論文の概要: Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams
- arxiv url: http://arxiv.org/abs/2108.13912v1
- Date: Tue, 31 Aug 2021 15:09:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-01 14:28:21.971787
- Title: Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams
- Title（参考訳）: 配管とインスツルメンテーション図を用いた建物エネルギーシステムの自動ディジタル双対データモデル生成
- Authors: Florian Stinner, Martin Wiecek, Marc Baranski, Alexander K\"umpel,
Dirk M\"uller
- Abstract要約: 建物からP&IDのシンボルや接続を自動で認識する手法を提案する。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
- 参考スコア（独自算出の注目度）: 58.720142291102135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Buildings directly and indirectly emit a large share of current CO2
emissions. There is a high potential for CO2 savings through modern control
methods in building automation systems (BAS) like model predictive control
(MPC). For a proper control, MPC needs mathematical models to predict the
future behavior of the controlled system. For this purpose, digital twins of
the building can be used. However, with current methods in existing buildings,
a digital twin set up is usually labor-intensive. Especially connecting the
different components of the technical system to an overall digital twin of the
building is time-consuming. Piping and instrument diagrams (P&ID) can provide
the needed information, but it is necessary to extract the information and
provide it in a standardized format to process it further.
In this work, we present an approach to recognize symbols and connections of
P&ID from buildings in a completely automated way. There are various standards
for graphical representation of symbols in P&ID of building energy systems.
Therefore, we use different data sources and standards to generate a holistic
training data set. We apply algorithms for symbol recognition, line recognition
and derivation of connections to the data sets. Furthermore, the result is
exported to a format that provides semantics of building energy systems.
The symbol recognition, line recognition and connection recognition show good
results with an average precision of 93.7%, which can be used in further
processes like control generation, (distributed) model predictive control or
fault detection. Nevertheless, the approach needs further research.
- Abstract（参考訳）: 建物は直接間接的に現在のCO2排出量の大部分を排出する。
モデル予測制御(MPC)のような自動化システム(BAS)の構築において,現代的な制御手法によるCO2削減の可能性が高い。
適切な制御のために、MPCは制御システムの将来の振る舞いを予測する数学的モデルを必要とする。
この目的のために、建物のデジタル双生児が使用できる。
しかし、既存の建物では、デジタルツイン設置は通常労働集約的である。
特に、技術的システムの異なるコンポーネントを建物の全体的なデジタルツインに結びつけるのに時間がかかります。
配管・計器図(p&id)は必要な情報を提供することができるが、情報を抽出し、さらに処理するために標準化されたフォーマットで提供する必要がある。
本研究では,建物からP&IDのシンボルと接続を,完全に自動化された方法で認識する手法を提案する。
建築エネルギーシステムのP&IDにおけるシンボルのグラフィカル表現には様々な標準がある。
したがって、さまざまなデータソースと標準を使用して、総合的なトレーニングデータセットを生成します。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
さらに、結果はエネルギーシステムの構築の意味を提供するフォーマットにエクスポートされる。
シンボル認識、線認識、接続認識は、平均精度93.7%で良好な結果を示し、制御生成、(分散)モデル予測制御、障害検出などのさらなるプロセスで使用できる。
しかし、この手法にはさらなる研究が必要である。
関連論文リスト
- Representing Timed Automata and Timing Anomalies of Cyber-Physical
Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。
モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文 参考訳（メタデータ） (2023-08-25T15:25:57Z) - A digital twin framework for civil engineering structures [0.6249768559720122]
デジタルツインの概念は、条件ベースの予測保守パラダイムを前進させる魅力的な機会である。
本研究は, 土木構造物の健康モニタリング, 保守, 管理計画に対する予測的ディジタルツインアプローチを提案する。
論文 参考訳（メタデータ） (2023-08-02T21:38:36Z) - Enhanced multi-fidelity modelling for digital twin and uncertainty
quantification [0.0]
データ駆動モデルは、リアルタイムのアップデートと予測を可能にするデジタルツインにおいて重要な役割を果たす。
利用可能なデータの忠実さと正確なセンサーデータの不足は、しばしば代理モデルの効率的な学習を妨げる。
本稿では,ロバストなマルチフィデリティ・サロゲートモデルの開発から始まる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-26T05:58:17Z) - An adaptive human-in-the-loop approach to emission detection of Additive
Manufacturing processes and active learning with computer vision [76.72662577101988]
In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。
このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。
本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
論文 参考訳（メタデータ） (2022-12-12T15:11:18Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - Decentralized digital twins of complex dynamical systems [0.0]
動的システムのための分散双対(DDT)フレームワークを提案する。
計算科学・工学応用におけるDDTパラダイムの展望について論じる。
論文 参考訳（メタデータ） (2022-07-07T19:44:42Z) - Integrating 2D and 3D Digital Plant Information Towards Automatic
Generation of Digital Twins [35.37983668316551]
業界4.0の標準化は、パイプとインスツルメンテーションダイアグラムのツールベンダー中立表現と3Dパイプルーティングをサポートする。
配管・インスツルメンテーション図や3次元CADモデルからタンクやポンプなどの対応する要素を識別するアルゴリズムを開発する必要がある。
本稿では,グラフマッチングの前提条件として,グラフの自動生成に焦点を当てる。
論文 参考訳（メタデータ） (2021-04-05T11:07:05Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳（メタデータ） (2021-02-15T19:56:48Z) - A Probabilistic Graphical Model Foundation for Enabling Predictive
Digital Twins at Scale [0.0]
結合ダイナミクスシステムの集合として、アセットツインシステムの抽象化を作成します。
本研究では,無人航空機のディジタル双対構造を実現するために,モデルがどのようにインスタンス化されるかを実証する。
論文 参考訳（メタデータ） (2020-12-10T17:33:59Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。