要約
産業用サイバーフィジカル システム (ICPS) は、現代の製造業と産業に不可欠なコンポーネントです。
ICPS のデジタル ツイン (DT) は、製品ライフ サイクル全体にわたってデータをデジタル化することで、現在の産業インフラからインテリジェントで適応性のあるインフラへの移行を可能にします。
データ処理機能のおかげで、生成人工知能 (GenAI) は DT の構築と更新を推進して、予測精度を向上させ、多様なスマート製造に備えることができます。
ただし、産業用モノのインターネット (IIoT) デバイスを活用して DT 建設用のセンシング データを共有するメカニズムは、逆選択の問題の影響を受けやすいです。
この論文では、まず ICPS で GenAI 駆動の DT アーキテクチャを開発します。
情報の非対称性によって引き起こされる逆選択問題に対処するために、私たちは契約理論モデルを提案し、最適な実現可能な契約を特定するための持続可能な拡散ベースのソフトアクター批判アルゴリズムを開発します。
具体的には、動的に構造化された枝刈り技術を活用してアクター ネットワークのパラメータ数を削減し、提案されたアルゴリズムの持続可能性と効率的な実装を可能にします。
数値結果は、提案されたスキームとアルゴリズムの有効性を実証し、ICPS を監視および管理するための効率的な DT 構築と更新を可能にします。
要約(オリジナル)
Industrial Cyber-Physical Systems (ICPSs) are an integral component of modern manufacturing and industries. By digitizing data throughout product life cycles, Digital Twins (DTs) in ICPSs enable a shift from current industrial infrastructures to intelligent and adaptive infrastructures. Thanks to data process capability, Generative Artificial Intelligence (GenAI) can drive the construction and update of DTs to improve predictive accuracy and prepare for diverse smart manufacturing. However, mechanisms that leverage Industrial Internet of Things (IIoT) devices to share sensing data for DT construction are susceptible to adverse selection problems. In this paper, we first develop a GenAI-driven DT architecture in ICPSs. To address the adverse selection problem caused by information asymmetry, we propose a contract theory model and develop a sustainable diffusion-based soft actor-critic algorithm to identify the optimal feasible contract. Specifically, we leverage dynamic structured pruning techniques to reduce parameter numbers of actor networks, allowing sustainability and efficient implementation of the proposed algorithm. Numerical results demonstrate the effectiveness of the proposed scheme and the algorithm, enabling efficient DT construction and updates to monitor and manage ICPSs.
arxiv情報
著者 | Jinbo Wen,Jiawen Kang,Dusit Niyato,Yang Zhang,Shiwen Mao |
発行日 | 2024-12-27 14:46:55+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google