लाभप्रदताको लागि स्रोतहरू अनुकूलन गर्दै: डिजिटल ट्विन टेक आवश्यक छ?
कुनै पनि प्रविधिको मूल्य अन्ततः लागत र स्रोतहरू अनुकूलन गर्ने क्षमतामा हुन्छ। नतिजाहरू प्रीम्प्प्ट गर्ने क्षमता भएकोले खाद्य उत्पादकहरूलाई दूरदर्शिताको फाइदा दिन्छ जुन त्यसपछि वास्तविक जीवनमा लागू गर्न सकिन्छ। डिजिटल ट्विन प्रविधिको वास्तविक जीवनको प्रयोग र व्यावसायीकरणको उदाहरण मेकानिस्टिक हो मोडेल जो टम डी स्वेफ द्वारा विकसित गरिएको थियो Gantt विश्वविद्यालय मा। बेल्जियमको कम्पनी 2Grow ले टमाटरको बोटमा पानीको प्रवाह र स्टेमको मोटाईमा हुने भिन्नताहरू मापन गर्न यो मोडेलको लाभ उठाउँछ। द कम्पनीको उद्देश्य बिरुवा उत्पादनमा खर्च हुने २०% सतह क्षेत्र घटाउन।
It समुदायले डिजिटल जुम्ल्याहा बच्चाहरू अपनाउन प्रयास गरिरहेको छ कि छैन भन्ने अझै स्पष्ट छैन यसको सञ्चालनमा। थप के छ, यो तर्क गर्न सकिन्छ कि धेरै जसो केसहरूमा डिजिटल जुम्ल्याहा प्रविधि वास्तवमा आवश्यक छैन। मेसिन लर्निङमा भएको प्रगतिले ठूलो मात्रामा उच्च गुणस्तरको डाटा चाहिने पूर्ण मोडेल निर्माण नगरी मुख्य घटनाहरूको भविष्यवाणी गर्न सम्भव बनाएको छ जुन प्राप्त गर्न पनि महँगो छ। एक खाद्य उत्पादकको रूपमा निश्चित गुणहरू भविष्यवाणी गर्न चाहने, मुख्य परिवर्तनहरू मापन र निगरानीमा ध्यान केन्द्रित गर्न सफल भविष्यवाणी मोडेल निर्माण गर्न आवश्यक हुन सक्छ। अझ के छ, यो नाटकीय रूपमा बढी किफायती छ, यसले खाद्य उत्पादकहरूको लागि प्राप्य बनाउँछ जसले भविष्यवाणी मोडेलहरूको कार्यान्वयनमा तत्काल ROI हेर्न आवश्यक छ।
उदाहरणका लागि, यदि तपाईंले आलु उब्जाउनुहुन्छ भने, उपयुक्त नियन्त्रण उपायहरू अपनाइएन भने फङ्गस-जस्तो जीवले गर्दा हुने लेट ब्लाइट रोग जस्ता कीराहरूको लागि संकेतकहरू हुनु महत्त्वपूर्ण छ। ठूला एकर खुला मैदानमा यस प्रकारको पङ्क्ति बालीको लागि, पिभोट सिंचाई प्रणालीमा क्यामेरा जडान गर्दा प्रभावकारी र प्रभावकारी रूपमा रोग वा समस्याहरू पहिचान गर्न सकिन्छ। आलुको खुला क्षेत्रको लागि डिजिटल जुम्ल्याहा सिर्जना गर्न आवश्यक डेटाको लागि भाग्य खर्च हुनेछ, र सरल र अधिक किफायती प्रविधिबाट प्राप्त गर्न सकिने अन्तरदृष्टि प्राप्त गर्नको लागि यस्तो स्केलमा सम्पूर्ण मोडेल सिर्जना गर्नुको कुनै अर्थ छैन।
- भिडियो गेम SimCity ले 90 को दशकमा जग्गा तोड्यो किनकि खेलाडीहरू तिनीहरूको आफ्नै शहरको नायक बने किनभने तिनीहरूले डिजिटल रूपमा सुन्दर, हलचल महानगरको डिजाइन र सिर्जना गरेका थिए। फास्ट-फर्वार्ड 30 वर्ष, र हामीसँग वास्तविक-विश्व रूखहरू, खेतहरू, वा बगैंचाहरूको अविश्वसनीय रूपमा सही डिजिटल प्रतिनिधित्वहरू सिर्जना गर्ने प्रविधि छ। जसरी SimCity मा हामीले खेल भित्रको "लगानी" को आधारमा एउटा महानगर कसरी विकसित हुन्छ भनेर नक्कल गर्न सक्छौं, हामी अब बिभिन्न परिदृश्यहरूमा बिरुवा कसरी बढ्छ भन्ने सिमुलेशनहरू सिर्जना गर्न सक्छौं - हामीलाई अभूतपूर्व दूरदर्शिताका साथ कृषि प्रयासहरूलाई राम्रो बनाउन मद्दत गर्दै।
- डिजिटल जुम्ल्याहा वास्तविक संसारको चीजको डिजिटल प्रतिनिधित्व हो। यसलाई टाढाबाट वास्तविक 'चीज' निगरानी गर्न प्रयोग गर्न सकिन्छ। वास्तविक संसार जुम्ल्याहाको लागि सही र यथार्थपरक सरोगेट प्रदान गर्नको लागि, डिजिटल जुम्ल्याहा वास्तविक निकायको डिजिटल मापन मार्फत डाटा-सूचना हुनुपर्छ। कृषिमा यो डेटा हुन सक्छ जुन उपकरणहरू मार्फत आउँछ जस्तै माटो सेन्सरहरू, बिरुवा इमेजिङ, मौसम डेटा, आदि।
- नयाँ डिजिटल प्रतिनिधित्व, वा डिजिटल जुम्ल्याहाले सम्पूर्ण कृषि प्रयासलाई प्रतिबिम्बित गर्नुपर्छ: भौतिक सम्पत्ति, प्रक्रिया, प्रणाली, स्रोत, सबै कुरा। बदलामा, यसले हामीलाई पहिलेको अकल्पनीय मात्रामा कृषि प्रक्रियाहरूको अनुकरण, योजना, विश्लेषण र सुधार गर्न सक्षम बनाउँछ। जे होस्, के यो महँगो परिष्कृत टेक्नोलोजी कार्यान्वयन गर्न खाद्य उत्पादकहरूको लागि साँच्चै आवश्यक छ - वा उनीहरूले उनीहरूलाई थप पहुँचयोग्य र किफायती सेन्सरहरूबाट आवश्यक अन्तरदृष्टि प्राप्त गर्न सक्छन् जसले उनीहरूलाई मुख्य परिणामहरूको निगरानी र भविष्यवाणी गर्न मद्दत गर्दछ?
डिजिटल जुम्ल्याहाको विकास र ग्रहण र कृषिमा तिनीहरूको सम्भावना
गार्टनरले २०२१ सम्ममा आधा ठूला औद्योगिक कम्पनीहरूले प्रयोग गर्ने भविष्यवाणी गरेका छन् डिजिटल जुम्ल्याहा, जसले ती संस्थाहरूको प्रभावकारितामा १०% सुधारमा अनुवाद गर्नेछ। यद्यपि, डिजिटल जुम्ल्याहाको अवधारणा दशकौंको लागि हो। 10 वर्ष भन्दा बढीको लागि, उत्पादन र प्रक्रिया ईन्जिनियरिङ् टोलीहरूले 30D रेन्डरिङहरू प्रयोग गरेका छन् कम्प्युटर द्वारा डिजाइन डिजाइन (CAD) मोडेलहरू, सम्पत्ति मोडेलहरू, र उत्पादनशीलता सुनिश्चित गर्न र प्रमाणीकरण गर्न प्रक्रिया सिमुलेशनहरू। उदाहरणका लागि, नासाले दशकौंदेखि जटिल अन्तरिक्ष यान सिमुलेशनहरू चलाउँदै आएको छ। यद्यपि, मेसिन लर्निङ र एआईमा भएका आविष्कारहरूले डिजिटल जुम्ल्याहाको अवधारणालाई अगाडि ल्याइरहेका छन्, जसले निकट भविष्यमा व्यापक प्रभावका साथ विघटनकारी प्रवृत्तिको रूपमा धेरै हाइप सिर्जना गर्दैछ।
जब यो कृषि प्रक्रियाहरूमा आउँछ, डिजिटल जुम्ल्याहा प्रयोग गरेर कृषि व्यवस्थापनको लागि केन्द्रीय माध्यमको रूपमा यसको योजना र नियन्त्रणबाट भौतिक प्रवाहहरूको डिकपलिंग सक्षम गर्न सक्छ। फलस्वरूप, किसानहरूले प्रत्यक्ष अवलोकन र साइटमा म्यानुअल कार्यहरूमा भर पर्नुको सट्टा (नजीक) वास्तविक-समय डिजिटल जानकारीको आधारमा टाढाबाट सञ्चालनहरू व्यवस्थापन गर्न सक्छन्। यसले तिनीहरूलाई (अपेक्षित) विचलनको अवस्थामा तुरुन्तै कार्य गर्न र वास्तविक-जीवन डेटामा आधारित हस्तक्षेपहरूको प्रभावहरू अनुकरण गर्न अनुमति दिन्छ। उदाहरणका लागि, बगैचाको डिजिटल जुम्ल्याहाले त्यो किसानले बगैचाको जाँच नगरी बढी सिँचाइको बगैचालाई सचेत गराउन सक्छ।
को लागी एक डिजिटल बगैचा फलफूलका रूखहरूको स्वास्थ्य र फसलको गुणस्तर अनुगमन, भविष्यवाणी गर्ने र नियन्त्रण गर्ने श्रम-गहन प्रकृति बुझ्ने किसानहरूका लागि यो अत्यन्तै आकर्षक छ। युनिभर्सिटी अफ क्वीन्सल्याण्डका वैज्ञानिकहरूले आँप र म्याकाडामिया जस्ता ढिलो-बढ्ने बालीहरू भएको बगैंचाको मोडेल विकास गरेका छन्। यसले प्रयोगकर्ताहरूलाई नयाँ विचारहरू द्रुत रूपमा परीक्षण गर्न र उत्पादन प्रणालीहरूलाई कसरी उत्तम अप्टिमाइज गर्ने भन्ने बारे अन्तरदृष्टि प्राप्त गर्न सक्षम बनाउन सक्छ। परियोजनाका अन्वेषकहरूले यी तत्काल सिमुलेशनहरूले फलफूलका रूखहरू जस्ता ढिलो बढ्दो बालीहरूलाई कसरी फाइदा पुर्याउन सक्छन् भन्ने कुरामा जोड दिए।
त्यहाँ विशेष प्रयोग मामिलाहरू छन् जहाँ यसले डिजिटल जुम्ल्याहा निर्माण गर्न आर्थिक अर्थ दिन्छ, जस्तै बिरुवा प्रजननको लागि, जहाँ मोडेलले तपाइँलाई प्रारम्भिक रूपमा भविष्यवाणी गर्न अनुमति दिन्छ यदि कुनै विशिष्ट विविधता व्यावसायिक रूपमा व्यवहार्य छैन। तर धेरै अवस्थामा, स्लेजह्यामरको साथ नट क्र्याक गर्न आवश्यक छैन।
- रविभ इत्झाकी सह-संस्थापक र CTO हुन् प्रोस्पेरा टेक्नोलोजीहरू, डेटा विज्ञान र एआई प्रयोग गरेर खाना उत्पादन गर्ने तरिकालाई रूपान्तरण गर्ने कम्पनीको प्राविधिक दृष्टिकोणको नेतृत्व गर्दै। उनले वास्तविक संसारका समस्याहरू समाधान गर्न एल्गोरिदम विकास, गणित र मेसिन लर्निङमा आफ्नो विशेषज्ञता प्रयोग गर्छन्। Prospera भन्दा पहिले, Raviv ले साइबरसेक्युरिटी कम्पनी BioCatch मा एल्गोरिदमहरू विकास गरे, र IDF सँग सिग्नल प्रोसेसिङ इन्जिनियरको रूपमा सेवा गरे। उनले हिब्रू विश्वविद्यालयबाट भौतिकशास्त्रमा बीएससी र एप्लाइड फिजिक्समा एमएससी गरेका छन्।