Divulgation : Nvidia est un client de l'auteur.
Nvidia a annoncé ce mois-ci une série d'améliorations à son outil de simulation et de création 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, ce qui augmente 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 le plus court vers une 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 garantir 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 une défaillance. Par exemple, dans le cas d'un capteur de cap qui serait normalement invisible à l'œil humain, les capteurs pourraient traduire une panne en un signal visuel sur le jumeau, mettant en évidence le problème. (L'administrateur peut visualiser le problème via une instance de métaverse virtuellement ou à l'aide de lunettes AR.)
L'identification rapide des équipements hors spécifications en danger de défaillance (en raison d'une chaleur excessive, du bruit ou des vibrations) faciliterait la maintenance préventive et fournirait une interface de support plus riche qu'un tableau de bord traditionnel. Cela signifie qu'un technicien est plus susceptible d'arriver sur les lieux avec les outils et les pièces nécessaires pour corriger le problème plutôt que de diagnostiquer d'abord, puis de revenir pour résoudre le problème.
Ajoutez l'intelligence artificielle (IA) au mélange
Nvidia a également annoncé une formation à l'IA pour aider à diagnostiquer un problème et donner des conseils sur la façon de le résoudre en utilisant des données synthétiques pour réduire le temps de formation à l'IA. Prenez ce roulement défaillant, par exemple : plutôt que d'en remplacer un seul, il peut être plus judicieux de remplacer plusieurs autres pièces périssables en même temps afin de minimiser les coûts de démontage et d'assemblage. L'IA pourrait déterminer, sur la base des réparations historiques, qu'un mauvais roulement est un précurseur d'autres défaillances, permettant à la 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 fonctionne déjà sur autre chose.
Prochaine étape : les réparations robotiques ?
Lorsque vous combinez les efforts de robotique de Nvidia, les réparations peuvent contourner la technologie humaine et utiliser une réparation robotique formée qui peut être activée par l'administrateur à distance avec une interface AI. En fonction de ce qui convient le mieux aux circonstances, l'administrateur peut déclencher une réponse automatisée de l'IA en utilisant l'équipement déjà sur place, accélérant 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 sont déjà pleinement instrumentés et intégrés à la solution. Vous n'aurez peut-être pas du tout besoin d'un administrateur.
Passez 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 robotique sur site tandis que les fonctions de back-office sont automatisées ; ce dernier devrait être la partie la plus facile du processus.
Garantir 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 fonctionnalités en aval. J'espère que l'étape la plus difficile sera d'automatiser les réparations. Peu de systèmes sont construits aujourd'hui avec l'exigence qu'ils soient entretenus par un robot, mais cela changera avec le temps.
J'ai visité des sites qui continuent de maintenir l'approche de réalité augmentée, ce qui suggère que le passage initial aux jumeaux numériques connectés est peut-être déjà en cours sur un certain nombre de sites. Nous avons maintenant un chemin raisonnablement bien défini vers l'automatisation complète du centre de données (c'est ce que Nvidia a montré). Cette vidéo de 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.
Eh bien, ce dernier était une blague. Mais cela montre que dans le métaverse, les règles n'ont pas à s'appliquer, ouvrant finalement la porte à des innovations que nous ne pouvons qu'imaginer.
Copyright © 2022 IDG Communications, Inc.