[論文レビュー] An Agent-based Realisation for a continuous Model Adaption Approach in intelligent Digital Twins

Daniel Dittler, Peter Lierhammer+4 more|arXiv (Cornell University)|Dec 7, 2022

Digital Transformation in Industry被引用数 4

ひとこと要約

本論文は、モジュラー生産システムのインテelligェントなデジタルツインにおける継続的モデル適応のためのエージェントベースアーキテクチャを提案する。このアーキテクチャにより、運用フェーズ中に異種のシミュレーションモデルに対する動的更新が可能となり、自律的エージェントがシステム変化を監視し、リアルタイムでモデルを自動的に適応させる。これにより、応用指向の現実性が維持され、モデルの忠実性と運用への対応性が向上する事例が示された。

ABSTRACT

The trend in industrial automation is towards networking, intelligence and autonomy. Digital Twins, which serve as virtual representations, are becoming increasingly important in this context. The Digital Twin of a modular production system contains many different models that are mostly created for specific applications and fulfil different requirements. Especially simulation models, which are created in the development phase, can be used during the operational phase for applications such as prognosis or operation-parallel simulation. Due to the high heterogeneity of the model landscape in the context of a modular production system, the plant operator is faced with the challenge of adapting the models in order to ensure an application-oriented realism in the event of changes to the asset and its environment or the addition of applications. Therefore, this paper proposes a concept for the continuous model adaption in the Digital Twin of a modular production system during the operational phase. The benefits are then demonstrated by an application scenario and an agent-based realisation.

研究の動機と目的

• 運用フェーズ中に資産や環境に変化が生じる中で、デジタルツインにおけるモデルの正確性を維持する課題に対処すること。
• モジュラー生産システムにおける異種のシミュレーションモデルの継続的かつ応用指向の適応を可能にすること。
• 分散型エージェントによる自動化によって、モデル更新の手動介入を削減すること。
• 実世界の産業的シナリオにおいて、エージェントベースのモデル適応の実現可能性と利点を示すこと。

提案手法

• 専門的なエージェントが物理的システム、データストリーム、モデル状態を監視し、変化を検出するマルチエージェントシステムを採用する。
• エージェントは共有知識ベースを介して通信し、リアルタイムのデータとシステムコンテキストに基づいてモデル適応意思決定を調整する。
• 機器の変更、プロセスの変更、新しい応用要件などのイベントによってモデル適応がトリガーされる。
• ドメイン固有のエージェントがモデルの意味論と更新ロジックを理解することで、異種のモデルをサポートする。
• エージェントは軽量の推論とルールベース論理を用いてモデルの関連性を評価し、中央集権的制御なしに更新を開始する。
• 動的条件下での適応性、スケーラビリティ、応答性を検証するため、システムはシミュレーション環境に実装されている。

実験結果

リサーチクエスチョン

• RQ1 デジタルツインにおけるモデル適応を、物理的システムおよび環境のリアルタイム変化に継続的かつ迅速に対応できるようにするにはどうすればよいか？
• RQ2 中央集権的制御なしに自律的かつ分散型のモデル更新を可能にするアーキテクチャパターンは何か？
• RQ3 エージェントベースのコンponentsは、モジュラー生産システムにおけるシミュレーションモデルの多様性をどのように処理するか？
• RQ4 ランタイム中にエージェント駆動の適応が、モデルの正確性と運用的関連性に与える影響は何か？
• RQ5 提案手法は、動的産業環境においてモデルの忠実性を保ちながら、手動でのモデル保守を削減できるか？

主な発見

• エージェントベースのシステムは、生産環境のリアルタイム変化に応じてシミュレーションモデルを正常に検出し、適応した。
• 低遅延でモデル適応が実現され、仮想的表現が物理的システム状態と同期を保った。
• 分散型アーキテクチャにより、多数の異種モデルが存在する状況下でも、パフォーマンスのボトルネックが生じないスケーラブルなモデル更新が可能となった。
• 手動によるモデル更新への依存が低減され、運用効率とモデル保守性が向上した。
• 応用シナリオでは、エージェント駆動の適応が、複雑で動的な運用条件下でもモデルの忠実性を維持したことが示された。
• 診断と並列運用シミュレーションを含む、異なるアプリケーション間で一貫したモデル整合性が達成された。