Ton Shim

戦略,組織,政策,地域,持続可能性など様々な課題領域

1つめが、エンジニアリング技術をベースに理想的なモデルを作成する手法、2つめが各種機器類から得られるデータを活用してモデルをブラッシュアップしていく手法、そして3つめが、改善のためのルールや知見を経験的に発見する手法だ。「デジタル・ツイン」を実現するには、これら3つを組み合わせた分析が必要となるという。 1つめ 「1つの一般化したモデルでは、あらゆる場面でのベストプラクティスを達成することは難しい。実際のモノがどんどん変わっていくからだ。このアプローチによるモデルの有用性には限界があるということ」 2つめ しかしこの手法では、ある事象が過去に起こったことがない場合、将来そのような事象が発生することを予測することができない。また100％データ依存することになるので、それはどこから取得したデータか、ノイズのない完全にクリーンなデータを扱っているか、適切なタイミングでデータが使われているのかなどにも気を付ける必要がある。 3つめ オペレータインテリジェンスと呼ぶもので、各専門領域の人なら直感的に分かるノウハウがある。しかし大規模な形で活用することが難しい。個々人の頭の中にある場合が多く、また人の異動や転職で失われてしまうからだ。このオペレータインテリジェンスを今、色々な企業がアナリティクスに取り込んでいきたいと考えている しかし実際のモノは経時的に変化していく。そこで最初のモデルをどのように扱っていくのかが、非常に重要となる。 これに対してデジタル・ツインでは、一度シミュレーションした結果をモデルにフィードバックし、さらに従来のコンピュータシミュレーションが理論的な入力値だけで行われていたのに対し、現場で収集されるリアルなデータをインプットとして与えて、物理モデルに更新をかけていく

東京都が都内のデジタルツイン化に向けて動き出した。西新宿や都心部、湾岸エリア、八王子市南大沢、島しょ地域からモデル化をスタート。

天候、時間を自由自在に変化させることで、経年劣化した横断歩道まで映像表現が可能 1日28万人もの乗客が利用するこの駅では、昨年、混雑を解消するためにデジタルツインが導入されました。 デジタルツインを確認できるモニターには、駅構内のセンサーなどで検知された利用者の移動の様子や利用者の密度、さらには二酸化炭素の濃度などの情報が表示されています。 このデジタルツインの導入によって、駅のマネジメント効率が10倍に高まり、管理に従事する要員を1割削減するに至ったと報告

そのセキュリティ機能をプラットフォームに依存するのか