[论文解读] A Data-Driven Digital Twin Network Architecture in the Industrial Internet of Things (IIoT) Applications

Abubakar Isah, Hyeju Shin+6 more|arXiv (Cornell University)|Jul 17, 2023

Digital Transformation in Industry被引用 4

一句话总结

本文提出了一种面向工业物联网（IIoT）应用的数据驱动数字孪生网络（DTN）架构，通过集成物理层、数字孪生层和应用层，实现对网络的实时监控与优化。通过利用数据集成协议和分层框架，DTN增强了动态IIoT环境中的网络管理能力、可扩展性与运行效率。

ABSTRACT

A new network named the "Digital Twin Network" (DTN) uses the "Digital Twin" (DT) technology to produce virtual twins of real things. The network load and size continue to grow as a result of the development of 5G, the Internet of Things, and cloud computing technology as well as the advent of new network services. As a result, network operation and maintenance are becoming more difficult. A digital twin connects the real and digital worlds, exchanging data in both directions and revealing information about the progression of a network process. The framework of the Industrial Internet of Things, data processing, and digital twin network is taken into consideration in this article as a key aspect. This paper proposed a data-driven digital twin network architecture, that comprises the physical network layer (PNL), the digital twin layer(DTL), the application layer (AL), and what those layers encompass and beyond. Also, we presented DTN data types and protocols to be used for data integration.

研究动机与目标

• 应对5G、物联网和云计算技术快速发展带来的IIoT网络日益复杂化与运管挑战。
• 通过实现物理网络与数字孪生网络之间的双向数据交换，克服传统网络管理方法的局限性。
• 设计一种可扩展、数据驱动的DTN架构，支持工业环境中动态的网络运维与维护。
• 整合异构数据类型与协议，确保IIoT应用中跨网络层级的数据流畅传输。
• 提供一个全面的框架，用于实现工业环境中基于数字孪生的网络优化、监控与故障预测。

提出的方法

• 提出四层DTN架构：物理网络层（PNL）、数字孪生层（DTL）、应用层（AL）以及支持数据集成的组件。
• 定义用于物理设备与其数字孪生之间实时数据交换的数据类型与通信协议。
• 采用数据驱动方法，使数字孪生能够持续镜像并分析实时网络状态，利用流式数据进行处理。
• 集成边缘计算与云计算，以支持低延迟数据处理与可扩展的数字孪生建模。
• 利用双向数据流，实现在IIoT环境中的预测性分析、异常检测与自适应网络控制。
• 建立标准化接口与协议，确保异构IIoT设备与系统之间的互操作性。

实验结果

研究问题

• RQ1 如何设计一种数字孪生网络架构，以支持IIoT网络的实时、可扩展与安全监控？
• RQ2 在IIoT环境中，哪些数据类型与通信协议最有效地实现物理网络数据与数字孪生模型的集成？
• RQ3 与传统方法相比，所提出的基于数据驱动的DTN架构在哪些方面提升了网络管理与运行效率？
• RQ4 双向数据交换在实现工业网络中预测性维护与动态优化方面发挥何种作用？
• RQ5 分层DTN框架如何确保在多样化IIoT部署中具备互操作性与可扩展性？

主要发现

• 所提出的基于数据驱动的DTN架构成功实现了物理网络数据与数字孪生模型的集成，支持实时监控与动态自适应。
• 该框架支持双向数据交换，实现了物理与数字网络状态的持续同步。
• 标准化的数据类型与协议提升了互操作性，并降低了异构IIoT设备之间的集成复杂度。
• 分层架构提升了可扩展性与可维护性，尤其在大规模工业网络部署中表现突出。
• 边缘与云计算的集成实现了低延迟处理，并支持来自IIoT设备的高速数据流。
• 该架构在预测性分析与故障检测方面展现出潜力，显著提升了整体网络可靠性与运行效率。