University of Oulu

Digital twin using multivariate prediction

Saved in:
Author: Puolakanaho, Jere1
Organizations: 1University of Oulu, Faculty of Science, Mathematics
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 1.1 MB)
Pages: 67
Persistent link: http://urn.fi/URN:NBN:fi:oulu-201906212621
Language: English
Published: Oulu : J. Puolakanaho, 2019
Publish Date: 2019-06-24
Thesis type: Master's thesis
Tutor: Laitinen, Erkki
Reviewer: Laitinen, Erkki
Ruha, Leena
Description:

Abstract

Digital Twin is a digital replica of physical assets, processes and systems that can be used for various purposes. Virtual model is constructed from the corresponding physical model and these two are then connected by generating real time data using sensors. Resent advances in technology have enabled this, because they have made digital environments cost-efficient. The goal is to simulate the real world with minimal physical resources using machine learning, multivariate analysis and other mathematical techniques. Optimally no physical resources go to waste in testing and development.

Runtime validation means monitoring and validating a running system with both digital and physical models. Simulated (digital) model parameters are used in the physical model and then the simulated model is updated with new data from the physical model. Simulated model gains more and more data over time becoming more accurate.

This thesis studies the applicability of mathematical models as a prediction tool to predict and validate systems behaviour as a part of simulation. And further, be used in analysis in a digital twin model.

Tiivistelmä

Digitaalinen kaksonen on digitaalinen kopio fyysisistä voimavaroista, prosesseista ja systeemeistä, jota voidaan käyttää moniin tarkoituksiin. Virtuaalinen malli rakennetaan vastaavasta fyysisestä mallista ja nämä yhdistetään toisiinsa luomalla reaaliaikaista dataa sensoreilla. Viimeaikaiset kehitykset teknologiassa ovat mahdollistaneet tämän tekemällä digitaalisista ympäristöistä kustannustehokkaita. Tehtävänä on simuloida oikeaa maailmaa minimaalisilla fyysisillä resursseilla käyttäen koneoppimista, monimuuttuja-analyysiä ja muita matemaattisia tekniikoita. Parhaimmillaan fyysisiä resursseja ei menisi hukkaan testauksessa ja kehityksessä.

Ajonaikainen validointi tarkoittaa toimivan systeemin tarkkailua ja validointia fyysisen ja digitaalisen mallin avulla. Simuloidun (digitaalisen) mallin arvoja käytetään fyysisessä mallissa ja simuloitua mallia päivitetään uudella datalla fyysisen mallin tulosten perusteella. Simuloitu malli saa yhä enemmän dataa ajan saatossa ja tätä myötä paranee.

Tämä tutkielma tutkii matemaattisten mallien käytettävyyttä ennustukseen ja systeemin validointiin sekä simulaatiossa että digitaalisen kaksosen analyysissä.

see all

Subjects:
Copyright information: © Jere Puolakanaho, 2019. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.