Interested Article - Цифровой двойник

Цифровой двойник ( англ. Digital Twin ) — цифровая копия физического объекта или процесса, помогающая оптимизировать эффективность бизнеса. Концепция «цифрового двойника» является частью четвёртой промышленной революции и призвана помочь предприятиям быстрее обнаруживать физические проблемы, точнее предсказывать их результаты и производить более качественные продукты .

История возникновения

Появление концепции цифровых двойников было связано с ростом производственных процессов, в ходе которой физические или аналоговые ресурсы заменялись информационными или цифровыми. Организации следовали за последними тенденциями и пытались определить, как цифровые решения могут помочь им извлечь как операционную, так и стратегическую выгоду .

Вплоть до второй половины 2010 -х создание компьютеризированных систем, отражающих характеристики физических объектов почти в режиме реального времени , было невозможным ввиду технических ограничений. И лишь существенный прорыв в развитии цифровых технологий, позволивший увеличить вычислительные мощности и снизить цену их использования, позволил ведущим компаниям объединять информационные технологии с операционными процессами для создания цифровых двойников предприятий .

Определение

В индустриальных и научных источниках определения «цифрового двойника» отличаются. Согласно некоторым из них, цифровой двойник является интегрированной моделью уже построенного продукта , которая призвана содержать информацию обо всех дефектах изделия и регулярно обновляться в процессе физического использования . Другим распространённым определением является цифровая модель, полученная на основании информации с датчиков , установленных на физическом объекте, которая позволяет симулировать поведение объекта в реальном мире . Ни одно из этих определений, впрочем, не придаёт достаточного внимания процессам, как важному аспекту цифрового двойника.

Фундаментально цифровой двойник может быть определён как постоянно меняющийся цифровой профиль, содержащий исторические и наиболее актуальные данные о физическом объекте или процессе, что позволяет оптимизировать эффективность бизнеса . Он основан на огромном объёме накопленных данных, полученных в ходе измерений целого ряда показателей объекта в реальном мире. Анализ накопленных данных позволяет получать точную информацию о производительности системы, а также приводить к выводам о необходимости во внесении изменений как в производимый продукт, так и в сам процесс производства .

Примеры объектов моделирования

Визуализация параметров работы коробки передач с использованием дополненной реальности

Чаще всего цифровые двойники создаются с целью моделирования объектов, напрямую связанных с промышленным производством, либо являющихся важным элементом технических систем .

Примеры:

  • для моделирования бака с вентилем и насосом в качестве источника данных используются сенсоры наполнения, а также сенсоры на приводах, позволяющие моделировать процессы с помощью SysML , AML, SCADA и ANFIS ;
  • состояние производственного цеха можно смоделировать, собрав данные об основных и оборотных средствах и производственных процессах, и проанализировав их с помощью систем автоматизированного проектирования ;
  • экспериментальные данные, которые получаются в ходе деформации детали , позволяют смоделировать её состояние с помощью приложений для реалистичного моделирования ;
  • моделирование процессов происходящих на предприятии для выработки управленческих решений для особых экономических зон РФ или в условиях санкций ;
  • моделирование процессов внедрения системы пожарной безопасности на предприятии РФ.
  • моделирование всех систем двигательной установки летательного аппарата для прогнозирования её технического состояния .

См. также

Примечания

  1. Гончаров А. С., Саклаков В. М. . elibrary.ru (2018). — Статья в сборнике трудов Всероссийской научно-практической конференции. Дата обращения: 2019-4-28.
  2. Aaron Parrott, Lane Warshaw. (англ.) . Deloitte Insigts (12 мая 2017). — Manufacturing meets its match. Дата обращения: 2019-4-28. 28 апреля 2019 года.
  3. Jack Reid and Donna Rhodes, Digital system models: An investigation of the non-technical challenges and research needs, Conference on Systems Engineering Research, Systems Engineering Advancement Research Initiative, Massachusetts Institute of Technology, 2016.
  4. Michael Grieves, от 17 мая 2017 на Wayback Machine , 2014, стр. 1,
  5. Авдеев Евгений, от 14 января 2021 на Wayback Machine , 2017, стр. 1,
  6. Vadym Slyusar. The concept of networked distributed engine control system of future air vehicles. // Proceedings of AVT-357 STO NATO Workshop on Technologies for future distributed engine control systems (DECS). - 11 -13 May, 2021. - 12 p. от 28 ноября 2021 на Wayback Machine
  7. С. Н. Масаев. // Институт проблем управления РАН. — 2019. — Июнь.
  8. S Masaev. // IEEE. — 2019. 26 июня 2020 года.
  9. S N Masaev, A N Minkin and D A Edimichev. // IOP Conference Series: Materials Science and Engineering : International Scientific Conference CAMSTech-2020: Advances in Material Science and Technology. — 2020. — 2 июля ( т. 919 ). — С. 042014 . 24 июня 2021 года.
Источник —

Same as Цифровой двойник