Los puntos clave no están disponibles para este artículo en este momento.
Las implementaciones de Gemelo Digital (DT) pueden contribuir a la manufactura inteligente al integrar el espacio físico y el ciberespacio. Las aplicaciones de Inteligencia Artificial (IA) basadas en Aprendizaje Automático (ML) son ampliamente aceptadas como tecnologías prometedoras en la manufactura. Sin embargo, los métodos de ML requieren grandes volúmenes de conjuntos de datos de entrenamiento de calidad y, en el caso del ML supervisado, generalmente se requiere entrada manual para etiquetar esos conjuntos de datos. Tal enfoque es costoso, propenso a errores y consume tiempo y mano de obra, especialmente en un entorno de producción altamente complejo y dinámico. Los modelos DT pueden ser utilizados para acelerar la fase de entrenamiento en ML creando conjuntos de datos de entrenamiento adecuados, así como mediante la etiquetación automática a través de la cadena de herramientas de simulación, aliviando así la involucración del usuario durante el entrenamiento. Estos conjuntos de datos sintéticos pueden ser mejorados y validados cruzadamente con información del mundo real, que no necesariamente tiene que ser extensa. Se presenta un marco para implementar el enfoque propuesto impulsado por DT para desarrollar modelos de ML. El marco propuesto se ha implementado en un caso de uso industrialmente relevante. El caso de uso ha proporcionado evidencia de que el concepto propuesto puede utilizarse para entrenar el reconocimiento basado en visión de la orientación de las piezas utilizando la simulación de modelos DT, que a su vez puede ser utilizado para controlar adaptativamente el proceso de producción.
Alexopoulos et al. (Wed,) estudiaron esta cuestión.