Till skillnad från traditionella digitala tvillingar, som främst används för övervakning och analys, är körbara digitala tvillingar aktiva, dynamiska modeller som kan svara på input, simulera scenarier
och fatta beslut autonomt eller med mänskligt ingripande. Den körbara digitala tvillingen (eller xDT). Enkelt uttryckt är xDT den digitala tvillingen på ett chip. xDT använder data från ett (relativt) litet antal sensorer inbäddade i den fysiska produkten för att utföra simuleringar i realtid med hjälp av modeller med reducerad ordning. Från det lilla antalet sensorer kan det förutsäga det fysiska tillståndet när som helst på objektet (även på platser där det skulle vara omöjligt att placera sensorer).
Realtidssimulering och interaktion
xDT kan simulera beteendet och prestandan hos den fysiska tillgången eller systemet i realtid. De kan svara på ingångar, simulera olika driftsförhållanden och interagera dynamiskt med externa system eller användare.
Autonomi och beslutsfattande
xDT kan fatta beslut autonomt baserat på fördefinierade regler, algoritmer eller maskininlärningsmodeller. De kan analysera data, förutsäga resultat och vidta åtgärder för att optimera prestanda eller svara på förändrade förhållanden.
Stängd styrning x
DT fungerar ofta i ett sluten styrsystem, där realtidsdata från sensorer och ställdon matas tillbaka till den virtuella modellen för att justera parametrar, optimera prestanda och bibehålla önskade driftsförhållanden.
Prediktiv analys och optimering
xDT använder prediktiv analys och optimeringstekniker för att förutsäga framtida beteende, identifiera potentiella problem eller möjligheter och rekommendera åtgärder för att förbättra prestanda eller mildra risker.
Integration med IoT- och AI-teknik
xDT utnyttjar IoT-sensorer, anslutning och artificiell intelligens (AI) algoritmer för att samla in realtidsdata, analysera komplexa mönster och fatta välgrundade beslut. De kan också innehålla maskininlärningsmodeller för adaptivt beteende och kontinuerlig förbättring.
Dynamisk anpassning och inlär
ning
xDT kan lära av erfarenhet och anpassa sig till förändringar i miljön eller driftsförhållandena över tid. De kan kontinuerligt uppdatera sina modeller, parametrar och strategier baserat på ny data och feedback.
Körbara digitala tvillingar hittar applikationer inom olika branscher, inklusive tillverkning, energi, transport, sjukvård och smarta städer. De möjliggör prediktivt underhåll, autonom drift, optimering av processer och beslutsstöd i komplexa system där övervakning och kontroll i realtid är avgörande. Sammantaget representerar körbara digitala tvillingar nästa utveckling inom digital tvillingteknik, som erbjuder förbättrade möjligheter för realtidssimulering, beslutsfattande och optimering av fysiska tillgångar och system. En körbar digital tvilling är en avancerad form av en digital tvilling som inte bara representerar en virtuell kopia av en fysisk tillgång eller ett system utan också har förmågan att exekvera, simulera och interagera med den virtuella modellen i realtid.
Fysikbaserade modeller
En fysikbaserad körbar digital tvilling förlitar sig på matematiska modeller som beskriver det fysiska beteendet hos systemet som replikeras. Dessa modeller är vanligtvis baserade på grundläggande fysikprinciper, såsom mekanik, termodynamik, vätskedynamik, elektromagnetik och så vidare. Genom att lösa ekvationerna som styr dessa fysiska fenomen kan den digitala tvillingen simulera beteendet hos det verkliga systemet i en virtuell miljö.
Simulering av fysiska processer Den
digitala tvillingen simulerar de fysiska processerna och interaktionerna inom systemet med hjälp av fysikbaserade modeller. Detta gör det möjligt att förutsäga hur systemet kommer att bete sig under olika driftsförhållanden, ingångar och scenarier.
Realtidssimulering
En körbar digital tvilling baserad på fysikmodeller kan simulera beteendet hos det fysiska systemet i realtid eller nästan realtid. Detta möjliggör dynamisk interaktion och beslutsfattande baserat på systemets nuvarande tillstånd och dess miljö.
Styr med sluten slinga
Fysikbaserade körbara digitala tvillingar fungerar ofta i ett stängt styrsystem, där realtidsdata från sensorer och ställdon används för att justera simuleringsparametrarna och styra beteendet hos den virtuella modellen. Detta gör det möjligt för den digitala tvillingen att upprätthålla önskade driftsförhållanden och optimera prestanda.
Validering och verifiering
Fysikbaserade modeller som används i körbara digitala tvillingar måste valideras och verifieras för att säkerställa deras noggrannhet och tillförlitlighet. Detta innebär att jämföra simuleringsresultat med verkliga mätningar och experimentella data för att bekräfta att den digitala tvillingen exakt representerar det fysiska systemet.
Även om fysikbaserad modellering ofta används i körbara digitala tvillingar, är det viktigt att notera att andra modelleringsmetoder, såsom datadriven modellering, empiriska modeller eller hybridmodeller som kombinerar fysik och datadrivna tekniker, också kan användas beroende på applikationens specifika krav och begränsningar.
