論文の概要: Digital Twin: From Concept to Practice
- arxiv url: http://arxiv.org/abs/2201.06912v1
- Date: Fri, 14 Jan 2022 17:41:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 18:41:47.647590
- Title: Digital Twin: From Concept to Practice
- Title(参考訳): Digital Twin: 概念から実践へ
- Authors: Ashwin Agrawal, Martin Fischer, Vishal Singh
- Abstract要約: 本稿では,デジタルツインにおいて,実践者が適切なレベルの高度化を選択するためのフレームワークを提案する。
実生活における3つのケーススタディは、フレームワークの適用と有用性を示している。
- 参考スコア(独自算出の注目度): 1.3633989508250934
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent technological developments and advances in Artificial Intelligence
(AI) have enabled sophisticated capabilities to be a part of Digital Twin (DT),
virtually making it possible to introduce automation into all aspects of work
processes. Given these possibilities that DT can offer, practitioners are
facing increasingly difficult decisions regarding what capabilities to select
while deploying a DT in practice. The lack of research in this field has not
helped either. It has resulted in the rebranding and reuse of emerging
technological capabilities like prediction, simulation, AI, and Machine
Learning (ML) as necessary constituents of DT. Inappropriate selection of
capabilities in a DT can result in missed opportunities, strategic
misalignments, inflated expectations, and risk of it being rejected as just
hype by the practitioners. To alleviate this challenge, this paper proposes the
digitalization framework, designed and developed by following a Design Science
Research (DSR) methodology over a period of 18 months. The framework can help
practitioners select an appropriate level of sophistication in a DT by weighing
the pros and cons for each level, deciding evaluation criteria for the digital
twin system, and assessing the implications of the selected DT on the
organizational processes and strategies, and value creation. Three real-life
case studies illustrate the application and usefulness of the framework.
- Abstract(参考訳): 近年の人工知能(AI)の技術開発と進歩により、高度な能力がDigital Twin(DT)の一部となり、作業プロセスのあらゆる側面に自動化を導入することが可能になった。
DTが提供できる可能性を考えると、実践者はDTを実際にデプロイしながらどの機能を選択すべきかという、ますます難しい決定に直面しています。
この分野での研究の欠如も役に立たなかった。
その結果、DTに必要な構成要素として、予測、シミュレーション、AI、マシンラーニング(ML)といった新興技術機能のブランド変更と再利用が実現した。
DTにおける機能の不適切な選択は、機会の欠如、戦略的不一致、期待が膨らむこと、そして実践者によって単に誇大広告として拒否されるリスクをもたらす可能性がある。
この課題を軽減するために,デザインサイエンスリサーチ(DSR)手法を18ヶ月にわたって適用して設計・開発するデジタル化フレームワークを提案する。
このフレームワークは、各レベルの長所と短所を測り、デジタルツインシステムの評価基準を決定し、選択したDTが組織プロセスや戦略、価値創造に与える影響を評価することにより、実践者がDTの適切な高度化のレベルを選択するのに役立つ。
実生活における3つのケーススタディは、フレームワークの適用と有用性を示している。
関連論文リスト
- Digital Twin Framework for Optimal and Autonomous Decision-Making in
Cyber-Physical Systems: Enhancing Reliability and Adaptability in the Oil and
Gas Industry [0.0]
本研究は,石油・ガス産業におけるガスリフトプロセスに適用可能な,最適かつ自律的な意思決定のためのディジタルツインフレームワークを提案する。
このフレームワークは、ベイジアン推論、モンテカルロシミュレーション、トランスファーラーニング、オンライン学習、そしてDTに認知を与える新しい戦略を組み合わせたものである。
論文 参考訳(メタデータ) (2023-11-21T18:02:52Z) - Rethinking Decision Transformer via Hierarchical Reinforcement Learning [54.3596066989024]
決定変換器(Decision Transformer, DT)は、強化学習(RL)における変換器アーキテクチャの最近の進歩を活用する革新的なアルゴリズムである。
本稿では,階層RLのレンズを用いたシーケンシャル意思決定のための汎用シーケンスモデリングフレームワークを提案する。
DTは、高レベルかつ低レベルなポリシーを選択することで、このフレームワークの特別なケースとして現れ、これらの選択の潜在的な失敗について議論する。
論文 参考訳(メタデータ) (2023-11-01T03:32:13Z) - Risk-reducing design and operations toolkit: 90 strategies for managing
risk and uncertainty in decision problems [65.268245109828]
本稿では,このような戦略のカタログを開発し,それらのためのフレームワークを開発する。
高い不確実性のために難解であるように見える決定問題に対して、効率的な応答を提供する、と論じている。
次に、多目的最適化を用いた決定理論にそれらを組み込む枠組みを提案する。
論文 参考訳(メタデータ) (2023-09-06T16:14:32Z) - Enabling Spatial Digital Twins: Technologies, Challenges, and Future
Research Directions [13.210510790794006]
デジタルツイン(Digital Twin, DT)は、物理オブジェクトやシステムの仮想レプリカであり、その動作と特性を監視し、分析し、最適化するために作成される。
空間デジタル双生児 (SDT) は、物理的実体の地理空間的側面を強調する特定のタイプのデジタル双生児である。
我々は,SDTを階層化して構築する際の空間技術について,初めて体系的に解析を行った。
論文 参考訳(メタデータ) (2023-06-11T06:28:44Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳(メタデータ) (2023-02-13T16:44:44Z) - On Realization of Intelligent Decision-Making in the Real World: A
Foundation Decision Model Perspective [54.38373782121503]
FDM(Foundation Decision Model)は、様々な意思決定タスクをシーケンスデコーディングタスクとして定式化することで開発することができる。
本稿では、FDMの実装であるDigitalBrain(DB1)を13億のパラメータで実証し、870のタスクで人間レベルのパフォーマンスを達成するケーススタディを提案する。
論文 参考訳(メタデータ) (2022-12-24T06:16:45Z) - Learning Neuro-Symbolic Skills for Bilevel Planning [63.388694268198655]
意思決定は、連続したオブジェクト中心の状態、継続的なアクション、長い地平線、まばらなフィードバックを持つロボット環境では難しい。
タスク・アンド・モーション・プランニング(TAMP)のような階層的なアプローチは、意思決定を2つ以上の抽象レベルに分解することでこれらの課題に対処する。
我々の主な貢献は、オペレーターとサンプルラーを組み合わせたパラメータ化警察の学習方法である。
論文 参考訳(メタデータ) (2022-06-21T19:01:19Z) - Digital Twin in Practice: Emergent Insights from an ethnographic-action
research study [0.9768248031724482]
本稿では,実践者がDigital Twinを実際にデプロイする際に直面する障害について報告する。
このケーススタディは、アーキテクチャ、エンジニアリング、建設(AEC)実践者が実際に直面している障害を明らかにすることに繋がった。
論文 参考訳(メタデータ) (2022-03-08T19:03:22Z) - Towards Digital Twin Oriented Modelling of Complex Networked Systems and
Their Dynamics: A Comprehensive Survey [11.18312489268624]
異なる視点から様々なモデリングパラダイムを概念的に比較する新しい枠組みを提案する。
私たちはまた、レビューされた最先端のアプローチが、理想化されたDTからどれだけ遠いかを評価する。
論文 参考訳(メタデータ) (2022-02-15T15:44:00Z) - Characterizing Technical Debt and Antipatterns in AI-Based Systems: A
Systematic Mapping Study [14.437695080681259]
本研究の目的は、AIベースのシステムに現れる技術的負債のタイプ(TD)の明確な概要と特徴を提供することである。
i) 確立されたTDタイプ,そのバリエーション,および4つの新しいTDタイプ(データ,モデル,構成,倫理的負債)がAIベースシステムに存在することを示す。
私たちの結果は、システムに存在するTDの側面を推論し、伝達するAI専門家を支援することができます。
論文 参考訳(メタデータ) (2021-03-17T17:11:43Z) - Digital Twins: State of the Art Theory and Practice, Challenges, and
Open Research Questions [62.67593386796497]
この研究は、様々なDT機能と現在のアプローチ、デジタルツインの実装と導入の遅れの背景にある欠点と理由を探求する。
この遅延の主な理由は、普遍的な参照フレームワークの欠如、ドメイン依存、共有データのセキュリティ上の懸念、デジタルツインの他の技術への依存、定量的メトリクスの欠如である。
論文 参考訳(メタデータ) (2020-11-02T19:08:49Z)
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。