Dijital İkiz Teknolojisinin Yükselişi! Taşıtlarda dijital ikiz geliştiriliyor.

Taşıtlarda dijital ikiz geliştiriliyor. Araştırmacılar araç sağlığını tahmin edebilen, otonom karar verme yetkisine sahip sanal İHA’lar yaratıyor.

Çok uzak olmayan bir gelecekte, bir yerden başka bir yere paketleri teslim eden insansız hava araçlarıyla dolu bir gökyüzü görmeyi bekleyebiliriz. Böyle bir dünyada, donanmada İHA’lar aynı zamanda birbiri için dijital bir ikiz olacak: İHA’ları varlığı sayesinde takip eden sanal bir model zamanla gelişiyor.

Taşıtlarda dijital ikiz geliştiriliyor. Dijital İkiz Teknolojisinin YükselişiAustin’deki Texas Üniversitesi hesaplamalı mühendislik ve bilimler için Oden Enstitüsü direktörü olan Karen Willcox ve bir hesaplamalı havacılık mühendisliği uzmanı: “İHA’ların takibi onların yapısal sağlığı için gerekli.” dedi ve ekledi: “İyi davranışlarla sonuçlanan iyi kararlar vermeleri gerekli.”.

Yüksek Performanslı Bilgisayar, Ağ Yapılandırmaları, Bellek ve Analiz 2019 Uluslararası Konferansında davetli bir konuşmacı olan Willcox özel yapım bir İHA için tahmini dijital bir ikiz geliştirme projesinin detaylarını paylaştı.

Bu proje UT Austin, MIT, Akselos ve Aurora Uçuş Bilimleri’nin ortak çalışmasıyla oluşmuştur. (Öncelikli olarak Dinamik Veri Odaklı Uygulama Sistemlerindeki hava kuvvetleri programı tarafından desteklendi.)

İkiz, İHA’nın her bir parçasının tamamen tamamlandığını temsil ettiği gibi, iyi skaladan makro düzeye kadar davranışlardaki detayları yakalamada fizik tabanlı modeller kullanıyor. İkiz aynı zamanda araçtan gelen sensör verilerini alıyor ve bu bilgileri aracın gerçek zamanlı sağlık tahminleri modeli ile birleştiriyor.

İHA’lar çarpışma tehlikesi mi?

Riskleri minimalize etmek için planlanan rotayı değiştirmeli miyiz?

Tahmini bir dijital ikiz ile İHA’ların uçması için bu tür kararlar alınabilir.

Büyük veriden daha büyük

*Taşıtlarda dijital ikiz geliştiriliyor. Dijital İkiz Teknolojisinin Yükselişi*

Willcox konuşmasında tahmini bir dijital ikizin etkili bir şekilde çalışması için teknolojik ve algoritmik gelişmelerin bu izni verdiğini paylaştı.
O, aynı zamanda dünya görüşünün “yüksek netice” olduğunu, problemlerin doğruca bilim ve mühendisliğe adreslendiğini söyledi.
“Büyük kararlar, büyük veriden daha fazlasına ihtiyaç duyar.” dedi.

Fizik tabanlı modeller ve büyük data birleşimi çoğunlukla “bilimsel makine öğrenmesi”ni çağrıştırıyor. Ve makine öğrenmesi, bazı problemlerin (nesne tanımlaması, öneri sistemleri gibi ve Go gibi oyunlar) çözülmesinde başarılı olmuştur. Yanlış cevap alındığında inanılmaz maliyetli olabilen problemler için daha güçlü çözümler gerekli.

Willcox “Bu büyük problemleri çok ölçekli ve karmaşık fizik fenomenleri yönetti. Koşulları birazcık değiştirirsek sert bir şekilde farklı davranışları görebiliriz.” dedi.

Willcox’un çalışmasında hesaplamalı modelleme, güvenilir ve aynı zamanda açıklanabilir tahminler üreten makine öğrenmesiyle eşleştirildi. Kara kutu çözümleri yüksek sonuçlu uygulamalar için yeterince iyi değil. Araştırmacıların (ya da doktorların veya mühendislerin) bir makine öğrenme sisteminin neden kesin bir sonuca karar kıldığını bilmesi gerekiyor.

Dijital bir ikiz İHA durumunda, Willcox’un sistemi İHA’nın sağlığında gelişen değişimleri yakalayabilir ve aktarabilir. Aynı zamanda hangi sensörün sağlıkta azalma gösterdiğini ve tahminleri sürdüğünü açıklayabilir.

Gerçek Zamanlı Karar Vermenin Kenarında

Benzer baskılar (karmaşık yüksek boyutlu modellerin kullanımı, belirsiz miktarları ölçme ihtiyacı, gerçekleşebilecek tüm senaryoları önceden simüle etme gerekliliği) fizik tabanlı modelleri kullanmayı gerektiriyor. Aynı zamanda tahmini dijital ikizlerin sayısal olarak zorlayıcı olması problem yaratıyor.
Model azaltma adı verilen bir yaklaşım devreye giriyor.

Geliştirdikleri projeksiyon tabanlı bir modeli kullanarak, Willcox ve iş arkadaşları daha küçük olan modelleri yaklaşık olarak tanımlayabilir. Ama her şekilde en önemli dinamikleri kodlarlar ve böylece tahminler için kullanılabilirler. “Bu yöntem tahmini dijital ikizleri mümkün kılan düşük maliyetli fizik tabanlı modeller oluşturmaya olanak sağlıyor.”

Willcox, İHA’da meydana gelen karmaşık fiziksel etkileşimleri modellemek için başka bir çözüm geliştirmek zorundaydı. Aracı tamamen bir bütün olarak simüle etmektense; Akselos ile birlikte onların parçaların içine doğru (mesela kanatın bir kesiti) ara model yaklaşımını kullanarak ve geometrik parametreleri, malzeme özellikleri ve önemli diğer bağımsız faktörleri hesapladı ve aynı zamanda tüm uçak yerleştirildiğinde meydana gelen etkileşimler için hesaplama yaptı.

Her bir parça kısmi diferansiyel eşitlikler ile temsil edildi. Yüksek duyarlılıkta, sonlu eleman yöntemi ve bir hesaplama ağı her bir segment üzerinde uçuş darbesi hesapladı. Bir makine öğrenme sınıflandırıcısına besleyip fizik tabanlı eğitim verisi üretti.

Bu eğitim sayısal olarak yoğun. Gelecekte Willcox’un ekibi daha karmaşık uçuş senaryolarını göz önünde bulundurabilmek için süper hesaplama kullanarak daha büyük eğitim setleri üretebilmek amacıyla Texas Modern Hesaplama Merkezi (Texax Advanced Computing Center (TACC)) ile işbirliği yapacak.

Eğitim bittiğinde, çevrimiçi sınıflandırma çok hızlı bir şekilde tamamlanabilir. Ayrıştırma ve azaltma yöntemleri kullanılan bu modelde, Willcox karar verme için gerekli olan hassasiyeti sağlamakta simülasyon için gerekli olan süreyi saatlerden ya da dakikalardan saniyelere kadar 1000 kat hızlandırmada başarılı oldu.

Yeni nesil ‘dijital ikiz’

“Bu yöntem hayli yorumlanabilir.” dedi ve devam etti: “Geri dönebilir ve hangi sensörün bir duruma sınıflandırılmasına katkıda bulunduğunu görebilirim.”. Yöntem elbette sensör seçimine ve İHA’nın sağlığı ve güvenliği için kritik detayları yakalayabilmek amacıyla sensörlerin nerede olduğunu belirleme gereksinimi duyuyor.

Willcox bir konferansında bir İHA’nın bir engel parkurunda kendi sağlığındaki sapmayı ve eve güvenle geri döndüğünü tespit eden yol çizelgesini farkedebildiğini gösterdi. Bu, İHA’nın gelecekte kapsamlı bir şekilde yayılabilmesi için geçmek zorunda olduğu bir test.

Araştırmayı destekleyen Bilimsel Araştırma Hava Kuvvetleri ofisinin eski yöneticisi olan Frederica Darema: “Geliştirme modellemesi ve enstrümantasyon yöntemleri ve yaratıcı gerçek zamanlı karar verme destek sistemleri ile tam boyutlu modellerde doğruluk için Dr. Karen Willcox tarafından sunulan çalışma DDDAS (Dynamic Data-Driven Application Systems) paradigmasının uygulamasının harika bir örneğidir.” dedi.

“Dr. Willcox’un çalışması, DDDAS uygulamasının yarattığı yeni nesil ‘dijital ikiz’ yeteneklerini gösterdi. Bunun gibi gelişmelerin kritik sistemlerde artırılmış etkiler ve savunma ve sivil sektörlerdeki hizmetlere muazzam etkileri var.

Dijital ikizler İHA’ların özel alanı değil; dijital ikizler aynı zamanda fabrikasyon, petrol rafinerileri, formula 1 yarış arabaları için giderek daha çok geliştiriliyor. Bu teknoloji 2017 ve 2018 yılları için Gartner’ın en iyi teknolojik strateji trendlerinden biri seçildi.

IoT’nin SAP kıdemli başkan yardımcısı olan Thomas Kaiser 2017 yılında bir Forbes (iş dünyası ve finans ile ilgili konuları içeren bir Amerikan dergisi) röportajında “Dijital ikizler, bir sürecin bütün yaşam döngüsünü kapsayan ve bağlantılı ürünler ile hizmetler için altyapı oluşturulduğu iş zorunluluğu haline geliyor.” dedi ve ekledi: “Yanıt vermeyen şirketler geride bırakılacak.”

Tahmini veri bilimi ve dijital ikizleri geliştirmeyle ilgili olarak Willcox şunları söyledi: “Verilerin modellerdeki objektiften öğrenilmesi zorlu problemlerin kullanışlı hale getirilmesinin tek yoludur. Bu ,veri bilimi, makine öğrenmesi, hesaplamalı bilim ve mühendislik, alanlarındaki yöntemleri ve yaklaşımları bir araya getirir.”