[論文レビュー] Enhancing an Intelligent Digital Twin with a Self-organized Reconfiguration Management based on Adaptive Process Models

Timo Müller, B. Lindemann+3 more|arXiv (Cornell University)|Jan 1, 2021

Flexible and Reconfigurable Manufacturing Systems参考文献 22被引用数 3

ひとこと要約

本稿では、知的デジタルツインに適応型プロセスモデルを統合することで、サイバー物理生産システム（CPPS）の自己組織的再構成管理システムを提案する。データ駆動型学習を用いて継続的に構成モデルを最適化し、リアルタイムでの適応と多基準評価を通じて、生産効率、コスト、エネルギー使用の向上を実現する自律的で最適化された再構成を可能にする。

ABSTRACT

Shorter product life cycles and increasing individualization of production leads to an increased reconfiguration demand in the domain of industrial automation systems, which will be dominated by cyber-physical production systems in the future. In constantly changing systems, however, not all configuration alternatives of the almost infinite state space are fully understood. Thus, certain configurations can lead to process instability, a reduction in quality or machine failures. Therefore, this paper presents an approach that enhances an intelligent Digital Twin with a self-organized reconfiguration management based on adaptive process models in order to find optimized configurations more comprehensively.

研究の動機と目的

• 製品ライフサイクルの短縮化と個別化の増加に伴う再構成ニーズの増大という課題に対処すること。
• 静的エンジニアリングモデルの再構成管理における限界を克服し、リアルタイムプロセスデータを用いた動的モデル適応を可能にすること。
• 知的デジタルツイン内でのデータ駆動型で適応可能なプロセスモデリングを通じて、再構成意思決定の信頼性と最適性を向上させること。
• 運用フィードバックに応じて改善する自律的で分散型の再構成手法を構築すること。

提案手法

• 物理的CPPSを同期的に反映する知的デジタルツインを採用し、継続的にリアルタイムプロセスデータを収集する。
• 得られた運用データを用いて学習手法を適用し、プロセスモデルの最適化を図り、適応的モデル進化を実現する。
• 再構成管理フレームワークを四段階に分ける：再構成ニーズの特定、代替構成の生成、コスト・利便性分析による評価、最適構成の選定。
• 努力値と基準重みを用いた正規化されたコスト・利便性評価を適用し、利便性は正規化スコアの重み付き和として計算する。
• 異常および擾乱の影響を時間、コスト、エネルギーの3つの主要基準に投影することで、モデルの現実性を向上させる。
• 手法をデジタルツインアーキテクチャに統合し、運用サイクルに応じた段階的最適化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 サイバー物理生産システムにおける再構成管理を、どのように動的運用状態に適応可能な自己組織的かつ適応的に行えるか？
• RQ2 静的エンジニアリングモデルと比較して、データ駆動型で適応可能なプロセスモデルは、再構成意思決定の正確性と信頼性をどの程度向上できるか？
• RQ3 異常および擾乱の影響を、再構成評価プロセスに体系的に統合する方法は何か？これによりモデルの現実性がどのように向上するか？
• RQ4 知的デジタルツインに適応型プロセスモデルを統合することで、生産パラメータの最適化とシステムパフォーマンスにどのような影響を与えるか？

主な発見

• 提案手法により、分散的で並列処理可能かつ自律的な再構成プロセスが実現され、変化するシステム状態に適応可能である。
• 適応型プロセスモデルはリアルタイムプロセスデータからの学習によりモデルの正確性を顕著に向上させ、より信頼性の高い構成評価を可能にする。
• 評価フレームワークへの異常影響の統合により、より現実的で頑健な構成意思決定が実現される。
• 正規化された努力値と重み付き基準を用いた利便性ベースの評価モデルにより、一貫性があり比較可能な最適構成の選定が可能になる。
• 知的デジタルツインアーキテクチャは、各運用フェーズでモデルと意思決定品質が向上するように、時間経過に伴い段階的最適化を支援する。
• データ駆動型で適応可能な最適化により、時間、コスト、エネルギー効率の観点からシステムパフォーマンスの向上が実証された。