
デジタルツインの概念は単なる誇大宣伝ではないことはすでにわかっています. このブログでは, 高忠実度のマルチフィジックスモデルを軽量モデルおよび測定データと組み合わせて, 実際のシステムと実際のシステムのモデルを理解, 予測, 最適化, および制御するために使用できるデジタルツインを作成する方法について説明します. これは, ハイブリッド車用のバッテリパックで例証されています.
デジタルツインの概念
従来のモデルベースの設計には, モデルの検証と妥当性確認が含まれ, デバイスまたはプロセスの設計または操作を最適化するために使用できます. モデルは通常, 実験結果とモデル結果を比較し, パラメーター推定を実行することによって検証されます.
数学的モデリングとシミュレーションは, デバイスやプロセスの設計に広く使用されています.
デジタルツインの概念は, 仮想ツインとも呼ばれ, モデルベースの設計について上で説明した検証および検証手順を網羅しています. 違いは, デジタルツインは, モデルとデバイスまたはプロセス間の情報の転送がはるかに緊密で, 多くの場合リアルタイムであることを意味します. デジタルツインの概念は, デバイスまたはプロセスの設計, 製造, および運用フェーズで使用できます. 目的は, 仮想空間のモデルに基づいて実際のシステムを理解, 予測, 最適化, および制御することです. デジタルツインは, 比較的高度で高価なシステムに適用できると考えられます. 従来の自動車のすべての排気管にデジタルツインを構築したり, デジタルツインインスタンスを管理したりすることはおそらくないでしょう. 投資収益が得られない可能性が高いからです. ただし, バッテリパックは比較的高価なシステムです.
このブログでは, ハイブリッド車または電気自動車のバッテリパックの設計および運用フェーズでのデジタルツインの使用例を示します.
バッテリパックのデジタルツイン
下の図は, 現実空間に物理デバイス (センサーと制御システムを備えたバッテリパック) を含むデジタルツインの概念を示しています. 仮想空間にはモデル (この場合はバッテリパックのモデル) が含まれています. データと情報の転送によって, 現実空間と仮想空間が接続されます (参考文献1).
ハイブリッド車のバッテリパックで例示されたデジタルツインの概念.
マルチフィジックス, マルチスケール, 軽量モデル
仮想空間には, 実際のプロセスを非常に高い忠実度で仮想的に模倣する, 実際のプロセスの豊富な表現が含まれています (参考文献2). さらに, 結果が短い時間スケールで必要な場合は, 軽量モデルを使用してより高速なインタラクションを実現できます. これらの軽量モデルは, 忠実度の高い豊富なモデルに合わせて常に調整できます.
バッテリパックの場合, デジタルツインは, 履歴データも含むマルチフィジックスおよびマルチスケールシステムのバッテリパックのモデルである可能性があります. 軽量モデルは, バッテリパックの集中回路モデルと等価回路モデルである場合があります. 履歴データは, 次のような特定のバッテリパックの測定データで構成される場合があります:
- 温度
- 充電状態
- インピーダンス分光法
- 分極 (電流対電圧曲線)
同じモデルの他のバッテリパックのデータも含まれる場合があります. 特定のバッテリパックのデジタルツインは, そのバッテリパックモデルのデジタルツインインスタンスと呼ばれることがあります.
デジタルツインは, バッテリパックの動作を非常に高い忠実度で模倣するさまざまなモデルによって作成されます.
モデルを使用すると, 測定および報告されたデータを使用して, バッテリパック内の状態を非常に正確に表現し, モデル内のパラメーターを抽出できます. その後, モデルを使用して, バッテリパックの動作を予測し, バッテリパックの制御に使用できる制御パラメーターを計算できます.
情報処理には, バッテリパックの動作を電池の状態, ドライバーの運転プロファイル, 現在の動作および運転条件に適応させる制御パラメーターを送り返すことが含まれます. また, バッテリパックとドライバーに, バッテリパックの予測される将来の動作と動作に関するレポートを送り返すこともできます. たとえば, 温度が過熱の危険を示している場合, またはバッテリーセルの特定の充電状態にある場合, 再充電中 (ブレーキ中) の最大電流を一時的に制限するパラメーターを送信することがあります. また, パック内の正常に動作していないバッテリーセルを検出し, 回路から切断することもあります.
機械学習, クラウドコンピューティング, IoT
仮想空間に組み込まれた高度なモデルでは, リアルタイムで使用できるほど迅速に結果を生成するために, 強力なコンピューターが必要になる場合があります. これは, デジタルツインの動作の大部分が, 強力なサーバー (クラウドコンピューティングなど) を使用してリモートで実行されるプロセスによって作成される可能性がある一方で, 一部のプロセスは車に搭載された制御ユニットでローカルに実行される可能性があることを意味します.
たとえば, 上記の軽量モデルは, バッテリパックの制御ユニットで直接使用できます. これらの軽量モデルの精度を維持するために, 制御パラメーターを, より長い時間スケールで計算されるより豊富なモデルからの予測および結果と比較することにより, リアルタイムで更新できます. より豊富なモデルは, 電池の温度プロファイル, 充電状態, およびその他の電気化学的および物理的パラメーターの詳細な物理的説明を生成する場合があります. したがって, デジタルツインは, さまざまなコンポーネントが異なるプラットフォームおよび場所に展開されているシステムで生成される場合があります.
さまざまな場所に展開された複数のコンポーネントとモデルが, デジタルツインの作成に寄与する場合があります.
デジタルツインとその実際の対応物は通常, 独立したシステムではありません. ほとんどの場合, それらは, 他のデバイスとそのデジタルツインも含まれる可能性のある, より大きなシステムの一部です. さらに, 実際のデバイスには, デバイスのさまざまな側面を最適化, 制御, 予測するために, デジタルツインアグリゲートと呼ばれる複数のデジタルツインが存在する場合があります.
たとえば, バッテリパックの一部が疲労の影響を受けやすい場合は, バッテリパックの構造的動作のデジタルツインを作成する必要があります. これは, おそらくバッテリパックの動作に長い時間スケールでのみ影響するため, このようなデジタルツインは, バッテリパックの電気的動作をシミュレートするデジタルツインとより緩く結合されている可能性があります. バッテリパックのデジタルツインは, ハイブリッド車の発電機, 電気モーター, および燃焼エンジンのデジタルツインと情報を交換することもできます.
実際のシステムは, 互いにやり取りする可能性のある多くのデジタルツインとやり取りする場合があります.
大規模なシステムのさまざまな部分とそのデジタルツインは, 互いに通信する必要がある場合があります. さらに, デジタルツインは, さまざまな物理的な場所に設置されたセンサーやデバイスからデータを取得する必要がある場合があります. モノのインターネット (IoT) とその技術は, センサー, デバイス, およびデジタルツインを生成するコンピューターシステム間の通信に利用できます.
機械学習 (人工知能または AI と呼ばれることもあります) アルゴリズムを使用してデジタルツインをトレーニングし, さまざまなデバイスまたは他のデジタルツインにデータを照会するタイミング, さまざまな制御パラメーターを更新するタイミング, およびデジタルツインと実際のシステムへのレポートを更新するタイミングを決定できます. したがって, デジタルツイン, クラウドコンピューティング, IoT, AI という用語は, 電気自動車に搭載されるシステムなど, 高価な電池システムを効率的に開発, 設計, 製造, 運用するための重要な概念です.
COMSOL Multiphysics® モデルをデジタルツインに組み込む方法
エンジニアや科学者は, COMSOL Multiphysics® ソフトウェアを使用して, 極めて正確なマルチフィジックスモデルとマルチスケールモデルを作成できます. さらに, このソフトウェアには, 軽量モデルを簡単に組み合わせたり, より豊富なモデルによって予測される高忠実度の動作に従って軽量モデルを継続的に更新する方法を使用したりする機能があります. モデルは, パラメーター推定と最適化のための最先端の方法を使用して継続的に検証できます. このようなモデルは, デジタルツインの重要なコンポーネントです.
COMSOL Multiphysics モデルを使用してデジタルツインを作成するには, これらのモデルが外部システムから測定データとレポートを継続的に受信し, 予測と制御パラメーターをそのシステムに返すことができるようにする必要があります. これを行う最も簡単な方法は, COMSOL API を Java® で使用することです.
たとえば, COMSOL Multiphysics モデルファイルには, デジタルツインのさまざまな側面を表す複数のモデルコンポーネントが含まれている場合があります. バッテリパックの例では, さまざまなモデルコンポーネントは, 3 次元の高忠実度モデルコンポーネント, 顕微鏡スケールの詳細な電気化学モデルコンポーネント, および迅速な対話のための集中モデルコンポーネントである可能性があります. モデルを Java® モデルファイルとして保存すると, これらのすべてのコンポーネントに Java® プログラムからアクセスできます. このようなプログラムに組み込まれた Java® モデルファイルは, たとえばダイナミックリンクライブラリファイル (dll ファイル) を使用して外部システムと通信できます. Java® エコシステムのメリットを活用して, 仮想空間を Web サービス (たとえば, Tomcat 内で実行される Java® ベースのウェブサービス) として実装することもできます. これにより, たとえば, 現実空間と通信するための表現状態転送 (REST) API を提供できます.
実空間と仮想空間を接続するもう1つの方法は, COMSOL Server™ のアプリケーションと, COMSOL Compiler™ で作成されたコンパイル済みアプリケーションを使用することです. ここでの制限は, COMSOL Server™ またはコンパイル済みアプリケーションで実行されているシミュレーションは, 実行中に更新できないことです. ただし, ファイルの変更, センサーによってトリガーされたコマンド, オペレーターによってトリガーされたイベントなど, イベントによってトリガーされた変更に応じて, 実際の物理デバイスとデジタルツインを更新するために実行を開始または再開することは可能です. これらのイベントによってトリガーされたコマンドの結果として, 実空間と仮想空間の間でデータと制御パラメーターを送受信できます.
結論
デジタルツインの概念は, 軍事および宇宙アプリケーション以外では, 実現可能で魅力的なものになり始めたばかりです. アナリストが指摘する問題の1つは, モデルが不足していることと, 高精度の予測を行うために必要なモデリングとシミュレーションに関する知識が不足していることです (参考文献3).
多くのデジタルツインは, デジタルツインを作成するために, 受信データの統計処理と履歴データのテーブル参照のみに依存しています. 欠点は, これではデバイスやプロセスで実際に何が起こっているかについての知識と理解がほとんど得られないことです. また, 特定のメーカーの多数のデバイスやプロセスについて, 非常に大量の信頼性の高いデータが必要になります. これは, 大量生産される安価な製品の場合, オプションのアプローチになる場合があります.
対照的に, マルチフィジックスモデルは, 検証されると, 最小限のデータで広範囲の動作にわたって正確になります. これらの理由から, 何らかのモデルベースの説明を含むデジタルツインが望ましいです. バッテリパックなどの高価な製品の場合, 信頼性の高いマルチフィジックスモデルが特に望まれます.
偏微分方程式 (PDE) は, 物理法則を表現する最も正確な方法です (参考文献4). COMSOL Multiphysics では, PDE に基づくマルチフィジックスモデルを使用して, 最も正確な説明に基づいてデジタルツインを作成できます.
参考文献
- M. Grieves, “Digital Twin: Manufacturing Excellence through Virtual Factory Replication,” Michael W. Grieves, LLC, 2014.
- E. Glaessgen and D. Stargel, “The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles,” 53rd Structures, Structural Dynamics and Materials Conference, 2012.
- J. Voskuil, “Model-Based — The Digital Twin,” Jos Voskuil’s Weblog, 2 July 2018; https://virtualdutchman.com/2018/07/02/model-based-the-digital-twin/.
- R. Feynman, Differential Calculus of Vector Fields, The Feynman Lectures on Physics, 1963–1965.
Oracle および Java は, Oracle およびその関連会社の登録商標です.
コメント (0)