Abstract
Los gemelos digitales son plantas virtuales dotadas de una arquitectura y funcionalidades que les convierten en herramientas útiles para mejorar muchos aspectos de la operación de los procesos, desde el control a la optimización de los mismos. No obstante, para ser usados en tiempo real como herramientas eficaces de toma de decisiones, hay varios problemas abiertos que requieren investigación adicional, entre ellos los relativos a la actualización de los modelos en tiempo real y a la consideración explícita de las incertidumbres presentes en los modelos y los procesos. Este artículo discute su arquitectura y papel en el contexto de Industria 4.0, y recoge y analiza una experiencia concreta referida a la red de hidrogeno de una refinería de petróleo que ilustra las posibilidades de utilización industrial de los gemelos digitales, así como los problemas abiertos que presenta su implantaciónen la industria de procesos.
Funder
Ministerio de Ciencia e Innovación
Publisher
Universitat Politecnica de Valencia
Subject
General Computer Science,Control and Systems Engineering
Reference37 articles.
1. Allgöwer, F., Badgwell, T.A., Qin, J.S., Rawlings, J.B., Wright, S.J. 1999. Nonlinear Predictive Control and Moving Horizon Estimation "" An In-troductory Overview BT. In: Frank, P.M. (Ed.), Advances in Control. Springer London, London, pp. 391-449. DOI: 10.1007/978-1-4471-0853-5_19 https://doi.org/10.1007/978-1-4471-0853-5_19
2. Arora, N., Biegler, L.T., 2001. Redescending estimators for data reconcilia-tion and parameter estimation. Comput. Chem. Eng. 25, 1585-1599. https://doi.org/10.1016/S0098-1354(01)00721-9
3. Aveva, 2020. Enabling the Digital Twin through Unified Engineering [WWW Document]. Blog. URL: https://www.aveva.com/en/perspectives/blog/enabling-the-digital-twin-through-unified-engineering/ (accedido 2.7.22).
4. Bernardo, J. M., 2011. Modern Bayesian Inference: Foundations and Objec-tive Methods. In: Bandyopadhyay, P. S. et al. (Ed.) Handbook of the Phi-losophy of Science, Philosophy of Statistics, North-Holland, 7, pp 263-306. DOI: 10.1016/B978-0-444-51862-0.50008-3 https://doi.org/10.1016/B978-0-444-51862-0.50008-3
5. Birge, J. R., Louveaux, F., 2011. Introduction to stochastic Programming. Springer Verlag, Springer Series in Operations Research and Financial Engineering. https://doi.org/10.1007/978-1-4614-0237-4
Cited by
9 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献