WEKO3
アイテム
セマンティックアノテーションおよび時間遅れ型 センサー信号を規範とする機械加工現象のデジタ ルツイン作成システムの開発
https://doi.org/10.19000/0002000198
https://doi.org/10.19000/0002000198efd4b819-0fed-411a-a9cc-cb01c68da8c7
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
博士論文 Doctoral Thesis - March 2022 - Angkush Kumar Ghosh - d1971308044.pdf (13.1 MB)
|
|
| Item type | 学位論文 / Thesis or Dissertation(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2022-03-18 | |||||||||
| タイトル | ||||||||||
| タイトル | Developing a System for Constructing Digital Twins of Machining Phenomena Based on Semantic Annotation and Time-Delayed Sensor Signals | |||||||||
| 言語 | en | |||||||||
| タイトル | ||||||||||
| タイトル | セマンティックアノテーションおよび時間遅れ型 センサー信号を規範とする機械加工現象のデジタ ルツイン作成システムの開発 | |||||||||
| 言語 | ja | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_db06 | |||||||||
| 資源タイプ | doctoral thesis | |||||||||
| ID登録 | ||||||||||
| ID登録 | 10.19000/0002000198 | |||||||||
| ID登録タイプ | JaLC | |||||||||
| アクセス権 | ||||||||||
| アクセス権 | open access | |||||||||
| アクセス権URI | http://purl.org/coar/access_right/c_abf2 | |||||||||
| 著者 |
ゴーシュ アンクシュ クマール
× ゴーシュ アンクシュ クマール
|
|||||||||
| 著者（英） | ||||||||||
| 姓名 | Angkush Kumar Ghosh | |||||||||
| 言語 | en | |||||||||
| 抄録 | ||||||||||
| 内容記述タイプ | Abstract | |||||||||
| 内容記述 | Manufacturing has rapidly been transforming under the umbrella of the fourth industrial revolution, known as Industry 4.0 or smart manufacturing, which diligently utilizes information and communication technology. In smart manufacturing, cyber-physical systems host Internet-of-Things (IoT)- based networks and digital twins. The networks integrate manufacturing enablers such as computer numerical control machine tools, robots, numerous process and resource planning systems, and human resources. Digital twins are computable virtual abstractions of real-world entities exhibiting real-time responsive capacities. The twins work as the brains of the enablers; that is, the twins supply the required knowledge and help enablers solve problems autonomously, responding to various sensor signals in real-time. Remarkably, three types of digital twins (object, process, and phenomenon twins) must populate the cyber-physical systems. Compared to other twins, phenomena twins have not yet been researched elaborately. This thesis fills this gap. The issues underlying semantic annotation and time latency (or delay) are significant for a phenomenon twin. Time latency or delay occurs when sensor signals are exchanged through the abovementioned embedded systems. As a result, the signal at its origin (e.g., machine tools) and signal received at the receiver end (e.g., digital twin) differ. Moreover, many datasets of heterogeneous sensor signals are exchanged through IoT-based networks. Hence, acquiring the right signals for a twin is difficult and timeconsuming. Semantic annotation-based representation of sensor signals can solve this problem. Thus, a phenomenon twin must machine-learn the required knowledge to emulate the phenomenon from the relevant historical sensor signal datasets, seamlessly interact with the real-time sensor signals, handle the semantically annotated datasets stored in clouds, and accommodate the transmission delay or latency. Accordingly, this thesis presents two systems denoted as Digital Twin Construction System (DTCS) and Digital Twin Adaptation System (DTAS). The first system constructs a phenomenon twin, and the other adapts the constructed twin into a cyber-physical system. Both systems are developed using a JavaTM-based platform. The modular architectures of the systems are presented in detail. In addition, real-life machining torque signals are used to demonstrate the efficacy of DTCS and DTAS. DTCS consists of five modules denoted as Input, Modeling, Simulation, Validation, and Output Modules. The Input Module can make sense of the semantically annotated datasets and helps users select the right ones. It ensures fast and effective data mining using a human-machine-comprehensible semantic annotation mechanism (concept map and Extensible Markup Language (XML) driven). The Modeling Module can extract the required knowledge to emulate a phenomenon from the information supplied by the Input Module. This module uses a Markov chain-based machine learning method and accommodates data transmission delay-related arrangements. The Simulation Module can operate on the knowledge extracted by the Modeling Module and simulate the signals of the phenomenon using a discrete eventbased stochastic simulation method. The Validation Module can validate the simulated signals of the phenomenon against the real signals using quantitative measures (e.g., fuzzy numbers). Finally, the Output Module transfers the selected Modules of DTCS to DTAS. DTAS, in turn, can adapt the constructed phenomenon twin into the cyber-physical system for monitoring and troubleshooting. The thesis is organized as follows. Chapter 1 presents the introduction of this study. Chapter 2 provides a literature review on the role of cyberphysical systems and digital twins in smart manufacturing or Industry 4.0. Chapter 3 describes a semantic annotation-based representation mechanism of data and knowledge. Chapter 4 describes the role of the delay domain in mitigating the effect of time delay or latency of signal transmission. Chapter 5 presents the proposed DTCS and DTAS. Chapter 6 demonstrates the efficacy of DTCS and DTAS using a real-life case of intelligent monitoring of machining (milling). Chapter 7 discusses the implications of this study and highlights future research directions. Finally, Chapter 8 provides the concluding remarks of this thesis. Since the digital twins of the machining phenomena are needed to make the machine tools and other programmable devices more intelligent and autonomous, the presented DTCS and DTAS contribute to the befitting advancement of Industry 4.0 or smart manufacturing. |
|||||||||
| 言語 | en | |||||||||
| 抄録 | ||||||||||
| 内容記述タイプ | Abstract | |||||||||
| 内容記述 | 製造業は、インダストリー4.0またはスマートマニュファクチャリングと して知られる第4次産業革命のもとで急速に変化している。この革命は 積極的な情報通信技術の利用によってサイバーフィジカルシステムを明 示し、IoTを規範とするネットワークおよびデジタルツインで構成され る。IoTを規範とするネットワークは、コンピューター数値制御型工作 機械、ロボット、多数のプロセスおよびリソース計画システム、人材な どの製造イネーブラーを統合する。デジタルツイン（リアルタイムの応 答能力を持つ実世界のエンティティの計算可能な仮想モデル化）は製造 イネーブラーの頭脳として機能している。つまり、デジタルツインは製 造イネーブラーが問題を自律的に解決するために必要な知識の獲得やさ まざまなセンサー信号のリアルタイムによる応答を支援する。 注目すべき点はサイバーフィジカルシステムには3種類のデジタルツ イン（物体、工程、および現象ツイン）を用意しなければならない点で ある。しかし物体及び工程ツインの研究は進んでいるが、現象ツインに おいてはまだ研究は不十分である。本論文はこのギャップを埋めること を目的にしている。 現象ツインは、サイバースペースで与えられた現象（切削抵抗、ト ルク、表面粗さなど）をエミュレートし、製造イネーブラー（工作機械 など）に必要な知識を与えることでそのイネーブラーをより効率的に活 躍させる。しかし現象ツインの作成に当たり、セマンティックアノテー ション及び時間遅れという問題を考慮した対策を導入する必要がある。 時間遅れは、センサー信号が上記の組み込みシステムを介して交換 されるときに発生する。その結果、発信元の信号（工作機械側）と受信 側で獲得される信号（デジタルツイン側）が異なる。さらに、異種セン サー信号の多くのデータセットは、IoTを規範とするネットワークを介 して交換される。従って、現象ツインには次の機能が求められる。 1. 与えられたセンサー信号データセットから必要な知識を機械学習に よって獲得すること。 2. リアルタイムセンサー信号とシームレスに相互作用すること。 3. クラウドに保存されているセマンティックアノテーションデータ セットを処理すること。 4. センサー信号の時間遅れに対応すること。 本論文ではデジタルツイン構築システム（DTCS）およびデジタルツ イン適応システム（DTAS）について述べる。DTCSは現象ツインを構築 し、DTASは構築されたツインをサイバーフィジカルシステムに適応さ せる。本システムはJavaTMプラットフォームによって開発する。各シス テムの詳細について述べるとともに機械加工のとき発生するトルク信号 を用いて開発されたシステムの有効性を実証する。DTCSは、入力、モ デリング、シミュレーション、バリデーション、および出力という5つ のモジュールで構成される。入力モジュールは、セマンティックアノ テーションされた信号データセットを理解し、ユーザーが選択した適 切なデータセットを獲得することができる。このモジュールは、セマ ンティックアノテーションメカニズムによって用意されたデータ（概念 マップおよびExtensible Markup Language（XML）型データ）を高速か つ効果的にマイニングすることができる。モデリングモジュールは、入 力モジュールによって提供されるデータセットから現象をエミュレート するための知識を獲得することができる。その際、マルコフ連鎖型機械 学習の実施および時間遅れの影響に対応することができる。シミュレー ションモジュールは、モデリングモジュールによって獲得された知識 に基づいて動作し、離散事象シミュレーションを用いて現象の信号をシ ミュレートすることができる。バリデーションモジュールは、定量的手 法によって（例：ファジー数）現象のシミュレーションされた信号を実 際の信号に対して検証することができる。出力モジュールは、DTCSか ら選択されたモジュールをDTASに転送することができる。最後に、モ ニタリングやトラブルシューティングのため、DTASはDTCSから転送さ れた現象ツインの各モジュールをサイバーフィジカルシステムに導入す ることができる。 本論文は次のように構成する。第1章では、第4次産業革命および関 連研究分野の概要を説明する。第2章では、インダストリー4.0における サイバーフィジカルシステムやデジタルツインの役割に関する文献を レビューする。第3章では、セマンティックアノテーションに関するメ カニズムを述べる。第4章では、時間遅れとそのセンサー信号の性質へ の影響および時間遅れドメイン型信号処理の有効性について述べる。 |
|||||||||
| 言語 | ja | |||||||||
| 書誌情報 |
発行日 2022-03 |
|||||||||
| 著者版フラグ | ||||||||||
| 言語 | en | |||||||||
| 値 | ETD | |||||||||
| 学位名 | ||||||||||
| 言語 | ja | |||||||||
| 学位名 | 博士（工学） | |||||||||
| 学位授与機関 | ||||||||||
| 学位授与機関識別子Scheme | kakenhi | |||||||||
| 学位授与機関識別子 | 10106 | |||||||||
| 言語 | ja | |||||||||
| 学位授与機関名 | 北見工業大学 | |||||||||
| 学位授与番号 | ||||||||||
| 学位授与番号 | 甲第198号 | |||||||||
| 研究科・専攻名 | ||||||||||
| 言語 | ja | |||||||||
| 値 | 生産基盤工学専攻 | |||||||||
| 学位授与年月日 | ||||||||||
| 学位授与年月日 | 2022-03-18 | |||||||||
