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

• Material Type: 博士論文
• Title: 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
• Author/Editor: ゴーシュ アンクシュ クマール
• Author Heading: ゴーシュ アンクシュ クマール
• Publication Date: 2022-03
• Publication Date (W3CDTF): 2022-03
• Alternative Title: Developing a System for Constructing Digital Twins of Machining Phenomena Based on Semantic Annotation and Time-Delayed Sensor Signals
• Degree grantor/type: 北見工業大学
• Date Granted: 2022-03-18
• Date Granted (W3CDTF): 2022-03-18
• Dissertation Number: 甲第198号
• Degree Type: 博士（工学）
• Conferring No. (Dissertation): 甲第198号
• Text Language Code: jpn
• Alias of Author: ゴーシュ アンクシュ クマール
• Target Audience: 一般
• Note (General): Manufacturing has rapidly been transforming under the umbrella of thefourth industrial revolution, known as Industry 4.0 or smart manufacturing,which diligently utilizes information and communication technology. Insmart manufacturing, cyber-physical systems host Internet-of-Things (IoT)-based networks and digital twins. The networks integrate manufacturing enablerssuch as computer numerical control machine tools, robots, numerousprocess and resource planning systems, and human resources. Digital twinsare computable virtual abstractions of real-world entities exhibiting real-timeresponsive capacities. The twins work as the brains of the enablers; that is,the twins supply the required knowledge and help enablers solve problemsautonomously, responding to various sensor signals in real-time.Remarkably, three types of digital twins (object, process, and phenomenontwins) must populate the cyber-physical systems. Compared to other twins,phenomena twins have not yet been researched elaborately. This thesis fillsthis gap. The issues underlying semantic annotation and time latency (ordelay) are significant for a phenomenon twin. Time latency or delay occurswhen sensor signals are exchanged through the abovementioned embeddedsystems. As a result, the signal at its origin (e.g., machine tools) and signalreceived at the receiver end (e.g., digital twin) differ. Moreover, manydatasets of heterogeneous sensor signals are exchanged through IoT-basednetworks. Hence, acquiring the right signals for a twin is difficult and timeconsuming.Semantic annotation-based representation of sensor signals cansolve this problem. Thus, a phenomenon twin must machine-learn the requiredknowledge to emulate the phenomenon from the relevant historicalsensor signal datasets, seamlessly interact with the real-time sensor signals,handle the semantically annotated datasets stored in clouds, and accommodatethe transmission delay or latency.Accordingly, this thesis presents two systems denoted as Digital TwinConstruction System (DTCS) and Digital Twin Adaptation System (DTAS).The first system constructs a phenomenon twin, and the other adapts theconstructed twin into a cyber-physical system. Both systems are developedusing a JavaTM-based platform. The modular architectures of the systemsare presented in detail. In addition, real-life machining torque signals areused 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 thesemantically annotated datasets and helps users select the right ones. It ensuresfast and effective data mining using a human-machine-comprehensiblesemantic annotation mechanism (concept map and Extensible Markup Language(XML) driven). The Modeling Module can extract the required knowledgeto emulate a phenomenon from the information supplied by the InputModule. This module uses a Markov chain-based machine learning methodand accommodates data transmission delay-related arrangements. The SimulationModule can operate on the knowledge extracted by the ModelingModule and simulate the signals of the phenomenon using a discrete eventbasedstochastic simulation method. The Validation Module can validate thesimulated signals of the phenomenon against the real signals using quantitativemeasures (e.g., fuzzy numbers). Finally, the Output Module transfersthe selected Modules of DTCS to DTAS. DTAS, in turn, can adapt the constructedphenomenon twin into the cyber-physical system for monitoring andtroubleshooting.The thesis is organized as follows. Chapter 1 presents the introductionof this study. Chapter 2 provides a literature review on the role of cyberphysicalsystems and digital twins in smart manufacturing or Industry 4.0.Chapter 3 describes a semantic annotation-based representation mechanismof data and knowledge. Chapter 4 describes the role of the delay domain inmitigating the effect of time delay or latency of signal transmission. Chapter5 presents the proposed DTCS and DTAS. Chapter 6 demonstrates theefficacy of DTCS and DTAS using a real-life case of intelligent monitoringof machining (milling). Chapter 7 discusses the implications of this studyand highlights future research directions. Finally, Chapter 8 provides theconcluding remarks of this thesis.Since the digital twins of the machining phenomena are needed to makethe machine tools and other programmable devices more intelligent and autonomous,the presented DTCS and DTAS contribute to the befitting advancementof Industry 4.0 or smart manufacturing.; 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。
• DOI: 10.19000/0002000198; https://doi.org/10.19000/0002000198
• Persistent ID (NDL): info:ndljp/pid/12263419; https://dl.ndl.go.jp/pid/12263419
• Collection: 障害者向け資料
• Collection (Materials For Handicapped People:1): テキストデータ
• Collection (particular): 国立国会図書館デジタルコレクション > デジタル化資料 > 博士論文; https://dl.ndl.go.jp/collections/A00014
• Acquisition Basis: 博士論文（自動収集）
• Date Accepted (W3CDTF): 2022-05-09T11:57:37+09:00
• Format (IMT): application/pdf
• Access Restrictions: 国立国会図書館内限定公開
• Service for the Digitized Contents Transmission Service: 図書館・個人送信対象外
• Availability of remote photoduplication service: 可
• Periodical Title (URI): https://doi.org/10.19000/0002000198; https://kitami-it.repo.nii.ac.jp/records/2000198
• Data Provider (Database): 国立国会図書館 : 国立国会図書館デジタルコレクション; https://dl.ndl.go.jp

Table of Contents

2023-09-08 再収集

2024-01-29 再収集