Разработка композитных интеллектуальных моделей в промышленном интернете вещей как систем саморазвивающихся цифровых двойников

Работа выполняется в рамках реализации Программы развития передовой инженерной школы федерального государственного автономного образовательного учреждения высшего образования «Самарский национальный исследовательский университет имени академика С.П. Королева» на 2022-2030 годы в целях достижения результатов федерального проекта "Передовые инженерные школы" в соответствии Соглашением №075-15-2022-1144 от 07.07.2022 о предоставлении из федерального бюджета грантов в форме субсидий и Дополнительным соглашением №075-15-2022-1144/2 от 23.02.2023. Цифровизация предполагает наличие единого информационного пространства для непрерывного обмена данными между элементами технической системы, а также включает создание электронных двойников ключевых объектов системы. Цифровизация предполагает непрерывное управление данными об объектах, на протяжении всего их жизненного цикла, включая автоматический сбор, накопление, изменение и анализ информации, а также генерацию подобных данных. Важной особенностью саморазвивающегося цифрового двойника является то, что для задания на него входных воздействий используется информация с датчиков (сенсоров), установленных на реальном устройстве. Цифровой двойник может работать как в онлайн, так и в офлайн режимах. Информация, поступающая с реальных датчиков, сравнивается с показаниями виртуальных датчиков цифрового двойника, что позволяет выявлять аномалии и устанавливать причины их возникновения. Благодаря наличию цифровых макетов производства, а также непрерывному накоплению и анализу больших данных (Big Data), в том числе, с помощью алгоритмов машинного обучения (Machine Learning), цифровизация делает возможным опережающее управление. Прогнозы будущих ситуаций, в том числе нетривиальных, и оптимальные отклики на них рассчитываются за счет инструментов, основанных на интеллектуальном ретроспективном анализе. Цифровой двойник в настоящее время широко применяется на всех стадиях жизненных циклов объектов. Уже на этапе прототипирования возможно создание вариаций системной модели исследуемого объекта для оценки и выбора наилучшего технического решения, но при этом ранее широко не исследовалась возможность создания связанной сети цифровых двойников. При расширении каждой отдельной модели в рамках сети элементами искусственного интеллекта в результат моделирования может дополнительно привноситься эффект от самообучения модели на основе ретроспективных данных. Этот подход позволит шире подходить к прототипированию деятельности технических систем, например, производственному планированию деятельности цехов с возможностью сравнения нескольких линий развития. Сценарное моделирование производства на базе сетевой цифровой модели приобретает дополнительную вариативность в разрезе обработки и анализа реакций на внешние события. Внедрение методики и программного обеспечения в образовательный процесс необходимы для формирования у обучающихся по образовательным программам ПИАШ новых знаний и навыков в сфере цифровизации производства и организации единой цифровой среды.