[论文解读] Cognitive Twins for Supporting Decision-Makings of Internet of Things Systems

Jinzhi Lu, Xiaochen Zheng+3 more|arXiv (Cornell University)|Dec 18, 2019

Cognitive Science and Mapping被引用 7

一句话总结

本文提出了认知双胞胎（Cognitive Twins, CT），一种增强版的数字孪生（Digital Twins, DT），通过整合知识图谱（Knowledge Graphs, KGs）以提升物联网（IoT）系统中的语义理解、模型演化追踪和决策能力。通过嵌入上下文语义与模型间关系，CT在传统DT的基础上实现了更全面、更具利益相关者意识的系统开发，相关成果通过H2020 FACTLOG项目所提出的工具链得到验证。

ABSTRACT

Cognitive Twins (CT) are proposed as Digital Twins (DT) with augmented semantic capabilities for identifying the dynamics of virtual model evolution, promoting the understanding of interrelationships between virtual models and enhancing the decision-making based on DT. The CT ensures that assets of Internet of Things (IoT) systems are well-managed and concerns beyond technical stakeholders are addressed during IoT system development. In this paper, a Knowledge Graph (KG) centric framework is proposed to develop CT. Based on the framework, a future tool-chain is proposed to develop the CT for the initiatives of H2020 project FACTLOG. Based on the comparison between DT and CT, we infer the CT is a more comprehensive approach to support IoT-based systems development than DT.

研究动机与目标

• 解决传统数字孪生在捕捉物联网系统中语义上下文与相互依赖关系方面的局限性。
• 通过将非技术性利益相关者关切整合到物联网系统开发中，支持整体性决策。
• 开发以知识图谱为核心的框架，用于构建具备动态模型演化感知能力的认知双胞胎。
• 实现可扩展、可扩展的工具链，支持工业物联网项目（如H2020 FACTLOG）中的认知双胞胎开发。
• 证明认知双胞胎在物联网系统设计与运行方面，相较于传统数字孪生具有更全面的方法论优势。

提出的方法

• 提出以知识图谱（KG）为核心的框架，用于建模和管理虚拟与物理物联网资产之间的语义关系。
• 利用KG表示实体、属性及动态关系，支持对模型演化与相互依赖关系的推理。
• 集成语义推理机制，以追踪虚拟模型的变化，并将其与物理系统状态相关联。
• 设计面向认知双胞胎开发的未来工具链，符合H2020 FACTLOG项目的需求。
• 通过嵌入领域知识与利益相关者特定语义，扩展数字孪生能力，实现更丰富的上下文理解。
• 采用形式化建模技术，确保物理资产与其认知虚拟副本之间的一致性与可追溯性。

实验结果

研究问题

• RQ1 如何通过语义能力增强数字孪生，以提升对模型演化与相互关系的理解？
• RQ2 认知双胞胎在物联网系统中如何超越传统数字孪生支持决策？
• RQ3 知识图谱如何有效集成到数字孪生生命周期中，以实现动态、上下文感知的建模？
• RQ4 在物联网应用中，DT与CT在利益相关者参与与系统管理方面有何关键差异？
• RQ5 如何为工业物联网项目设计可扩展的认知双胞胎开发工具链？

主要发现

• 认知双胞胎通过引入语义推理与上下文感知能力，相较于传统数字孪生提供了更全面的框架。
• 知识图谱的集成实现了对虚拟模型与物理资产之间关系的显式建模，提升了可追溯性与理解深度。
• CT支持对虚拟模型的动态演化追踪，实现实时适应与更优决策支持。
• 所提出的工具链支持认知双胞胎的系统化开发，尤其适用于H2020 FACTLOG等大规模工业物联网项目。
• 该框架表明，语义增强显著提升了超越纯技术建模的利益相关者参与型系统开发。
• 研究结论认为，对于需要跨领域、人机协同决策支持的复杂物联网系统，CT是优于DT的更优方法。