Digital-Twin-Simulation — Hybride virtuelle Replik
Die Digital Twin Simulation, erstmals um 2002 von Michael Grieves an der University of Michigan konzipiert und formell in seinem Whitepaper von 2014 beschrieben, erstellt eine kontinuierlich aktualisierte virtuelle Kopie eines physischen Systems, indem Echtzeit-Sensordaten mit einem mechanistischen (physikbasierten) Modell und maschinellen Lernkomponenten verschmolzen werden. Der Zwilling spiegelt den aktuellen Zustand des physischen Assets wider und projiziert dessen zukünftiges Verhalten, was Fehlererkennung, vorausschauende Wartung und operative Optimierung ermöglicht, ohne das reale System zu stören.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Grieves, M. (2014). Digital Twin: Manufacturing Excellence through Virtual Factory Replication. White Paper, University of Michigan. link ↗
- Tao, F., Cheng, J., Qi, Q., Zhang, M., Zhang, H. & Sui, F. (2018). Digital Twin-Driven Product Design, Manufacturing and Service with Big Data. The International Journal of Advanced Manufacturing Technology, 94, 3563-3576. DOI: 10.1007/s00170-017-0233-1 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Digital Twin Simulation (Hybrid Physics-ML Virtual Replica). ScholarGate. https://scholargate.app/de/simulation/digital-twin-simulation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Kalman FilterBayes-Statistik↔ compare
- Monte-Carlo-SimulationEntscheidungsfindung↔ compare
- Zustandsraummodell (Kalman-Filter)Ökonometrie↔ compare
- System DynamicsSimulation↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →