Za razliko od tradicionalnih digitalnih dvojčkov, ki se uporabljajo predvsem za spremljanje in analizo, so izvedljivi digitalni dvojčki aktivni, dinamični modeli, ki se lahko odzivajo na vhode, simulirajo scenarije
Odločitve sprejemajo samostojno ali s človeškim posredovanjem. Izvršljivi digital twin (ali xDT). Preprosto povedano, xDT je digital twin na čipu. XdT uporablja podatke iz (relativno) majhnega števila senzorjev, vgrajenih v fizični izdelek, za izvajanje simulacij v realnem času z uporabo modelov zmanjšanega reda. Iz tega majhnega števila senzorjev lahko napoveduje fizično stanje na kateri koli točki predmeta (tudi na mestih, kjer ne bi bilo mogoče postaviti senzorjev).
Simulacija in interakcija v realnem času
xDT so sposobni simulirati vedenje in delovanje fizičnega sredstva ali sistema v realnem času. Lahko se odzivajo na vhode, simulirajo različne pogoje delovanja in dinamično komunicirajo z zunanjimi sistemi ali uporabniki.
Avtonomija in odločanje
xDT lahko samostojno sprejema odločitve na podlagi vnaprej določenih pravil, algoritmov ali modelov strojnega učenja. Lahko analizirajo podatke, napovedujejo rezultate in sprejmejo ukrepe za optimizacijo uspešnosti ali odzivanje na spreminjajoče se razmere.
Krmiljenje z zaprto zanko
xDT pogosto deluje v nadzornem sistemu z zaprto zanko, kjer se podatki senzorjev in aktuatorjev v realnem času vnašajo nazaj v virtualni model za prilagajanje parametrov, optimizacijo delovanja in vzdrževanje želenih pogojev delovanja.
Prediktivna analiza in optimizacija
xDT uporablja napovedno analitiko in tehnike optimizacije za napovedovanje prihodnjega vedenja, prepoznavanje potencialnih težav ali priložnosti ter priporočanje ukrepov za izboljšanje uspešnosti ali ublažitev tveganj.
Integracija s tehnologijami IoT in AI
xDT uporablja senzorje interneta stvari (IoT), algoritme povezljivosti in umetne inteligence (AI) za zbiranje podatkov v realnem času, analizo zapletenih vzorcev in sprejemanje premišljenih odločitev. Vključujejo lahko tudi modele strojnega učenja za prilagodljivo vedenje in nenehno izboljševanje.
Dinamično prilagajanje in učenje
xDt se lahko učijo iz izkušenj in se sčasoma prilagajajo spremembam okolja ali delovnih pogojev. Na podlagi novih podatkov in povratnih informacij lahko nenehno posodabljajo svoje modele, parametre in strategije.
Izvedljivi digitalni dvojčki najdejo aplikacije v različnih panogah, vključno s proizvodnjo, energijo, prometom, zdravstvom in pametnimi mesti. Omogočajo napovedno vzdrževanje, avtonomno delovanje, optimizacijo procesov in podporo odločanju v kompleksnih sistemih, kjer sta spremljanje in nadzor v realnem času ključnega pomena. Na splošno izvedljivi digitalni dvojčki predstavljajo naslednji razvoj tehnologije digital twin dvojčkov, ki ponujajo izboljšane zmogljivosti za simulacijo v realnem času, odločanje in optimizacijo fizičnih sredstev in sistemov. Izvršilni digital twin je napredna oblika digitalnega dvojčka, ki ne predstavlja le virtualne replike fizičnega sredstva ali sistema, ampak ima tudi možnost izvajanja, simulacije in interakcije z navideznim modelom v realnem času.
Modeli, ki temeljijo na fiziki
Izvršljivi digital twin, ki temelji na fiziki, se opira na matematične modele, ki opisujejo fizično vedenje sistema, ki se ponavlja. Ti modeli običajno temeljijo na temeljnih načelih fizike, kot so mehanika, termodinamika, dinamika tekočin, elektromagnetika itd. Z reševanjem enačb, ki urejajo te fizične pojave, lahko digital twin simulira vedenje realnega sistema v virtualnem okolju.
Simulacija fizikalnih procesov
Digitalni dvojček simulira fizične procese in interakcije znotraj sistema z uporabo modelov, ki temeljijo na fiziki. To mu omogoča napovedovanje, kako se bo sistem obnašal v različnih delovnih pogojih, vhodih in scenarijih.
Simulacija v realnem času
Izvršilni digital twin, ki temelji na fizičnih modelih, lahko simulira vedenje fizičnega sistema v realnem ali skoraj realnem času. To omogoča dinamično interakcijo in odločanje na podlagi trenutnega stanja sistema in njegovega okolja.
Krmiljenje z zaprto zanko
Izvedljivi digitalni dvojčki, ki temeljijo na fiziki, pogosto delujejo v nadzornem sistemu z zaprto zanko, kjer se podatki senzorjev in aktuatorjev v realnem času uporabljajo za prilagajanje simulacijskih parametrov in nadzor vedenja virtualnega modela. To omogoča digitalnemu dvojčku, da ohrani želene pogoje delovanja in optimizira delovanje.
Validacija in preverjanje
Modele, ki temeljijo na fiziki, ki se uporabljajo pri izvršljivih digitalnih dvojčkih, je treba potrditi in preveriti, da se zagotovi njihova natančnost in zanesljivost. To vključuje primerjavo rezultatov simulacije z meritvami v resničnem svetu in eksperimentalnimi podatki, da potrdimo, da digital twin natančno predstavlja fizični sistem.
Medtem ko se modeliranje, ki temelji na fiziki, običajno uporablja pri izvedljivih digitalnih dvojčkih, je pomembno omeniti, da se lahko uporabljajo tudi drugi pristopi modeliranja, kot so modeliranje, ki temelji na podatkih, empirični modeli ali hibridni modeli, ki združujejo fiziko in tehnike, ki temeljijo na podatkih, odvisno od posebnih zahtev in omejitev aplikacije.
