‌های شرکت‌کننده بر اساس داده‌های حسگر و الگوریتم‌های هوشمند، کشت در محفظه خود را کاملاً از راه دور کنترل می‌کنند.
برای فرآیند کشت، به عنوان مثال، روی دوقلو دیجیتال یک گلخانه بزرگنمایی می کنید، که عملکرد مورد انتظار آن کمتر از برنامه ریزی شده است. در این گلخانه دیجیتال، پرورش‌دهنده آب و هوا و سایر شرایط کشت را برای قسمت‌های مربوطه بررسی می‌کند. آنها همچنین می توانند خصوصیات فیزیولوژیکی گیاه (به عنوان مثال، استرس) و حتی مشخصات ژنتیکی موجود در Digital Twin یک گیاه مرجع را در این قسمت ها مشاهده کنند.
سود خالص برنده امسال (کاهو) تقریباً 30 درصد بیشتر از گروه مرجع تولیدکنندگان با تجربه بود. در واقع، سال گذشته (گوجه گیلاسی) همه تیم ها به طور قابل توجهی بهتر عمل کردند و سود خالص برنده بیش از دو برابر شد!