In tegenstelling tot traditionele digitale tweelingen, die voornamelijk worden gebruikt voor monitoring en analyse, zijn uitvoerbare digitale tweelingen actieve, dynamische modellen die kunnen reageren op invoer en scenario's kunnen simuleren.
en beslissingen nemen op autonome wijze of met menselijke tussenkomst. De uitvoerbare digital twin (of xDT). Eenvoudig gezegd is de xDT de digital twin op een chip. De xDT gebruikt gegevens van een (relatief) klein aantal sensoren die in het fysieke product zijn ingebed om simulaties in realtime uit te voeren met behulp van modellen van beperkte orde. Met die kleine aantallen sensoren kan het de fysieke toestand op elk punt op het object voorspellen (zelfs op plaatsen waar het onmogelijk zou zijn om sensoren te plaatsen).
Simulatie en interactie in realtime
xDT is in staat om het gedrag en de prestaties van het fysieke bedrijfsmiddel of systeem in realtime te simuleren. Ze kunnen reageren op input, verschillende bedrijfsomstandigheden simuleren en dynamisch communiceren met externe systemen of gebruikers.
Autonomie en besluitvorming
xDT kan autonoom beslissingen nemen op basis van vooraf gedefinieerde regels, algoritmen of modellen voor machine learning. Ze kunnen gegevens analyseren, resultaten voorspellen en maatregelen nemen om de prestaties te optimaliseren of te reageren op veranderende omstandigheden.
Bediening met een gesloten kringloop
xDT werkt vaak in een gesloten regelsysteem, waarbij realtime gegevens van sensoren en actuatoren worden teruggevoerd naar het virtuele model om parameters aan te passen, de prestaties te optimaliseren en de gewenste bedrijfsomstandigheden te handhaven.
Voorspellende analyse en optimalisatie
xDT maakt gebruik van voorspellende analyse- en optimalisatietechnieken om toekomstig gedrag te voorspellen, potentiële problemen of kansen te identificeren en maatregelen aan te bevelen om de prestaties te verbeteren of risico's te beperken.
Integratie met IoT- en AI-technologieën
xDT maakt gebruik van Internet of Things (IoT) -sensoren, connectiviteit en algoritmen voor kunstmatige intelligentie (AI) om realtime gegevens te verzamelen, complexe patronen te analyseren en weloverwogen beslissingen te nemen. Ze kunnen ook modellen voor machinaal leren bevatten voor adaptief gedrag en continue verbetering.
Dynamische aanpassing en leren
xDT is in staat om van ervaringen te leren en zich in de loop van de tijd aan te passen aan veranderingen in de omgeving of de bedrijfsomstandigheden. Ze kunnen hun modellen, parameters en strategieën voortdurend bijwerken op basis van nieuwe gegevens en feedback.
Uitvoerbare digitale tweelingen vinden toepassingen in verschillende sectoren, waaronder productie, energie, transport, gezondheidszorg en slimme steden. Ze maken voorspellend onderhoud, autonome werking, optimalisatie van processen en beslissingsondersteuning mogelijk in complexe systemen waar realtime monitoring en controle van cruciaal belang zijn. Over het algemeen vertegenwoordigen uitvoerbare digitale tweelingen de volgende evolutie in de digital twin-technologie, die verbeterde mogelijkheden biedt voor realtime simulatie, besluitvorming en optimalisatie van fysieke activa en systemen. Een uitvoerbare digital twin is een geavanceerde vorm van een digital twin die niet alleen een virtuele replica is van een fysiek activum of systeem, maar ook de mogelijkheid heeft om het virtuele model in realtime uit te voeren, te simuleren en ermee te interageren.
Op fysica gebaseerde modellen
Een op fysica gebaseerde, uitvoerbare digital twin is gebaseerd op wiskundige modellen die het fysieke gedrag beschrijven van het systeem dat wordt gerepliceerd. Deze modellen zijn doorgaans gebaseerd op fundamentele natuurkundige principes, zoals mechanica, thermodynamica, vloeistofdynamica, elektromagnetica, enzovoort. Door de vergelijkingen op te lossen die deze natuurkundige fenomenen bepalen, kan de digital twin het gedrag van het echte systeem in een virtuele omgeving simuleren.
Simulatie van fysieke processen
De digital twin simuleert de fysieke processen en interacties binnen het systeem met behulp van op fysica gebaseerde modellen. Zo kan het systeem voorspellen hoe het systeem zich zal gedragen onder verschillende bedrijfsomstandigheden, inputs en scenario's.
Simulatie in realtime
Een uitvoerbare digital twin op basis van natuurkundige modellen kan het gedrag van het fysieke systeem in realtime of bijna realtime simuleren. Dit maakt dynamische interactie en besluitvorming mogelijk op basis van de huidige toestand van het systeem en zijn omgeving.
Bediening met een gesloten kringloop
Op fysica gebaseerde uitvoerbare digitale tweelingen werken vaak in een gesloten besturingssysteem, waarbij realtime gegevens van sensoren en actuatoren worden gebruikt om de simulatieparameters aan te passen en het gedrag van het virtuele model te regelen. Hierdoor kan de digital twin de gewenste bedrijfsomstandigheden handhaven en de prestaties optimaliseren.
Validatie en verificatie
Op fysica gebaseerde modellen die worden gebruikt in uitvoerbare digitale tweelingen moeten worden gevalideerd en geverifieerd om hun nauwkeurigheid en betrouwbaarheid te garanderen. Dit houdt in dat de simulatieresultaten worden vergeleken met metingen en experimentele gegevens uit de echte wereld om te bevestigen dat de digital twin het fysieke systeem nauwkeurig weergeeft.
Hoewel op fysica gebaseerde modellering vaak wordt gebruikt in uitvoerbare digitale tweelingen, is het belangrijk op te merken dat andere modelleringsmethoden, zoals datagestuurde modellering, empirische modellen of hybride modellen die fysica combineren met datagestuurde technieken, ook kunnen worden gebruikt, afhankelijk van de specifieke vereisten en beperkingen van de toepassing.
