[論文レビュー] OpenTwins: An open-source framework for the design, development and integration of effective 3D-IoT-AI-powered digital twins

Julia Robles, Cristian Martín+1 more|arXiv (Cornell University)|Jan 12, 2023

Digital Transformation in Industry被引用数 5

ひとこと要約

OpenTwins は、Eclipse Ditto を基盤として、3D ビジュアライゼーション、IoT データストリーム、リアルタイム AI/ML 予測を統合したオープンソースで拡張可能なフレームワークです。産業用途向けにこれらのコンponents をシームレスにオーケストレーションでき、17 人のクライアントで 1 秒未満の低遅延性能（下限）と、サブ秒未満の回復時間を持つ強力なエラー回復性を示しており、リアルタイム凍結点予測のための石油化学産業での検証が行われました。

ABSTRACT

Although digital twins have recently emerged as a clear alternative for reliable asset representations, most of the solutions and tools available for the development of digital twins are tailored to specific environments. Furthermore, achieving reliable digital twins often requires the orchestration of technologies and paradigms such as machine learning, the Internet of Things, and 3D visualization, which are rarely seamlessly aligned. In this paper, we present a generic framework for the development of effective digital twins combining some of the aforementioned areas. In this open framework, digital twins can be easily developed and orchestrated with 3D connected visualizations, IoT data streams, and real-time machine-learning predictions. To demonstrate the feasibility of the framework, a use case in the Petrochemical Industry 4.0 has been developed.

研究の動機と目的

• デジタルツイン向けに、3D ビジュアライゼーション、IoT データ、リアルタイム AI/ML 予測をシームレスに統合できる汎用的で拡張可能なフレームワークの不足に対処すること。
• AI/ML や 3D レンダリングのための広範なカスタム統合を必要とする分野特化型のデジタルツインプラットフォームの制限を克服すること。
• 多様な産業的文脈において、継続的な開発と統合が可能な統合的でスケーラブルかつ耐障害性を持つプラットフォームを提供すること。
• モジュラーで合成可能なツインアーキテクチャをサポートすることで、複雑なシステム（例：列車システム）のデジタルツイン構築を可能にすること。

提案手法

• 物理的資産とそのデータストリームの安全で標準化された抽象化とリアルタイム監視を実現するため、フレームワークは Eclipse Ditto に依存している。
• Kafka-ML を統合してエンドツーエンドの機械学習パイプラインを実現し、ストリーミング IoT データ上でリアルタイムの推論とモデル更新を可能にしている。
• 3D レンダリングエンジンとして Unity 3D を使用し、動的状態更新を伴うインタラクティブでリアルタイムのデジタルツインのビジュアライゼーションを提供している。
• 高可用性と耐障害性を実現するため、Kubernetes 上にシステムをデプロイしており、サービス障害時の自動回復メカニズムを備えている。
• モジュラーなマイクロサービスアーキテクチャにより、IoT データ受信、AI/ML 処理、3D ビジュアライゼーションの各モジュールを分離し、独立したスケーリングと保守が可能になっている。
• エラー耐性は、手動によるポッド削除とメッセージリプレイを実施し、時系列データ比較のため InfluxDB を用いてデータ整合性を検証することで評価されている。

Figure 1: An overview of the 3D-IoT-AI-powered digital twin architecture. In blue the essential functions, in red the 3D representation and, in yellow the data prediction with ML.

実験結果

リサーチクエスチョン

• RQ1 汎用的でオープンソースのフレームワークは、1 つのデジタルツインプラットフォーム内で 3D ビジュアライゼーション、リアルタイム IoT データ、AI/ML 予測を効果的にオーケストレーションできるか？
• RQ2 リアルタイム予測ワークロードにおけるクライアント負荷の増加に伴い、フレームワークはどのような性能特性（遅延、スループット）を示すか？
• RQ3 フレームワークはサービス障害に対してどれほど耐性があり、IoT ブローカーやデータ処理ポッドなどの重要なコンponents の回復時間はどの程度か？
• RQ4 FMI などの標準化されたシミュレーションモデルをサポートするための拡張性は、ハイブリッド デジタルツインの構築にどの程度活用可能か？
• RQ5 フレームワークは、概念実証を超えた実産業界での応用と検証が可能か？

主な発見

• 17 人の同時クライアントが接続された状態でも、予測遅延が 1 秒未満に保たれ、低遅延性能を達成した。
• 高負荷下でもスループットの低下はわずかに抑えられ、産業用モニタリングおよび予測ワークロードにおけるスケーラブルなパフォーマンスを示した。
• 障害発生時の回復時間は、ほとんどのコンponents で 1 秒未満と一貫して短く、強力な耐障害性を実証した。
• Kafka-ML の統合により、メッセージリプレイを伴う信頼性の高いリアルタイム推論が可能になり、回復時におけるデータ損失を最小限に抑えた。
• プラットフォームは、石油化学プロセスの 3D デジタルツイン上でリアルタイムの凍結点予測を可視化し、産業現場での実用性を検証した。
• 回復時のデータ損失は最小限であり、特定のコンponents（例：Eclipse Hono MQTT アダプタ）に限定されていたが、大多数のサービスはデータ損失なしに回復した。

Figure 2: Relationship between Eclipse Ditto and Eclipse Hono