本期阅读
文章信息
论文“Data-driven invariant modelling patterns for digital twin design”于2023年2月发表于《Journal of Industrial Information Integration》期刊，这篇文章由Concetta Semeraro, Mario Lezoche, Hervé Panetto, Michele Dassisti共同完成。
DOI：https://doi.org/10.1016/j.jii.2022.100424
论文链接：
https://www.sciencedirect.com/science/article/abs/pii/S2452414X22000917
引用本文：
Concetta Semeraro, Mario Lezoche, Hervé Panetto, Michele Dassisti,Data-driven invariant modelling patterns for digital twin design,Journal of Industrial Information Integration,Volume 31,2023,100424,ISSN 2452-414X, https://doi.org/10.1016/j.jii.2022.100424.
文章阅读
Data-driven invariant modelling patterns for digital twin design
Concetta Semeraro, Mario Lezoche, Hervé Panetto, Michele Dassisti
1. Department of Industrial and Management Engineering, University of Sharjah, Sharjah, United Arab Emirates
2. University of Lorraine, CNRS, CRAN, France
3. Department of Mechanics, Management & Mathematics (DMMM), Polytechnic University of Bari, Bari, Italy
Abstract
The Digital Twin (DT) is one of the most promising technologies in the digital transformation market. A digital twin is a virtual copy of a physical system that emulates its behaviour to predict failures and opportunities for change, prescribe actions in real-time, and optimise and/or mitigate unexpected events. Modelling the virtual copy of a physical system is a rather complex task and requires the availability of a large amount of information and a set of accurate models that adequately represent the reality to model. At present, the modelling depends on the specific use case. Hence, the need to design a modelling solution suitable for virtual reality modelling in the context of a digital twin. The paper proposes a new approach to design a DT by endeavouring the concept of "modelling patterns" and their invariance property. Modelling patterns are here thought of as data-driven, as they can be derived autonomously from data using a specific approach devised to reach an invariance feature, to allow these to be used (and re-used) in modelling situations and/or problems with any given degree of similarity. The potentialities of invariance modelling patterns are proved here by the grace of a real industrial application, where a dedicated DT has been built using the approach proposed here.
Keynote
Industry 4.0, Digital twin, Virtual reality, Training
摘要
数字孪生（DT）是数字化转型市场中极具前景的技术之一。数字孪生是物理系统的虚拟副本，能够模拟其行为以预测故障与变革机会，实时规定行动，并优化或缓解突发事件。构建物理系统的虚拟副本模型是一项相当复杂的任务，需要大量信息以及能够充分反映现实情况的一系列精确模型。目前，建模工作依赖于特定的应用场景。因此，需要设计一种适用于数字孪生背景下虚拟现实建模的解决方案。本文提出了一种新的数字孪生设计方法，即引入“建模模式”及其不变性属性的概念。在此，建模模式被视为数据驱动的，因为它们可以通过采用特定方法自主地从数据中导出，该方法旨在实现不变性特征，以便在建模情境和/或具有任何相似程度的问题中反复使用这些模式。本文通过一个实际的工业应用实例证明了不变性建模模式的潜力，其中使用本文提出的方法构建了一个专用的数字孪生系统。
关键词
不变性，建模模式，数字孪生，数据驱动，网络物理系统，压铸
Fig. 3. Invariant modelling patterns methodology
Fig. 4. SysML modelling views.
研究背景
随着系统复杂性增加和市场需求变化，数字孪生（DT）成为提高决策准确性的关键工具。本文提出了一种结构化、可靠的方法，通过自动发现和形式化模型的不变性，提高DT建模效率。
研究方法
采用数据驱动的模式识别，识别和构建DT模型，以适应不同应用领域。
通过系统定义、建模、数据选择、知识发现（FCA和RCA）和知识提取等关键步骤，简化模型构建复杂性。
使用SysML作为建模语言，通过需求图、结构图和行为图描述系统。
应用FCA和RCA算法，通过关联规则揭示对象间的关系，提高模型质量。
通过案例研究和结论，证明了该方法的有效性。
研究结论
本文提出的方法能够有效提高数字孪生模型的准确性和效率。
通过识别系统行为模式，可以预测系统未来行为，简化设计和维护。
研究发现，数据驱动模式识别和模型化方法能够简化模型构建，提高效率，降低开发时间。
正式化的知识有助于用户理解和应用，支持构建高效、简洁的数字孪生界面。
通过系统建模和RCA分析，可以发现优化过程的潜在功能模式，如预测和减少停机时间、提高维护质量等。
关注公众号，后台回复“论文74”即可下载原文
相关阅读
本公众号致力于分享高质量的数字孪生与数字工程相关学术研究与知识资讯，以促进学术交流与知识传播。推送的论文内容主要来源于公开出版或在线发布的学术资源，版权归原作者所有，仅供学术交流，未经授权不得商用。如有侵权，请联系删除。
作者如有优秀论文需推荐，请在公众号后台留言与我们取得联系，我们将审核后择优推送。感谢您的持续关注与支持！
