CN113625666A - 具有耦合子系统模型和数字孪生的操作优化分配控制系统 - Google Patents

具有耦合子系统模型和数字孪生的操作优化分配控制系统 Download PDF

Info

Publication number
CN113625666A
CN113625666A CN202110496046.7A CN202110496046A CN113625666A CN 113625666 A CN113625666 A CN 113625666A CN 202110496046 A CN202110496046 A CN 202110496046A CN 113625666 A CN113625666 A CN 113625666A
Authority
CN
China
Prior art keywords
asset
optimizer module
optimization
time
business
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110496046.7A
Other languages
English (en)
Inventor
克里斯托弗·约翰森
洛伦佐·埃斯克里切
迪纳卡尔·德什穆克
迈克尔·阿尔圭洛
奥图格·拜拉姆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of CN113625666A publication Critical patent/CN113625666A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32368—Quality control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

公开了用于优化业务操作和资产系统的优化系统和方法。系统包括对应于资产系统的数字孪生；与业务操作相对应的业务模型；和电子控制单元(ECU)。ECU编程为：实施资产优化器模块，其中实施资产优化器模块将多个数字孪生互连以用于优化；执行资产优化器模块，其中，资产优化器模块优化数字孪生，以获得资产系统的一个或多个优化参数；实施系统优化器模块，其中，系统优化器模块接收一个或多个优化参数和业务模型；执行系统优化器模块，其中，系统优化器模块生成业务模型的操作协议；以及向用户输出操作协议以在现实世界资产系统中实施。

Description

具有耦合子系统模型和数字孪生的操作优化分配控制系统
技术领域
本申请涉及利用数字孪生(DT)执行优化和控制资源分配的系统和方法，并且更具体地，涉及利用DT捕获多个DT之间的物理流与受控制的对象在现实世界中所受的业务状态流之间的交互的系统和方法。
背景技术
数字孪生(DT)是所公开的实施例中的机器的数字版本。一旦创建，DT即可用于以现实世界系统的数字表示来表示机器(其本身可以被描述为系统实施的处理的DT)。创建DT，使其反映相应机器在操作能力，可靠性和效率方面的形式和行为。另外，DT可以反映更大系统(例如物理和/或业务系统)中的机器的状态。例如，可以将传感器放置在机器上，以从中继到远程DT的物理对象捕获实时(或接近实时)数据。然后，远程DT可以进行必要的任何更改，以维持其与孪生资产的对应关系。例如，然后优化控制分配可以更改规定的操作占空比和维护动作，以在选定的时间间隔实现业务系统关键处理指标概率。
常规DT实施方式的设计重点是对象级行为。DT技术的当前焦点是创建对象的数字对应，其可用于识别机会，以提高对象在其物理能量转换中的效率以及在操作使用中的可靠性。例如，已经证明，风力涡轮的DT可比没有DT的风力涡轮多提供高达20％的能量容量。这是通过收集，可视化和分析来自风力涡轮的数据，使用预测分析以辅助操作策略规划和操作中的动态控制(受生命和物理约束)来实现的。这是对象级空间DT，因为它仅在操作期间捕获对象。
其他常规系统采用具有对象级时空DT的广阔视野。该DT从设计，工程，生产，操作，服务，维护，寿命终止和财务角度捕获对象的特性。为了捕获时空方面，某些系统使用整体表示方法，其中对象的数字表示汇总了不同生命周期阶段所需的所有方面和数据。称为机电对象的这种方法可能不会有效，因为所有必需的数据和分析的汇总会使所得对象很快变得膨胀。此外，这种DT无法捕获不同DT之间的交互流或对象在现实世界中所受的业务流。
因此，需要动态地和最佳地导出DT，并且然后使用它们来捕获多个DT与对象在现实世界中所受的业务流之间的交互流的系统和方法。
发明内容
在一个实施例中，一种系统，包括：多个数字孪生，该多个数字孪生与一个或多个资产系统相对应；一个或多个业务模型，该一个或多个业务模型与一个或多个业务操作相对应；以及电子控制单元(ECU)。ECU被编程为：实施资产优化器模块，其中实施资产优化器模块将多个数字孪生互连以用于在时间范围内优化，其中，资产优化器模块根据精度，时间覆盖范围，计算时间或对方差的贡献中的至少一个来选择多个数字孪生以进行优化；在时间范围内执行资产优化器模块，其中，资产优化器模块优化多个数字孪生的一个或多个参数，以获得一个或多个资产系统的一个或多个关键处理指示器；实施系统优化器模块，其中，系统优化器模块接收一个或多个优化参数和一个或多个业务模型；执行系统优化器模块，其中，系统优化器模块生成一个或多个业务模型的一个或多个操作协议；以及向用户输出一个或多个操作协议以在被动态控制的现实世界资产系统中实施。
在一个实施例中，一种方法，包括：利用计算装置实施资产优化器模块，其中，实施资产优化器模块将多个数字孪生互连以用于在时间范围内优化，其中，资产优化器模块根据精度，时间覆盖范围，计算时间或对方差的贡献中的至少一个来选择多个数字孪生以进行优化；利用计算装置执行资产优化器模块，其中，资产优化器模块优化多个数字孪生中的一个或多个的一个或多个参数，以获得资产的一个或多个资产系统的一个或多个关键处理指示器；利用计算装置实施系统优化器模块，其中，系统优化器模块接收一个或多个优化参数以及与一个或多个业务操作相对应的一个或多个业务模型；利用计算装置执行系统优化器模块，其中，系统优化器模块生成一个或多个业务模型的一个或多个操作协议；以及利用计算装置向用户(或自动控制系统)输出一个或多个操作协议以在现实世界资产系统中实施。
在一个实施例中，一种非暂时性机器可读介质，该非暂时性机器可读介质包含一组指令，一组指令当由一个或多个处理器执行时，使一个或多个处理器进行操作，该操作包括：利用计算装置实施资产优化器模块，其中，实施资产优化器模块将多个数字孪生互连以用于在时间范围内优化，其中，资产优化器模块根据精度，时间覆盖范围，计算时间或对方差的贡献中的至少一个来选择多个数字孪生以进行优化；利用计算装置执行资产优化器模块，其中，资产优化器模块优化多个数字孪生中的一个或多个的一个或多个参数，以获得资产的一个或多个资产系统的一个或多个关键处理指示器；利用计算装置实施系统优化器模块，其中，系统优化器模块接收一个或多个优化参数以及与一个或多个业务操作相对应的一个或多个业务模型；利用计算装置执行系统优化器模块，其中，系统优化器模块生成一个或多个业务模型的一个或多个操作协议；以及利用计算装置向用户输出一个或多个操作协议以在现实世界资产系统中实施。
在参考附图考虑以下描述和所附权利要求时，本技术的这些和其他特征、特性，以及操作方法，结构的相关元件的功能，零件和制造经济性的组合将变得更加显而易见，所有这些均形成了本说明书的一部分，其中，在各个附图中，相同的附图标记表示相应的部分。然而，应当明确地理解，附图仅出于说明和描述的目的，并且不旨在作为对本申请的限制的定义。如说明书和权利要求书中所使用的，除非上下文另外明确指出，否则单数形式的“一”，“一种”和“该”包括复数指代。
附图说明
在附图中阐述的实施例本质上是说明性和示例性的，并且不旨在限制由权利要求书限定的主题。当结合以下附图阅读时，可以理解说明性实施例的以下详细描述，其中，相同的结构用相同的附图标记指示，并且其中：
图1A示意性地描绘了根据本申请示出和描述的一个或多个实施例的用于利用数字孪生(DT)进行资产和业务操作的系统优化的示例计算网络；
图1B示意性地描绘了根据本申请示出和描述的一个或多个实施例的用于利用DT进行资产和业务操作的系统优化的示例计算装置；
图2描绘了根据本申请示出和描述的一个或多个实施例的用于在各个级别的优化的示例系统层次结构的说明性框图；
图3A描绘了根据本申请示出和描述的一个或多个实施例的用于图2的优化的系统层次结构框图的资产优化的说明性示例；
图3B描绘了根据本申请示出和描述的一个或多个实施例的从图3A继续的系统优化的说明性示例；
图4示出了根据本申请示出和描述的一个或多个实施例的DT系统的示例高级框图；
图5示出了根据本申请示出和描述的一个或多个实施例的具有六个模块的示例DT；
图6描绘了根据本申请示出和描述的一个或多个实施例的用于优化资产和业务操作的说明性方法的流程图；和
图7描绘了说明性时间图，该说明性时间图描绘了在时间范围内具有优化的系统模拟中要使用的多个资产DT的利用和选择。
具体实施方式
参考附图，本申请的实施例通常涉及优化系统和方法，该系统和方法配置和操作基础资产系统和业务元素的DT模型以帮助驱动操作优化。通常，本申请所述的系统和方法提供了通过使用业务模型来管理业务级别优化的能力，该业务模型通过允许从一个业务元素到下一个业务元素的反馈的业务集成系统耦合。该系统可以提供实时优化。例如，系统利用历史，当前和规定的未来时域来优化多个资源分配，以在当前(真实)时域中实现优化操作所需的多个目标。另外，该系统通过跟踪指示业务优化状态的关键业务参数来提供优化状态的管理。
在某些实施例中，DT模型通过业务元素内部的主要系统彼此耦合，然后跨多个元素被优化。换句话说，系统通过优化工具的实时操作提供优化和/或利用离线进行的优化并应用操作跟踪，以确保系统在优化限制内操作或用于假设规划阶段，例如设计复杂的资产系统。此外，该系统能够管理可以在业务单元内独立的多个优化线程，或导致业务单元和资产操作的整体优化的汇总优化。
通常，在没有本申请所述的系统和方法的情况下，优化和物理控制是跨复杂业务管理和交付的困难处理，因为相对于计算所需的时间常数，优化可能很快超过当前的计算能力，例如，本申请公开设想了一种系统，该系统跨下一确定性时间步长或贯穿通过数百万个操作增量的多个物理资产的过渡状态或事件来优化一个，数百个或数千个潜在期货，并以所需的准确性和/或时限完成优化。本申请描述的系统和方法提供了用于在当前计算能力内提供优化的方法。在一些实施例中，这是通过利用部件，子系统和/或资产系统的DT模型以及业务单元的模型的层次系统结构来实现的。在这样的实施例中，系统可以计算局部差分灵敏度，可以学习对特定模型的调整将如何影响其他模型中的变化，一个时间间隔中的动态变化将如何相对于资产和系统动态影响其他未来的时间间隔，从而最小化优化计算空间和重新计算和/或重构整个优化的需要。
该系统可以被建模为子系统模型，例如DT模型。DT模型耦合在一起，以通过系统层次结构提供其相关输入，该系统层次结构允许任何和/或所有级别的优化，以及检查子优化功能的能力。如本申请中更详细描述的，DT模型包括其相关的机队管理协议，这些协议提供系统的层次结构。例如，机队可以指从事诸如货物或人员运输的活动的飞行器，运载器，轮船等的机队。另外，在一些实施例中，可以在模拟环境中驱动系统以允许调谐和“假设”计算。
所公开的实施例中的DT在某种程度上不同于模拟。模拟提供了对当呈现生成的外部条件或以历史数据模拟时，未来现实世界中可能发生什么情况的理解。在一个实施例中，DT相对于时间可以是无状态的，因此可以在当前时域中用于调和隐藏变量，或者可以用于从现有传感器数据中计算非常近期的物理输出。在另一实施例中，DT可以由遍历时域的模拟器来调用。当前，存在从用于模拟系统的多个DT调用的未满足需求，然而，这通过本申请公开的系统和方法来解决。因此，当前技术未满足的需求是，从多个DT中调用可行的一组DT中的最优DT持续一个或多个时间段，并根据被计算用于系统的复杂业务物理系统中的分析，决策支持或自动化的系统变量来调用一种或多种状态计算方法。
在当前时间上下文中，像模拟一样，DT可以帮助了解随着时间的推移在现实世界中可能发生的情况。但是，例如，通过在对物理系统进行模拟建模并与实时信号进行比较的前提下调和可能无法直接测量但可以被推断或计算为唯一可能的内部动力学的物理动力学，DT还提供物理上发生的情况的了解，即资产或业务单元在现实世界中的行为方式和因果关系理解。这是通过向DT提供连续不断的信息流入以及在其计算出的物理状态与根据经验观察到的物理状态之间进行调和以估计缺失的内部值必须是什么来实现的。本实施例利用该特征，并且通过在系统层次结构中将多个DT和可选的其他类型的模型集成在一起来进一步走了几步，其中在层次结构中的各个级别上实施优化处理以实施实时或接近实时的优化参数(作为级别优化的输出)和/或操作协议和/或对物理约束的见解，这些约束本身表现为操作限制。操作协议包括事件，活动和/或阈值范围，应实施或维持这些事件，活动和/或阈值范围以实现期望的目标，例如达到和/或将系统的操作维持在优化状态。隐藏的约束可以包括复杂的工程资产(例如涡轮)的内部物理动力学，该工程资产的内部压力或温度或流量信号可能无法通过物理传感器直接测量，并且其操作受到限制或应受到限制。例如，应当限制点火温度，以使其不超过发动机的材料特性，该发动机的材料特性可能由于先前操作的磨损而具有降低的热特性。
在预测的未来时间上下文中，尚不存在来自现场操作的物理测量信号，因此，替代地，DT依赖于计算得出的估计值和从系统模型确定的外生条件。这些未来时间上下文在操作上很有价值，因为在给定先前的选择和影响以及可行的未来操作选择的情况下，它可以优化当前时域中的操作，从而使实际系统在一个或多个时域上进行最佳操作。但是，许多具有复制功能以估计概率的模拟期货会消耗大量计算资源。本方法不仅合理化了一个或多个时域的最佳DT，而且还实现了计算出的系统响应特异性和计算持续时间。
现在，以下将描述用于通过利用分层系统结构中的DT模型来优化与资产相关的业务操作的优化系统和方法。现在将在此具体参考相应的附图来更详细地描述各种系统和方法。
现在参考附图，图1A描绘了示例性网络100，其示出了根据本申请示出和描述的一个或多个实施例的用于利用DT进行资产和业务操作的系统优化的系统的部件。如图1A所示，网络100可以包括广域网(例如因特网)，局域网(LAN)，移动通信网络，公共服务电话网(PSTN)和/或其他网络，并且可以被配置为电子地和/或通信地连接用户计算装置102，计算装置103(在本申请中也称为电子控制单元或ECU)和管理员计算装置104。
用户计算装置102可以包括显示器102a，处理单元102b和输入装置102c，它们中的每一个可以通信地联接在一起和/或联接到网络100。用户计算装置102可以用于与可以操纵和/或配置DT模型，业务模型，优化处理等的用户接口。另外，图1A中包括管理员计算装置104。在计算装置103需要监督，更新或校正的情况下，管理员计算装置104可以被配置为提供期望的监督，更新和/或校正。
应该理解，尽管用户计算装置102和管理员计算装置104被描绘为个人计算机，计算装置103被描绘为服务器，但是这些仅仅是示例。更具体地，在一些实施例中，任何类型的计算装置(例如，移动计算装置，个人计算机，服务器等)可以用于这些部件中的任何一个。另外，尽管这些计算装置中的每一个在图1中被示出为单个硬件，但这也是示例。更具体地，用户计算装置102，计算装置103(可选地用于通过本申请描述的一个或多个处理执行优化)以及管理员计算装置104中的每一个可以表示多个计算机，服务器，数据库等。例如，用户计算装置102，计算装置103和管理员计算装置104中的每一个可以形成用于实施本申请描述的方法的分布式或网格计算框架。
现在转到图1B，图1B描绘了根据本申请示出和描述的一个或多个实施例的用于利用DT进行资产和业务操作的系统优化的示例计算装置103。特别地，图1B描绘了来自图1的计算装置103，同时还示出了用于利用DT进行资产和业务操作的系统优化的系统。根据本申请示出和描述的实施例，计算装置103可以利用硬件，软件和/或固件。尽管在一些实施例中，计算装置103可以被配置为具有必需的硬件，软件和/或固件的通用计算机，但是在一些实施例中，计算装置103可以被配置为专门设计用于进行本申请所述的功能的专用计算机。
同样如图1B所示，计算装置103可以包括处理器130，输入/输出硬件132，网络接口硬件134，数据存储部件136和存储器部件140。数据存储部件136存储DT 138a，业务模型138b，优化参数138c和操作协议138d。存储器部件140可以是机器可读存储器(也可以称为非暂时性处理器可读存储器)。存储器部件140可以被配置为易失性和/或非易失性存储器，并且因此可以包括随机存取存储器(包括SRAM，DRAM和/或其他类型的随机存取存储器)，闪存，寄存器，光盘(CD)，数字多功能光盘(DVD)和/或其他类型的存储部件。另外，存储器部件140可以被配置为存储操作逻辑142和用于实施资产优化器模块144a和系统优化器模块144b的逻辑(作为示例，资产优化器模块144a和系统优化器模块144b中的每一个都可以被体现为计算机程序，固件或硬件)。
操作逻辑142可以包括用于管理计算装置103的部件的操作系统和/或其他软件。资产优化器模块144a可以包括被配置为优化定义资产或多个资产的一个或多个DT的逻辑，如将在下面详细描述的。系统优化器模块144b可以包括被配置为结合从资产和/或多个资产的优化接收的优化参数来优化业务操作的逻辑，如将在下面详细描述的。将参考以下附图更详细地描述资产优化器模块144a和系统优化器模块144b。
本地接口146也包括在图1B中，并且可以被实施为总线或其他接口，以促进计算装置103的部件之间的通信。
处理器130可以包括被配置为接收和执行编程指令(例如来自数据存储部件136和/或存储器部件140)的任何处理部件。指令可以是存储在数据存储部件136和/或存储器部件140中的机器可读指令集的形式。输入/输出硬件132可以包括监视器，键盘，鼠标，打印机，相机，麦克风，扬声器和/或用于接收，发送和/或呈现数据的其他装置。网络接口硬件134可以包括任何有线或无线网络硬件，例如调制解调器，LAN端口，Wi-Fi卡，WiMAX卡，移动通信硬件和/或用于与其他网络和/或装置通信的其他硬件。
应当理解，数据存储部件136可以驻留在计算装置103本地和/或远离计算装置103，并且可以被配置为存储一条或多条数据以供计算装置103和/或其他部件访问。如图1B所示，数据存储部件136存储DT 138a。DT 138a是生命或非生命物理实体的数字副本。也就是说，DT是机器的数字版本(也称为“资产”)。一旦创建，DT就可以用于以现实世界系统的数字表示来表示机器。创建DT使得其在计算上反映相应机器的行为。此外，DT可以反映更大系统中的机器的状态。例如，可以将传感器放置在机器上，以从物理对象捕获实时(或接近实时)数据，以将其中继回远程DT。然后，DT可以进行必要的任何更改以维持其与孪生资产的对应关系，从而提供操作指令，诊断，对无法衡量的内部物理动力学的洞察，对效率和可靠性的洞察。
数据存储部件136还可以包括业务模型138b，其可以被构造为业务操作的DT或其他类型的虚拟模型，其包含经由业务操作操作地链接的一个或多个物理状态估计DT。业务模型138b可以包括表示业务单元或业务目标的任何模型。例如，业务模型138b可以包括燃料模型352(图3B)，飞行操作模型354(图3B)，资产调度维护模型356(图3B)，人员调度模型358(图3B)，财务模型360(图3B)和/或其他业务模型362(图3B)。前述业务模型仅是说明性的，并且可以取决于业务类型和用户寻求优化的操作使用其他业务模型来替换或补充。下面将参考图3B更详细地描述业务模型。
仍然参考图1B，数据存储部件136还可以包括优化参数138c。优化参数138c包括在系统层次结构的各个级别上发生的优化处理的中间参数。(下面参考图2描绘和描述示例系统层次结构)。优化参数138c可以由优化处理生成，并且然后被存储在数据存储部件136中，直到后续处理需要优化参数138c为止。然而，在一些实施例中，优化参数138c可以不被存储在数据存储部件136中，而是可以被直接输入到后续模型或处理中。
数据存储部件136还可以包括操作协议138d。操作协议138d可以包括应当被实施或维持以实现期望目标的事件，活动和/或阈值范围，期望目标例如使系统的操作达到和/或维持在优化状态。可以通过优化系统来确定操作协议138d。
现在转到图2，描绘了用于在各个级别进行优化的示例系统层次结构的说明性框图。图2中描绘的系统层次结构包括资产优化级别200和业务模型优化级别，其中，业务模型210是利用来自资产优化级别200的优化的输入来优化的。在一些实施例中，资产优化级别200包括可以被优化的一个或多个资产，例如，飞行器机队。考虑单个资产，可以创建一个或多个DT，并将其用于优化资产。在一些实施例中，可以由用于资产的部件的一个或多个部件DT 201来定义资产。在一些实施例中，资产可以由一个或多个子系统DT 202定义，该子系统DT 202可以包括定义资产的子系统的一个或多个DT或者一个或多个部件DT 201的组合。在一些实施例中，资产可以由系统级DT 203定义。还应当理解，资产可以通过在各个级别(例如，在部件，子系统和/或系统级别)的DT的组合来定义。
资产优化器模块144a(图1B)可以被实施为生成资产的优化参数，从而针对预期或期望的功能或操作来优化资产。例如，用户可能期望能够具有低离线维护时间和高长途飞行燃料效率来运送货物的资产。资产优化器模块144a(图1B)可以配置有这些要求并优化资产，生成定义资产的部件和/或子系统的优化参数以及诸如预期维护的操作条件。定义资产的一个或多个DT可以进一步配置为接收实时信息(例如来自资产的操作的传感器数据)，使资产优化器模块144a(图1B)能够提供预定义时间段(例如，由用户定义的时间段)或对未来时间的预测的优化参数，以确定资产的未来经济性和/或操作(例如可能需要维护时)。
简要地转向图3A，在框图300中描绘了由在资产优化级别200(图2)的多个子系统DT定义的资产的更详细示例。为了说明的目的，本申请描述的资产是飞行器。但是，应当理解，资产可以是任何对象，例如运载器，设施，或其他有形对象，诸如飞行器和/或其发动机，并且在发动机和/或其模块内。所述对象可以是受合同条款，机队成员资格或实体财务报表中的部件约束的业务系统的部件。飞行器包括形成许多系统和子系统的许多部件。例如，飞行器包括一个或多个发动机，燃料系统，液压装置，航空电子设备，制动系统，辅助动力单元(APU)，限定飞行器货运空间的客户内部，和/或其他系统和部件。机队可能受长期服务协议或融资条款的约束，并在一份或多份财务报表中入账。该系统可能会随着时间的推移而发展，其中资产的混合及其性能也会因意图或响应于外力或职责变化而发生变化。在实施例中，可以为飞行器系统的每个部件和/或子系统生成DT。例如，飞行器可以由用于燃料系统的DT 302，用于一个或多个发动机的一个或多个DT 304，用于液压装置的DT 306，用于航空电子设备的DT 308，用于制动系统的DT 310，用于APU的DT312，用于客户内部的DT 314和/或用于其他系统和部件的其他DT定义。每个DT可以通过资产优化器320彼此互连。资产优化器320实施资产优化器模块144a，使得资产可以被优化并且可以生成优化参数。资产优化器320有效地创建用于飞行器的DT的网络，使得可以像在现实世界飞行器中那样在其他连接的DT内实施对一个DT的调整。图3A
返回参考图2，从在系统层次结构的第一级别优化资产而获得的优化参数可以包括在业务模型210中，并随后输入到系统优化器单元240。在一些实施例中，系统优化器单元还可以连接到其他业务模型220，该其他业务模型220可以不联接到资产，但是可以与整个业务操作有关。另外，在一些实施例中，例如通过用户计算装置102(图1A)实施的优化器管理工具230可以与系统优化器单元240通信地联接。优化器管理工具230可以向系统优化器单元提供参数，例如应通过优化实现的期望目标，跟踪优化的关键要素的能力，和/或提供对由系统优化器单元240实施和执行的系统优化器模块144b(图1A)的更新。
系统优化器单元240通过系统优化器模块144b生成并输出一组操作协议250和/或系统的优化状态260的指示。操作协议250包括应当被实施或维持以实现期望目标的事件，活动和/或阈值范围，期望目标例如使系统的操作达到和/或维持在优化状态。优化状态260可以包括跟踪关键要素，关键要素提供关于如何优化系统或某些优化参数是否接近其期望极限的指示。例如，如果财务业务单元包括定义期望收入或支出的范围，并且优化设法在该范围内但接近极端中的一个时获得结果，则状态可能指示相同。在一些实施例中，前述范围可以被用户识别为用于跟踪目的的关键要素，并因此被显示在显示装置(例如，显示装置102a，图1A)上以用于跟踪目的。
简要地转向图3B，在框图350中描绘了与由多个子系统DT定义的资产有关的业务单元的更详细的示例。更具体地，图3B是图3A中描绘的框图300的延续。图3B描绘了系统层次结构的后续级别。在该示例实施例中，系统层次结构的后续级别是业务单元优化级别。该级别包括来自资产优化级别和业务模型的优化参数。例如，图3B中描绘的业务模型包括燃料模型352，飞行操作模型354，资产调度维护模型356，人员调度模型358，财务模型360和/或其他业务模型362。前述业务模型仅是说明性的，并且可以取决于业务类型和用户寻求优化的操作使用其他业务模型来替换或补充。
燃料模型352可以是DT或定义与燃料购买，分配，提炼，销售等相关联的业务操作的另一模型。在一些实施例中，这些活动可能与资产的操作以及客户将燃料费用维持在限定范围内或减少燃料费用的期望紧密相关。飞行操作模型354可以是定义飞行调度，路线计划等的模型。资产调度维护模型356可以是基于当前操作活动，由其他业务模型定义的优化目标，和/或通过来自资产优化器320的优化参数通信的资产配置来定义维护需求和将来的预测维护的模型。
被建模的业务单元可以包括人员调度模型358，该人员调度模型358被配置为响应于资产和其他业务单元活动而对人员需求，相关费用等进行建模。人员调度模型358还可以通过要雇用的人员总数，分配给人员资本的总金额，现场和服务车间维护的定义，材料使用，操作限制或允许的方式等向系统提供约束。在一些实施例中，业务单元可以进一步由财务模型360定义，财务模型360可以使用在优化处理期间可调整的参数来定义业务单元的财务模型。此外，业务单元可以由其他业务模型362定义，其他业务模型362本申请未公开但是对于与特定业务单元进行交互的那些人来说可能是显而易见的。
系统优化器370有效地为定义业务单位的业务操作创建DT网络和/或其他类型的模型，使得可以像在现实世界业务单元中那样在其他连接的DT内对一个DT进行调整。如参考图2所讨论的，系统优化器370(对应于图2中描绘的系统优化器单元240)通过系统优化器模块144b生成一组输出380，例如一组操作协议250(图2)和/或系统的优化状态260(图2)的指示。
转到图4，描绘了根据一些实施例的系统400的高级架构。系统400包括计算机数据存储库410(例如，如图1A所示的用户计算装置102，计算装置103和/或管理员计算装置104的数据存储库)，其将信息提供给孪生物理资产或系统420的DT 450。计算机数据存储库410中的数据可以包括，例如，有关孪生物理资产或系统420的信息，诸如有关许多不同飞行器发动机和先前飞行器飞行的历史发动机传感器信息(例如，外部温度，排气温度，发动机型号，起降机场等)。
根据一些实施例，DT 450可以访问计算机数据存储库410，并利用概率模型创建单元来自动创建可以被DT建模软件和处理平台使用的预测模型，以创建可以适当地传输到各个用户平台470的预测和/或结果(例如，显示给用户)。如本申请所使用的，术语“自动地”可以指例如可在很少或没有人为干预的情况下进行的动作。
如本申请所使用的，包括与系统100相关联的那些装置和本申请描述的任何其他装置的装置可以经由任何通信网络来交换信息，该通信网络可以是局域网(“LAN”)，城域网(“MAN”)，广域网(“WAN”)，专有网络，公共交换电话网(“PSTN”)，无线应用协议(“WAP”)网络，蓝牙网络，无线LAN网络和/或网际协议(“IP”)网络(例如因特网，内联网或外联网)中的一个或多个。注意，本申请描述的任何装置可以经由一个或多个这样的通信网络进行通信。
DT 450可以将信息存储到诸如计算机数据存储库410和/或用户平台470的各种数据源中和/或从诸如计算机数据存储库410和/或用户平台470的各种数据源中检索信息。各种数据源可以本地存储，也可以远离DT 450驻留。尽管在图4中示出了孪生物理资产或系统420的单个DT 450，但是可以包括任何数量的这种DT。此外，根据本发明的实施例，本申请描述的各种装置可以被组合。例如，在一些实施例中，孪生物理资产或系统420的DT 450和一个或多个数据源可以包括单个设备。DT软件功能可以在分布式处理或基于云的架构中由一组联网的设备来执行。
用户可以经由用户平台470中的一个(例如，如图1A所示的用户计算装置102或计算装置103，其可以是个人计算机，平板电脑或智能手机)访问系统400，以根据本申请所述的任何实施例查看关于DT的信息和/或管理DT。根据一些实施例，交互式图形显示界面可以让操作员定义和/或调整某些参数，和/或提供或接收自动生成的推荐或结果。
现在，图5描绘了具有六个模块的DT的更详细的实施方式。DT可以具有两个功能：监视孪生物理系统以及对其进行预测。DT的另一个功能可包括孪生物理系统的有限控制或全部控制。在一个实施例中，孪生物理系统的DT包括(1)感测孪生物理系统的指定参数的值的一个或多个传感器，以及(2)所有主体系统的多个元素及其一系列条件下的交互的现实计算机模型。这可以使用具有大量自由度的计算机模型来实施，并且可以与包括例如计算流体动力学，结构动力学，热力学建模，应力分析建模和/或疲劳开裂模型的复杂物理模型的集成相关联。这样的方法可以与例如统一物理模型(“UPM”)相关联。此外，本申请描述的实施例可以求解在应用随机有限元方法中使用的偏微分方程的结果系统，利用可以达到每秒万亿次规模的高性能计算资源，并且以可用方式实施。用于导出状态和响应的计算系统需要操作控制，这将在本申请中更详细地描述。
考虑例如图5，其示出了包括这种统一的物理模型(UPM)551的DT 550。DT 550可以使用算法(例如但不限于扩展卡尔曼滤波器)将模型预测与来自孪生物理系统的测量数据进行比较。预测和实际传感器数据之间的差(称为方差或新息)可用于调谐内部模型参数，以使DT 550与物理系统匹配。DT的UPM 551可以被构造成使得其可以适应实际的孪生资产所见的变化的环境或操作条件。潜在的基于物理的公式可以适于反映物理系统经历的新现实。
DT 550还包括部件尺寸值(“CDV”)表552，该表552可以包括孪生物理系统的所有物理部件的列表。每个部件都可以标记有唯一标识符，例如因特网协议版本6(“IPv6”)地址。CDV表552中的每个部件可以与其尺寸的值相关联或链接，对于部件的条件尺寸是最重要的变量。产品生命周期管理(“PLM”)基础结构(如果得到有效利用)可以与CDV表552内在地保持一致，从而使由DT 550计算的生命周期资产性能状态能够成为用于尺寸和性能计算和假设的闭环模型验证支持。可以扩展部件尺寸的数量及其值，以适应DT操作期间发现的外生变量的值的存储和更新。
DT 550还可包括系统结构553，该系统结构553指定孪生物理系统的部件以及这些部件如何彼此连接或交互。系统结构553还可指定部件如何对包括环境数据，操作控制和/或外部施加的力的输入条件作出反应。
DT 550还可以包括经济操作优化554，经济操作优化554控制工业系统的使用和消耗以创建操作和/或关键处理结果，该操作和/或关键处理结果导致工业系统的用户和服务提供商在一段时间内的财务回报以及那些计划回报的风险。类似地，DT 550可以包括生态系统模拟器555，该生态系统模拟器555可以允许所有贡献者进行交互，不仅在物理层，而是实际上还可以跨时间，操作成果和/或经济领域。部件供应商或任何有专门知识的人都可以供应将在生态系统中操作并以互惠互利的方式进行交互的DT模型。所述模型可以例如通过数据服务或经由数字形式的参数交换直接或间接地连接。DT 550可进一步包括监控计算机控件556，其控制DT 550的整体功能，接受输入并产生输出。监控计算机控件556可以编排计算状态所需的数据流，数据存储，计算结果和/或计算，以及操作和PLM闭环设计的性能和寿命状态估计的后续使用，使得数字线程连接设计，制造和/或操作。
如本申请所使用的，术语“操作中”可以指孪生物理系统和DT 550都在操作的操作状态。术语“非运行状态”可以指孪生物理系统未操作但DT 550继续操作的操作状态。短语“黑盒子”可以指可由DT 550定义的子系统，用于记录和保存在孪生物理系统操作中获取的信息，以用于分析孪生物理系统的非运行状态。短语“公差包络”可以指传感器的读数可能偏离其预测值而不启动其他动作(例如警报或诊断例程)的残差或幅度。术语“调谐”可以指DT软件或部件值或其他参数的调整。操作状态可以是非运行状态或操作中。术语“模式”可以指DT 550及其孪生物理系统的允许操作协议。根据一些实施例，可以存在与主任务相关联的主要模式和次要模式。
仍参考图5，DT 550的输入可以包括条件510，该条件510包括环境数据(诸如与天气有关的量)以及操作控制(诸如对例如飞行器控制的情况下孪生物理系统实现特定操作的要求)。输入还可以包括来自传感器520的数据，该传感器520放置在孪生物理系统上和孪生物理系统内。嵌入在孪生物理系统内的传感器套件可以提供到DT软件的信息桥。其他输入可以包括可指定时间和幅度区域的公差包络530，该时间和幅度区域是实际传感器值与其通过DT的预测之间的差的可接受区域。系统的其他输入可以包括维护检查数据，制造设计数据和/或假设的外生数据(例如，天气，燃料成本和定义的方案，诸如候选设计，数据分配和维护/或工作范围)。经济数据请求540也可以输入到DT 550中。例如，经济数据请求可以包括DT建模的系统或资产的经济操作的目标和/或范围。
“经济操作”可用于创建可论证的业务值。例如，在资产的生命周期或维护/性能合同的持续时间内，经济操作可以分配成与资产一起操作并对资产进行跟踪。经济操作DT软件模型可以包括经济操作优化模块，用于创建经济数据并将其用于建模中，以协同孪生物理系统的最佳操作控制与涉及物理系统的经济考虑因素(例如，检查调度，相关物流，评估和减轻财务风险等)。
来自DT 550的输出可以包括孪生物理系统的剩余使用寿命(“RUL”)560的不断更新的估计。通常期望对诸如机电系统的现实世界物理系统的操作进行评估和/或预测。例如，预测诸如飞行器发动机的机电系统的剩余使用寿命(“RUL”)可有助于计划何时应更换系统。同样，系统的所有者或操作员可能希望监视系统或系统一部分的状况，以帮助做出维护决策，预算预测等。然而，即使在传感器和计算机技术方面有了改进，准确地进行这样的评估和/或预测也可能是困难的任务。例如，在系统不操作时发生的事件可能会影响RUL和/或系统状况，但通常不会被系统评估和/或预测处理的典型方法所考虑。
来自DT 550的其他输出可以包括警报和诊断570。例如，可以输出可能的孪生物理系统部件故障的警报。也可以输出DT诊断工作的结果和/或孪生物理系统内关键部件的性能估计。例如，使用DT 550，操作员可能能够看到燃气涡轮的关键区段性能如何下降。这可能是维护调度，最佳控制和其他目标的重要考虑因素。根据一些实施例，信息可以关于孪生物理系统的操作中信息被记录并保存在黑盒子中，以用于分析孪生物理系统的非运行状态。DT 550还可以包括输出经济数据和建模结果580。经济数据和/或建模结果580可以是用作优化系统的后续DT和模型的输入的优化参数138c(图1B)。特别地，例如，经济数据和建模结果可以包括特定资产(诸如飞行器发动机)的考虑因素，诸如检查调度，相关的逻辑，财务风险的评估和减轻等。
图6示出了流程图600中所描绘的方法，该方法可以由本申请示出和描述的系统的一些或全部元件来进行。本申请描述的流程图并不意味着步骤的固定顺序，并且本发明的实施例可以以任何可行的顺序来实践。注意，本申请描述的任何方法可以由硬件，软件或这些方法的任何组合来进行。例如，计算机可读存储介质可以在其上存储指令，当这些指令由机器执行时导致根据本申请描述的任何实施例的性能。另外，关于计算装置103(图1A和1B)描述了流程图600中描述的方法。但是，这仅是示例。
在一些实施例中，在框602处，计算装置103(图1A和图1B)可以生成定义资产(诸如飞行器)的一个或多个资产系统的一个或多个DT，DT的有意组合是子系统或系统的DT。例如，但不限于，资产可以是飞行器，并且资产系统中的一个可以是飞行器的发动机。例如，可以生成定义发动机的DT(例如DT 304(图3A))，以对发动机进行数字建模。然后，在框604处，计算装置实施资产优化器模块，该资产优化器模块可以在框606处接收从用户获得的输入参数。在一些实施例中，输入参数可以包括条件510，传感器520(例如，从现实世界资产系统获得的传感器值)，公差包络530和/或经济数据请求540(例如，定义资产系统的经济目标，该资产系统可以是飞行器发动机)。在一些实施例中，输入参数可以是通过用户计算装置102(图1A)从用户获得的输入参数。返回参考飞行器发动机的示例，输入参数可以包括定义飞行器发动机的燃料流量函数，操作高度，操作温度和/或环境压力等，以便可以在数字系统中对其进行精确建模。在框604处实施资产优化器模块导致DT被互连，使得来自相应DT的输入和输出被链接在一起。例如，如图3A所示，DT 302-314通过实施资产优化器模块的资产优化器320互连。即，当资产优化器模块在框608处由计算装置执行时，DT(例如，图3A的DT302-314)被优化，并且生成用于一个或多个资产的优化参数。可以将优化参数输入到框610，在框610处，计算装置实施系统优化器模块。系统优化器模块可以接收在框612处生成的一个或多个业务模型，例如业务模型352-362(见图3B)。一个或多个业务模型对应于要优化的业务单元的操作。业务单元可以是航空公司，该航空公司管理一架或多架飞行器(即资产)并寻求结合业务操作(诸如航班调度，人员调度和其他业务操作)来优化资产的操作。
在框614处，计算装置执行系统优化器模块，该系统优化器模块结合由资产优化器模块从系统层次结构的资产层(例如，图2中描绘的资产优化级别200)生成的优化参数来优化一个或多个业务模型。例如，计算装置配置有实施系统优化器模块144b(图1B)的系统优化器单元240(图2)。所述执行可能受到响应时间或可用计算资源的限制，因此需要在一定的计算包络内，在操作时间的持续时间内直接控制计算处理以实现所需的特异性水平。在框616处，计算装置输出可以在现实世界设定中实施的操作协议(例如，参考图2描述的操作协议250)，以实现由本申请描述的计算装置实施的方法所定义的优化系统。例如，操作协议可以是特定飞行器上的特定发动机在定义的一组路线上飞行以最小化所需的维护时间，同时最大化其操作成本并维持燃料经济性目标。另外，在一些实施例中，在框618处，计算装置可以输出系统的优化状态的指示。优化状态的指示可以包括跟踪元素，该跟踪元素指示相对于定义的或期望的操作极限的优化级别和/或优化参数和/或操作协议的相关性。
在一些实施例中，在框614处，将从系统优化器模块的执行生成的操作参数和/或操作协议反馈到框604，并且与资产的DT集成。例如，简要地参考图2，操作协议250可以在资产优化级别200被反馈到DT中，以用于附加的精细/优化活动。这只是反馈优化参数的一个示例。可以在系统层次结构的任何阶段之间(例如，在系统优化器单元240和业务模型之间，在系统输出的操作协议250和资产优化级别200之间)实施优化参数的反馈，使得资产系统和业务单元操作的优化可以互连。在框604接收到一组优化参数的情况下，计算装置可以执行本申请所描绘和描述的方法的第二次迭代，以更新系统的优化。例如，在某些情况下，当在业务操作优化级别(例如，包括图2中所示的系统模块210、220、230、240)鉴于财务模型260来优化系统时，资产配置(例如资产中的部件的选择)可能需要调整或重新定义，以满足由财务模型260(图2)驱动的优化协议。因此，通过反馈由于包含业务模型而产生的优化结果，使用调整后的资产的部件对系统进行重新优化。
在一些实施例中，通过协调以交互和计算考虑到系统行为的期望系统的关键处理指示符的时间范围内的多个物理资产DT的利用可以包括模拟的利用。模拟可以是连续时间模拟或离散时间模拟。被模拟的实体可以由中央分析推理机指示采取行动，或者可以具有由每个物理资产计算的自主行为响应，而系统动态随代理行为而出现。时间范围可以是历史的(例如，基于过去的传感器读数，事件和/或结果)，当前的或未来的。系统模拟中的实体本质上可以是物理的，信息的或经济的。模拟场景可以是确定性的或概率性的，并且可以在整个时间范围内以有向图或无向图模式遍历。在将模拟配置为探索概率路径的情况下，通过可定义的时间范围进行复制，该时间范围可以由所公开的系统控制，复制包括可以最优地调用来描述系统的元素的多个DT。在一些实施例中，可以规定用于计算的间隔以具有由时限或准确性设置的限制。
现在转到图7，描绘了说明性时间图700，其描绘了时间范围内的多个资产DT的利用。更具体地，由公开的系统控制用于控制在系统模拟中使用的DT的有意选择，某些DT的时间范围，对预测方差的贡献和对计算持续时间的限制的方法。连续的操作时间705包含物理资产和业务系统在其中操作的历史时间715，当前时间710和未来时间720的范围。
如先前所公开的，资产和操作利用公开为DT的数学抽象来建模，其模型可以是本质上的第一原理，例如工程热力学模型或统计模型，例如Weibull分布或人工智能模型，例如基于机器学习的表示形式或一组规则或封闭形式的表达式，或甚至观察到的历史轨迹。这些模型可具有将其外部性转换为其响应的不同精度。在该图中，框725、730、735和740在一个实施例中代表相同资产的不同DT，而在另一实施例中代表资产的混合。这些DT可具有不同的计算持续时间。
对于所公开的系统引起实现的决策支持，分析或自动化，潜在的计算时间780可能足够短或可能不够短。在从起始时间点t0，785需要某个响应时间tc，790的情况下，系统可以基于DT 725,730,735,740的计算速度调用DT 725,730,735,740中的某些DT，以在特定响应时间tc，790内实现最完整的计算。在一定的时间间隔790中需要一定的计算方差保证(例如，通过下面的公式1表示)的情况下，系统可以基于DT 725,730,735,740在绝对基础上的计算速度或根据DT对每单位时间方差775的贡献的比率来调用DT 725,730,735,740中的某些DT，如公式2所计算。
Figure BDA0003054320450000161
其中Wk是所选k的DT的加权百分比，DTk表示在时间间隔n内X增量的部分分布Y，n是从初始tni到后面的tn的时间步长的索引。
Figure BDA0003054320450000162
在公式2中，Δ计算时间是运行DT和模拟场景的时间变化，Δ灵敏度是公式1中X的Y的变化。当以每个计算时间间隔的速率大于阈值速率进行学习时，将继续学习处理。当变化学习的速率(即，每个计算间隔的灵敏度变化)低于阈值时，则可以停止学习。例如，对于给定一组DT，如果希望学习使每分钟的计算时间内由孪生计算的特定方面的变化减少1％，则净现值(NPV)的1个标准偏差在每分钟计算时间内的变化为2％，学习可以运行2分钟。然而，期望的学习速率对于DT的第一组合可能是可能的，但是对于DT的另一选择的组合可能是不可能的。在一些实施例中，可以实现期望的变化减小率，但是用DT的特定组合进行计算花费的时间太长。也就是说，例如，DT的组合可能是利用大量计算时间的复杂模型，例如有限元模型。
给定的DT方法可以包括许多模型类型。在示例实施例中，第一原理，统计，机器学习，历史观察，规则和/或试探法定义了DT模型类型725,730,735,740。操作方案应包括未来预测部件，例如与希望在将影响未来时间段t+n，720的当前时间t0，710采取当前操作动作的情况一样，因此可以选择如图7所示的四个候选模型。DT模型725、730和735在其时间范围内重叠。每个DT模型可能比其他模型具有一定的优势，例如计算时间或精度，或相对于变化的输入假设来解释系统动态的能力。在一个实施例中，累积速度，精度，方差的解释之和是公式1的目标，其可以被最大化或最小化。可能存在多个标准，例如，在一个实施例中，使一个或多个DT模型输入中的每变化单位的一个或多个模型输出变化最小以及使计算时间tc，790或贡献灵敏度的变化与计算时间变化的比率最小，公式2。在时间区域中，例如，如沿连续操作时间705所描绘的，可能对建模的关键处理指示器产生或多或少的贡献。例如，在经济计算中，其中使用风险调整后的折现率将将来的t+n，720现金流转化为当前的t0，710值(例如净现值)，来自模型DT4 740的KPI变化的每单位贡献将不如来自DT1 725的那样多。未来模拟的完整路径可能会根据需要部分利用每个DT，以满足变化，操作时间长度，计算时间长度和准确性的标准。
DT被调用以实现计算目标和极限，并且可以最终形成模型激活的汇编以完成整个时间的轨迹，例如从当前时间t0，710到未来时间t+n，720。例如，但不限于，由于从开始时间到时间745可行的任何原因(计算速度，准确性，预测间隔等)，图7中的DT1 725是唯一可行的DT模型，在时间745间隔，只有DT3 735是可行的，直到时间760，在时间760，两个DT 730和735具有候选资格。根据一个或多个目标或约束选择DTK。可以从开始时间710到745最佳地使用DT1 725，例如对于间隔跨度745到760调用DT3 735，然后从760到765利用DT2，并且从765到770可以利用DT4。
可能存在以下情况：资产的DT模型725、730、735、740的组合通过在整个操作时间范围710、720中进行独立计算来提高预测准确性，并且使每个DT输出的加权百分比Wk构成综合预测。每个DT输出的加权百分比Wk可能会在时间界限tni到tn内的预测间隔内变化。因此，由计算优化775、793按权重及时选择DT，以用于KPI优化器预测和优化的关键处理指示器。这些优化能力是嵌套的，其中系统705的系统的操作被优化并且满足计算时间约束(例如，由下面的公式3表示)和/或对方差或准确性775的贡献的DT选择的计算控制被满足。
∑t计算<tc公式3
应当理解，可以与其他DT并行地计算或操作DT，并且可以通过从其他DT公开的方法有目的地组成DT。但是，当达到决策支持或自动化所需的时间常数时，计算应完成。可替代地，当在变化减少模式下操作时，即求解公式1和2，可以运行系统直到满足学习阈值。而且，在一些实施例中，这些约束可以嵌套。即，变化模式可以作为内部循环操作，而总计算时间可以作为外部循环操作，反之亦然。可以为DT的组合定义预定的计算时间持续时间，然后DT的组合产生满足计算时间约束或学习阈值的学习速率或变化水平。
本申请描述的功能块和/或流程图元素可以被翻译成机器可读指令。作为非限制性示例，可以使用任何编程协议来编写机器可读指令，例如：要解析的描述性文本(例如，超文本标记语言，可扩展标记语言等)，(ii)汇编语言，(iii)编译器从源代码生成的目标代码；(iv)使用来自任何合适的编程语言的语法编写的源代码，以供解释器执行；(v)供即时编译器编译和执行的源代码，等等。替代地，机器可读指令可以用硬件描述语言(HDL)编写，诸如经由现场可编程门阵列(FPGA)配置或专用集成电路(ASIC)或其等效物实施的逻辑。因此，本申请描述的功能可以以任何常规计算机编程语言，作为预编程的硬件元件或作为硬件和软件部件的组合来实施。
现在应该理解，本申请所述的系统和方法公开了利用互连的DT的在以系统层次结构组织的业务单元操作和相关资产的优化，其中根据变化和/或计算时间目标来最佳地选择DT。例如，这些系统和方法提供了通过使用通过业务集成系统耦合的业务模型来管理业务级别优化的能力，该业务集成系统允许从一个业务元素到下一个业务元素的反馈。该系统可以在物理资产控制实施例中提供准或实时优化。另外，该系统通过跟踪指示现在或模拟的未来的业务优化的状态的关键业务参数来提供对优化状态的管理。
对于本领域技术人员将显而易见的是，在不脱离本申请的精神或范围的情况下，可以进行各种修改和变型。由于结合本申请的精神和实质的所公开的实施例的修改，组合，子组合和变化对于本领域技术人员而言是可能的，因此本申请应被解释为包括所附权利要求及其等同物的范围内的所有内容。
本发明的进一步方面由以下条项的主题提供：
一种系统，包括：多个数字孪生，该多个数字孪生与资产的一个或多个资产系统相对应；一个或多个业务模型，该一个或多个业务模型与一个或多个业务操作相对应；以及电子控制单元(ECU)。ECU被编程为：实施资产优化器模块，其中实施资产优化器模块将多个数字孪生互连以用于在时间范围内优化，其中，资产优化器模块根据精度，时间覆盖范围，计算时间或对方差的贡献中的至少一个来选择多个数字孪生以进行优化；在时间范围内执行资产优化器模块，其中，资产优化器模块优化多个数字孪生的一个或多个参数，以获得一个或多个资产系统的一个或多个关键处理指示器；实施系统优化器模块，其中，系统优化器模块接收一个或多个优化参数和一个或多个业务模型；执行系统优化器模块，其中，系统优化器模块生成一个或多个业务模型的一个或多个操作协议；以及向用户输出一个或多个操作协议以在现实世界资产系统中实施。
根据任何前述条项所述的系统，其中，ECU进一步被编程为：输出一个或多个优化状态的指示，其中指示定义一个或多个数字孪生或一个或多个业务模型中的至少一个的优化级别。
根据任何前述条项所述的系统，其中，ECU进一步被编程为：将一个或多个操作协议反馈到多个数字孪生中的一个或多个中，使得ECU执行资产优化器模块或系统优化器模块中的至少一个的另一实例，以生成一个或多个操作协议的更新集，以在现实世界资产系统中实施。
根据任何前述条项所述的系统，其中，系统优化器模块被配置为基于一个或多个业务模型与一个或多个优化参数之间的交互来优化一个或多个业务模型中的每一个。
根据任何前述条项所述的系统，其中，ECU进一步被编程为：根据计算持续时间的限制，在模拟的未来时段中，选择具有小于或等于时间范围的计算时间的多个数字孪生中的一个或多个。
根据任何前述条项所述的系统，其中，ECU进一步被编程为：根据所需的每单位计算时间的预测变化性减少率，选择具有小于或等于模拟的未来时段的时间范围的计算时间的多个数字孪生中的一个或多个，同时对于操作预测KPI目标进行优化。
根据任何前述条项所述的系统，其中，资产是飞行器。
根据任何前述条项所述的系统，其中，多个数字孪生中的一个或多个包括与一个或多个资产系统的一个或多个资产子系统相对应的一个或多个第一子级数字孪生。
根据任何前述条项所述的系统，其中，一个或多个第一子级数字孪生包括与一个或多个资产子系统的一个或多个部件相对应的一个或多个部件级数字孪生。
根据任何前述条项所述的系统，其中，一个或多个业务模型包括以下至少之一：燃料管理模型，飞行操作模型，资产维护计划模型，人员调度模型，或财务模型。
一种方法，包括：利用计算装置实施资产优化器模块，其中，实施资产优化器模块将多个数字孪生互连以用于在时间范围内优化，其中，资产优化器模块根据精度，时间覆盖范围，计算时间或对方差的贡献中的至少一个来选择多个数字孪生以进行优化；利用计算装置执行资产优化器模块，其中，资产优化器模块优化多个数字孪生中的一个或多个的一个或多个参数，以获得资产的一个或多个资产系统的一个或多个关键处理指示器；利用计算装置实施系统优化器模块，其中，系统优化器模块接收一个或多个优化参数以及与一个或多个业务操作相对应的一个或多个业务模型；利用计算装置执行系统优化器模块，其中，系统优化器模块生成一个或多个业务模型的一个或多个操作协议；以及利用计算装置向用户输出一个或多个操作协议以在现实世界资产系统中实施。
根据任何前述条项所述的方法，进一步包括：利用计算装置输出一个或多个优化状态的指示，其中指示定义多个数字孪生或一个或多个业务模型中的至少一个的优化级别。
根据任何前述条项所述的方法，进一步包括：将一个或多个操作协议反馈到多个数字孪生中的一个或多个中，使得ECU执行资产优化器模块或系统优化器模块中的至少一个的另一实例，以生成一个或多个操作协议的更新集，以在现实世界资产系统中实施。
根据任何前述条项所述的方法，其中，系统优化器模块被配置为基于一个或多个业务模型与一个或多个优化参数之间的交互来优化一个或多个业务模型中的每一个。
根据任何前述条项所述的方法，进一步包括：根据计算持续时间的限制，在模拟的未来时段中，选择具有小于或等于时间范围的计算时间的多个数字孪生中的一个或多个。
根据任何前述条项所述的方法，进一步包括：根据所需的每单位计算时间的预测变化性减少率，选择具有小于或等于模拟的未来时段的时间范围的计算时间的多个数字孪生中的一个或多个，同时对于操作预测KPI目标进行优化。
根据任何前述条项所述的方法，其中，资产是飞行器。
根据任何前述条项所述的方法，其中，多个数字孪生中的一个或多个包括与一个或多个资产系统的一个或多个资产子系统相对应的一个或多个第一子级数字孪生。
根据任何前述条项所述的方法，其中，一个或多个第一子级数字孪生包括与一个或多个资产子系统的一个或多个部件相对应的一个或多个部件级数字孪生。
根据任何前述条项所述的方法，其中，一个或多个业务模型包括以下至少之一：燃料管理模型，飞行操作模型，资产维护计划模型，人员调度模型，或财务模型。
一种非暂时性机器可读介质，该非暂时性机器可读介质包含一组指令，一组指令当由一个或多个处理器执行时，使一个或多个处理器进行操作，该操作包括：利用计算装置实施资产优化器模块，其中，实施资产优化器模块将多个数字孪生互连以用于在时间范围内优化，其中，资产优化器模块根据精度，时间覆盖范围，计算时间或对方差的贡献中的至少一个来选择多个数字孪生以进行优化；利用计算装置执行资产优化器模块，其中，资产优化器模块优化多个数字孪生中的一个或多个的一个或多个参数，以获得资产的一个或多个资产系统的一个或多个关键处理指示器；利用计算装置实施系统优化器模块，其中，系统优化器模块接收一个或多个优化参数以及与一个或多个业务操作相对应的一个或多个业务模型；利用计算装置执行系统优化器模块，其中，系统优化器模块生成一个或多个业务模型的一个或多个操作协议；以及利用计算装置向用户输出一个或多个操作协议以在现实世界资产系统中实施。
根据任何前述条项所述的非暂时性机器可读介质，其中，一组指令当由一个或多个处理器执行时，进一步使一个或多个处理器进行操作，操作包括：利用计算装置输出一个或多个优化状态的指示，其中指示定义多个数字孪生或一个或多个业务模型中的至少一个的优化级别。
根据任何前述条项所述的非暂时性机器可读介质，其中，一组指令当由一个或多个处理器执行时，进一步使一个或多个处理器进行操作，操作包括：将一个或多个操作协议反馈到多个数字孪生中的一个或多个中，使得ECU执行资产优化器模块或系统优化器模块中的至少一个的另一实例，以生成一个或多个操作协议的更新集，以在现实世界资产系统中实施。
根据任何前述条项所述的非暂时性机器可读介质，其中：多个数字孪生中的一个或多个包括与一个或多个资产系统的一个或多个资产子系统相对应的一个或多个第一子级数字孪生；并且一个或多个第一子级数字孪生包括与一个或多个资产子系统的一个或多个部件相对应的一个或多个部件级数字孪生。
根据任何前述条项所述的非暂时性机器可读介质，其中，一组指令当由一个或多个处理器执行时，进一步使一个或多个处理器进行操作，操作包括：根据计算持续时间的限制，在模拟的未来时段中，选择具有小于或等于时间范围的计算时间的多个数字孪生中的一个或多个。
根据任何前述条项所述的非暂时性机器可读介质，其中，一组指令当由一个或多个处理器执行时，进一步使一个或多个处理器进行操作，操作包括：根据所需的每单位计算时间的预测变化性减少率，选择具有小于或等于模拟的未来时段的时间范围的计算时间的多个数字孪生中的一个或多个，同时对于操作预测KPI目标进行优化。

Claims (10)

1.一种系统，其特征在于，包括：
多个数字孪生，所述多个数字孪生与资产的一个或多个资产系统相对应；
一个或多个业务模型，所述一个或多个业务模型与一个或多个业务操作相对应；和
电子控制单元(ECU)，其中所述ECU被编程为：
实施资产优化器模块，其中实施所述资产优化器模块将所述多个数字孪生互连以在时间范围内进行优化，其中，所述资产优化器模块根据精度，时间覆盖范围，计算时间或对方差的贡献中的至少一个来选择所述多个数字孪生以进行优化；
在所述时间范围内执行所述资产优化器模块，其中，所述资产优化器模块优化所述多个数字孪生的一个或多个参数，以获得所述一个或多个资产系统的一个或多个关键处理指示器；
实施系统优化器模块，其中，所述系统优化器模块接收所述一个或多个优化参数和所述一个或多个业务模型；
执行所述系统优化器模块，其中，所述系统优化器模块生成用于所述一个或多个业务模型的一个或多个操作协议；以及
向用户输出所述一个或多个操作协议以在现实世界资产系统中实施。
2.根据权利要求1所述的系统，其特征在于，其中，所述ECU进一步被编程为：
输出一个或多个优化状态的指示，其中所述指示定义所述多个数字孪生或所述一个或多个业务模型中的至少一个的优化级别。
3.根据权利要求1所述的系统，其特征在于，其中，所述ECU进一步被编程为：
将所述一个或多个操作协议反馈到所述多个数字孪生中的一个或多个中，使得所述ECU执行所述资产优化器模块或所述系统优化器模块中的至少一个的另一实例，以生成所述一个或多个操作协议的更新集，以在所述现实世界资产系统中实施。
4.根据权利要求1所述的系统，其特征在于，其中，所述系统优化器模块被配置为基于所述一个或多个业务模型与一个或多个优化参数之间的交互来优化所述一个或多个业务模型中的每一个。
5.根据权利要求1所述的系统，其特征在于，其中，所述ECU进一步被编程为：
根据计算持续时间的限制，在模拟的未来时段中，选择计算时间小于或等于所述时间范围的所述多个数字孪生中的一个或多个。
6.根据权利要求1所述的系统，其特征在于，其中，所述ECU进一步被编程为：
根据所需的每单位计算时间的预测变化性减少率，选择计算时间小于或等于模拟的未来时段的所述时间范围的所述多个数字孪生中的一个或多个，同时对于操作的预测KPI目标进行优化。
7.根据权利要求1所述的系统，其特征在于，其中，所述资产是飞行器。
8.根据权利要求1所述的系统，其特征在于，其中，所述多个数字孪生中的一个或多个包括与所述一个或多个资产系统的一个或多个资产子系统相对应的一个或多个第一子级数字孪生。
9.根据权利要求8所述的系统，其特征在于，其中，所述一个或多个第一子级数字孪生包括与所述一个或多个资产子系统的一个或多个部件相对应的一个或多个部件级数字孪生。
10.根据权利要求1所述的系统，其特征在于，其中，所述一个或多个业务模型包括以下至少之一：
燃料管理模型，
飞行操作模型，
资产维护计划模型，
人员调度模型，或
财务模型。
CN202110496046.7A 2020-05-08 2021-05-07 具有耦合子系统模型和数字孪生的操作优化分配控制系统 Pending CN113625666A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/870,212 2020-05-08
US16/870,212 US20210350294A1 (en) 2020-05-08 2020-05-08 Operations optimization assignment control system with coupled subsystem models and digital twins

Publications (1)

Publication Number Publication Date
CN113625666A true CN113625666A (zh) 2021-11-09

Family

ID=75746469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110496046.7A Pending CN113625666A (zh) 2020-05-08 2021-05-07 具有耦合子系统模型和数字孪生的操作优化分配控制系统

Country Status (3)

Country Link
US (1) US20210350294A1 (zh)
EP (1) EP3907646A1 (zh)
CN (1) CN113625666A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115063654A (zh) * 2022-06-08 2022-09-16 厦门大学 基于序列元学习的黑盒攻击方法、存储介质和电子设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023174786A1 (en) * 2022-03-14 2023-09-21 Koninklijke Kpn N.V. Assembling a digital twin of a telecommunication network
US20230297930A1 (en) * 2022-03-21 2023-09-21 Infosys Limited Method and system for building actionable knowledge based intelligent enterprise system
CN115356924B (zh) * 2022-08-09 2023-06-20 哈尔滨工业大学 一种针对大型互联系统的数据驱动分布式优化控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170323239A1 (en) * 2016-05-06 2017-11-09 General Electric Company Constrained time computing control system to simulate and optimize aircraft operations with dynamic thermodynamic state and asset utilization attainment
CN108919765A (zh) * 2018-07-20 2018-11-30 王德权 一种基于数字孪生的智能制造工厂虚拟调试和虚拟监控方法及方法
CN109270899A (zh) * 2018-09-03 2019-01-25 江苏科技大学 一种基于数字孪生的船用柴油机关重件制造过程管控方法
CN109356789A (zh) * 2018-11-07 2019-02-19 中国矿业大学 一种基于数字孪生的风机直驱变桨距系统及优化设计方法
CN109445305A (zh) * 2018-10-26 2019-03-08 中国电子科技集团公司第三十八研究所 一种基于数字孪生的装配精度仿真分析方法与系统
CN109933035A (zh) * 2019-04-24 2019-06-25 中国科学院重庆绿色智能技术研究院 一种基于数字孪生的生产线控制系统、方法及生产系统
CN109933923A (zh) * 2019-03-19 2019-06-25 山东大学 一种基于数字孪生的机电装备精益设计方法
DE102019201410A1 (de) * 2018-02-05 2019-08-08 Ziehl-Abegg Se Verfahren zur Optimierung des Wirkungsgrads und/oder der Laufperformance eines Ventilators oder einer Ventilator-Anordnung

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170286572A1 (en) * 2016-03-31 2017-10-05 General Electric Company Digital twin of twinned physical system
US10417614B2 (en) * 2016-05-06 2019-09-17 General Electric Company Controlling aircraft operations and aircraft engine components assignment
US20180039249A1 (en) * 2016-08-02 2018-02-08 General Electric Company Automated dynamical control of operations and design of physical systems through time
US20190005826A1 (en) * 2017-06-28 2019-01-03 Ge Aviation Systems, Llc Engine load model systems and methods
US20190138662A1 (en) * 2017-11-07 2019-05-09 General Electric Company Programmatic behaviors of a contextual digital twin

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170323239A1 (en) * 2016-05-06 2017-11-09 General Electric Company Constrained time computing control system to simulate and optimize aircraft operations with dynamic thermodynamic state and asset utilization attainment
DE102019201410A1 (de) * 2018-02-05 2019-08-08 Ziehl-Abegg Se Verfahren zur Optimierung des Wirkungsgrads und/oder der Laufperformance eines Ventilators oder einer Ventilator-Anordnung
CN108919765A (zh) * 2018-07-20 2018-11-30 王德权 一种基于数字孪生的智能制造工厂虚拟调试和虚拟监控方法及方法
CN109270899A (zh) * 2018-09-03 2019-01-25 江苏科技大学 一种基于数字孪生的船用柴油机关重件制造过程管控方法
CN109445305A (zh) * 2018-10-26 2019-03-08 中国电子科技集团公司第三十八研究所 一种基于数字孪生的装配精度仿真分析方法与系统
CN109356789A (zh) * 2018-11-07 2019-02-19 中国矿业大学 一种基于数字孪生的风机直驱变桨距系统及优化设计方法
CN109933923A (zh) * 2019-03-19 2019-06-25 山东大学 一种基于数字孪生的机电装备精益设计方法
CN109933035A (zh) * 2019-04-24 2019-06-25 中国科学院重庆绿色智能技术研究院 一种基于数字孪生的生产线控制系统、方法及生产系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115063654A (zh) * 2022-06-08 2022-09-16 厦门大学 基于序列元学习的黑盒攻击方法、存储介质和电子设备

Also Published As

Publication number Publication date
US20210350294A1 (en) 2021-11-11
EP3907646A1 (en) 2021-11-10

Similar Documents

Publication Publication Date Title
Delgado et al. Digital Twins for the built environment: learning from conceptual and process models in manufacturing
Pan et al. A BIM-data mining integrated digital twin framework for advanced project management
CN110046716B (zh) 用以生成资产工作范围的系统、方法和存储介质
CN109767025B (zh) 用以生成优化的工作范围的设备、存储介质和方法
CN113625666A (zh) 具有耦合子系统模型和数字孪生的操作优化分配控制系统
US10417614B2 (en) Controlling aircraft operations and aircraft engine components assignment
US10318903B2 (en) Constrained cash computing system to optimally schedule aircraft repair capacity with closed loop dynamic physical state and asset utilization attainment control
Rødseth et al. Deep digital maintenance
US10287988B2 (en) Methods and systems for enhancing operation of power plant generating units and systems
US8670962B2 (en) Process simulation utilizing component-specific consumption data
Aizpurua et al. Supporting group maintenance through prognostics-enhanced dynamic dependability prediction
US20160231716A1 (en) System of systems optimizing control for achieving performance and risk outcomes in physical and business operations of connected and interrelated industrial systems
RU2502120C2 (ru) Системы и способы оптимизации операций добычи в реальном времени
Li et al. Toward a methodology of requirements definition for prognostics and health management system to support aircraft predictive maintenance
US10520937B2 (en) Sensing and computing control system for shaping precise temporal physical states
WO2020023998A1 (en) Improvements to operational state determination and modification
Löfstrand et al. A model for predicting and monitoring industrial system availability
dos Santos et al. A decision support tool for operational planning: a Digital Twin using simulation and forecasting methods
Stadtmann et al. Digital twins in wind energy: Emerging technologies and industry-informed future directions
Santos et al. A decision support tool for operational planning: a Digital Twin using simulation and forecasting methods
Can et al. Digital Twin and Manufacturing
Löfstrand et al. Evaluating availability of functional products through simulation
Iung et al. Using probabilistic relational models for knowledge representation of production systems: A new approach to assessing maintenance strategies
Tran et al. Digital twins for internal combustion engines: A brief review
US20190080259A1 (en) Method of learning robust regression models from limited training data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination