초록 ▼

본 발명의 목적은 다중 물리 시스템의 차수 감축 모델과 현장 데이터, 인공지능 기법을 결합하여 산업 현장에서 실시간 모니터링, 운전 개선 및 사고 발생 시 대응이 가능한 디지털 트윈 구축 방법을 제공하는데 있는 것으로, 본 발명에 따른 디지털 트윈 구축 방법은 다중물리 설비 시스템을 요소 설비들의 조합으로 구성된 네트워크로서 정의하는, 네트워크 정의 단계; 개별 요소 설비에 대한 관계식 기반의 0-D 모델을 확립하는, 요소 모델 확립 단계; 핵심 요소 설비에 대한 3-D CAE ROM 또는 데이터로부터의 기계 학습에 의한 추가 관계

본 발명의 목적은 다중 물리 시스템의 차수 감축 모델과 현장 데이터, 인공지능 기법을 결합하여 산업 현장에서 실시간 모니터링, 운전 개선 및 사고 발생 시 대응이 가능한 디지털 트윈 구축 방법을 제공하는데 있는 것으로, 본 발명에 따른 디지털 트윈 구축 방법은 다중물리 설비 시스템을 요소 설비들의 조합으로 구성된 네트워크로서 정의하는, 네트워크 정의 단계; 개별 요소 설비에 대한 관계식 기반의 0-D 모델을 확립하는, 요소 모델 확립 단계; 핵심 요소 설비에 대한 3-D CAE ROM 또는 데이터로부터의 기계 학습에 의한 추가 관계식을 반영하여 시스템에 대한 모든 관계식들의 닫힘을 이루는, 시스템 모델 확립 단계; 운전 변수 파라미터 공간에서 샘플링된 조건들에 대한 계산 결과로부터, 상기 시스템 모델 확립 단계에서 확립된 시스템 모델에 대한 시스템 ROM을 구축하는, 시스템 ROM 구축 단계; 요소 설비 및 시스템에 대한 모델 예측값과 측정 데이터 간의 오차를 최소화하는, 시스템 ROM 보정 단계; 및 실시간 모니터링 결과를 바탕으로 가상 운전 조건에서 예상되는 시스템 상태나 최적 운전 조건 파악을 위한 알고리즘을 구축하는, 실시간 알고리즘 구축 단계;를 포함하는 것을 특징으로 한다.

대표청구항 ▼

다중물리 설비 시스템을 요소 설비들의 조합으로 구성된 네트워크로서 정의하는, 네트워크 정의 단계;개별 요소 설비에 대한 관계식 기반의 0-D 모델을 확립하는, 요소 모델 확립 단계;상기 요소 모델 확립 단계에서 확립된 0-D 모델들에 핵심 요소 설비에 대한 3-D CAE ROM 또는 데이터로부터의 기계 학습에 의한 추가 관계식을 반영하여 시스템에 대한 모든 관계식들의 닫힘을 이루는, 시스템 모델 확립 단계;운전 변수 파라미터 공간에서 샘플링된 조건들에 대한 계산 결과로부터, 상기 시스템 모델 확립 단계에서 확립된 시스템 모델에 대한

다중물리 설비 시스템을 요소 설비들의 조합으로 구성된 네트워크로서 정의하는, 네트워크 정의 단계;개별 요소 설비에 대한 관계식 기반의 0-D 모델을 확립하는, 요소 모델 확립 단계;상기 요소 모델 확립 단계에서 확립된 0-D 모델들에 핵심 요소 설비에 대한 3-D CAE ROM 또는 데이터로부터의 기계 학습에 의한 추가 관계식을 반영하여 시스템에 대한 모든 관계식들의 닫힘을 이루는, 시스템 모델 확립 단계;운전 변수 파라미터 공간에서 샘플링된 조건들에 대한 계산 결과로부터, 상기 시스템 모델 확립 단계에서 확립된 시스템 모델에 대한 시스템 ROM을 구축하는, 시스템 ROM 구축 단계;요소 설비 및 시스템에 대한 모델 예측값과 측정 데이터 간의 오차를 최소화하는, 시스템 ROM 보정 단계; 및실시간 모니터링 결과를 바탕으로 가상 운전 조건에서 예상되는 시스템 상태나 최적 운전 조건 파악을 위한 알고리즘을 구축하는, 실시간 알고리즘 구축 단계;를 포함하는 디지털 트윈 구축 방법.