Dlaczego projekty cyfrowych bliźniaków kończą się niepowodzeniem i jak tego uniknąć

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

By Mirko Peters · 2026-11-11

Dlaczego projekty cyfrowych bliźniaków się nie udają: brak decyzji do wsparcia, słabe dane, brak właściciela i zbyt szeroki zakres. Poznaj pięć rozwiązań oraz przykład praktyczny dla kierowników zakładów produkcyjnych.

Automatically translated with AI from the original post. Read the English original

Dlaczego projekty cyfrowych bliźniaków się nie udają, to przede wszystkim kwestia zarządzania, a nie oprogramowania. Typowe przyczyny to brak decyzji zależnej od bliźniaka, dane, którym nikt nie ufa, brak właściciela modelu oraz zakres zbyt szeroki na pierwszy krok. Ten przewodnik jest przeznaczony dla kierowników zakładów produkcyjnych, którym powierzono sponsorowanie cyfrowego bliźniaka albo którzy widzieli, jak taki projekt utknął. Poznasz pięć najczęstszych punktów awarii, przykład praktyczny z liczbami, procedurę pozwalającą ich uniknąć oraz błędy, na które warto uważać.

Najważniejsze wnioski

• Projekty cyfrowych bliźniaków rzadko upadają z powodu oprogramowania; upadają, ponieważ żadna decyzja nie zależy od bliźniaka, dane nie są wiarygodne albo nikt nie odpowiada za model.
• Zanim zaczniesz, nazwij decyzję, którą bliźniak ma zmienić, osobę, która ją podejmie, i termin. Jeśli nie potrafisz tego określić, projekt nie jest gotowy.
• Najpierw sprawdź dane: dla każdej pozycji, której potrzebuje bliźniak, ustal źródło, właściciela, częstotliwość aktualizacji i to, czy dwa systemy się zgadzają.
• Bliźniak to żywy model: bez procesu, który aktualizuje go przy każdej zmianie w zakładzie, oddala się od rzeczywistości, a ludzie przestają z niego korzystać.
• Zacznij od jednej linii i jednej decyzji, udowodnij wartość w ciągu tygodni, a dopiero potem poszerzaj zakres.

Dlaczego projekty cyfrowych bliźniaków się nie udają: krótka odpowiedź

Cyfrowy bliźniak to utrzymywana cyfrowa reprezentacja fizycznego zasobu, która jest aktualizowana na podstawie obserwacji, na przykład danych z maszyn na żywo, niemal w czasie rzeczywistym. Kluczowe są słowa „utrzymywana” i „aktualizowana”. Cyfrowy bliźniak nie jest jednorazowym modelem ani modelem 3D czy zbiorem plików CAD zakładu. To system, który musi wiernie odzwierciedlać zakład, i właśnie tutaj projekty się załamują.

Kilka źródeł opisuje ten sam schemat. Referat na konferencji 2023 Winter Simulation Conference, autorstwa Siyuan Chena i współautorów, analizuje wyzwania związane z cyfrowymi bliźniakami w utrzymaniu ruchu w produkcji. Grupuje je na organizacyjne, takie jak kultura firmy, wysokie koszty początkowe i obawa przed utratą pracy, metodologiczne, takie jak niejasne korzyści i niejasne cele biznesowe, oraz techniczne, takie jak pozyskiwanie danych ze starszych maszyn i interoperacyjność. Badanie jest niewielkie, obejmuje sześciu respondentów z branży, dlatego autorzy zastrzegają, że wyniki mogą nie odzwierciedlać wszystkich firm.

Dostawcy oprogramowania mówią to samo ze swojej perspektywy. Simio, dostawca oprogramowania do symulacji, twierdzi we wpisie na blogu, że projekty częściej utykają z powodu problemów z danymi niż z technologią. Informatica, dostawca rozwiązań do zarządzania danymi, pisze w swoim artykule o fundamentach danych, że bliźniak bez wiarygodnych danych jest ograniczony i może wprowadzać w błąd. Obaj sprzedają narzędzia do rozwiązywania problemu danych, dlatego traktuj ich opinie jako jeden punkt widzenia.

Na podstawie tych źródeł oraz powszechnej praktyki projektowej grupujemy awarie w pięć kategorii. Ten podział jest naszym własnym podsumowaniem, a nie standardem.

Awaria 1: żadna decyzja nie zależy od bliźniaka

Największym wyzwaniem jest to, że nikt nie potrafi powiedzieć, do czego ma służyć cyfrowy bliźniak. „Chcemy być zakładem Industry 4.0” to kierunek, a nie przypadek użycia. Artykuł Chena wymienia niejasne cele biznesowe i niejasne korzyści jako wyzwania metodologiczne, a wśród barier wskazuje brak określenia przypadków użycia oraz brak zaangażowania kierownictwa.

Pomaga prosty test. Zadaj sponsorowi jedno bezpośrednie pytanie: jaka konkretna decyzja zostanie podjęta inaczej, przez kogo i do którego dnia, dlatego że ten bliźniak istnieje? Dobre odpowiedzi są konkretne. „W marcu wybierzemy między drugą zmianą a nową maszyną dla linii 3”. „Ustawimy wielkości buforów, zanim zostanie zbudowany nowy układ”. Słaba odpowiedź to „będziemy mieli lepszą widoczność”.

Jeśli odpowiedź jest niejasna, projekt nie ma sygnału zatrzymania. Będzie trwał, dopóki nie skończy się budżet, a wtedy nikt nie będzie w stanie pokazać żadnego wyniku.

Błąd 2: słaba jakość danych i słabe podstawy danych

Cyfrowy bliźniak jest tylko tak dobry, jak jego dane. Simio wymienia trzy problemy z danymi, które odpowiadają temu, co widzą zakłady produkcyjne:

• Brakujące dane. Czasy procesów, dostępność zasobów lub zapisy jakości mają luki. Simio sugeruje rozpoczęcie od szacunków opartych na doświadczeniu dla krytycznych parametrów, rejestrowanie przyjętych założeń i stopniowe zbieranie rzeczywistych danych.
• Problemy z jakością. Dane wyglądają na kompletne, ale zawierają wartości odstające, błędy czasowe lub wartości sprzeczne między systemami. Simio sugeruje reguły walidacji, automatyczne kontrole wartości odstających oraz przegląd przez ekspertów procesowych.
• Problemy z integracją. Dane znajdują się w systemach ERP, MES i systemach jakości, które ze sobą nie współpracują. Simio sugeruje etapowe wdrażanie: od zaplanowanych eksportów plików, przez połączenia z bazami danych, po późniejsze interfejsy.

Informatica dodaje dane główne i fundament danych. Bez wiarygodnego rejestru zasobów, ich lokalizacji, historii serwisowej i krytyczności bliźniak ma liczby, ale mało kontekstu, a każda funkcja AI lub predykcyjna działa na słabej warstwie danych. Artykuł ostrzega, że błędne dane mogą prowadzić do pominiętych alertów serwisowych lub błędnych zamówień części zamiennych.

Dla zakładu praktyczna postać tego problemu jest prosta. Czy system wykonania produkcji rejestruje te same przyczyny przestojów co system utrzymania ruchu? Czy oba używają tego samego identyfikatora maszyny? Czy fizyczne zasoby w systemie zarządzania utrzymaniem ruchu odpowiadają liniom w MES, a czasy cyklu w ERP odpowiadają temu, co linia faktycznie realizuje? Jeśli dwa systemy się nie zgadzają, cyfrowy bliźniak wybierze jeden z nich, a ludzie dowiedzą się później, który był błędny.

Błąd 3: nikt nie jest właścicielem danych ani modelu

Cyfrowy bliźniak ma dwa rodzaje właścicieli i często brakuje obu. Każda pozycja danych potrzebuje właściciela, który potrafi stwierdzić, czy jest poprawna. Model potrzebuje właściciela, który aktualizuje go, gdy zmienia się zakład.

Artykuł Chena jest w tej kwestii jednoznaczny. Stwierdza, że wyzwania organizacyjne wymagają procesów zapewniających regularne aktualizacje, i zaleca aktualizowanie modelu zawsze, gdy zmienia się system fizyczny. Rozmówcy podkreślali też znaczenie ludzkiej wiedzy eksperckiej w utrzymywaniu, rozumieniu i weryfikowaniu wyników bliźniaka. Cyfrowy bliźniak, którym nikt się nie opiekuje, jest migawką. Po pierwszej zmianie układu lub pierwszym nowym produkcie przestaje odpowiadać zakładowi, a operatorzy, którzy to zauważą, przestają mu ufać.

Ten sam artykuł zauważa, że większość respondentów wykorzystuje cyfrowe bliźniaki wyłącznie na etapie cienia cyfrowego. W pełni połączony, samoaktualizujący się bliźniak to cel długoterminowy, a pierwsza użyteczna wersja to często prostszy model z jasno określonym właścicielem.

Błąd 4: zakres jest zbyt szeroki na pierwszy krok

Kolejną pułapką jest ambicja. Projekt cyfrowego bliźniaka, który zaczyna się od „całego zakładu”, musi uzgodnić dane z każdej linii, każdego systemu i każdego zespołu, zanim cokolwiek pokaże. Liczba pozycji danych rośnie wraz z każdą linią, a wraz z nią liczba konfliktów.

Wąski zakres, pilotaż cyfrowego bliźniaka na jednej linii, wcześnie stawia model przed rzeczywistymi użytkownikami. Jedna linia, jedna decyzja i jedna grupa użytkowników wystarczą, by sprawdzić, czy dane się sprawdzają i czy ludzie korzystają z odpowiedzi. Artykuł Chena wymienia zapewnienie zaangażowania kierownictwa i budowanie zaufania wśród barier, a szybki, poprawny pierwszy wynik pomaga w obu tych kwestiach.

Błąd 5: projekt traktowany jak projekt IT

Jeśli model buduje sam dział IT lub zewnętrzny zespół, osoby, które znają zakład, dołączają za późno. Odkrywają wtedy, że model pomija ręczny krok, wspólne narzędzie albo nieformalną zasadę. Praca Chena wymienia jako wyzwania kulturę firmy, problemy z komunikacją i obawy o utratę pracy. Traktuj projekt jak zarządzanie zmianą, z mierzalnym uzasadnieniem biznesowym, które zakład może sprawdzić, i pozwól operatorom, utrzymaniu ruchu i planistom uczestniczyć w ustalaniu tego, co model ma pokazywać.

Przykład: audyt jednej linii przed skalowaniem

To jest ilustracyjne wyliczenie z założonymi liczbami, a nie zmierzony przypadek. Zakład planuje cyfrowego bliźniaka dla 12 linii. Chce podjąć decyzję o wielkości buforów na pierwszej linii, więc sponsor najpierw zamawia audyt danych tej linii. Cyfrowy bliźniak potrzebuje 30 elementów danych na linię, takich jak czasy cykli, przyczyny i czasy postojów, miks zleceń, obsada i czasy przezbrojeń.

Wynik audytu dla linii 1:

• 11 elementów jest dostępnych i wiarygodnych.
• 9 elementów istnieje w dwóch systemach, które się nie zgadzają, na przykład przyczyny postojów w MES i w systemie utrzymania ruchu.
• 6 elementów istnieje tylko na papierze lub w głowach brygadzistów.
• 4 elementy w ogóle nie istnieją.

Zatem 19 z 30 elementów wymaga pracy, a gotowych jest tylko 11 z 30, czyli około 37 proc.

Szeroki zakres. Jeśli zakład zakłada podobne liczby dla wszystkich 12 linii, to 12 × 19 = 228 elementów wymaga pracy. Załóżmy, we własnym planistycznym szacunku, że jeden analityk jest w stanie uporządkować 5 elementów tygodniowo. Wtedy prace nad danymi trwają 228 ÷ 5 = około 46 tygodni, prawie rok, zanim pojawi się pierwszy wynik.

Wąski zakres. Decyzja o buforach wymaga tylko 12 z 30 elementów, a audyt pokazuje, że 5 z tych 12 ma problemy. Przy 5 elementach tygodniowo oznacza to 1 tydzień prac nad danymi. Pierwsza odpowiedź pojawia się w ciągu kilku tygodni, a zespół dowiaduje się, które problemy z danymi najbardziej szkodzą.

Twoje liczby będą inne, ale audyt pokazuje, w jakiej sytuacji się znajdujesz.

Jak uniknąć porażki: pilotaż cyfrowego bliźniaka w sześciu krokach

1. Nazwij decyzję. Zapisz, jaką decyzję zmienia cyfrowy bliźniak, kto ją podejmuje i do kiedy.
2. Zaudytuj dane. Dla każdego elementu, którego potrzebuje cyfrowy bliźniak, znajdź źródło, właściciela, rytm aktualizacji oraz to, czy dwa systemy się zgadzają. Policz luki.
3. Przypisz właścicieli. Jedna osoba za każdą domenę danych i jedna osoba za model. Umieść ich nazwiska w planie projektu.
4. Zacznij wąsko. Jedna linia lub jeden etap procesu i tylko te elementy danych, których potrzebuje decyzja.
5. Zaplanuj aktualizacje. Ustal, jak model zmienia się wraz ze zmianami w zakładzie i kto to uruchamia. Uwzględnij to we wdrożeniu, a nie po nim, i spisz przebieg tego procesu.
6. Przejrzyj wynik pod kątem decyzji. Po kilku tygodniach sprawdź, czy decyzja została podjęta inaczej. Poszerzaj zakres dopiero wtedy, gdy odpowiedź brzmi tak.

Częste błędy

• Kupowanie platformy przed nazwaniem przypadku użycia. Narzędzie nie powie ci, co masz decydować.
• Ufanie danym tylko dlatego, że istnieją. Wartość w bazie danych to nie to samo co wartość poprawna i aktualna.
• Pozwolenie, by dwa systemy się nie zgadzały. Cyfrowy bliźniak wybierze jeden z nich, nie informując cię o tym.
• Brak właściciela po uruchomieniu. Cyfrowy bliźniak bez właściciela jest nieaktualny po pierwszej zmianie.
• Rozpoczynanie od całego zakładu. Prace nad danymi rosną szybciej niż korzyść, a inicjatywy z cyfrowym bliźniakiem tracą sponsora.
• Pominięcie hali produkcyjnej. Jeśli operatorzy i pracownicy utrzymania ruchu nie ufają bliźniakowi, nie będą z niego korzystać.

Jak oprogramowanie może pomóc

Audyt danych i model potrzebują jednego, spójnego opisu produktów, etapów procesu i zasobów. Polaris Designer firmy iFAKT to moduł iFAKT Polaris, który buduje graf wiedzy produkt-proces-zasób (PPR) jako jedyne źródło prawdy o produktach, etapach procesu i zasobach. Wspólny opis tego rodzaju rozwiązuje problem sprzecznych danych, ale nie zastępuje decyzji, właścicieli ani rutyny aktualizacji. Oprogramowanie pomaga dopiero wtedy, gdy te elementy są na miejscu.

Następny krok

Wybierz jedną linię i jedną decyzję na najbliższy kwartał i poproś zespół o audyt 10 do 20 elementów danych, których ta decyzja wymaga. Jeśli audyt pokaże, że większość elementów nie jest gotowa, dowiesz się, dlaczego projekty cyfrowych bliźniaków upadają, zanim wydasz budżet, i będziesz wiedział, od czego zacząć.