デジタルツインとは、個々の物理的な資産やプロセスからなる1台（1つ）のユニットのデジタルモデルです。複数の情報源からのデータを使って、個々のユニットの動作を予測できる統合されたシステムとして構築します。情報源には一般に、設計シミュレーション、システムモデル、試験データ、製造と保守の記録、運用データやIoTデータなどがあります。
正確なデジタルツインの構築は、製品開発の設計・試験の段階から始まり、エンジニアリングのプロセスデータとシミュレーションを必要とします。これを試験データと組み合わせて、その製品に固有のデジタルモデル、つまり性能など関心のある特性について最新の予測を示す、信頼できる唯一の情報源を作ります。デジタルツインを作るには、この汎用的なモデルを、個々のユニットに関係する製造と運用のデータですべて更新します。
配備の前に信頼できる唯一の情報源を使えば、複雑なシステムの設計、試作、試験を、より速く、安く、効果的に進められます。ユニットが配備されて物理データを送り始めると、デジタルツインが立ち上がり、ライフサイクル全体を通してユニットの機能を保つのに役立ちます。デジタルツインによって、ヘルスモニタリングや予知保全、進行中の運用の評価と最適化、航空機や電力網のようなより大きなシステムのなかでのユニットの挙動の予測と監視といった、新しい解析が可能になります。デジタルツインはエンジニアリング解析のパラダイムシフトであり、従来の手法を超える多くのメリットをもたらすと期待されています。
航空宇宙、製造、医療機器などの業界の多くの企業が、製品の設計開発と製造のプロセスを革新し強化するために、デジタル革命の方法論を急速に取り入れています。こうした方法論によって、応答の速いデジタル計測機器で計測の幅が広がり、「データの豊富な」環境が生まれ、シミュレーションの能力も進歩しました。今では、実際のシステムで記録したデータを使って、10年前には手の届かなかった方法で、複雑なマルチフィジックスのシステムを解析できます。デジタルツインは、こうした新しい能力を使って物理的な情報とシミュレーションの情報をまとめ、既存の資源からより大きな価値を引き出す方法として登場しました。
デジタルツインが本当の価値をもたらすには、3つのことができなければなりません。異なる情報源のデータを統合すること、必要なときに解析を実行できるほど速く動くこと（つまりリアルタイム、またはリアルタイムより速く）、そしてデジタルツインによる予測にどれだけ確信が持てるかを示すことです。高価で重要なハードウェアの意思決定や制御にデジタルツインを使うときには、それをどこまで信頼できるかを知ることが特に重要です。
デジタルツインが物理的なユニットを完全に表すには、高精度のシミュレーション、システムモデル、過去の記録、試験データ、機械のテレメトリーなど、さまざまな情報源のデータを組み合わせる必要があります。これらはそれぞれ不確かさの大きさ、忠実度、カバーする運用条件が異なり、システムの挙動のあらゆる側面をつぎはぎで覆うデータセットの集まりになります。
SmartUQは、信頼度の異なる複数の情報を一つの予測モデルにまとめるツールを提供します。おおまかな挙動の傾向は、不確かさが大きいか忠実度が低い、数の多い信頼度の低いデータから取り出し、予測そのものは、より高価で信頼度の高いデータにもとづかせることができます。
デジタルツインは、ユニットの性能についてより深い知見をもたらし、設計と診断に役立つ情報を生み出します。こうした知見は、運用上の意思決定に間に合う時間のなかで得られなければなりません。
つまりデジタルツインは、性能の監視、故障のチェック、リアルタイムの摩耗の評価、仮想センサーといった価値の高い用途では、リアルタイムで予測できなければなりません。運用の最適化やシステムの不確かさを考える場合には、速さの要求はさらに厳しくなります。危険につながりうる多数のシナリオについて予測するには、デジタルツインはリアルタイムよりはるかに速く動く必要があります。
物理ベースのシミュレーションや、大規模なデータセットに頼る予測を含むデジタルツインの構成では、リアルタイムでの動作も、リアルタイムより速い動作も難しくなることがあります。デジタルツインを組み込み機器やエッジのコンピューティング資源で動かす場合には、特にそうです。
こうした要求に応えるため、SmartUQは高度なエミュレーター（サロゲートモデル）を使って、デジタルツインのうち動作の遅い部分の入出力の関係を、最小限のデータですばやく写し取ります。これにより、デジタルツインの構築に必要なデータと手間を減らし、計算時間の長いシミュレーションなどのコストを大きく下げながら、元のデータに対して高い忠実度を保てます。エミュレーターを組み込み、精度を確かめれば、デジタルツインは実際のハードウェアの制御判断に必要な、高速な予測に使える状態になります。
デジタルツインのあらゆる用途の核心には、信頼の問題があります。デジタルツインの予測はどれだけ正確で、その精度はどこで崩れるのか、という問題です。もとになる物理的なシステムに完全に忠実なモデルはないので、問題は、設計空間や運用空間のどこにモデルの不一致があり、モデルが物理的なシステムからどれだけずれていて、それがある解析にどう影響するかです。リアルタイムの制御や運用の最適化のような価値の高い用途には役に立たない、あるいは危険でさえある大きな不一致があっても、設計や保守の解析といった分野の作業ではデジタルツインが貴重な資産になることがあります。そのため、デジタルツインの信頼度と、用途が求める水準の両方を把握することがきわめて重要です。
不確かさの定量化は、デジタルツインの要素を、システムの運用空間全体でのモデルの誤差、予測の精度、妥当性を測る定量的な指標と結びつけます。これは、デジタルツインを構成する個々のモデルとデータセットに、キャリブレーション、妥当性確認、不確かさ伝播、感度解析といった一連の操作を行うことで実現します。
SmartUQでは、統計的キャリブレーションやベイズキャリブレーションを使って、モデルの一部を、より忠実度の高いモデルや試験データに合うように調整できます。キャリブレーションしたモデルは、使う物理データにあるばらつき、ノイズ、誤差を考慮できる確率的な手法で妥当性確認できます。確率的なキャリブレーションと妥当性確認の手法は、モデルの精度を高めて確かめるだけでなく、組み上げたデジタルツイン全体の不確かさを評価するのに重要な、入力と応答の確率分布も生み出します。個々のモデルがそろえば、デジタルツイン全体が、SmartUQで不確かさ伝播や感度解析などのUQを行うのに必要なつながりと、構成要素ごとのUQの情報を備えることになります。
SmartUQのエンジニアリング解析のツールは、データを組み合わせ、予測の時間を短くし、デジタルツインの予測結果に確信をもたらすうえで、大きな役割を果たします。SmartUQの専門知識とツールは、デジタルツインをモデルの寄せ集めから、高速で正確な、妥当性確認済みの信頼できる情報源へと進化させるお手伝いをします。デジタルツインのプロジェクトや要件について、ぜひお問い合わせください。
