Радиопромышленность. 2019; 29: 68-78
Цифровые двойники объектов в решении задач управления
https://doi.org/10.21778/2413-9599-2019-29-3-68-78Аннотация
В статье представлен анализ развития технологий цифрового представления объектов и процессов в сфере индустрии. Особое место уделяется описанию цифровых двойников (англ. digital twins, DT) как ключевого элемента в структуре инструментальных средств цифровой трансформации процессов управления производством. Рассмотрены проблемные вопросы создания цифровых двойников и их коллекций на основе известных методов концептуального моделирования сущностей. Предложены новые подходы к решению актуальных задач комплексной оценки состояния и управления функционированием промышленных объектов с применением цифровых двойников. Рассмотренные подходы связаны с формированием комплексной оценки состояния объекта в любой момент времени (в прошлом, настоящем, будущем) на всем протяжении его жизненного цикла. Показано, что для решения задач цифровой трансформации производственных процессов и управления сложными индустриальными объектами целесообразно применять предложенные в статье показатели внутренней конфликтности системы, потенциала ее модернизации и остаточного ресурса. Кроме того, сделан вывод, что качественный анализ поведения реального объекта и управление им на основе модели цифрового двойника предполагает сбор и накопление всей доступной совокупности исторических данных о нем, что, в свою очередь, диктует необходимость создания специализированных программных средств обработки больших данных, поддерживающих многомерную темпоральную модель организации интегрированных хранилищ информации.
Список литературы
1. Чекалин А. А., Скрыль С. В., Минаев В. А. Комплексный технический контроль эффективности мер безопасности систем управления в органах внутренних дел. Ч. 2. Практические аспекты технической разведки и комплексного технического контроля. M.: Горячая линия – Телеком, 2006. 205 с.
2. Weigend A. Data for the People: How to Make Our Post-Privacy Economy Work for You. S.F.: Basic Books, 2017. 272 p.
3. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 3rd ed. New Jersey: Prentice Hall, 2010. 1152 p.
4. Liang Wang, Li Cheng, Guoying Zhao. Machine Learning for Human Motion Analysis: Theory and Practice. Publisher IGI Global, 2009. 318 p.
5. Rud O. P. Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy. Hoboken, N.J.: Wiley & Sons, 2009. 305 p.
6. Witten I. H., Eibe F. Data Mining Practical Machine Learning Tools and Techniques. 2nd ed. San Francisco, Morgan Kaufmann Publisher, 2005. 664 p.
7. Estelles-Arolas E., Gonzalez-Ladron-de-Guevara F. Towards an Integrated Crowdsourcing Definition. Journal of Information Science, 2012, vol. 38, no. 2, pp. 189–200. DOI: 10.1177/0165551512437638.
8. Schmidhuber J. Deep Learning in Neural Networks: An Overview. Neural Networks. 2015, vol. 61, pp. 85–117. DOI: 10.1016/j.neunet.2014.09.003.
9. Шеннон Р. Имитационное моделирование систем – искусство и наука. М.: Мир, 1978. 420 с.
10. Top 10 Strategic Technology Trends for 2019. Gartner, Inc. [Электронный ресурс]. URL: https://www.gartner.com/doc/3891569?srcId=1-3931087981 (дата обращения: 05.04.2019).
11. Боргест Н. М. Научный базис онтологии проектирования // Онтология проектирования. 2013. № 1 (7). С. 7–25.
12. Труфанов С. Н. Грамматика разума. Самара: Гегель-фонд, 2003. 624 с.
13. Здирук К. Б. Применение цифровых двойников в системах управления сложными объектами [Электронный ресурс] // Экстремальные технологии и системы. URL: https://www.extansy.com/ (дата обращения: 07.07.2019).
14. Оценка автоматизированных систем сбора и обработки данных на основе показателя внутренней конфликтности / В. А. Минаев, К. Б. Здирук, А. В. Мазин, Е. В. Поддубная // Вопросы радиоэлектроники. 2017. № 11. С. 29–34.
15. Моделирование внутренних конфликтов автоматизированных систем сбора и обработки данных / В. А. Минаев, А. В. Мазин, К. Б. Здирук, Е. В. Поддубная // Радиопромышленность. 2018. № 1. С. 118–123.
16. Седякин Н. М. Об одном физическом принципе теории надежности // Известия АН СССР. Cер. Техн. кибернетика. № 3. 1966. С. 80–87.
Radio industry (Russia). 2019; 29: 68-78
Digital twins of objects in the solution of control problems
https://doi.org/10.21778/2413-9599-2019-29-3-68-78Abstract
The paper includes the development analysis for digital representation of objects and processes in the field of production. Authors pay special attention to a description of digital twins (DT) as a key element in a structure of digital transformation tools for production management. The narration covers creation of DT and their groups with known techniques for entity conceptual simulation. There are the new approaches shown as to pressing problems in the comprehensive assessment of a state and administration of production facility’s functioning using digital twins. The considered approaches relate to the comprehensive assessment of an object’s state at any time (in the past, present, future) throughout its life cycle. Authors show that to solve tasks in digital transformation of production processes and management of complex industrial facilities, it makes sense to use the indicators proposed in the paper: system’s internal propensity towards conflicts, its update potential and remaining lifetime. Besides, they conclude that a qualitative analysis of a real entity’s behaviour and its control based on the DT model involve collection and accumulation of all of the available historical data about it, which, in turn, necessitates the creation of special-purpose software for big data processing that support the multidimensional temporal model for organisation of integrated information storages.
References
1. Chekalin A. A., Skryl' S. V., Minaev V. A. Kompleksnyi tekhnicheskii kontrol' effektivnosti mer bezopasnosti sistem upravleniya v organakh vnutrennikh del. Ch. 2. Prakticheskie aspekty tekhnicheskoi razvedki i kompleksnogo tekhnicheskogo kontrolya. M.: Goryachaya liniya – Telekom, 2006. 205 s.
2. Weigend A. Data for the People: How to Make Our Post-Privacy Economy Work for You. S.F.: Basic Books, 2017. 272 p.
3. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 3rd ed. New Jersey: Prentice Hall, 2010. 1152 p.
4. Liang Wang, Li Cheng, Guoying Zhao. Machine Learning for Human Motion Analysis: Theory and Practice. Publisher IGI Global, 2009. 318 p.
5. Rud O. P. Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy. Hoboken, N.J.: Wiley & Sons, 2009. 305 p.
6. Witten I. H., Eibe F. Data Mining Practical Machine Learning Tools and Techniques. 2nd ed. San Francisco, Morgan Kaufmann Publisher, 2005. 664 p.
7. Estelles-Arolas E., Gonzalez-Ladron-de-Guevara F. Towards an Integrated Crowdsourcing Definition. Journal of Information Science, 2012, vol. 38, no. 2, pp. 189–200. DOI: 10.1177/0165551512437638.
8. Schmidhuber J. Deep Learning in Neural Networks: An Overview. Neural Networks. 2015, vol. 61, pp. 85–117. DOI: 10.1016/j.neunet.2014.09.003.
9. Shennon R. Imitatsionnoe modelirovanie sistem – iskusstvo i nauka. M.: Mir, 1978. 420 s.
10. Top 10 Strategic Technology Trends for 2019. Gartner, Inc. [Elektronnyi resurs]. URL: https://www.gartner.com/doc/3891569?srcId=1-3931087981 (data obrashcheniya: 05.04.2019).
11. Borgest N. M. Nauchnyi bazis ontologii proektirovaniya // Ontologiya proektirovaniya. 2013. № 1 (7). S. 7–25.
12. Trufanov S. N. Grammatika razuma. Samara: Gegel'-fond, 2003. 624 s.
13. Zdiruk K. B. Primenenie tsifrovykh dvoinikov v sistemakh upravleniya slozhnymi ob\"ektami [Elektronnyi resurs] // Ekstremal'nye tekhnologii i sistemy. URL: https://www.extansy.com/ (data obrashcheniya: 07.07.2019).
14. Otsenka avtomatizirovannykh sistem sbora i obrabotki dannykh na osnove pokazatelya vnutrennei konfliktnosti / V. A. Minaev, K. B. Zdiruk, A. V. Mazin, E. V. Poddubnaya // Voprosy radioelektroniki. 2017. № 11. S. 29–34.
15. Modelirovanie vnutrennikh konfliktov avtomatizirovannykh sistem sbora i obrabotki dannykh / V. A. Minaev, A. V. Mazin, K. B. Zdiruk, E. V. Poddubnaya // Radiopromyshlennost'. 2018. № 1. S. 118–123.
16. Sedyakin N. M. Ob odnom fizicheskom printsipe teorii nadezhnosti // Izvestiya AN SSSR. Cer. Tekhn. kibernetika. № 3. 1966. S. 80–87.
