מאמר שיטה

מסגרת תאום דיגיטלית לניהול ארגוני יזום: מחקר על קבלת החלטות תפעולית עם שילוב נתוני IoT ומידולים חישוביים

DOI:

10.3791/71231

⸱

22 ביוני 2026

1School of Management, Zhengzhou Business University

במאמר זה

סיכום

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה מדגים תהליך עבודה מבוסס דיגיטל-טווין לניהול ארגוני פרואקטיבי, הכולל נתוני IoT, מידול לא ליניארי, הערכת מצבים, הפצת אי-ודאות ושליטה חיזויית, כדי לחקור חישובית יציבות תפעולית, הפחתת סיכונים והתנהגות תמיכה בהחלטות מונחית נתונים בסביבת סימולציה.

תקציר

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

טכנולוגיית התאומים הדיגיטליים מספקת גישה חישובית עוצמתית לייצוג ושליטה במערכות ארגוניות מורכבות, על ידי שילוב רציף של חישה בזמן אמת עם מידול דינמי ואנליטיקה חזויה. המטרה העיקרית של מחקר זה היא לפתח ולהדגים פרוטוקול שניתן לשחזור לבניית תאום דיגיטלי מבוסס IoT שמאפשר ניהול ארגוני פרואקטיבי ומונחה נתונים. המתודולוגיה משלבת מודלים דינמיים לא ליניאריים, הערכת מצב מבוססת צופה, הפצת אי-ודאות, כימות סיכונים ובקרת חיזוי סטוכסטית במסגרת החלטה סייבר-פיזיקלית מאוחדת. מדידות חיישנים מדומות מוזרות על ידי מעריך מצב כדי לסנכרן את התאום הדיגיטלי עם מערכת הארגון המדומה, ומאפשר חיזוי מבוסס סימולציה של מצבי פעולה עתידיים בסביבה חישובית מוגדרת. מדדי אי-ודאות וסיכון מועברים דרך המודל הדינמי כדי לזהות אי-יציבות מתפתחת לפני שהם מתפתחים לכישלונות קריטיים. שכבת בקרה חיזוי ממקסמת ביצועים מרובי מטרות על ידי יצירת פעולות בקרה שמטרתן להפחית סיכון תפעולי, לייצב את התנהגות המערכת ולהעריך שיפורים פוטנציאליים ביעילות תפעולית ארוכת טווח בתוך התרחיש המדומה. תוצאות מייצגות שהושגו ממודל סימולציה פשוט של ייצור–מלאי–אנרגיה מדגימות את היתרונות הפוטנציאליים של שיטת המונעת על ידי תאום דיגיטלי בהשוואה לאסטרטגיות תגובתיות קונבנציונליות. הדוגמה החישובית מראה מסלולי תפעול חלקים יותר, סיכון מצטבר נמוך יותר, אי-ודאות מופחתת ויעילות בקרה משופרת במספר מממדי ביצועים מוערכים. עם זאת, ממצאים אלו מבוססים על תהליך סימולציה מוגדר ויש לפרשם כהוכחת היתכנות ולא כהוכחה ישירה לביצועים אוניברסליים בעולם האמיתי. למרות שהפרוטוקול חישובי, בלתי תלוי בפלטפורמה, ויכול להתאים תחומים ארגוניים כמו ייצור, לוגיסטיקה, תפעול שרשרת אספקה ומערכות עתירות אנרגיה, פריסה רחבה יותר בסביבות תעשייתיות מעשיות תדרוש אימות נוסף באמצעות מאגרי נתונים תפעוליים אמיתיים ומחקרי יישום בקנה מידה גדול. על ידי ביצוע הליך זה, חוקרים ואנשי מקצוע יכולים לשחזר ולהעריך מסגרת תאום דיגיטלית ניתנת להרחבה, מונחית נתונים ומודעת לסיכונים עבור יישומי תמיכה בהחלטות ארגוניים.

מבוא

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ארגונים מודרניים פועלים בסביבות מורכבות יותר ויותר, המאופיינות בכמויות גדולות של נתונים, תהליכים תפעוליים מקושרים וחוסר ודאות משמעותי. אסטרטגיות ניהול תגובתי מסורתיות מתקשות לעיתים קרובות לשמור על יציבות וחוסן תפעולי בתנאים אלו, במיוחד כאשר מערכות ארגוניות כוללות תהליכים צמודים כמו תזמון ייצור, תיאום לוגיסטי, ניהול מלאי, ניצול אנרגיה והפחתת סיכונים 1,2,3. תהליכים אלו מציגים לעיתים קרובות אינטראקציות לא ליניאריות ותלותיות רב-קנה מידה שמתפתחות דינמית לאורך זמן. כאשר ארגונים עוברים לתשתיות סייבר-פיזיות הנתמכות במערכות חישה מקושרות ובינה דיגיטלית מבוזרת, שמירה על מודעות מדויקת ובזמן של מצבי המערכת הופכת לדרישה קריטית לקבלת החלטות אפקטיבית 4,5,6,7.

טכנולוגיית התאומים הדיגיטליים הפכה לפרדיגמה מבטיחה להתמודדות עם אתגרים אלו. תאום דיגיטלי ניתן להגדיר כייצוג וירטואלי מתפתח ללא הרף של נכס פיזי, תהליך או מערכת ארגונית, שנשאר מסונכרן עם מקבילו הפיזי באמצעות שילוב נתונים בזמן אמת ומודלים דינמיים של מערכות 8,9,10. בניגוד למסגרות סימולציה סטטיות קונבנציונליות, התאומים הדיגיטליים פועלים כאקוסיסטמות חישוביות דינמיות המסוגלות לנטר תנאי תפעול, לחזות התנהגות מערכת ולתמוך בקבלת החלטות מבוססת אופטימיזציה11,12. מחקר נרחב הראה את ערכם של תאומים דיגיטליים במגוון תחומים, כולל מערכות ייצור מתקדמות, רשתות לוגיסטיקה חכמות, אופטימיזציה בשרשרת אספקה ותשתיות ניהול אנרגיה 13,14,15,16,17. מחקרים אלו מציעים את הפוטנציאל של תאומים דיגיטליים לשפר את המודעות הסיטואציונית, לשפר את היעילות התפעולית ולתמוך באסטרטגיות ניהול חיזוי בסביבות סימולציה וניסויי. למרות ההתקדמות הזו, יישום טכנולוגיית התאומים הדיגיטליים לתמיכה בהחלטות ברמת הארגון נותר מאתגר. מערכות ארגוניות כוללות לעיתים תת-מערכות הטרוגניות המתקשרות דרך מערכות יחסים לא ליניאריות מורכבות, בעוד שנתונים תפעוליים שנאספים מתשתיות חישה עשויים להכיל עיכובים, רעש או ערכים חסרים. גורמים אלו יכולים להפחית משמעותית את האמינות של אסטרטגיות ניטור או בקרה קונבנציונליות. התמודדות עם אתגרים אלו דורשת מסגרות משולבות שמשלבות מידול דינמי של מערכת, הטמעת נתונים, כימות אי-ודאות ואופטימיזציה חיזוי בתוך ארכיטקטורה מאוחדת 18,19,20,21,22. מחקרים עדכניים הדגישו לכן את חשיבות השילוב של חישה בזמן אמת עם שיטות הערכה מתקדמות וטכניקות בקרה חיזוי ליצירת מערכות החלטה סייבר-פיזיקליות סגורות המסוגלות להסתגל באופן רציף לתנאי תפעול משתנים 23,24,25,26.

עם זאת, מגבלה מתודולוגית חשובה נותרה בלתי מטופלת כראוי במסגרות בקרה חזויה של תאומים דיגיטליים ומודלים קיימים. חלק ניכר מהמחקרים הנוכחיים מתמקד באלגוריתמים מבודדים לאופטימיזציה חזויה, סביבות סימולציה סטטיות או מימושים של תאומים דיגיטליים ספציפיים לתחום מבלי לספק תהליך עבודה מאוחד וניתן לשחזור המשלב מודלים ארגוני דינמיים, הערכת מצבים, הפצת אי-ודאות, הערכת סיכונים הסתברותיים ואופטימיזציה חזויה להחלטות בתוך פרוטוקול תפעולי אחד. בנוסף, מסגרות מדווחות רבות מספקות ארכיטקטורות קונספטואליות מבלי לתאר בבירור כיצד נתוני חישה, פרוצדורות הערכה, מידול אי-ודאות ואופטימיזציה של בקרה פועלים באופן איטרטיבי בזרימת עבודה חישובית סגורה המתאימה לתמיכה בקבלת החלטות בקנה מידה ארגוני. מגבלה זו מפחיתה את השחזוריות המעשית וההעברה של גישות קיימות רבות ביישומים ארגוניים שונים. כתוצאה מכך, עדיין קיימת צורך בפרוטוקול שקוף וניתן לשחזור חישובי, שמדגים באופן שיטתי כיצד ניתן לשלב רכיבים מקושרים אלה במסגרת ניהול ארגונית מקובטת ופיזיקלית של סייבר, המסוגלת לתמוך בניתוח תפעולי פרואקטיבי וקבלת החלטות.

אתגר מרכזי נוסף נובע מנוכחות אי-ודאות וסיכון תפעולי בסביבות ארגוניות. מערכות ייצור, שרשראות אספקה ורשתות אנרגיה חשופות מטבען להפרעות סטוכסטיות, כולל תנודות בביקוש, התדרדרות ציוד, הפסקות אספקה וגורמים אנושיים. ללא מנגנונים מפורשים למידול אי-ודאות וכימות סיכון, אסטרטגיות בקרה ארגוניות עלולות להיכשל בזיהוי אינדיקטורים מוקדמים לאי יציבות או הידרדרות תפעולית 27,28,29,30. שילוב מודלים הסתברותיים והערכת סיכונים במסגרת התאום הדיגיטלי ממלא תפקיד קריטי בניהול יזום של הארגון ובשיפור עמידות המערכת לטווח הארוך.

טכניקות בקרה חיזוי מספקות מנגנון קבלת החלטות טבעי למערכות תאומים דיגיטליות הפועלות תחת אי-ודאות. באמצעות ניצול תחזיות שנוצרות על ידי מודל התאום הדיגיטלי, אסטרטגיות בקרה חיזויות יכולות לחשב פעולות בקרה עתידיות שממקדמות ביצועים תפעוליים תוך שמירה על מגבלות המערכת. בהשוואה לאסטרטגיות בקרה מבוססות כללים או פרופורציונליות קונבנציונליות, גישות בקרה חיזוי הראו יכולת עליונה בניהול דינמיקות לא ליניאריות, איזון מטרות מרובות ושמירה על תפקוד יציב בסביבות סייבר-פיזיות מורכבות 31,32,33,34,35 . עם זאת, יישומים קיימים רבים מדגישים בעיקר את ביצועי אופטימיזציית הבקרה תוך מתן תשומת לב מוגבלת יחסית לאינטראקציה המשולבת בין שיקום מצבים, התפתחות אי-ודאות, הפצת סיכונים הסתברותיים וניטור ארגוני אדפטיבי. השימושיות המעשית של תאומים דיגיטליים ארגוניים תלויה לא רק בדיוק בבקרה חיזויית, אלא גם ביכולת לספח באופן רציף מידע תפעולי, להעריך אי-ודאות, לכמת מצבי סיכון מתפתחים ולעדכן החלטות בקרה בתוך זרימת עבודה חישובית שניתנת לשחזור. איור 1 מציג את זרימת העבודה האיטרטיבית, ומציג את ההחלפה הדו-כיוונית בין המערכת הפיזית, שכבת החישה של ה-IoT, מודל התאומים הדיגיטליים, מעריך מצבים, מנוע אופטימיזציה ומודולי הערכת ביצועים.

המטרה העיקרית של מחקר זה היא לפתח פרוטוקול שניתן לשחזור ליישום מסגרת מבוססת תאום דיגיטלי התומכת בניהול ארגוני פרואקטיבי באמצעות מידול דינמי משולב, הערכת מצבים, הפצת אי-ודאות ואופטימיזציה חזויית של החלטות. הפרוטוקול המוצע משלב מידול מערכות ארגוניות לא ליניאריות, שחזור מצב מונחה נתונים, הערכת סיכונים הסתברותיים ושליטה חזויה לתוך זרימת עבודה פיזית-סייבר-מאוחדת שמנטרת ומייצבת באופן רציף את פעילות הארגון. בניגוד למסגרות קונספטואליות או יישומיות קיימות רבות, המתודולוגיה המוצעת מדגימה במפורש את האינטראקציה הסדרתית בין קלטי חישה, הערכת מצב, הפצת אי-ודאות, כימות סיכונים, אופטימיזציה חזויה והערכת ביצועים בתוך פרוטוקול חישובי שקוף שניתן לשחזר ולהתאים באופן שיטתי לתרחישים ארגוניים שונים. על ידי שילוב רכיבים אלה בתוך ארכיטקטורת לולאה סגורה, התאום הדיגיטלי יכול לחזות את התפתחות התפעול ולהמליץ על פעולות בקרה שמפחיתות סיכונים, משפרות יעילות ומגבירות את יציבות המערכת.

המסגרת המוצגת בעבודה זו מעוצבת להיות ניתנת להתאמה למגוון רחב של הקשרים ארגוניים, כולל סביבות ייצור, רשתות שרשרת אספקה, תפעול לוגיסטי ומערכות ייצור עתירות אנרגיה. התוצאות המייצגות מראות שהמתודולוגיה המוצעת המונעת על ידי תאום דיגיטלי מייצרת מסלולים תפעוליים חלקים יותר, דיוק הערכה משופר, הפחתת הפצת אי-ודאות וסיכון תפעולי מצטבר נמוך יותר בהשוואה לאסטרטגיות ניהול תגובתיות קונבנציונליות בדוגמה החישובית המוגדרת שנבחנה במחקר זה. בנוסף להדגמת ביצועי אופטימיזציה חיזויים, זרימת העבודה המוצעת מספקת פרוטוקול שימושי להמחשת האופן שבו תאומים דיגיטליים ארגוניים יכולים לשלב חישה, הערכה, ניתוח אי-ודאות, הערכת סיכונים ואופטימיזציה של החלטות למסגרת חישובית מאוחדת המתאימה להערכת ארגונים מבוססת סימולציה ולהרחבה עתידית בעולם האמיתי. ממצאים אלו תומכים בהכרה הגוברת בכך שתאומים דיגיטליים משולבים באופן הדוק, טכניקות הערכה מתקדמות ואסטרטגיות אופטימיזציה חיזוי הם מרכיבים יסודיים לאפשר ניהול ארגוני עמיד, חכם ומבוסס נתונים בסביבות סייבר-פיזיות מודרניות 36,37,38,39.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. להגדיר ולאתחל את מערכת התאומים הדיגיטליים הארגוניים.

  1. הגדר משתני מערכת ארגונית.
    1. הגדר את וקטור מצב הארגון (Enterprise State Vector):
      x(t) = [x1,x 2,x 3]T
    2. לצורך שחזוריות, השתמש בדוגמה של ייצור–מלאי–אנרגיה שבה x1 = קצב ייצור (יחידות/שעה), x2 = רמת מלאי (יחידות), ו-x3 = צריכת אנרגיה (kWh).
    3. הגדר את וקטור קלט הבקרה:
      u(t) = [u 1,u 2]T
    4. הגדר u1 = התאמת ייצור ו-= בקרת הקצאת אנרגיה.
    5. הגדר הפרעות סטוכסטיות:
      figure-protocol-1
    6. הגדר את הזרע האקראי לפני ביצוע הסימולציה:
      MATLAB: rng(1)
      פייתון: numpy.random.seed(1)
  2. בנה את המודל הדינמי הארגוני.
    1. יישום דינמיקת ארגונים לא ליניארית:
      figure-protocol-2
    2. הגדר:
      figure-protocol-3
      figure-protocol-4
      figure-protocol-5
    3. הגדר תהליך הרעש:
      figure-protocol-6
    4. השתמש באינטגרציה נומרית של אוילר:
      figure-protocol-7
    5. הגדרת אופק סימולציה: T = 1,000 איטרציות.
      Δt = 0.1
    6. אחסן את כל הפרמטרים בקבצי קונפיגורציה:
      config.mat (MATLAB)
      config.json (פייתון)
  3. אתחול מצבי מערכת.
    1. אתחול:
      x(0) = [10,50,20]T
    2. אתחול הערכת תאומים דיגיטליים:
      figure-protocol-8
    3. אתחול קו-וריאנטיות:
      Σx(0) = 0.1I
    4. הקצה מראש מטריצות אחסון:
      X(T,3),Xhat(T,3),U(T,2),סיכון(T,1),קווריאנטיס(T,3)
  4. הגדר את סביבת התוכנה.
    1. מימוש MATLAB R2023a באמצעות Optimization Toolbox ו-Control System Toolbox.
    2. מימוש Python 3.11 באמצעות NumPy, SciPy, cvxpy, matplotlib ו-pandas.
    3. השתמש ב-quadprog (MATLAB) או OSQP solver ב-cvxpy (Python).

2. שילוב מדידות IoT סינתטיות בתוך התאום הדיגיטלי.

  1. יצר נתוני מדידה ארגוניים.
    1. הגדרת מודל מדידה:
      figure-protocol-9
    2. השתמש ב-h(x) = x.
    3. הגדר רעש מדידה:
      figure-protocol-10
    4. מדמה מדידות רעש בכל איטרציה.
    5. אחסן מדידות במטריצה Y(T,3).
  2. מדידות טרום-תהליך.
    1. החלו מסנן ממוצע נע: גודל חלון = 3 דגימות.
    2. הסר מדידות חריגות העולות על סף 3\סיגמא.
  3. הגדר את הצופה התאום הדיגיטלי.
    1. מימוש הצופים:
      figure-protocol-11
    2. הגדר רווח צופה:
      K = דיאג (0.5,0.5,0.5)
    3. עדכון מספרית של הצופה באמצעות אינטגרציה של אוילר.
  4. הרץ תהליך עבודה של הערכה חישובית.
    1. לכל איטרציה של סימולציה k:
      1. סימולציה של דינמיקה פיזית של ארגונים.
      2. יצר מדידות IoT רועשות.
      3. מרח סינון.
      4. עדכן את הערכת המשקיף.
      5. קו-וריאנטיות מפיצה.
      6. חשב מדדי סיכון.
      7. לפתור בעיית אופטימיזציה של MPC.
      8. הפעילו את פעולת הבקרה הראשונה.
      9. אחסן פלטים לצורך ויזואליזציה.
    2. שגיאת סינכרון חישוב:
      figure-protocol-12
    3. מסלול שגיאת סינכרון של אחסון.

3. הערכת אי-ודאות וסיכון תפעולי בארגון.

  1. להפיץ אי-ודאות.
    1. עדכון קו-וריאנס:
      figure-protocol-13
    2. השתמש ב-Q = 0.01I.
    3. חשב את מטריצת יעקוביאן נומרית.
    4. אחסן אלמנטים אלכסוניים של קו-וריאנס לצורך גרפטינג.
  2. חשב סיכון תפעולי.
    1. הגדר פונקציית סיכון:
      λ(t) = 0.01x2(t)
    2. חישוב הסתברות כישלון מצטברת:
      figure-protocol-14
    3. אינטגרציה נומרית באמצעות אינטגרציה טרפזית.
    4. מסלולי סיכון בחנות.

4. ליישם בקרה חיזוי של המודל.

  1. הגדר בעיית אופטימיזציה של MPC.
    1. הגדרת פונקציית עלות:
      figure-protocol-15
    2. הגדרה a = 1, β = 0.5, y = 2, δ = 0.1.
    3. הגדרת אופק חיזוי: .
    4. הגדר משתני אופטימיזציה:
      U = [u1(1), u2(1),..., u1(H),u2(H)]
  2. הגדר מגבלות תפעוליות.
    1. תגיש 0 < u1 <20 ו-0 <u2 <10.
    2. אכפו ו-0 < x2 <100 ו-0 < x3 <50.
  3. לפתור את בעיית ה-MPC.
    1. ליניאריזציה של דינמיקה מקומית בכל איטרציה.
    2. ניסח בעיית תכנות ריבועית.
    3. פתרון באמצעות:
    4. MATLAB quadprog:
      אלגוריתם = פנים-נקודה-קמור
      Python cvxpy:
      Solver = OSQP
    5. השתמש באיטרציות הפתרון המקסימליות: 1000.
    6. הפעילו רק את פעולת הבקרה האופטימלית הראשונה.
  4. בצע לולאת אופק נסוג.
    1. עדכן מצב ארגוני.
    2. אופק חיזוי ההחלפה.
    3. חישב מחדש אופטימיזציה.
    4. חזור על זה עד k=T.

5. לבצע אופטימיזציה מרובת מטרות.

  1. הגדר מטרות.
    1. הערכת עלות תפעולית, צריכת אנרגיה, רמת סיכון, סטיית מלאי.
    2. נרמול את כל המטרות לפני אופטימיזציה.
  2. בצע אופטימיזציה בסכום משוקלל.
    1. יצר 10 שילובי משקלים:
      figure-protocol-16
    2. פתור אופטימיזציה לכל שילוב משקלים.
    3. אחסנו פתרונות אופטימליים של פארטו.
    4. דרגו פתרונות על בסיס עלות כוללת והפחתת סיכונים.

6. אימות יציבות תאומים דיגיטליים.

  1. הגדר פונקציית ליאפונוב.
    1. השתמש ב-V(e) = eTPe.
    2. הגדרה P = I.
  2. אמת את ההתכנסות.
    1. חישוב |I(t)I|2.
    2. אימות |אני(t)I|→0.
    3. מדדי התכנסות חנויות.

7. יצירת איורים ותוצרים מתוקשרים.

  1. מסלולי חנויות.
    1. שמירת מסלולי מצבים, מצבים מוערכים, קלטי בקרה, התפתחות קו-וריאנס, עקומות סיכון, שגיאות סנכרון.
    2. יצר גרפים.
    3. השתמש ב-MATLAB plot() או ב-python matplotlib.pyplot.
    4. יצירת מסלולי ייצור, התפתחות מלאי, צריכת אנרגיה, הסתברות סיכון, התפתחות קוובריאנס, פעולות בקרה, גרפים חזיתיים פארטו.
    5. נתוני ייצוא: פורמט PNG, רזולוציית 600 dpi.
    6. שמרו נתונים: Figure_1.png, Figure_2.png, ..., Figure_N.png.
  2. ייצוא קבצים משלימים.
    1. העלה סקריפטים של MATLAB (.m), סקריפטים בפייתון (.py), קבצי קונפיגורציה, מערכי נתונים שנוצרו, סקריפטים ליצירת אישומים.
    2. כלול תיעוד README להוראות שכפול וספק את המימוש החישובי המלא, קבצי הקונפיגורציה, מערכי נתונים שנוצרים וסקריפטים ליצירת איור כקובץ משלים 1.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ביצוע הפרוטוקול המוצע מייצר סט של מדדי ביצועים מדידים הממחישים כיצד מסגרת התאום הדיגיטלי משפרת את יציבות התפעול הארגוני, דיוק החיזוי והפחתת סיכונים בהשוואה לאסטרטגיית בקרה תגובתית קונבנציונלית. כל התוצאות נוצרות באמצעות מערכת הייצור–מלאי–אנרגיה המוגדרת במפורש המתוארת בפרוטוקול, עם תנאי figure-results-1התחלה , אופק סימולציה T = 1000 איטרציות חישוביות, ושלב זמן Δt = 0.1. התוצאות המייצגות הבאות מדגימו...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

הפרוטוקול המוצג במחקר זה מדגים תהליך עבודה מובנה ליישום תאום דיגיטלי המסוגל לתמוך בניהול יזום בארגון באמצעות מידול משולב, הערכה, הערכת סיכונים ואופטימיזציה חזויה. היבט קריטי בפרוטוקול הוא ההגדרה המדויקת של מודל הארגון הדינמי ומשתני המצב בשלב האתחול. הייצוג של מצבי ארגונים, קלטי בקרה והפרעות קובע עד כמה התאום הדיגיטלי יכול לשחזר את התנהגות המערכת הפיזית ביעילות. זיהוי נכון של משתנים אלו חיוני כדי להבטיח שהתווך הדיגיטלי יתפוס את האינטראקציות בין תת-מערכות תפעוליות כגון ייצור, מלאי וניצול א...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

למחבר אין ניגודי עניינים להצהיר עליהם.

תודות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

עבודה זו נתמכה על ידי הקרן הלאומית למדעי הטבע של סין (מענק מס' 2345678).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
High-Performance WorkstationDell Technologies, Round Rock, TX, USADELL-PREC-T5820תחנת עבודה עם מספר ליבות המשמשת לביצוע סימולציות, אלגוריתמים להערכה, וחישובים של בקרה תחזיתית
Industrial IoT Sensors (אופציונלי להפעלה עתידית בעולם האמיתי)Siemens AG, מינכן, גרמניהSI-IOT-SEN-100חיישנים תעשייתיים המשמשים לאיסוף מדידות תפעוליות בזמן אמת כמו קצב ייצור, שימוש באנרגיה ותנאי סביבה
MATLAB R2024aMathWorks Inc., Natick, MA, USAML-R2024aסביבת חישוב מספרית המשמשת ליישם מודלים דינמיים של הארגון, להריץ סימולציות ולהעריך אסטרטגיות בקרה
MQTT IoT Gateway (אופציונלי להפעלה עתידית בעולם האמיתי)Eclipse FoundationMQTT-3.1.1שער פרוטוקול מסרים המשמש לקבלת ושידור זרמי נתונים חיישנים בזמן אמת בין מכשירים ומערכת התאום הדיגיטלית
NumPyמפתחי NumPyNP-1.26ספריית חישוב מדעי המספקת פעולות מערכים ושגרות אלגברה ליניארית לסימולציות מספריות
Optimization ToolboxMathWorks Inc., Natick, MA, USAOPT-TBX-2401ערכת כלים המשמשת לגיבוש ופתרון בעיות אופטימיזציה מוגבלות בבקרה תחזיתית
Pandasצוות פיתוח PandasPD-2.1ספריית ניתוח נתונים המשמשת לעיבוד מוקדם, ניהול וניתוח נתוני סדרות זמן של הארגון
Python 3.11קרן התוכנה של Python, Wilmington, DE, USAPY-311סביבת תכנות קוד פתוח המשמשת כפלטפורמה חלופית למידול מספרי ויישום תאום דיגיטלי
SciPyמפתחי SciPySP-1.11ספריית חישוב מדעי המשמשת לפתרון משוואות דיפרנציאליות, עיבוד אותות ושגרות אופטימיזציה
SimulinkMathWorks Inc., Natick, MA, USASL-10.8סביבת דיאגרמת בלוקים גרפית המשמשת לבניית מודלים של מערכות דינמיות והדמיה של תהליכי בקרה
Statistics and Machine Learning ToolboxMathWorks Inc., Natick, MA, USAST-ML-2401ערכת כלים המשמשת למודלים סטטיסטיים, תחזית אי-ודאות וניתוח סטטיסטי של מצבי מערכת

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

מאמרים קשורים