Научное сообщество планеты постоянно работает над расширением количества ключевых технологий, способствующих, прямо или косвенно, развитию цифрового инжиниринга. Из-за определённой ограниченности подачи материала в режиме научно-популярного обзора, в этой статье невозможно провести всесторонний обзор вспомогательных технологий, а поэтому здесь мы только кратко обсудим несколько кластеров ключевых и вспомогательных инноваций. Давайте начнём с кластера искусственного интеллекта и машинного обучения (AI&ML), который играет центральную и фундаментальную роль, как в робототехнике, так и в автоматизации промышленных процессов.
Кластер искусственного интеллекта и машинного обучения позволяет не только заложить основу для продолжения исследований автоматизации в цифровой инженерии, но и обеспечивает цифровое представление интересующей системы. А также позволяет создавать модели с помощью машинного обучения, обеспечивает интеллектуальное мышление, контроль, планирование для принятия решений при создании цифровых предприятий. Учитывая огромное влияние ИИ практически на все аспекты жизни общества, многие страны запустили национальную стратегию исследований и разработок в области искусственного интеллекта. Машинное обучение в сочетании с технологиями Бигдата позволят создавать модели систем с использованием большого количества информации, собранных в ходе жизненного цикла оцифрованной и подключённой системы.
Обучение с подкреплением позволит продолжать улучшать производительность системы в сложных составных производственных операциях. Пройдя путь от общего к предметно-ориентированному типу, ИИ теперь снова движется к искусственному общему интеллекту, который прокладывает путь для инноваций нового поколения интеллектуальных инженерных систем.
Кластер технологий онтологии и семантики.
Обеспечивает семантическое представление общих свойств моделей и их связей для совместного использования и интеграции моделей в рамках предприятий, дисциплин и этапов проектирования. Кроме этого позволяет провести цифровое представление концепций и процессов, связанных с предприятием. Онтология — это формальная, явная спецификация общей концептуализации. Онтологии и семантическая сеть являются смежными подполями искусственного интеллекта, которая сфокусирована на формализации семантики и обмене знаниями. Интенсивные исследования в области корпоративного моделирования и интеграции предприятий проводятся с 1990-х годов и могут быть использованы для поддержки обмена моделями между странами.
Кластер происхождения моделирования.
Позволяет представлять и поддерживать происхождение инженерных объектов/механизмов, в частности цифровых двойников. Эта технология позволяет отслеживать отношения зависимостей между цифровыми инженерными объектами, поддерживает воспроизводимость и репликацию производимых моделей, помогает в оценке достоверности цифровых инженерных решений. Информация о происхождении чрезвычайно важна для определения ценности и целостности ресурса. Разработчики давно предложили разные методики определения происхождения данных, для решения проблем «где, почему и как созданы» в сложном процессе обработки информации. Эти методики используются для решения проблемы, касающейся определения происхождения и достоверности знаний, посредством моделирования и поддержания источников информации, информационных зависимостей, а также структур доверия. Исследования происхождения в науке и научном документообороте привели к важной работе «Открытая модель происхождения» — эта работа получила дальнейшее развитие в наборах рекомендуемых стандартов «PROV ontology», которая может поддерживать моделирование происхождения инженерных разработок.
Кластер технологий управления доверием.
Этот раздел позволяет создать условный хаб хранения и обмена проверенной информацией с надлежащими механизмами доверия, позволяющий контролировать доступ к данным цифровой инженерии, хранящимся в нём. Предполагается, что все собранные данные в нём проходят проверку и испытание в реальных прототипах, что позволяет доверять оценке цифровых моделей и объектов. Для удовлетворения различных потребностей было разработано множество парадигм управления доступом, таких как основанный на модели Белла-ЛаПадулы (BLP) обязательный контроль доступа многоуровневой безопасности (MAC)для военных и правительственных организаций, ролевой AC (RBAC) для делового мира и более поздний атрибутный AC, позволяющий создавать более общие политики доступа на основе атрибутов с использованием стандартизированного языка политики XACML. Были предложены некоторые структуры для интеграции различных моделей и удовлетворения новых требований, связанных с балансированием «необходимости получать информацию» и «необходимости раскрывать информацию». Исследования по использованию ИИ для создания вычислительного доверия в распределённой среде, например, позволяют разрабатывать различные механизмы доверия, от централизованных со стандартами и сертификациями до распределённых, основанных на доказательствах, сертификациях атрибутов и других. Недавно появившаяся технология блокчейн позволяет проверять целостность данных в цифровой инженерии, что является важным механизмом обеспечения безопасности всей системы.
Высокопроизводительные вычисления.
Облачные вычисления и технологии BigData позволяют хранить, управлять, запрашивать, обрабатывать, анализировать и использовать огромное количество цифровых моделей и инженерных решений с масштабируемым, гибким, своевременным и повсеместным доступом. Это позволяет проводить крупномасштабные совместные исследования. и развитие через границы дисциплин и организаций. Наука и техника все больше и больше зависят от вычислительной мощности. Вычисления в экстремальных масштабах стали основной возможностью получения конкурентного преимущества. Цифровая инженерия будет зависеть от вычислительной инфраструктуры гораздо больше, чем традиционная. Облачные вычисления, вычислительные системы HPC и связанные с ними технологии обработки/анализа больших данных составляют вычислительную инфраструктуру для цифровой инженерии. В последние годы наметилась тенденция к объединению облачных технологий в научной среде для обеспечения высокодинамичной и индивидуальной вычислительной поддержки. Вычислительные инфраструктуры для цифровой инженерии должны использовать эти новые разработки в области вычислительных технологий.
