WO2024025382A1 - Digital twin system and method capable of real-time monitoring, virtual operation prediction and optimization operation service of on-site equipment - Google Patents

Digital twin system and method capable of real-time monitoring, virtual operation prediction and optimization operation service of on-site equipment Download PDF

Info

Publication number
WO2024025382A1
WO2024025382A1 PCT/KR2023/011031 KR2023011031W WO2024025382A1 WO 2024025382 A1 WO2024025382 A1 WO 2024025382A1 KR 2023011031 W KR2023011031 W KR 2023011031W WO 2024025382 A1 WO2024025382 A1 WO 2024025382A1
Authority
WO
WIPO (PCT)
Prior art keywords
digital twin
data
field
principal component
service
Prior art date
Application number
PCT/KR2023/011031
Other languages
French (fr)
Korean (ko)
Inventor
허강열
한우주
정대로
Original Assignee
주식회사 페이스
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
Priority claimed from KR1020220121179A external-priority patent/KR102601707B1/en
Application filed by 주식회사 페이스 filed Critical 주식회사 페이스
Publication of WO2024025382A1 publication Critical patent/WO2024025382A1/en

Links

Images

Classifications

    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • 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], computer integrated manufacturing [CIM]
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring

Definitions

  • the present invention belongs to digital twin technology, and specifically relates to a system and method for providing digital twin services in industrial sites.
  • 'CAE' Computer Aided Engineering
  • the digital twin service currently being provided cannot utilize programs that perform digital twin or similar functions in conjunction with data coming in from the field in real time, or continuously improve the performance of the digital twin, and also cannot continuously improve the performance of the digital twin.
  • Various functions are not provided in conjunction with .
  • Patent Document 1 KR 10-2048243 B1 (2019.11.25)
  • Patent Document 2 KR 10-2261942 B1 (2021.06.07)
  • Non-patent Document 1 Woojin Lee, Kwonwoo Jang, Woojoo Han, Kang Y. Huh, “Model order reduction by proper orthogonal decomposition for a 500 MWe tangentially fired pulverized coal boiler”, case Studies in Thermal Engineering, 2021
  • the present invention was created to solve the above problems, and the purpose of the present invention is to continuously improve the digital twin by utilizing field measurement data, and to predict virtual driving by utilizing the updated digital twin and real-time field data. , to provide a digital twin service provision system and method that can effectively provide monitoring and optimization functions.
  • the digital twin service provision system for solving the above problems includes field equipment equipped with sensors; A digital twin construction service platform that generates digital twin data for the field equipment; and a user terminal on which digital twin data downloaded from the digital twin construction service platform is mounted, wherein the user terminal includes driving conditions and measurement data transmitted in real time from the sensor.
  • Sensor data interface that receives field data; and a result prediction module that monitors field equipment or predicts results for virtual operating conditions of field equipment by linking the mounted digital twin data with field data input through the sensor data interface, and a result prediction module that monitors field equipment or predicts results for virtual operating conditions of field equipment, and inputs through the sensor data interface.
  • a digital twin application that includes a data fusion module that utilizes driving conditions and measurement data to update predictive performance for the entire driving range of the mounted digital twin data, wherein the digital twin data is a main component of a reduced-order model. It includes a function to predict principal component coefficients for vectors and arbitrary operating conditions, and the data fusion module obtains principal component coefficients corresponding to the measured data through a data fusion technique and transmits the obtained principal component coefficients and data about the operating conditions. Collect the driving area for a certain period of time and update the function that predicts the main component coefficient for the driving condition through machine learning on the collected data, or collect the measured data for a certain period of time over the entire driving area and collect the collected data.
  • a data fusion technique is introduced to the measurement data predicted by the measurement data prediction function according to real-time driving conditions to obtain the main components for the driving conditions. It is characterized by updating the function that predicts the coefficient.
  • the digital twin application further includes an optimization module that performs a function of deriving optimal operating conditions for performance variables of selected field equipment within a predetermined range.
  • the digital twin application further includes a visualization module that shows results obtained through the result prediction module and the optimization module.
  • the digital twin service method to solve the above problem is to build a digital twin for the field equipment that is the target of the digital twin service on a digital twin construction service platform, and use the principal component vector and random number forming the reduced order model.
  • a digital twin data loading step in which a field facility operator using a digital twin service downloads the digital twin data generated in the digital twin data creation step to a user terminal and loads it on a digital twin application;
  • the digital twin data uses the above-mentioned digital twin data, when the field facility operator inputs the desired operating conditions, the corresponding simulation results are predicted and displayed to the field facility operator through a visualization module.
  • the virtual operation prediction step is performed, and real-time data is input from the field facility.
  • a digital twin operation step which includes a monitoring step of predicting the corresponding simulation results using the mounted digital twin data and showing them to the field facility operator through a visualization module;
  • a digital twin data update step of updating the predictive performance of the entire operating area of the mounted digital twin data by utilizing driving conditions and measurement data received from field equipment, wherein the digital twin data update step includes data fusion.
  • Update the prediction function collect measurement data for a certain period of time for the entire driving range, create a measurement data prediction function that removes irregular fluctuations depending on driving conditions through machine learning on the collected data, and then create real-time driving conditions. It is characterized by updating the function that predicts the main component coefficients for driving conditions by introducing a data fusion technique to the measurement data predicted by the measurement data prediction function.
  • the digital twin operation step further includes an optimization step of deriving optimal operating conditions to obtain target values of performance variables desired by the field facility operator by utilizing the mounted digital twin data.
  • the digital twin data generation step is performed by a digital twin construction service provider, and the virtual operation prediction step, monitoring step, and optimization step are performed selectively or simultaneously by the field facility operator.
  • the digital twin service provision system and method according to the present invention it is possible to provide a digital twin with higher accuracy by improving the error of the digital twin by using field measurement data, and even if the error rate increases as field equipment ages, digital twin It is possible to continuously improve the digital twin by utilizing field measurement data without the need to build a new twin, thereby reducing the cost of additional construction.
  • this updated digital twin and real-time data from the field virtual driving prediction, monitoring, and optimization functions can be provided more accurately and effectively.
  • Figure 1 is a diagram showing the overall concept of a digital twin service provision system according to the present invention.
  • FIG. 2 is a block diagram showing the overall configuration of the digital twin service provision system according to the present invention according to data flow.
  • FIG. 3 is a block diagram showing the detailed configuration and data flow of the digital twin application in the present invention.
  • Figures 4 and 5 are diagrams for explaining the digital twin data update method in the present invention.
  • Figure 6 is a flow chart showing the step-by-step execution of the digital twin service provision method according to the present invention.
  • Optimization module 214 Visualization module
  • Figure 1 is a diagram showing the overall concept of the digital twin service providing system according to the present invention
  • Figure 2 is a block diagram showing the overall configuration of the digital twin service providing system according to the present invention according to data flow
  • Figure 3 is a diagram showing the overall configuration of the digital twin service providing system according to the present invention. This is a block diagram showing the detailed configuration and data flow of the digital twin application in the invention.
  • the digital twin service provision system includes field equipment 100, user terminal 200, and digital twin construction service platform 300.
  • Field equipment 100 refers to machines, equipment, objects, etc. at industrial sites that are subject to digital twin services.
  • the field equipment 100 is equipped with various sensors 110 connected to the Internet of Things (IoT) or by wire, and the field sensor data measured from the various sensors 110 is transmitted to the user terminal 200 in real time. is transmitted to
  • IoT Internet of Things
  • the user terminal 200 refers to a computer device of a field facility operator that uses the digital twin service, and the field facility operator inputs necessary information or is provided with digital twin information through the user terminal 200.
  • the user terminal 200 may be a personal computer (PC) located at an industrial site, or it may be a portable terminal such as a smartphone or tablet.
  • PC personal computer
  • the digital twin construction service platform (300) builds a digital twin based on simulation or data through cloud services, on-premise services, and other customized construction services, and generates digital twin data (310). It is a computer program-based facility that can be produced, and its form is not particularly limited.
  • the digital twin data 310 refers to data constituting a model that performs a function that can utilize the digital twin in real time, including a reduced-order model that can be built by various methods.
  • the digital twin is implemented as a reduced-order model built based on CAE simulation, and the digital twin data 310 includes a principal component vector forming the reduced-order model and a function for predicting the principal component coefficients for arbitrary driving conditions.
  • a function that predicts the principal component coefficients for arbitrary operating conditions can be created through machine learning by matching the operating conditions for CAE simulation samples with the principal component coefficients obtained from CAE simulation results.
  • the user terminal 200 includes a sensor data interface 201 and a digital twin application 202.
  • the user terminal 200 receives field data transmitted in real time from various sensors 110 of the field equipment 100.
  • the digital twin application 202 is loaded with digital twin data 310 downloaded from the digital twin construction service platform 300, and the digital twin application 202 uses the loaded digital twin data 210 through the sensor data interface 201. It performs a facility monitoring function that monitors in conjunction with field data input through, a prediction function for virtual operating conditions, and a function that derives optimal operating conditions for selected performance variables within a specified range.
  • the field facility operator can transfer the digital twin data 310 built on the digital twin construction service platform 300 to the user terminal 200 through various methods, including a web browser, and load it into the digital twin application 202. there is.
  • the digital twin application 202 includes digital twin data 210 downloaded and installed from the digital twin construction service platform 300, a data fusion module 211, a result prediction module 212, It may include an optimization module 213 and a visualization module 214 that shows the results obtained therefrom.
  • the result prediction module 212 predicts the corresponding simulation results and displays them to the user through the visualization module 214 (for virtual driving conditions). prediction function).
  • the result prediction module 212 receives real-time data coming from the sensor data interface 201, predicts the corresponding simulation results using the digital twin data 210, and displays them to the user through the visualization module 214. It can also perform a function.
  • the optimization module 213 can utilize the digital twin data 210 to derive optimal operating conditions to obtain target values of performance variables desired by the user.
  • operating conditions can be derived for combinations of fuel and oxygen content that can reduce pollutant emission concentrations at the outlet.
  • the digital twin data 210 can use the driving conditions and measurement data received from the sensor data interface 201 in the data fusion module 211 to update prediction performance through data fusion techniques, machine learning methods, etc.
  • the data fusion module 211 can update a function for predicting the principal component coefficients included in the digital twin data 210, and the present invention proposes two types of update methods.
  • the first update method is to obtain principal component coefficients corresponding to the measurement data by introducing a data fusion technique such as gappy-POD or associated POD (see Patent Documents 1 and 2) to the measurement data, and to obtain the principal component coefficients and operating conditions thus obtained.
  • a function ( ) is to be recreated.
  • the function ( ), the principal component coefficients predicted by ) are free of irregular fluctuations resulting from the measured data.
  • the second update method collects measurement data for a certain period of time for the entire driving range, and uses machine learning on the collected data to remove irregular fluctuations depending on driving conditions, using a measurement data prediction function ( ) first, then measure data prediction function ( ) is a function ( ) is recreated (see Figure 5).
  • This re-created function replaces the existing function to update the predictive performance of the digital twin data 210 across the entire driving range.
  • Both of the above two types of update methods enable the generation of stable digital twin data 210 over the entire driving range by removing irregular fluctuations resulting from measurement data.
  • the updated digital twin data 210 can be used again in the result prediction module 212 and optimization module 213.
  • Figure 6 is a flow chart showing the step-by-step execution of the digital twin service provision method according to the present invention.
  • the method of providing a digital twin service includes a digital twin data creation step (S100), a digital twin data loading step (S200), a digital twin operation step (S300), and a digital twin data updating step (S400). Includes.
  • the digital twin data creation step (S100) is a step performed by a digital twin construction service provider, and builds a digital twin for the field equipment 100 that is the target of the digital twin service on the digital twin construction service platform 300. This is the step of generating digital twin data 310.
  • the field facility operator using the digital twin service downloads the digital twin data (310) generated in the digital twin data creation step (S100) to the user terminal (200) and uses the digital twin application (202). ) This is the step of mounting it on the top.
  • the digital twin operation step (S300) is performed by the field facility operator and includes a virtual operation prediction step (S310), a monitoring step (S320), and an optimization step (S330).
  • the virtual operation prediction step (S310) is a step where the field facility operator inputs desired operating conditions using the mounted digital twin data 210, predicts the corresponding simulation results, and displays them to the field facility operator through the visualization module 214. am.
  • the monitoring step (S320) is a step where real-time data is input from the field equipment 100, the corresponding simulation results are predicted using the mounted digital twin data 210, and the results are shown to the field facility operator through the visualization module 214. .
  • the optimization step (S330) is a step of deriving optimal operating conditions to obtain target values of performance variables desired by the user by utilizing the mounted digital twin data 210.
  • the virtual operation prediction step (S310), monitoring step (S320), and optimization step (S330) may be performed selectively or simultaneously by the field facility operator.
  • the digital twin data update step (S400) utilizes the operating conditions and measurement data coming from the field equipment 100 to update the predictive performance of the mounted digital twin data 210 through data fusion techniques, machine learning methods, etc. It's a step.
  • the digital twin data 210 updated in the digital twin data update step (S400) can be used again in the digital twin operation step (S300).

Abstract

The present invention relates to a system and method for providing a digital twin service in an industrial site. The digital twin service providing system and method according to the present invention provide: a function for generating digital twin data through a digital twin construction service platform and improving the prediction performance of digital twin data by loading the digital twin data on a digital twin application installed on a user terminal and connecting the loaded data to various pieces of data coming from on-site equipment; a function for predicting virtual operation conditions; a monitoring function for utilizing real-time on-site operation conditions or sensor data to display the current status of the equipment and sense and warn about abnormalities of the equipment in advance; and an operation optimization function capable of finding optimal operation conditions for the equipment.

Description

현장 설비의 실시간 모니터링, 가상 운전 예측 및 최적화 운전 서비스가 가능한 디지털 트윈 시스템 및 방법Digital twin system and method capable of real-time monitoring of field facilities, virtual operation prediction, and optimized operation service
본 발명은 디지털 트윈 기술에 속하는 것으로, 구체적으로 산업 현장에서 디지털 트윈 서비스를 제공하는 시스템 및 방법에 관한 것이다.The present invention belongs to digital twin technology, and specifically relates to a system and method for providing digital twin services in industrial sites.
컴퓨터 이용 공학(Computer Aided Engineering, 이하 'CAE'라 함)을 이용한 3차원 모사는 비행기, 차량, 선박, 반도체, 철강, 발전소 등 다양한 산업 분야에서 설계 및 문제 해결을 위해서 널리 활용되어 왔다.3D simulation using Computer Aided Engineering (hereinafter referred to as 'CAE') has been widely used for design and problem solving in various industrial fields such as airplanes, vehicles, ships, semiconductors, steel, and power plants.
그러나, CAE를 산업 현장 문제에 활용하는 데에는 다음과 같은 한계가 존재한다.However, the following limitations exist in using CAE for industrial field problems.
① 숙련된 엔지니어 필요: CAE를 활용하기 위해서는 주어진 문제에 대한 공학적, 물리학적, 수학적 이해와 컴퓨터 지식이 필요하다.① Skilled engineers required: In order to utilize CAE, engineering, physics, and mathematical understanding of the given problem and computer knowledge are required.
② 과도한 해석 시간: 적용 대상의 형상 및 해석 조건에 따라 케이스 당 수 시간에서 수 주까지의 과도한 계산시간이 소요될 수 있어, 대형 연소로와 같이 변화하는 운전조건에 따른 내부상황을 실시간으로 파악하는 것은 불가능하다.② Excessive analysis time: Depending on the shape and analysis conditions of the application object, excessive calculation time can take from several hours to several weeks per case, so it is difficult to understand the internal situation in real time according to changing operating conditions, such as in a large combustion furnace. impossible.
③ 비용 문제: 대형 계산을 수행해야 할 경우, 대규모의 전산자원을 필요로 하며 그에 따른 소프트웨어 라이센스 비용이 발생한다.③ Cost issue: When large-scale calculations need to be performed, large-scale computing resources are required and corresponding software license costs are incurred.
④ 정확도 문제: CAE 해석에는 기본 보존식들에 필연적으로 여러가지 단순화 가정이 수반되기 때문에 실제 현상과 오차가 발생할 수 있다.④ Accuracy problem: Because CAE analysis inevitably involves various simplifying assumptions in the basic conservation equations, errors from actual phenomena may occur.
최근에는, 위와 같은 CAE의 문제점을 극복하기 위해 CAE 해석을 기반으로 한 차수 감축 모델(Reduced Order Model, ROM)을 구축하고, 이를 이용하여 실시간 결과를 도출하는 디지털 트윈(Digital Twin, 현실세계의 기계나 장비, 사물 등을 컴퓨터 속 가상세계에 구현한 것) 기술이 대두되고 있다.Recently, in order to overcome the above problems of CAE, a reduced order model (ROM) based on CAE analysis has been established, and a digital twin (real-world machine) is used to derive real-time results. Technology that implements equipment, objects, etc. into a virtual world within a computer is on the rise.
하지만, 현재 제공되고 있는 디지털 트윈 서비스는 현장에서 실시간으로 들어오는 데이터와 연계하여 디지털 트윈 또는 그와 유사한 기능을 수행하는 프로그램을 활용하거나 디지털 트윈의 성능을 지속적으로 개선할 수는 없었으며, 또한 실시간 데이터와 연계하여 다양한 기능을 제공하지 못하고 있다.However, the digital twin service currently being provided cannot utilize programs that perform digital twin or similar functions in conjunction with data coming in from the field in real time, or continuously improve the performance of the digital twin, and also cannot continuously improve the performance of the digital twin. Various functions are not provided in conjunction with .
(특허문헌 1) KR 10-2048243 B1(2019.11.25)(Patent Document 1) KR 10-2048243 B1 (2019.11.25)
(특허문헌 2) KR 10-2261942 B1(2021.06.07)(Patent Document 2) KR 10-2261942 B1 (2021.06.07)
(비특허문헌 1) Woojin Lee, Kwonwoo Jang, Woojoo Han, Kang Y. Huh, “Model order reduction by proper orthogonal decomposition for a 500 MWe tangentially fired pulverized coal boiler”, case Studies in Thermal Engineering, 2021(Non-patent Document 1) Woojin Lee, Kwonwoo Jang, Woojoo Han, Kang Y. Huh, “Model order reduction by proper orthogonal decomposition for a 500 MWe tangentially fired pulverized coal boiler”, case Studies in Thermal Engineering, 2021
본 발명은 위와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 현장 측정 데이터를 활용하여 디지털 트윈을 지속적으로 개선할 수 있으며, 업데이트된 디지털 트윈과 현장의 실시간 데이터를 활용하여 가상운전 예측, 모니터링 및 최적화 기능을 효과적으로 제공할 수 있도록 한 디지털 트윈 서비스 제공 시스템 및 방법을 제공하는데 있다.The present invention was created to solve the above problems, and the purpose of the present invention is to continuously improve the digital twin by utilizing field measurement data, and to predict virtual driving by utilizing the updated digital twin and real-time field data. , to provide a digital twin service provision system and method that can effectively provide monitoring and optimization functions.
위와 같은 과제를 해결하기 위한 본 발명에 따른 디지털 트윈 서비스 제공 시스템은, 센서를 구비하는 현장 설비; 상기 현장 설비에 대한 디지털 트윈 데이터를 생성하는 디지털 트윈 구축 서비스 플랫폼; 및 상기 디지털 트윈 구축 서비스 플랫폼으로부터 내려 받은 디지털 트윈 데이터가 탑재되는 사용자 단말기;를 포함하는 디지털 트윈 서비스 제공 시스템에 있어서, 상기 사용자 단말기는, 상기 센서로부터 실시간으로 전송되는 운전 조건 및 측정 데이터를 포함하는 현장 데이터를 입력받는 센서 데이터 인터페이스; 및 상기 탑재된 디지털 트윈 데이터를 상기 센서 데이터 인터페이스를 통해 입력된 현장 데이터와 연계하여 현장 설비를 모니터링하거나 현장 설비의 가상 운전 조건에 대한 결과를 예측하는 결과 예측 모듈과, 상기 센서 데이터 인터페이스를 통해 들어오는 운전 조건 및 측정 데이터를 활용하여 상기 탑재된 디지털 트윈 데이터의 전 운전 영역에 대한 예측 성능을 업데이트하는 데이터 융합 모듈을 포함하는 디지털 트윈 애플리케이션;을 포함하되, 상기 디지털 트윈 데이터는 차수 감축 모델을 이루는 주성분 벡터와 임의의 운전 조건에 대한 주성분 계수를 예측하는 함수를 포함하며, 상기 데이터 융합 모듈은, 데이터 융합 기법을 통해 측정 데이터에 대응되는 주성분 계수를 얻고, 얻어진 주성분 계수와 운전 조건에 대한 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하거나, 측정 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 따른 불규칙한 요동이 제거된 측정 데이터 예측 함수를 만든 후, 실시간 운전 조건에 따라 측정 데이터 예측 함수에 의해 예측된 측정 데이터에 데이터 융합 기법을 도입하여 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하는 것을 특징으로 한다.The digital twin service provision system according to the present invention for solving the above problems includes field equipment equipped with sensors; A digital twin construction service platform that generates digital twin data for the field equipment; and a user terminal on which digital twin data downloaded from the digital twin construction service platform is mounted, wherein the user terminal includes driving conditions and measurement data transmitted in real time from the sensor. Sensor data interface that receives field data; and a result prediction module that monitors field equipment or predicts results for virtual operating conditions of field equipment by linking the mounted digital twin data with field data input through the sensor data interface, and a result prediction module that monitors field equipment or predicts results for virtual operating conditions of field equipment, and inputs through the sensor data interface. A digital twin application that includes a data fusion module that utilizes driving conditions and measurement data to update predictive performance for the entire driving range of the mounted digital twin data, wherein the digital twin data is a main component of a reduced-order model. It includes a function to predict principal component coefficients for vectors and arbitrary operating conditions, and the data fusion module obtains principal component coefficients corresponding to the measured data through a data fusion technique and transmits the obtained principal component coefficients and data about the operating conditions. Collect the driving area for a certain period of time and update the function that predicts the main component coefficient for the driving condition through machine learning on the collected data, or collect the measured data for a certain period of time over the entire driving area and collect the collected data. After creating a measurement data prediction function in which irregular fluctuations due to driving conditions are removed through machine learning, a data fusion technique is introduced to the measurement data predicted by the measurement data prediction function according to real-time driving conditions to obtain the main components for the driving conditions. It is characterized by updating the function that predicts the coefficient.
상기 디지털 트윈 애플리케이션은, 정해진 범위 내에서 선정된 현장 설비의 성능 변수에 대한 최적의 운전 조건을 도출하는 기능을 수행하는 최적화 모듈을 더 포함한다.The digital twin application further includes an optimization module that performs a function of deriving optimal operating conditions for performance variables of selected field equipment within a predetermined range.
또한 상기 디지털 트윈 애플리케이션은, 상기 결과 예측 모듈과 상기 최적화 모듈을 통해 얻은 결과를 보여주는 가시화 모듈을 더 포함한다.Additionally, the digital twin application further includes a visualization module that shows results obtained through the result prediction module and the optimization module.
한편, 위와 같은 과제를 해결하기 위한 본 발명에 따른 디지털 트윈 서비스 방법은, 디지털 트윈 구축 서비스 플랫폼 상에서 디지털 트윈 서비스의 대상이 되는 현장 설비에 대한 디지털 트윈을 구축하고 차수 감축 모델을 이루는 주성분 벡터와 임의의 운전 조건에 대한 주성분 계수를 예측하는 함수를 포함하는 디지털 트윈 데이터를 생성하는, 디지털 트윈 데이터 생성 단계; 디지털 트윈 서비스를 이용하는 현장 설비 운영자가 상기 디지털 트윈 데이터 생성 단계에서 생성된 디지털 트윈 데이터를 사용자 단말기로 내려 받아 디지털 트윈 애플리케이션 상에 탑재하는, 디지털 트윈 데이터 탑재 단계; 상기 탑재된 디지털 트윈 데이터를 활용하여 현장 설비 운영자가 원하는 운전 조건을 입력하면 그에 해당하는 시뮬레이션 결과를 예측하여 가시화 모듈을 통해 현장 설비 운영자에게 보여주는 가상운전 예측 단계와, 현장 설비로부터 실시간 데이터를 입력 받아 그에 해당하는 시뮬레이션 결과를 탑재된 디지털 트윈 데이터를 활용하여 예측하고 가시화 모듈을 통해 현장 설비 운영자에게 보여주는 모니터링 단계를 포함하는, 디지털 트윈 운용 단계; 및 현장 설비로부터 들어오는 운전 조건 및 측정 데이터를 활용하여 상기 탑재된 디지털 트윈 데이터의 전 운전 영역에 대한 예측 성능을 업데이트하는 디지털 트윈 데이터 업데이트 단계;를 포함하며, 상기 디지털 트윈 데이터 업데이트 단계는, 데이터 융합 기법을 통해 측정 데이터에 대응되는 주성분 계수를 얻고, 얻어진 주성분 계수와 운전 조건에 대한 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하거나, 측정 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 따른 불규칙한 요동이 제거된 측정 데이터 예측 함수를 만든 후, 실시간 운전 조건에 따라 측정 데이터 예측 함수에 의해 예측된 측정 데이터에 데이터 융합 기법을 도입하여 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하는 것을 특징으로 한다.Meanwhile, the digital twin service method according to the present invention to solve the above problem is to build a digital twin for the field equipment that is the target of the digital twin service on a digital twin construction service platform, and use the principal component vector and random number forming the reduced order model. A digital twin data generation step of generating digital twin data including a function for predicting principal component coefficients for driving conditions; A digital twin data loading step in which a field facility operator using a digital twin service downloads the digital twin data generated in the digital twin data creation step to a user terminal and loads it on a digital twin application; Using the above-mentioned digital twin data, when the field facility operator inputs the desired operating conditions, the corresponding simulation results are predicted and displayed to the field facility operator through a visualization module. The virtual operation prediction step is performed, and real-time data is input from the field facility. A digital twin operation step, which includes a monitoring step of predicting the corresponding simulation results using the mounted digital twin data and showing them to the field facility operator through a visualization module; And a digital twin data update step of updating the predictive performance of the entire operating area of the mounted digital twin data by utilizing driving conditions and measurement data received from field equipment, wherein the digital twin data update step includes data fusion. Through the technique, principal component coefficients corresponding to the measured data are obtained, the obtained principal component coefficients and data on driving conditions are collected for a certain period of time for the entire driving area, and the principal component coefficients for the operating conditions are obtained through machine learning on the collected data. Update the prediction function, collect measurement data for a certain period of time for the entire driving range, create a measurement data prediction function that removes irregular fluctuations depending on driving conditions through machine learning on the collected data, and then create real-time driving conditions. It is characterized by updating the function that predicts the main component coefficients for driving conditions by introducing a data fusion technique to the measurement data predicted by the measurement data prediction function.
상기 디지털 트윈 운용 단계는, 탑재된 디지털 트윈 데이터를 활용하여 현장 설비 운영자가 원하는 성능 변수의 타겟 값을 얻기 위한 최적의 운전 조건을 도출하는 최적화 단계를 더 포함한다.The digital twin operation step further includes an optimization step of deriving optimal operating conditions to obtain target values of performance variables desired by the field facility operator by utilizing the mounted digital twin data.
상기 디지털 트윈 데이터 생성 단계는 디지털 트윈 구축 서비스 제공자에 의해 수행되며, 상기 가상운전 예측 단계, 모니터링 단계 및 최적화 단계는 현장 설비 운영자에 의해 선택적으로 또는 동시에 수행된다.The digital twin data generation step is performed by a digital twin construction service provider, and the virtual operation prediction step, monitoring step, and optimization step are performed selectively or simultaneously by the field facility operator.
본 발명에 따른 디지털 트윈 서비스 제공 시스템 및 방법에 의하면, 디지털 트윈의 오차를 현장 측정 데이터를 활용하여 개선하여 보다 높은 정확도의 디지털 트윈을 제공할 수 있으며, 현장 설비가 노후화됨에 따라 에러율이 커지더라도 디지털 트윈을 새로 구축할 필요 없이 현장 측정 데이터를 활용하여 디지털 트윈을 지속적으로 개선할 수 있게 되어 추가적인 구축에 따른 비용을 절감할 수 있게 된다. 또한, 이와 같이 업데이트된 디지털 트윈과 현장의 실시간 데이터를 활용함으로써 가상운전 예측, 모니터링 및 최적화 기능을 더 정확하고 효과적으로 제공할 수 있게 된다.According to the digital twin service provision system and method according to the present invention, it is possible to provide a digital twin with higher accuracy by improving the error of the digital twin by using field measurement data, and even if the error rate increases as field equipment ages, digital twin It is possible to continuously improve the digital twin by utilizing field measurement data without the need to build a new twin, thereby reducing the cost of additional construction. In addition, by utilizing this updated digital twin and real-time data from the field, virtual driving prediction, monitoring, and optimization functions can be provided more accurately and effectively.
도 1은 본 발명에 따른 디지털 트윈 서비스 제공 시스템의 전체적인 개념을 도시한 도면이다.Figure 1 is a diagram showing the overall concept of a digital twin service provision system according to the present invention.
도 2는 본 발명에 따른 디지털 트윈 서비스 제공 시스템의 전체적인 구성을 데이터 흐름에 따라 도시한 블럭도이다.Figure 2 is a block diagram showing the overall configuration of the digital twin service provision system according to the present invention according to data flow.
도 3은 본 발명에서 디지털 트윈 애플리케이션의 세부 구성 및 데이터 흐름을 도시한 블럭도이다.Figure 3 is a block diagram showing the detailed configuration and data flow of the digital twin application in the present invention.
도 4 및 도 5는 본 발명에서 디지털 트윈 데이터 업데이트 방법을 설명하기 위한 도면이다.Figures 4 and 5 are diagrams for explaining the digital twin data update method in the present invention.
도 6은 본 발명에 따른 디지털 트윈 서비스 제공 방법을 수행 단계별로 도시한 플로우 챠트이다.Figure 6 is a flow chart showing the step-by-step execution of the digital twin service provision method according to the present invention.
*도면 중 주요 부호에 대한 설명**Explanation of major symbols in the drawing*
100: 현장 설비 110: 센서100: Field equipment 110: Sensor
200: 사용자 단말기 201: 센서 데이터 인터페이스200: User terminal 201: Sensor data interface
202: 디지털 트윈 애플리케이션 210: 디지털 트윈 데이터202: Digital twin application 210: Digital twin data
211: 데이터 융합 모듈 212: 결과 예측 모듈211: Data fusion module 212: Result prediction module
213: 최적화 모듈 214: 가시화 모듈213: Optimization module 214: Visualization module
300: 디지털 트윈 구축 서비스 플랫폼300: Digital twin construction service platform
310: 디지털 트윈 데이터310: Digital twin data
S100: 디지털 트윈 데이터 생성 단계S100: Digital Twin Data Creation Step
S200: 디지털 트윈 데이터 탑재 단계S200: Digital twin data loading stage
S300: 디지털 트윈 운용 단계 S310: 가상운전 예측 단계S300: Digital twin operation stage S310: Virtual operation prediction stage
S320: 모니터링 단계 S330: 최적화 단계S320: Monitoring step S330: Optimization step
S400: 디지털 트윈 데이터 업데이트 단계S400: Digital twin data update step
아래에서는 본 발명에 따른 디지털 트윈 서비스 제공 시스템 및 방법을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.Below, the digital twin service provision system and method according to the present invention will be described in detail with reference to the attached drawings. However, detailed descriptions of well-known functions and configurations that may unnecessarily obscure the gist of the present invention are omitted.
도 1은 본 발명에 따른 디지털 트윈 서비스 제공 시스템의 전체적인 개념을 나타낸 도면이고, 도 2는 본 발명에 따른 디지털 트윈 서비스 제공 시스템의 전체적인 구성을 데이터 흐름에 따라 도시한 블럭도이며, 도 3은 본 발명에서 디지털 트윈 애플리케이션의 세부 구성 및 데이터 흐름을 도시한 블럭도이다.Figure 1 is a diagram showing the overall concept of the digital twin service providing system according to the present invention, Figure 2 is a block diagram showing the overall configuration of the digital twin service providing system according to the present invention according to data flow, and Figure 3 is a diagram showing the overall configuration of the digital twin service providing system according to the present invention. This is a block diagram showing the detailed configuration and data flow of the digital twin application in the invention.
도 1, 2를 참조하면, 본 발명에 따른 디지털 트윈 서비스 제공 시스템은 현장 설비(100), 사용자 단말기(200) 및 디지털 트윈 구축 서비스 플랫폼(300)을 포함한다.Referring to Figures 1 and 2, the digital twin service provision system according to the present invention includes field equipment 100, user terminal 200, and digital twin construction service platform 300.
현장 설비(100)는 디지털 트윈 서비스의 대상이 되는 산업 현장의 기계나 장비, 사물 등을 말한다. Field equipment 100 refers to machines, equipment, objects, etc. at industrial sites that are subject to digital twin services.
현장 설비(100)에는 사물인터넷(Internet of Things, IoT) 혹은 유선으로 연결된 각종 센서들(110)이 구비되며, 각종 센서들(110)로부터 측정되는 현장의 센서 데이터는 실시간으로 사용자 단말기(200)에 전송된다.The field equipment 100 is equipped with various sensors 110 connected to the Internet of Things (IoT) or by wire, and the field sensor data measured from the various sensors 110 is transmitted to the user terminal 200 in real time. is transmitted to
사용자 단말기(200)는 디지털 트윈 서비스를 이용하는 현장 설비 운영자의 컴퓨터 장치 등을 말하며, 현장 설비 운영자는 사용자 단말기(200)를 통해 필요한 정보를 입력하거나 디지털 트윈 정보를 제공받게 된다. 사용자 단말기(200)는 산업 현장에 위치한 개인용 컴퓨터(Personal Computer, PC)일 수 있으며, 스마트폰, 태블릿 등의 휴대용 단말기일 수도 있다.The user terminal 200 refers to a computer device of a field facility operator that uses the digital twin service, and the field facility operator inputs necessary information or is provided with digital twin information through the user terminal 200. The user terminal 200 may be a personal computer (PC) located at an industrial site, or it may be a portable terminal such as a smartphone or tablet.
디지털 트윈 구축 서비스 플랫폼(300)은 클라우드(Cloud) 서비스나 온프레미스(On-Premise) 서비스, 기타 맞춤형 구축 서비스 등을 통해 시뮬레이션 혹은 데이터 기반으로 디지털 트윈을 구축하고 디지털 트윈 데이터(310)를 생성해 낼 수 있는 컴퓨터 프로그램 기반의 설비이며 그 형태는 특별히 한정되지 않는다.The digital twin construction service platform (300) builds a digital twin based on simulation or data through cloud services, on-premise services, and other customized construction services, and generates digital twin data (310). It is a computer program-based facility that can be produced, and its form is not particularly limited.
여기서, 디지털 트윈 데이터(310)는 다양한 방법에 의해 구축 가능한 차수 감축 모델을 포함하여 디지털 트윈을 실시간으로 활용할 수 있는 기능을 수행하는 모델을 구성하는 데이터를 의미한다.Here, the digital twin data 310 refers to data constituting a model that performs a function that can utilize the digital twin in real time, including a reduced-order model that can be built by various methods.
본 발명에서 디지털 트윈은 CAE 시뮬레이션 기반으로 구축되는 차수 감축 모델로 구현되며, 디지털 트윈 데이터(310)는 차수 감축 모델을 이루는 주성분 벡터와 임의의 운전 조건에 대한 주성분 계수를 예측하는 함수를 포함한다.In the present invention, the digital twin is implemented as a reduced-order model built based on CAE simulation, and the digital twin data 310 includes a principal component vector forming the reduced-order model and a function for predicting the principal component coefficients for arbitrary driving conditions.
주성분 벡터와 주성분 계수를 활용하면 아래 식과 같이 표현되는 차수 감축 모델에 따라 임의의 운전 조건에 대한 시뮬레이션 결과를 실시간으로 바로 예측해낼 수 있다.By using the principal component vector and principal component coefficients, simulation results for arbitrary driving conditions can be predicted in real time according to the reduced order model expressed as the equation below.
Figure PCTKR2023011031-appb-img-000001
Figure PCTKR2023011031-appb-img-000001
여기서,
Figure PCTKR2023011031-appb-img-000002
는 시뮬레이션 결과값이고,
Figure PCTKR2023011031-appb-img-000003
는 차수 감축 모델 구축을 위해 기수행한 CAE 시뮬레이션 샘플 개수,
Figure PCTKR2023011031-appb-img-000004
는 주성분 계수,
Figure PCTKR2023011031-appb-img-000005
는 주성분 벡터이다.here,
Figure PCTKR2023011031-appb-img-000002
is the simulation result,
Figure PCTKR2023011031-appb-img-000003
is the number of CAE simulation samples previously performed to build a reduced-order model,
Figure PCTKR2023011031-appb-img-000004
is the principal component coefficient,
Figure PCTKR2023011031-appb-img-000005
is the principal component vector.
임의의 운전 조건에 대한 주성분 계수를 예측하는 함수는 CAE 시뮬레이션 샘플들에 대한 운전 조건을 CAE 시뮬레이션 결과로부터 얻어지는 주성분 계수들과 대응시켜 기계학습을 통해 생성할 수 있다.A function that predicts the principal component coefficients for arbitrary operating conditions can be created through machine learning by matching the operating conditions for CAE simulation samples with the principal component coefficients obtained from CAE simulation results.
도 2를 참조하면, 사용자 단말기(200)는 센서 데이터 인터페이스(201) 및 디지털 트윈 애플리케이션(202)을 포함한다.Referring to FIG. 2, the user terminal 200 includes a sensor data interface 201 and a digital twin application 202.
센서 데이터 인터페이스(201)를 통해 사용자 단말기(200)는 현장 설비(100)의 각종 센서들(110)로부터 실시간으로 전송되는 현장의 데이터를 입력받는다.Through the sensor data interface 201, the user terminal 200 receives field data transmitted in real time from various sensors 110 of the field equipment 100.
디지털 트윈 애플리케이션(202)에는 디지털 트윈 구축 서비스 플랫폼(300)으로부터 내려 받은 디지털 트윈 데이터(310)가 탑재되고, 디지털 트윈 애플리케이션(202)은 탑재된 디지털 트윈 데이터(210)를 센서 데이터 인터페이스(201)를 통해 입력된 현장 데이터와 연계하여 모니터링하는 설비 모니터링 기능, 가상 운전 조건에 대한 예측 기능, 그리고 정해진 범위 내에서 선정된 성능 변수에 대한 최적의 운전 조건을 도출하는 기능 등을 수행한다.The digital twin application 202 is loaded with digital twin data 310 downloaded from the digital twin construction service platform 300, and the digital twin application 202 uses the loaded digital twin data 210 through the sensor data interface 201. It performs a facility monitoring function that monitors in conjunction with field data input through, a prediction function for virtual operating conditions, and a function that derives optimal operating conditions for selected performance variables within a specified range.
이때, 현장 설비 운영자는 디지털 트윈 구축 서비스 플랫폼(300)에서 구축된 디지털 트윈 데이터(310)를 웹 브라우저를 포함한 다양한 방법을 통해 사용자 단말기(200)로 이전하여 디지털 트윈 애플리케이션(202)에 탑재할 수 있다.At this time, the field facility operator can transfer the digital twin data 310 built on the digital twin construction service platform 300 to the user terminal 200 through various methods, including a web browser, and load it into the digital twin application 202. there is.
도 3을 참조하면, 디지털 트윈 애플리케이션(202)은 디지털 트윈 구축 서비스 플랫폼(300)으로부터 내려 받아 탑재된 디지털 트윈 데이터(210)를 포함하고, 데이터 융합 모듈(211), 결과 예측 모듈(212), 최적화 모듈(213)과 이를 통해 얻은 결과를 보여주는 가시화 모듈(214)을 포함할 수 있다.Referring to FIG. 3, the digital twin application 202 includes digital twin data 210 downloaded and installed from the digital twin construction service platform 300, a data fusion module 211, a result prediction module 212, It may include an optimization module 213 and a visualization module 214 that shows the results obtained therefrom.
결과 예측 모듈(212)은 디지털 트윈 데이터(210)를 활용하여 사용자가 원하는 운전 조건을 입력하면 그에 해당하는 시뮬레이션 결과를 예측하여 가시화 모듈(214)을 통해 사용자에게 보여줄 수 있다(가상 운전 조건에 대한 예측 기능). 또한, 결과 예측 모듈(212)은 센서 데이터 인터페이스(201)로부터 들어오는 실시간 데이터를 입력 받아 그에 해당하는 시뮬레이션 결과를 디지털 트윈 데이터(210)를 활용하여 예측하고 가시화 모듈(214)을 통해 사용자에게 보여주는 모니터링 기능을 수행할 수도 있다.When the user inputs desired driving conditions using the digital twin data 210, the result prediction module 212 predicts the corresponding simulation results and displays them to the user through the visualization module 214 (for virtual driving conditions). prediction function). In addition, the result prediction module 212 receives real-time data coming from the sensor data interface 201, predicts the corresponding simulation results using the digital twin data 210, and displays them to the user through the visualization module 214. It can also perform a function.
최적화 모듈(213)은 디지털 트윈 데이터(210)를 활용하여 사용자가 원하는 성능 변수의 타겟 값을 얻기 위한 최적의 운전 조건을 도출해줄 수 있다. 예를 들어, 출구에서의 오염 물질 배출 농도를 줄일 수 있는 연료와 산소량의 조합에 대한 운전 조건을 도출해낼 수 있다.The optimization module 213 can utilize the digital twin data 210 to derive optimal operating conditions to obtain target values of performance variables desired by the user. For example, operating conditions can be derived for combinations of fuel and oxygen content that can reduce pollutant emission concentrations at the outlet.
한편, 디지털 트윈 데이터(210)는 데이터 융합 모듈(211)에서 센서 데이터 인터페이스(201)로부터 들어오는 운전 조건 및 측정 데이터를 활용하여 데이터 융합 기법, 기계학습 방법 등을 통해 예측 성능을 업데이트할 수 있다.Meanwhile, the digital twin data 210 can use the driving conditions and measurement data received from the sensor data interface 201 in the data fusion module 211 to update prediction performance through data fusion techniques, machine learning methods, etc.
보다 상세하게, 데이터 융합 모듈(211)은 디지털 트윈 데이터(210)에 포함된 주성분 계수를 예측하는 함수를 업데이트할 수 있으며, 본 발명에서는 두가지 형태의 업데이트 방법을 제시한다.More specifically, the data fusion module 211 can update a function for predicting the principal component coefficients included in the digital twin data 210, and the present invention proposes two types of update methods.
첫 번째 업데이트 방법은, 측정 데이터에 갭피-POD 또는 연관 POD 등(특허문헌 1, 2 참조)의 데이터 융합 기법을 도입하여 측정 데이터에 대응되는 주성분 계수를 얻고, 이렇게 얻은 주성분 계수와 운전 조건에 대한 데이터를 전 운전 영역에 대해 일정 시간동안 수집한 후, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 대한 주성분 계수를 예측하는 함수(
Figure PCTKR2023011031-appb-img-000006
)를 다시 만드는 것이다. 이때, 도 4를 참조하면, 함수(
Figure PCTKR2023011031-appb-img-000007
)에 의해 예측되는 주성분 계수는 측정 데이터에서 기인하는 불규칙한 요동이 제거된다.The first update method is to obtain principal component coefficients corresponding to the measurement data by introducing a data fusion technique such as gappy-POD or associated POD (see Patent Documents 1 and 2) to the measurement data, and to obtain the principal component coefficients and operating conditions thus obtained. After collecting data for a certain period of time for the entire driving area, a function (
Figure PCTKR2023011031-appb-img-000006
) is to be recreated. At this time, referring to Figure 4, the function (
Figure PCTKR2023011031-appb-img-000007
), the principal component coefficients predicted by ) are free of irregular fluctuations resulting from the measured data.
두 번째 업데이트 방법은, 측정 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 따른 불규칙한 요동이 제거된 측정 데이터 예측 함수(
Figure PCTKR2023011031-appb-img-000008
)를 먼저 만든 후, 실시간 운전 조건에 따라 측정 데이터 예측 함수(
Figure PCTKR2023011031-appb-img-000009
)에 의해 예측된 측정 데이터에 갭피-POD 또는 연관 POD 등의 데이터 융합 기법을 도입하여 운전 조건에 대한 주성분 계수를 예측하는 함수(
Figure PCTKR2023011031-appb-img-000010
)를 다시 만드는 것이다(도 5 참조).The second update method collects measurement data for a certain period of time for the entire driving range, and uses machine learning on the collected data to remove irregular fluctuations depending on driving conditions, using a measurement data prediction function (
Figure PCTKR2023011031-appb-img-000008
) first, then measure data prediction function (
Figure PCTKR2023011031-appb-img-000009
) is a function (
Figure PCTKR2023011031-appb-img-000010
) is recreated (see Figure 5).
이와 같이 다시 만들어진 함수는 기존의 함수를 대체함으로써 전 운전 영역에 걸쳐 디지털 트윈 데이터(210)의 예측 성능을 업데이트하게 된다.This re-created function replaces the existing function to update the predictive performance of the digital twin data 210 across the entire driving range.
상기 두가지 형태의 업데이트 방법은 모두 측정 데이터에서 기인하는 불규칙한 요동을 제거함으로써, 전 운전 영역에 걸쳐 안정적인 디지털 트윈 데이터(210)를 생성할 수 있도록 한다.Both of the above two types of update methods enable the generation of stable digital twin data 210 over the entire driving range by removing irregular fluctuations resulting from measurement data.
업데이트된 디지털 트윈 데이터(210)는 다시 결과 예측 모듈(212)과 최적화 모듈(213)에서 활용될 수 있다.The updated digital twin data 210 can be used again in the result prediction module 212 and optimization module 213.
도 6은 본 발명에 따른 디지털 트윈 서비스 제공 방법을 수행 단계별로 도시한 플로우 챠트이다.Figure 6 is a flow chart showing the step-by-step execution of the digital twin service provision method according to the present invention.
도 6을 참조하면, 본 발명에 따른 디지털 트윈 서비스 제공 방법은 디지털 트윈 데이터 생성 단계(S100), 디지털 트윈 데이터 탑재 단계(S200), 디지털 트윈 운용 단계(S300) 및 디지털 트윈 데이터 업데이트 단계(S400)를 포함한다.Referring to FIG. 6, the method of providing a digital twin service according to the present invention includes a digital twin data creation step (S100), a digital twin data loading step (S200), a digital twin operation step (S300), and a digital twin data updating step (S400). Includes.
디지털 트윈 데이터 생성 단계(S100)는, 디지털 트윈 구축 서비스 제공자에 의해 수행되는 단계로서, 디지털 트윈 구축 서비스 플랫폼(300) 상에서 디지털 트윈 서비스의 대상이 되는 현장 설비(100)에 대한 디지털 트윈을 구축하고 디지털 트윈 데이터(310)를 생성하는 단계이다.The digital twin data creation step (S100) is a step performed by a digital twin construction service provider, and builds a digital twin for the field equipment 100 that is the target of the digital twin service on the digital twin construction service platform 300. This is the step of generating digital twin data 310.
디지털 트윈 데이터 탑재 단계(S200)는 디지털 트윈 서비스를 이용하는 현장 설비 운영자가 상기 디지털 트윈 데이터 생성 단계(S100)에서 생성된 디지털 트윈 데이터(310)를 사용자 단말기(200)로 내려 받아 디지털 트윈 애플리케이션(202) 상에 탑재하는 단계이다.In the digital twin data loading step (S200), the field facility operator using the digital twin service downloads the digital twin data (310) generated in the digital twin data creation step (S100) to the user terminal (200) and uses the digital twin application (202). ) This is the step of mounting it on the top.
디지털 트윈 운용 단계(S300)는 현장 설비 운영자에 의해 수행되며, 가상운전 예측 단계(S310), 모니터링 단계(S320), 최적화 단계(S330)를 포함한다.The digital twin operation step (S300) is performed by the field facility operator and includes a virtual operation prediction step (S310), a monitoring step (S320), and an optimization step (S330).
가상운전 예측 단계(S310)는 탑재된 디지털 트윈 데이터(210)를 활용하여 현장 설비 운영자가 원하는 운전 조건을 입력하면 그에 해당하는 시뮬레이션 결과를 예측하여 가시화 모듈(214)을 통해 현장 설비 운영자에게 보여주는 단계이다.The virtual operation prediction step (S310) is a step where the field facility operator inputs desired operating conditions using the mounted digital twin data 210, predicts the corresponding simulation results, and displays them to the field facility operator through the visualization module 214. am.
모니터링 단계(S320)는 현장 설비(100)로부터 실시간 데이터를 입력 받아 그에 해당하는 시뮬레이션 결과를 탑재된 디지털 트윈 데이터(210)를 활용하여 예측하고 가시화 모듈(214)을 통해 현장 설비 운영자에게 보여주는 단계이다.The monitoring step (S320) is a step where real-time data is input from the field equipment 100, the corresponding simulation results are predicted using the mounted digital twin data 210, and the results are shown to the field facility operator through the visualization module 214. .
최적화 단계(S330)는 탑재된 디지털 트윈 데이터(210)를 활용하여 사용자가 원하는 성능 변수의 타겟 값을 얻기 위한 최적의 운전 조건을 도출하는 단계이다.The optimization step (S330) is a step of deriving optimal operating conditions to obtain target values of performance variables desired by the user by utilizing the mounted digital twin data 210.
상기 가상운전 예측 단계(S310), 모니터링 단계(S320), 최적화 단계(S330)는 현장 설비 운영자에 의해 선택적으로 또는 동시에 수행될 수 있다.The virtual operation prediction step (S310), monitoring step (S320), and optimization step (S330) may be performed selectively or simultaneously by the field facility operator.
한편, 디지털 트윈 데이터 업데이트 단계(S400)는 현장 설비(100)로부터 들어오는 운전 조건 및 측정 데이터를 활용하여 데이터 융합 기법, 기계학습 방법 등을 통해 탑재된 디지털 트윈 데이터(210)의 예측 성능을 업데이트하는 단계이다.Meanwhile, the digital twin data update step (S400) utilizes the operating conditions and measurement data coming from the field equipment 100 to update the predictive performance of the mounted digital twin data 210 through data fusion techniques, machine learning methods, etc. It's a step.
상기 디지털 트윈 데이터 업데이트 단계(S400)에서 업데이트된 디지털 트윈 데이터(210)는 다시 디지털 트윈 운용 단계(S300)에서 활용될 수 있다.The digital twin data 210 updated in the digital twin data update step (S400) can be used again in the digital twin operation step (S300).
본 명세서와 첨부된 도면에 개시된 실시 예들은 본 발명의 기술적 사상을 쉽게 설명하기 위한 목적으로 사용된 것일 뿐, 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 따라서, 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.The embodiments disclosed in this specification and the accompanying drawings are used only for the purpose of easily explaining the technical idea of the present invention, and are not used to limit the scope of the present invention as set forth in the patent claims. Accordingly, those skilled in the art will understand that various modifications and other equivalent embodiments are possible therefrom.

Claims (8)

  1. 센서를 구비하는 현장 설비;field equipment equipped with sensors;
    상기 현장 설비에 대한 디지털 트윈 데이터를 생성하는 디지털 트윈 구축 서비스 플랫폼; 및A digital twin construction service platform that generates digital twin data for the field equipment; and
    상기 디지털 트윈 구축 서비스 플랫폼으로부터 내려 받은 디지털 트윈 데이터가 탑재되는 사용자 단말기;를 포함하는 디지털 트윈 서비스 제공 시스템에 있어서,In a digital twin service providing system including a user terminal on which digital twin data downloaded from the digital twin construction service platform is loaded,
    상기 사용자 단말기는,The user terminal is,
    상기 센서로부터 실시간으로 전송되는 운전 조건 및 측정 데이터를 포함하는 현장 데이터를 입력받는 센서 데이터 인터페이스; 및a sensor data interface that receives field data including driving conditions and measurement data transmitted in real time from the sensor; and
    상기 탑재된 디지털 트윈 데이터를 상기 센서 데이터 인터페이스를 통해 입력된 현장 데이터와 연계하여 현장 설비를 모니터링하거나 현장 설비의 가상 운전 조건에 대한 결과를 예측하는 결과 예측 모듈과, 상기 센서 데이터 인터페이스를 통해 들어오는 운전 조건 및 측정 데이터를 활용하여 상기 탑재된 디지털 트윈 데이터의 전 운전 영역에 대한 예측 성능을 업데이트하는 데이터 융합 모듈을 포함하는 디지털 트윈 애플리케이션;을 포함하되,A result prediction module that monitors field equipment or predicts results for virtual operating conditions of field equipment by linking the mounted digital twin data with field data input through the sensor data interface, and driving operation input through the sensor data interface A digital twin application including a data fusion module that utilizes conditions and measurement data to update predictive performance for the entire driving range of the mounted digital twin data;
    상기 디지털 트윈 데이터는 차수 감축 모델을 이루는 주성분 벡터와 임의의 운전 조건에 대한 주성분 계수를 예측하는 함수를 포함하며,The digital twin data includes a principal component vector forming a reduced-order model and a function for predicting principal component coefficients for arbitrary driving conditions,
    상기 데이터 융합 모듈은, 데이터 융합 기법을 통해 측정 데이터에 대응되는 주성분 계수를 얻고, 얻어진 주성분 계수와 운전 조건에 대한 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하는 것을 특징으로 하는 디지털 트윈 서비스 제공 시스템.The data fusion module obtains principal component coefficients corresponding to measurement data through data fusion techniques, collects data on the obtained principal component coefficients and driving conditions for a certain period of time for the entire driving range, and performs machine learning on the collected data. A digital twin service provision system characterized by updating a function that predicts principal component coefficients for driving conditions.
  2. 센서를 구비하는 현장 설비;field equipment equipped with sensors;
    상기 현장 설비에 대한 디지털 트윈 데이터를 생성하는 디지털 트윈 구축 서비스 플랫폼; 및A digital twin construction service platform that generates digital twin data for the field equipment; and
    상기 디지털 트윈 구축 서비스 플랫폼으로부터 내려 받은 디지털 트윈 데이터가 탑재되는 사용자 단말기;를 포함하는 디지털 트윈 서비스 제공 시스템에 있어서,In a digital twin service providing system including a user terminal on which digital twin data downloaded from the digital twin construction service platform is loaded,
    상기 사용자 단말기는,The user terminal is,
    상기 센서로부터 실시간으로 전송되는 운전 조건 및 측정 데이터를 포함하는 현장 데이터를 입력받는 센서 데이터 인터페이스; 및a sensor data interface that receives field data including driving conditions and measurement data transmitted in real time from the sensor; and
    상기 탑재된 디지털 트윈 데이터를 상기 센서 데이터 인터페이스를 통해 입력된 현장 데이터와 연계하여 현장 설비를 모니터링하거나 현장 설비의 가상 운전 조건에 대한 결과를 예측하는 결과 예측 모듈과, 상기 센서 데이터 인터페이스를 통해 들어오는 운전 조건 및 측정 데이터를 활용하여 상기 탑재된 디지털 트윈 데이터의 전 운전 영역에 대한 예측 성능을 업데이트하는 데이터 융합 모듈을 포함하는 디지털 트윈 애플리케이션;을 포함하되,A result prediction module that monitors field equipment or predicts results for virtual operating conditions of field equipment by linking the mounted digital twin data with field data input through the sensor data interface, and driving operation input through the sensor data interface A digital twin application including a data fusion module that utilizes conditions and measurement data to update predictive performance for the entire driving range of the mounted digital twin data;
    상기 디지털 트윈 데이터는 차수 감축 모델을 이루는 주성분 벡터와 임의의 운전 조건에 대한 주성분 계수를 예측하는 함수를 포함하며,The digital twin data includes a principal component vector forming a reduced-order model and a function for predicting principal component coefficients for arbitrary driving conditions,
    상기 데이터 융합 모듈은, 측정 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 따른 불규칙한 요동이 제거된 측정 데이터 예측 함수를 만든 후, 실시간 운전 조건에 따라 측정 데이터 예측 함수에 의해 예측된 측정 데이터에 데이터 융합 기법을 도입하여 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하는 것을 특징으로 하는 디지털 트윈 서비스 제공 시스템.The data fusion module collects measurement data for a certain period of time for the entire driving range, creates a measurement data prediction function in which irregular fluctuations according to driving conditions are removed through machine learning on the collected data, and then calculates the measurement data in real-time driving conditions. A digital twin service provision system characterized by updating a function that predicts the main component coefficients for driving conditions by introducing a data fusion technique to the measurement data predicted by the measurement data prediction function.
  3. 청구항 1 또는 2에 있어서,In claim 1 or 2,
    상기 디지털 트윈 애플리케이션은,The digital twin application is,
    정해진 범위 내에서 선정된 현장 설비의 성능 변수에 대한 최적의 운전 조건을 도출하는 기능을 수행하는 최적화 모듈을 더 포함하는 것을 특징으로 하는 디지털 트윈 서비스 제공 시스템.A digital twin service provision system further comprising an optimization module that performs the function of deriving optimal operating conditions for performance variables of selected field equipment within a specified range.
  4. 청구항 3에 있어서,In claim 3,
    상기 디지털 트윈 애플리케이션은,The digital twin application is,
    상기 결과 예측 모듈과 상기 최적화 모듈을 통해 얻은 결과를 보여주는 가시화 모듈을 더 포함하는 것을 특징으로 하는 디지털 트윈 서비스 제공 시스템.A digital twin service provision system further comprising a visualization module that shows results obtained through the result prediction module and the optimization module.
  5. 디지털 트윈 구축 서비스 플랫폼 상에서 디지털 트윈 서비스의 대상이 되는 현장 설비에 대한 디지털 트윈을 구축하고 차수 감축 모델을 이루는 주성분 벡터와 임의의 운전 조건에 대한 주성분 계수를 예측하는 함수를 포함하는 디지털 트윈 데이터를 생성하는, 디지털 트윈 데이터 생성 단계;Build a digital twin for field equipment subject to digital twin service on the digital twin construction service platform and generate digital twin data including principal component vectors that form a reduced-order model and a function that predicts principal component coefficients for arbitrary operating conditions. A digital twin data creation step;
    디지털 트윈 서비스를 이용하는 현장 설비 운영자가 상기 디지털 트윈 데이터 생성 단계에서 생성된 디지털 트윈 데이터를 사용자 단말기로 내려 받아 디지털 트윈 애플리케이션 상에 탑재하는, 디지털 트윈 데이터 탑재 단계;A digital twin data loading step in which a field facility operator using a digital twin service downloads the digital twin data generated in the digital twin data creation step to a user terminal and loads it on a digital twin application;
    상기 탑재된 디지털 트윈 데이터를 활용하여 현장 설비 운영자가 원하는 운전 조건을 입력하면 그에 해당하는 시뮬레이션 결과를 예측하여 가시화 모듈을 통해 현장 설비 운영자에게 보여주는 가상운전 예측 단계와, 현장 설비로부터 실시간 데이터를 입력 받아 그에 해당하는 시뮬레이션 결과를 탑재된 디지털 트윈 데이터를 활용하여 예측하고 가시화 모듈을 통해 현장 설비 운영자에게 보여주는 모니터링 단계를 포함하는, 디지털 트윈 운용 단계; 및Using the above-mentioned digital twin data, when the field facility operator inputs the desired operating conditions, the corresponding simulation results are predicted and displayed to the field facility operator through a visualization module. The virtual operation prediction step is performed, and real-time data is input from the field facility. A digital twin operation step, which includes a monitoring step of predicting the corresponding simulation results using the mounted digital twin data and showing them to the field facility operator through a visualization module; and
    현장 설비로부터 들어오는 운전 조건 및 측정 데이터를 활용하여 상기 탑재된 디지털 트윈 데이터의 전 운전 영역에 대한 예측 성능을 업데이트하는 디지털 트윈 데이터 업데이트 단계;를 포함하며,It includes a digital twin data update step of updating the predictive performance of the entire operating area of the mounted digital twin data by utilizing operating conditions and measurement data received from field equipment,
    상기 디지털 트윈 데이터 업데이트 단계는, 데이터 융합 기법을 통해 측정 데이터에 대응되는 주성분 계수를 얻고, 얻어진 주성분 계수와 운전 조건에 대한 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하는 것을 특징으로 하는 디지털 트윈 서비스 제공 방법.In the digital twin data update step, principal component coefficients corresponding to the measurement data are obtained through a data fusion technique, data on the obtained principal component coefficients and operating conditions are collected for a certain period of time for the entire operation area, and machine information on the collected data is collected. A digital twin service provision method characterized by updating a function that predicts principal component coefficients for driving conditions through learning.
  6. 디지털 트윈 구축 서비스 플랫폼 상에서 디지털 트윈 서비스의 대상이 되는 현장 설비에 대한 디지털 트윈을 구축하고 차수 감축 모델을 이루는 주성분 벡터와 임의의 운전 조건에 대한 주성분 계수를 예측하는 함수를 포함하는 디지털 트윈 데이터를 생성하는, 디지털 트윈 데이터 생성 단계;Build a digital twin for field equipment subject to digital twin service on the digital twin construction service platform and generate digital twin data including principal component vectors that form a reduced-order model and a function that predicts principal component coefficients for arbitrary operating conditions. A digital twin data creation step;
    디지털 트윈 서비스를 이용하는 현장 설비 운영자가 상기 디지털 트윈 데이터 생성 단계에서 생성된 디지털 트윈 데이터를 사용자 단말기로 내려 받아 디지털 트윈 애플리케이션 상에 탑재하는, 디지털 트윈 데이터 탑재 단계;A digital twin data loading step in which a field facility operator using a digital twin service downloads the digital twin data generated in the digital twin data creation step to a user terminal and loads it on a digital twin application;
    상기 탑재된 디지털 트윈 데이터를 활용하여 현장 설비 운영자가 원하는 운전 조건을 입력하면 그에 해당하는 시뮬레이션 결과를 예측하여 가시화 모듈을 통해 현장 설비 운영자에게 보여주는 가상운전 예측 단계와, 현장 설비로부터 실시간 데이터를 입력 받아 그에 해당하는 시뮬레이션 결과를 탑재된 디지털 트윈 데이터를 활용하여 예측하고 가시화 모듈을 통해 현장 설비 운영자에게 보여주는 모니터링 단계를 포함하는, 디지털 트윈 운용 단계; 및Using the above-mentioned digital twin data, when the field facility operator inputs the desired operating conditions, the corresponding simulation results are predicted and displayed to the field facility operator through a visualization module. The virtual operation prediction step is performed, and real-time data is input from the field facility. A digital twin operation step, which includes a monitoring step of predicting the corresponding simulation results using the mounted digital twin data and showing them to the field facility operator through a visualization module; and
    현장 설비로부터 들어오는 운전 조건 및 측정 데이터를 활용하여 상기 탑재된 디지털 트윈 데이터의 전 운전 영역에 대한 예측 성능을 업데이트하는 디지털 트윈 데이터 업데이트 단계;를 포함하며,It includes a digital twin data update step of updating the predictive performance of the entire operating area of the mounted digital twin data by utilizing operating conditions and measurement data received from field equipment,
    상기 디지털 트윈 데이터 업데이트 단계는, 측정 데이터를 전 운전 영역에 대해 일정 시간동안 수집하고, 수집된 데이터에 대한 기계학습을 통해 운전 조건에 따른 불규칙한 요동이 제거된 측정 데이터 예측 함수를 만든 후, 실시간 운전 조건에 따라 측정 데이터 예측 함수에 의해 예측된 측정 데이터에 데이터 융합 기법을 도입하여 운전 조건에 대한 주성분 계수를 예측하는 함수를 업데이트하는 것을 특징으로 하는 디지털 트윈 서비스 제공 방법.In the digital twin data update step, measurement data is collected for a certain period of time for the entire driving area, a measurement data prediction function in which irregular fluctuations according to driving conditions are removed is created through machine learning on the collected data, and then real-time operation is performed. A method of providing a digital twin service, characterized by updating a function that predicts principal component coefficients for driving conditions by introducing a data fusion technique to measurement data predicted by a measurement data prediction function according to conditions.
  7. 청구항 5 또는 6에 있어서,The method of claim 5 or 6,
    상기 디지털 트윈 운용 단계는,The digital twin operation step is,
    탑재된 디지털 트윈 데이터를 활용하여 현장 설비 운영자가 원하는 성능 변수의 타겟 값을 얻기 위한 최적의 운전 조건을 도출하는 최적화 단계를 더 포함하는 것을 특징으로 하는 디지털 트윈 서비스 제공 방법.A method of providing a digital twin service, further comprising an optimization step of deriving optimal operating conditions to obtain target values of performance variables desired by field facility operators by utilizing the mounted digital twin data.
  8. 청구항 7에 있어서,In claim 7,
    상기 디지털 트윈 데이터 생성 단계는 디지털 트윈 구축 서비스 제공자에 의해 수행되며,The digital twin data creation step is performed by a digital twin construction service provider,
    상기 가상운전 예측 단계, 모니터링 단계 및 최적화 단계는 현장 설비 운영자에 의해 선택적으로 또는 동시에 수행되는 것을 특징으로 하는 디지털 트윈 서비스 제공 방법.A method of providing a digital twin service, wherein the virtual operation prediction step, monitoring step, and optimization step are performed selectively or simultaneously by an on-site facility operator.
PCT/KR2023/011031 2022-07-29 2023-07-28 Digital twin system and method capable of real-time monitoring, virtual operation prediction and optimization operation service of on-site equipment WO2024025382A1 (en)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
KR20220094714 2022-07-29
KR10-2022-0094714 2022-07-29
KR1020220121179A KR102601707B1 (en) 2022-07-29 2022-09-23 Digital Twin System and Method for Real Time Monitoring, Virtual Operation and Optimization of On-Site Equipment
KR10-2022-0121179 2022-09-23
KR10-2023-0098100 2023-07-27
KR1020230098100A KR20240016924A (en) 2022-07-29 2023-07-27 Digital Twin System and Method for Real Time Monitoring, Virtual Operation and Optimization of On-Site Equipment

Publications (1)

Publication Number Publication Date
WO2024025382A1 true WO2024025382A1 (en) 2024-02-01

Family

ID=89707035

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/011031 WO2024025382A1 (en) 2022-07-29 2023-07-28 Digital twin system and method capable of real-time monitoring, virtual operation prediction and optimization operation service of on-site equipment

Country Status (1)

Country Link
WO (1) WO2024025382A1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180035519A (en) * 2016-09-29 2018-04-06 한국전력공사 Apparatus and method for testing power performance of generator
KR102048243B1 (en) * 2019-09-09 2019-11-25 주식회사 페이스 Method for Building Reduced Order Model by Combining CAE Simulation and Measurement Data through Coupled-POD
KR20200063889A (en) * 2018-11-28 2020-06-05 서울대학교산학협력단 Method, system and computer program for plant operation applied by a digital twin model
KR20210061669A (en) * 2019-11-20 2021-05-28 한국수력원자력 주식회사 Digital Twin-based Prediction and Diagnostic Device for Pump Bearing Systems
JP2021531574A (en) * 2018-08-14 2021-11-18 オムロン株式会社 How to operate industrial PC devices and industrial PC devices

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180035519A (en) * 2016-09-29 2018-04-06 한국전력공사 Apparatus and method for testing power performance of generator
JP2021531574A (en) * 2018-08-14 2021-11-18 オムロン株式会社 How to operate industrial PC devices and industrial PC devices
KR20200063889A (en) * 2018-11-28 2020-06-05 서울대학교산학협력단 Method, system and computer program for plant operation applied by a digital twin model
KR102048243B1 (en) * 2019-09-09 2019-11-25 주식회사 페이스 Method for Building Reduced Order Model by Combining CAE Simulation and Measurement Data through Coupled-POD
KR20210061669A (en) * 2019-11-20 2021-05-28 한국수력원자력 주식회사 Digital Twin-based Prediction and Diagnostic Device for Pump Bearing Systems

Similar Documents

Publication Publication Date Title
WO2021049858A1 (en) Method for building reduced order model combining field measurement data and cae analysis through coupled-pod
EP0696001A1 (en) Information processing system and method of computation performed by using an information processing system
KR20240016924A (en) Digital Twin System and Method for Real Time Monitoring, Virtual Operation and Optimization of On-Site Equipment
WO2014025212A1 (en) Method and apparatus for modelling power consumption of integrated circuit
WO2024025385A1 (en) Method for building reduced order model by using principal component vector based on simulation and principal component constant through machine learning based on measurement data
WO2024025382A1 (en) Digital twin system and method capable of real-time monitoring, virtual operation prediction and optimization operation service of on-site equipment
CN102436184A (en) EMP (embedded microprocessor)-based double-target machine control real-time simulation system
WO2018199356A1 (en) Method and system for automatic flow field analysis using web-based virtual wind tunnel
US8155941B2 (en) Simulation apparatus, simulation system, and simulation method
Someswara Rao et al. Cyber-physical system—an overview
CN115329605B (en) Virtual test system and method for aerial engine high-altitude platform, electronic device and medium
WO2021117972A1 (en) Lbm-based fluid analysis simulation device, method, and computer program
WO2019004646A1 (en) Using simulation method for determining building layout maximising floor area ratio computer
CN102043707B (en) Performance test method of embedded application, embedded terminal equipment and network system
WO2017188474A1 (en) Method and apparatus for fan simulation through flow analysis
WO2014200274A1 (en) Method for providing mobile gis spatial information and system for providing mobile gis spatial information
ŁUKASZEWICZ et al. 1. DESIGN OF MECHATRONICS SYSTEMS USING CAX ENVIRONMENT
WO2024053913A1 (en) Simulation system and method for real-time tracking of power plant status based on power plant field values
CN101865904A (en) Gas optical network sensor device
WO2022086081A1 (en) Construction simulation system and method for nuclear power plant equipment
WO2017104889A1 (en) System and method for controlling wave power generation equipment
CN104111122A (en) Machine room environment data fine-collection system
Liu et al. Predictive Compositional Method to Design and Reoptimize Complex Behavioral Dataflows
WO2021145513A1 (en) Virtual reality-based fem analysis processing apparatus and method of power device
CN116519263A (en) FPGA integrated reduced-order model-based flow state online monitoring system and method

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23847038

Country of ref document: EP

Kind code of ref document: A1