[論文レビュー] Digital Twins: State of the Art Theory and Practice, Challenges, and Open Research Questions

Angira Sharma, Edward Elson Kosasih+3 more|arXiv (Cornell University)|Nov 2, 2020

Digital Transformation in Industry被引用数 15

ひとこと要約

本論文は、標準化の欠如、ドメイン依存性、パフォーマンス指標の不足がデジタルツイン（DT）の導入を妨げているという問題に対処する包括的なデジタルツイン（DT）参考枠組みを提案する。IoT、ビッグデータ、機械学習を統合してリアルタイム監視、シミュレーション、自己進化型アナリティクスを実現することで、主な課題を特定し、形式的定義、誤差の定量化、業界横断的連携を伴う、普遍的かつ安全で評価可能なDTシステムへの道筋を提示する。

ABSTRACT

Digital Twin was introduced over a decade ago, as an innovative all-encompassing tool, with perceived benefits including real-time monitoring, simulation and forecasting. However, the theoretical framework and practical implementations of digital twins (DT) are still far from this vision. Although successful implementations exist, sufficient implementation details are not publicly available, therefore it is difficult to assess their effectiveness, draw comparisons and jointly advance the DT methodology. This work explores the various DT features and current approaches, the shortcomings and reasons behind the delay in the implementation and adoption of digital twin. Advancements in machine learning, internet of things and big data have contributed hugely to the improvements in DT with regards to its real-time monitoring and forecasting properties. Despite this progress and individual company-based efforts, certain research gaps exist in the field, which have caused delay in the widespread adoption of this concept. We reviewed relevant works and identified that the major reasons for this delay are the lack of a universal reference framework, domain dependence, security concerns of shared data, reliance of digital twin on other technologies, and lack of quantitative metrics. We define the necessary components of a digital twin required for a universal reference framework, which also validate its uniqueness as a concept compared to similar concepts like simulation, autonomous systems, etc. This work further assesses the digital twin applications in different domains and the current state of machine learning and big data in it. It thus answers and identifies novel research questions, both of which will help to better understand and advance the theory and practice of digital twins.

研究の動機と目的

• デジタルツインの広範な導入を遅らせる主な障壁、すなわち標準化の欠如、ドメイン依存性、パフォーマンス指標の不足を特定・分析すること。
• IoT、ビッグデータ、機械学習といった支援技術がDTの能力と実装上の課題にどのように影響するかを検討すること。
• 一対一対応（bijective mapping）、リアルタイム同期、システム整合性を保証する形式的で普遍的なデジタルツイン参考枠組みを提唱すること。
• 誤差の定量化、トレーサビリティ、信頼度の測定を通じて、DTのパフォーマンスを評価する基盤を構築すること。
• 規制枠組み、IoT標準、ドメイン専門家の統合の必要性を明らかにすることで、業界横断的連携を促進すること。

提案手法

• 既存の文献および産業実装の体系的レビューを実施し、現在のDTの特徴、アーキテクチャ、限界をマッピングすること。
• 一対一対応、リアルタイムデータ同期、シミュレーション、アナリティクス、自己進化型能力を含む、コアコンポonentに基づくデジタルツイン参考モデルを提唱すること。
• 異常検出やフェデレーテッドラーニングを含む機械学習技術を統合し、データ整合性とモデルのレジリエンスを向上させること。
• モデル出力のトレーサビリティメカニズムとログ記録を定義し、監査可能性とパフォーマンス評価を可能にすること。
• 予測の信頼性を評価し、検証されていないDTの推奨事項に依存するのを減らすために、誤差定量化指標を開発すること。
• 形式的定義、IoT通信標準、国境を越えた規制を提唱することで、安全でスケーラブルなDTの展開を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 業界をまたいで広範にデジタルツインが導入されない主な技術的・組織的障壁は何ですか？
• RQ2 IoT、ビッグデータ、機械学習技術への依存が、デジタルツインシステムの開発と信頼性にどのように制限をもたらしますか？
• RQ3 一意性と相互運用性を保証する普遍的なデジタルツイン参考枠組みを定義する上で不可欠な構成要素は何ですか？
• RQ4 定量的パフォーマンス評価と誤差検出を通じて、デジタルツインが自己進化型行動をどのように達成できますか？
• RQ5 ドメイン固有の要件の欠如と標準化の不足は、デジタルツイン実装のスケーラビリティと再利用可能性をどのように制限していますか？

主な発見

• 普遍的なデジタルツイン参考枠組みは、定義、コンポーネント、評価基準の統一に不可欠であり、現行の実装は標準化がなく、ドメインに強く依存しているため。
• 機械学習の統合により、データおよびモデル入力の異常検出とトレーサビリティが可能になり、システムのレジリエンスと監査可能性が向上する。
• 誤差の定量化と信頼度指標は意思決定において極めて重要であり、検証されていないデジタルツインの予測は重大な運用リスクを伴う。
• 形式的定義とIoT標準の欠如が、企業間およびグローバルな運用における相互運用性と安全なデータ共有を阻害している。
• 複雑で安全が求められる業界におけるデジタルツインの導入を確実にするためには、規制枠組みとドメイン専門家の統合が不可欠である。
• IoTおよび機械学習の進歩にもかかわらず、デジタルツインの導入は、実装の断片化、パフォーマンス指標の不足、共有データに対するセキュリティ懸念のため、依然として限定的である。