XiaoMi-AI文件搜索系统
World File Search SystemTwin
通过移动机器人技术，AI和
Starkov一直是基于BIM的数字双胞胎开发的先驱，与领先的设施所有者和建筑商合作，确保新建筑提供了适当质量的BIM，并将BIM与其他设施信息系统集成在一起以创建数字双胞胎。因此，斯塔尔科夫在成功部署数字双胞胎的方式上实现了两个重大障碍：现有设施的BIM可用性以及与现有人类驱动的工作流部署数字双胞胎的能力。
传感，连通性和数字双胞胎
管理，监控和转型20分钟：Ankita Raturi（Purdue） - 参与开放式AG Tech 20分钟：Rob Trice（Better Food Ventures，Virtual） - Agrfoodtech 20分钟20分钟的新创新方法：Jim Krogmeier（Purdue） - 开放式生态系统的计划
综合电子健康系统对...
加快了双胞胎过渡的速度，但同时可能会在短期内损害相同的过渡。在TNO中，我们的愿景是“我们的经济需要促进创新和竞争力，同时拥抱包括循环实践在内的可持续性。” 2在最近的Horizon Europe项目中，我们在使用流行的AI工具开发数字循环顾问时遇到了这一矛盾。在本文中，我们反思了我们如何应对这些发展的经验，并提供有关如何导航这种交易的初步考虑和建议。随着新工具和用例以创纪录的节奏发展，尚无明确的答案。为了支持欧洲中小企业保持创新，竞争和可持续性，我们目前正在努力为基于价值的权衡做出指导，该折衷可能有助于未来的研究人员，企业和公民考虑使用正确的流行AI工具为正确的用例使用。
AI驱动的城市运输数字双胞胎
我们介绍了有关数字双胞胎（DT）在城市交通管理的方法和应用的调查文件。虽然大多数关于DT的研究都集中在其“眼睛”上，即诸如对象检测和跟踪之类的新兴感知和感知，但真正区分DT与传统模拟器的真正区别在于其“大脑”，这是其“大脑”，预测和决策能力，可以从发现和概括的事物中提取模式并做出知识的决策。为了在城市运输管理中增加价值，DT需要由人工智能提供动力，并以低延迟的高宽带感应和网络技术补充。我们将首先审查利用网络物理系统的DT管道，并提出我们在纽约市现实世界中部署的DT架构。本调查文件可以是帮助研究人员和从业人员确定DTS开发的挑战和机会的指针；跨学科进行对话的桥梁；以及为各种城市运输应用程序利用DTS的潜力的路线图。
虚拟双胞胎如何赋予城市领导者能力
各地的城市正在经历深刻的转变。随着城市人口的增长，基础设施，住房和服务的压力也加剧了。使问题的复杂化是气候变化，它引入了新的挑战，例如洪水，海平面上升和极端天气事件。今天，有58％的城市已经很容易受到自然灾害的影响。到2050年，超过10亿人可能会成为环境危机流离失所的气候难民。建造气候富裕的建筑气候富裕城市：虚拟双胞胎城市如何：虚拟双胞胎如何赋予城市领导者能够增强城市领导人的能力
通过动态精度管理将精益数据和数字清醒融入数字孪生
第四次工业革命的到来带来了新技术的出现，每一项技术都具有颠覆性和创新性，例如数字孪生 (DT)，它通常被认为是智能工厂的支柱。DT 的概念最初是在 2003 年 Michael Grieves 在产品生命周期管理 (PLM) [1] 高管培训中提出的。尽管文献中有 50 多个不同的定义 (Julien & Martin, 2021)，但新 ISO 标准 23247 [2] 提供的定义似乎是最全面、最准确的制造应用定义，“可观察制造元素的适合用途的数字表示，并具有使元素与其数字表示以适当的同步速率收敛的方法”。数字孪生在某种意义上被认为是工业 4.0 的先锋，因为它在实施的工具、技术和技能方面是横向的（人工智能、物联网、数据，以及电子工程师、自动化工程师、数据科学家、心理工效学家等），而且在处理的问题方面也是横向的（维护、控制、产品质量管理、供应链管理、预测和故障检测等）。在本文中，我们重点介绍这项技术及其方法。
超越数字孪生：人机交互中神经人体工程学的物理孪生
数字孪生 (DT) 是最新的使能技术之一，它作为数据密集型网络计算解决方案出现在多个领域——从工业 4.0 到互联健康（Pires 等人，2019 年；Bagaria 等人，2020 年；Juarez 等人，2021 年；Phanden 等人，2021 年）。DT 作为一个虚拟系统，用于复制、监控、预测和改进物理系统（物理孪生 (PT)）的流程和特性，与其 DT 实时连接（Grieves 和 Vickers，2017 年；Kaur 等人，2020 年；Mourtzis 等人，2021 年；Volkov 等人，2021 年）。这种技术基于物联网 (IoT) 和机器学习 (Kaur et al., 2020) 等领域的进步，提出了应对人机交互 (HRI) (Pairet et al., 2019) 领域等复杂系统问题的新方法。本立场文件旨在提出一种物理-数字孪生方法，以根据神经人体工程学的跨学科视角 (Parasuraman, 2003; Frederic et al., 2020) 改善对 HRI 背景下 PT 的理解和管理。
用于监控能源供应链运营的数字孪生技术的进步
摘要- 数字孪生技术的进步显著增强了能源供应链运营的监控和优化。数字孪生是物理资产、系统或流程的虚拟复制品，可以进行实时监控、模拟和分析，以提高运营效率。在能源领域，数字孪生的实施提供了一个强大的工具来模拟整个供应链，从能源生产到分配和消费，从而实现更好的决策、预测性维护和资源优化。本文探讨了数字孪生技术在能源领域的作用，重点介绍了其在监控能源供应链运营中的应用。通过利用来自传感器、物联网设备和高级分析的实时数据，数字孪生使能源公司能够创建其基础设施和流程的精确模型。这些模型可以持续监控关键系统，例如发电厂、输电线路和配电网络，在潜在问题变得严重之前识别它们，减少停机时间并优化资产管理。数字孪生技术与物联网和人工智能等其他技术的集成进一步增强了其功能。物联网传感器提供有关设备性能、能耗和环境条件的实时数据，数字孪生使用这些数据来模拟和预测未来场景。然后，AI 算法可以分析这些场景，以优化运营、减少低效率并增强资源配置。此外，数字孪生促进了能源供应链中不同利益相关者之间的协作，为监控和决策提供了一个共同的平台。本文还讨论了
下一代蜂窝网络的数字双胞胎
数字双胞胎是行业4.0的流行概念[1]。他们在制造系统中建模实际过程，对于例如预测性维护和连续优化特别有用。最近，它们开始用于网络[2]。的确，现代网络体系结构利用软件定义的网络（SDN）范式[3]，其中一组控制器协调网络。数字双胞胎似乎是使网络自适应的正确工具，例如，通过选择不同流量的最佳路径来平衡负载[4]。