W przeciwieństwie do tradycyjnych bliźniaków cyfrowych, które są używane głównie do monitorowania i analizy, wykonywalne bliźniaki cyfrowe są aktywnymi, dynamicznymi modelami, które mogą reagować na dane wejściowe, symulować scenariusze
i podejmować decyzje autonomicznie lub z interwencją człowieka. Wykonywalny digital twin (lub xDT). Mówiąc prościej, xDT to digital twin na chipie. XdT wykorzystuje dane z (stosunkowo) niewielkiej liczby czujników osadzonych w produkcie fizycznym do wykonywania symulacji w czasie rzeczywistym przy użyciu modeli o zmniejszonym porządku. Z tych niewielkich ilości czujników może przewidzieć stan fizyczny w dowolnym punkcie obiektu (nawet w miejscach, w których nie byłoby możliwe umieszczenie czujników).
Symulacja i interakcja w czasie rzeczywistym
xDT są w stanie symulować zachowanie i wydajność fizycznego zasobu lub systemu w czasie rzeczywistym. Mogą reagować na dane wejściowe, symulować różne warunki pracy i dynamicznie wchodzić w interakcje z systemami zewnętrznymi lub użytkownikami.
Autonomia i podejmowanie decyzji
xDT może podejmować decyzje autonomicznie w oparciu o predefiniowane reguły, algorytmy lub modele uczenia maszynowego. Mogą analizować dane, przewidywać wyniki i podejmować działania w celu optymalizacji wydajności lub reagowania na zmieniające się warunki.
Sterowanie zamkniętą pętlą
xDT często działa w systemie sterowania w zamkniętej pętli, gdzie dane w czasie rzeczywistym z czujników i siłowników są podawane z powrotem do modelu wirtualnego w celu dostosowania parametrów, optymalizacji wydajności i utrzymania pożądanych warunków pracy.
Analiza predykcyjna i optymalizacja
xDT wykorzystuje analizy predykcyjne i techniki optymalizacji do prognozowania przyszłych zachowań, identyfikowania potencjalnych problemów lub szans oraz zalecania działań mających na celu poprawę wydajności lub ograniczenie ryzyka.
Integracja z technologiami IoT i AI
xDT wykorzystuje czujniki Internetu rzeczy (IoT), łączność i algorytmy sztucznej inteligencji (AI) do zbierania danych w czasie rzeczywistym, analizy złożonych wzorców i podejmowania świadomych decyzji. Mogą również zawierać modele uczenia maszynowego w celu zachowania adaptacyjnego i ciągłego doskonalenia.
Dynamiczna adaptacja i uczenie się
xDt są w stanie uczyć się z doświadczenia i dostosowywać się do zmian w środowisku lub warunkach pracy w czasie. Mogą stale aktualizować swoje modele, parametry i strategie w oparciu o nowe dane i informacje zwrotne.
Wykonywalne bliźniaki cyfrowe znajdują zastosowanie w różnych branżach, w tym w produkcji, energetyce, transporcie, opiece zdrowotnej i inteligentnych miastach. Umożliwiają konserwację predykcyjną, autonomiczną pracę, optymalizację procesów i wsparcie decyzji w złożonych systemach, w których monitorowanie i kontrola w czasie rzeczywistym mają kluczowe znaczenie. Ogólnie rzecz biorąc, wykonywalne bliźniaki cyfrowe reprezentują kolejną ewolucję technologii digital twin bliźniaków, oferując ulepszone możliwości symulacji w czasie rzeczywistym, podejmowania decyzji i optymalizacji zasobów fizycznych i systemów. Wykonywalny digital twin to zaawansowana forma cyfrowego bliźniaka, która nie tylko reprezentuje wirtualną replikę fizycznego zasobu lub systemu, ale także ma możliwość wykonywania, symulacji i interakcji z modelem wirtualnym w czasie rzeczywistym.
Modele oparte na fizyce
Wykonywalny digital twin oparty na fizyce opiera się na modelach matematycznych, które opisują fizyczne zachowanie replikowanego systemu. Modele te są zazwyczaj oparte na podstawowych zasadach fizyki, takich jak mechanika, termodynamika, dynamika płynów, elektromagnetyka i tak dalej. Rozwiązując równania rządzące tymi zjawiskami fizycznymi, digital twin może symulować zachowanie rzeczywistego systemu w środowisku wirtualnym.
Symulacja procesów fizycznych
Cyfrowy bliźniak symuluje procesy fizyczne i interakcje w systemie za pomocą modeli opartych na fizyce. Pozwala to przewidzieć, jak system będzie zachowywał się w różnych warunkach pracy, wejściach i scenariuszach.
Symulacja w czasie rzeczywistym
Wykonywalny digital twin oparty na modelach fizycznych może symulować zachowanie systemu fizycznego w czasie rzeczywistym lub prawie czasie rzeczywistym. Umożliwia to dynamiczną interakcję i podejmowanie decyzji w oparciu o aktualny stan systemu i jego otoczenia.
Sterowanie zamkniętą pętlą
Wykonywalne bliźniaki cyfrowe oparte na fizyce często działają w systemie sterowania w zamkniętej pętli, gdzie dane w czasie rzeczywistym z czujników i siłowników są wykorzystywane do dostosowania parametrów symulacji i kontrolowania zachowania modelu wirtualnego. Pozwala to cyfrowemu bliźniaczowi utrzymać pożądane warunki pracy i zoptymalizować wydajność.
Walidacja i weryfikacja
Modele oparte na fizyce stosowane w wykonywalnych cyfrowych bliźniakach muszą zostać zweryfikowane i zweryfikowane, aby zapewnić ich dokładność i niezawodność. Obejmuje to porównanie wyników symulacji z rzeczywistymi pomiarami i danymi eksperymentalnymi, aby potwierdzić, że digital twin dokładnie reprezentuje układ fizyczny.
Chociaż modelowanie oparte na fizyce jest powszechnie stosowane w wykonywalnych bliźniakach cyfrowych, należy zauważyć, że inne podejścia modelowania, takie jak modelowanie oparte na danych, modele empiryczne lub modele hybrydowe łączące fizykę i techniki oparte na danych, mogą być również stosowane w zależności od specyficznych wymagań i ograniczeń aplikacji.
