Los gemelos digitales de los sistemas automatizados de manipulación de materiales (AMHS) de las industrias de fabricación de semiconductores y pantallas pueden ofrecer incertidumbre y discrepancia en los parámetros. Esto da lugar a predicciones inexactas que, en última instancia, afectan al rendimiento. Para solucionar este problema, los investigadores de la Universidad Nacional de Pusan (Corea) han desarrollado un nuevo marco x de calibración bayesiana que tiene en cuenta simultáneamente la incertidumbre y la discrepancia de los parámetros, mejorando la precisión de las predicciones de los modelos de gemelos digitales. Este innovador marco x encierra un gran potencial para mejorar la aplicabilidad de los gemelos digitales en diversos sectores.
Los gemelos digitales de los AMHS se enfrentan a dos problemas principales: la incertidumbre de los parámetros y la discrepancia. La incertidumbre en los parámetros se debe a parámetros del mundo real difíciles de medir con precisión, pero esenciales para un modelado exacto, mientras que la discrepancia tiene su origen en la diferencia de lógica operativa entre el sistema del mundo real y el gemelo digital. La mayoría de los marcos x de calibración a nivel de rendimiento pasan por alto la discrepancia y se centran únicamente en la incertidumbre de los parámetros. Además, suelen requerir una gran cantidad de datos de campo.
Calibración bayesiana para mejorar los resultados
Para solucionar estos problemas, los investigadores aplicaron en su marco x la calibración bayesiana modular a varios escenarios operativos. La calibración bayesiana puede utilizar datos reales dispersos para estimar parámetros inciertos y, al mismo tiempo, tener en cuenta las discrepancias. Su funcionamiento se basa en la combinación de las observaciones de campo y los conocimientos previos disponibles con los resultados de la simulación de gemelos digitales mediante modelos probabilísticos, concretamente procesos gaussianos, para obtener una distribución posterior de los resultados calibrados de los gemelos digitales en varios escenarios operativos.
Los investigadores compararon el rendimiento de tres modelos: un modelo de campo que predice el comportamiento real directamente a partir de los datos observados; un modelo de referencia de gemelos digitales que solo utiliza parámetros calibrados; y un modelo de gemelos digitales calibrado que tiene en cuenta tanto la incertidumbre como la discrepancia de los parámetros.
Teniendo en cuenta que el marco x desarrollado es un enfoque práctico y reutilizable que puede emplearse para calibrar y optimizar con precisión gemelos digitales, este enfoque predijo con precisión las respuestas del sistema sobre el terreno para sistemas a gran escala con escasas observaciones sobre el terreno. Asimismo, respaldó la calibración rápida de futuros programas de producción en sistemas del mundo real. El sistema de calibración también es apto para modelos digitales propensos a las discrepancias que se comportan de forma diferente a sus homólogos del mundo real debido a la simplificación de la lógica o el código.
Los entornos de producción y manipulación de materiales de alta complejidad, en los que la optimización manual supone un reto, también pueden beneficiarse de este marco x de calibración, al tiempo que se permite el desarrollo de marcos x de gemelos digitales reutilizables y sostenibles que pueden aplicarse a diferentes industrias.