Файл: Разработка цифрового двойника установки по очистке скважин от парафиновых отложений.docx
Добавлен: 25.04.2024
Просмотров: 76
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
этого типа обычно содержат аннотированную 3D-модель с общими размерами и допусками, спецификацию на материалы, в которой перечислены текущие и прошлые компоненты, спецификацию на процессы с перечислением операций, которые были выполнены при создании этого физического объекта,
обслуживании, включая замену компонентов, операционные показатели, результаты тестов и измерений, полученные от датчиков, текущие и прогнозируемые значения параметров мониторинга.
DTA-двойники определяются как вычислительная система, которая имеет доступ ко всем цифровым двойникам-экземплярам и может посылать им запросы в режиме случайных или проактивных опросов.
Симбиоз с технологиями интернета вещей является драйвером для развития обеих технологий. Цифровые двойники получают реальные данные с датчиков, осуществляющих мониторинг реальных объектов, в то время как интернет вещей обеспечивает сбор и анализ данных с различного рода сенсоров и позволяет сделать этот процесс экономичным и эффективным [1]. Кратко прослеживая историю развития концепции цифровых двойников, можно сказать, что с того момента, как человек начал создавать материальные изделия, он использовал виртуальные модели-двойники. Сначала он создавал их в своем воображении, потом на бумаге, затем в компьютере, а теперь и в облаке, используя умные датчики, интернет вещей, искусственный интеллект. На каждом новом этапе в концепцию добавлялись
новые цифровые технологии и методы моделирования, прогнозирования, анализа, обучения. По всей вероятности, этот процесс продолжится и в
будущем.
Цифровые двойники, бесспорно, стали очень полезным инструментом. Они позволяют совершенствовать операции технического обслуживания и упрощают техническую поддержку изделия, экономят деньги, уменьшая число сбоев и продлевают срок службы оборудования. Можно предположить, что с развитием Промышленного Интернета Вещей (IIoT), цифровые двойники станут более детализированными, и будут работать на получение максимальной отдачи от инвестиций в оборудование и его техническое обслуживание, параллельно с этим, стимулируя улучшение дизайна продукта.
Эксперимент, в котором используются реальные объекты модели не всегда является эффективным в плане экономики, в данной ситуации приходит на помощь математическое моделирование, которое позволяет провести эксперимент используя цифровой двойник. Иными словами, реальный эксперимент не позволяет быстро и без лишних затрат провести замену оборудования, для проверки теории. Особенно это влияет на медицинскую область, невозможно поставить в реальности эксперимент по влиянию какой- либо болезни или влиянию распространения ядерного взрыва [2].
На данном этапе создается некая практическая модель описывающая поведение системы, в нее включены все характеристики процесса, явления и т.д.
Далее при выявлении неких зависимостей строится математическая модель. Данный этап является самым сложным.
точностью и при заданном времени.
Далее решение, вытекающее из математической модели, интерпретируется на языке, принятом в данной области.
Следующее действие — это сравнение полученных результатов с результатами реального эксперимента, либо с результатами теоретического эксперимента [2].
При модификации модели происходит упрощение или усовершенствование модели, что вследствие ведет к приближению задуманных результатов.
В общем математические модели могут быть поделены на два вида [2]:
В первом случае все величины, характеризующие явление или объект, выражаются количественно. При этом одни из них рассматриваются как независимые переменные, а другие — как функции от этих величин. Математическая модель обычно представляет собой систему уравнений разного типа (дифференциальных, алгебраических и т. д.), устанавливающих количественные зависимости между рассматриваемыми величинами. Во втором случае модель характеризует структуру сложного объекта, состоящего из отдельных частей, между которыми существуют определенные связи. Как правило, эти связи не поддаются количественному измерению. Для построения таких моделей удобно использовать теорию графов. Граф — это математический объект, представляющий собой некоторое множество точек (вершин) на плоскости или в пространстве, некоторые из которых соединены линиями (ребрами).
По характеру исходных данных и результатов предсказания модели могут быть разделены на детерминистические и вероятностно-статистические.
Модели первого типа дают определенные, однозначные предсказания. Модели второго типа основаны на статистической информации, а предсказания, полученные с их помощью, имеют вероятностный характер.
обслуживании, включая замену компонентов, операционные показатели, результаты тестов и измерений, полученные от датчиков, текущие и прогнозируемые значения параметров мониторинга.
DTA-двойники определяются как вычислительная система, которая имеет доступ ко всем цифровым двойникам-экземплярам и может посылать им запросы в режиме случайных или проактивных опросов.
Симбиоз с технологиями интернета вещей является драйвером для развития обеих технологий. Цифровые двойники получают реальные данные с датчиков, осуществляющих мониторинг реальных объектов, в то время как интернет вещей обеспечивает сбор и анализ данных с различного рода сенсоров и позволяет сделать этот процесс экономичным и эффективным [1]. Кратко прослеживая историю развития концепции цифровых двойников, можно сказать, что с того момента, как человек начал создавать материальные изделия, он использовал виртуальные модели-двойники. Сначала он создавал их в своем воображении, потом на бумаге, затем в компьютере, а теперь и в облаке, используя умные датчики, интернет вещей, искусственный интеллект. На каждом новом этапе в концепцию добавлялись
новые цифровые технологии и методы моделирования, прогнозирования, анализа, обучения. По всей вероятности, этот процесс продолжится и в
будущем.
Цифровые двойники, бесспорно, стали очень полезным инструментом. Они позволяют совершенствовать операции технического обслуживания и упрощают техническую поддержку изделия, экономят деньги, уменьшая число сбоев и продлевают срок службы оборудования. Можно предположить, что с развитием Промышленного Интернета Вещей (IIoT), цифровые двойники станут более детализированными, и будут работать на получение максимальной отдачи от инвестиций в оборудование и его техническое обслуживание, параллельно с этим, стимулируя улучшение дизайна продукта.
- 1 2 3 4 5 6
Определение математической модели
Эксперимент, в котором используются реальные объекты модели не всегда является эффективным в плане экономики, в данной ситуации приходит на помощь математическое моделирование, которое позволяет провести эксперимент используя цифровой двойник. Иными словами, реальный эксперимент не позволяет быстро и без лишних затрат провести замену оборудования, для проверки теории. Особенно это влияет на медицинскую область, невозможно поставить в реальности эксперимент по влиянию какой- либо болезни или влиянию распространения ядерного взрыва [2].
-
Основные этапы математического моделирования
-
Построение модели.
На данном этапе создается некая практическая модель описывающая поведение системы, в нее включены все характеристики процесса, явления и т.д.
Далее при выявлении неких зависимостей строится математическая модель. Данный этап является самым сложным.
-
Решение математической задачи, к которой приводит модель. В данном этапе разрабатывается логика и создается алгоритм решения проблемы, используя ЭВМ. ЭВМ позволяет найти решение с необходимой
точностью и при заданном времени.
-
Интерпретация полученных следствий из математической модели.
Далее решение, вытекающее из математической модели, интерпретируется на языке, принятом в данной области.
-
Проверка адекватности модели.
Следующее действие — это сравнение полученных результатов с результатами реального эксперимента, либо с результатами теоретического эксперимента [2].
-
Модификация модели.
При модификации модели происходит упрощение или усовершенствование модели, что вследствие ведет к приближению задуманных результатов.
-
Классификация моделей
В общем математические модели могут быть поделены на два вида [2]:
-
функциональные; -
структурные.
В первом случае все величины, характеризующие явление или объект, выражаются количественно. При этом одни из них рассматриваются как независимые переменные, а другие — как функции от этих величин. Математическая модель обычно представляет собой систему уравнений разного типа (дифференциальных, алгебраических и т. д.), устанавливающих количественные зависимости между рассматриваемыми величинами. Во втором случае модель характеризует структуру сложного объекта, состоящего из отдельных частей, между которыми существуют определенные связи. Как правило, эти связи не поддаются количественному измерению. Для построения таких моделей удобно использовать теорию графов. Граф — это математический объект, представляющий собой некоторое множество точек (вершин) на плоскости или в пространстве, некоторые из которых соединены линиями (ребрами).
По характеру исходных данных и результатов предсказания модели могут быть разделены на детерминистические и вероятностно-статистические.
Модели первого типа дают определенные, однозначные предсказания. Модели второго типа основаны на статистической информации, а предсказания, полученные с их помощью, имеют вероятностный характер.
- 1 2 3 4 5 6
