論文の概要: Hybrid Digital Twin for process industry using Apros simulation environment

• arxiv url: http://arxiv.org/abs/2112.01903v1
• Date: Fri, 3 Dec 2021 13:35:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 15:24:35.383804
• Title: Hybrid Digital Twin for process industry using Apros simulation environment
• Title（参考訳）: Aprosシミュレーション環境を用いたプロセス産業用ハイブリッドデジタルツイン
• Authors: Mohammad Azangoo (1), Joonas Salmi (1), Iivo Yrj\"ol\"a (1), Jonathan Bensky (1), Gerardo Santillan (2), Nikolaos Papakonstantinou (3), Seppo Sierla (1), Valeriy Vyatkin (1 and 4) ((1) Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland, (2) Semantum Oy, Espoo, Finland, (3) VTT Technical Research Centre of Finland Ltd, Espoo, Finland, (4) Department of Computer Science, Electrical and Space Engineering, Lule{\aa} University of Technology, Lule{\aa}, Sweden)
• Abstract要約: 本稿では,プロセスプラントのハイブリッドDigital Twinモデルに対するステップバイステップの概念を提案する。 ブラウンフィールドプロセスシステムの第一原理モデルとデジタルツインの更新手順を詳述する。 構築されたDigital Twinの生成に関する課題についても議論する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Making an updated and as-built model plays an important role in the life-cycle of a process plant. In particular, Digital Twin models must be precise to guarantee the efficiency and reliability of the systems. Data-driven models can simulate the latest behavior of the sub-systems by considering uncertainties and life-cycle related changes. This paper presents a step-by-step concept for hybrid Digital Twin models of process plants using an early implemented prototype as an example. It will detail the steps for updating the first-principles model and Digital Twin of a brownfield process system using data-driven models of the process equipment. The challenges for generation of an as-built hybrid Digital Twin will also be discussed. With the help of process history data to teach Machine Learning models, the implemented Digital Twin can be continually improved over time and this work in progress can be further optimized.
• Abstract（参考訳）: プロセスプラントのライフサイクルにおいて、更新および製造されたモデルを作成することが重要な役割を果たす。 特にDigital Twinモデルは、システムの効率性と信頼性を保証するために正確でなければならない。 データ駆動モデルは、不確実性とライフサイクル関連の変更を考慮して、サブシステムの最新の挙動をシミュレートすることができる。 本稿では,初期のプロトタイプを例として,プロセスプラントのハイブリッド型Digital Twinモデルに対するステップバイステップの概念を提案する。 プロセス機器のデータ駆動モデルを使用して、ブラウンフィールドプロセスシステムの第一原理モデルとデジタル双子を更新するためのステップを詳述する。 構築されたDigital Twinの生成に関する課題についても議論する。 機械学習モデルを教えるプロセス履歴データによって、実装されたDigital Twinは、時間とともに継続的に改善され、この作業はさらに最適化される。

関連論文リスト

• Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
  Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。 本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:28:22Z)
• Data-Juicer Sandbox: A Comprehensive Suite for Multimodal Data-Model Co-development [67.55944651679864]
  統合データモデル共同開発に適した新しいサンドボックススイートを提案する。 このサンドボックスは包括的な実験プラットフォームを提供し、データとモデルの両方の迅速なイテレーションと洞察駆動による改善を可能にする。 また、徹底的なベンチマークから得られた実りある洞察を明らかにし、データ品質、多様性、モデル行動の間の重要な相互作用に光を当てています。
  論文  参考訳（メタデータ） (2024-07-16T14:40:07Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• 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)
• A Comprehensive Review of Digital Twin -- Part 2: Roles of Uncertainty Quantification and Optimization, a Battery Digital Twin, and Perspectives [11.241244950889886]
  第2報は,デジタル双生児の重要な実現技術に関する文献レビューである。 第3報では,バッテリディジタルツインを構築,試験して,モデリングおよびツインニング手法のいくつかを概説するケーススタディを提案する。
  論文  参考訳（メタデータ） (2022-08-27T01:36:15Z)
• The Digital Twin Landscape at the Crossroads of Predictive Maintenance, Machine Learning and Physics Based Modeling [14.781000287006755]
  デジタルツイン」という用語の歴史と、製品ライフサイクル管理、資産維持、機器艦隊管理、運用、計画の分野での当初の文脈を探求する。 デジタルツインフレームワークの適用は、予測保守の分野において強調され、その拡張は機械学習と物理に基づくモデリングを活用している。
  論文  参考訳（メタデータ） (2022-06-21T15:17:10Z)
• Automatic digital twin data model generation of building energy systems from piping and instrumentation diagrams [58.720142291102135]
  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。
  論文  参考訳（メタデータ） (2021-08-31T15:09:39Z)
• Man, machine and work in a digital twin setup: a case study [77.34726150561087]
  物理ロボット組立システムの仮想的な実装としてのデジタルツインは、設計、構築、運用による検証と制御のためのフロントランナーとして構築される。 システムライフサイクルに沿ったデジタルツインの形式、ビルディングブロック、潜在的なアドバンテージが提示される。
  論文  参考訳（メタデータ） (2020-06-15T20:54:43Z)
• Machine learning based digital twin for dynamical systems with multiple time-scales [0.0]
  デジタルツイン技術は、インフラ、航空宇宙、自動車といった様々な産業分野で広く応用される可能性がある。 ここでは、2つの異なる運用時間スケールで進化する線形単一自由度構造力学系のためのデジタルツインフレームワークに焦点を当てる。
  論文  参考訳（メタデータ） (2020-05-12T15:33:25Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)
• The role of surrogate models in the development of digital twins of dynamic systems [0.0]
  デジタルツイン技術は、幅広い応用可能性の約束、関連性、可能性を秘めている。 デジタルツインはデータと計算手法を活用することが期待されている。 我々は,デジタルツイン技術における代理モデルの利用の可能性について検討した。
  論文  参考訳（メタデータ） (2020-01-25T10:48:35Z)

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。