तकनीकी सारांश: भविष्य कहनेवाला निर्णय लेने के लिए अनुकूली डिजिटल ट्विन्स (Adaptive Digital Twins)

समस्या विवरण

आधुनिक इंजीनियरिंग प्रणालियाँ, विशेष रूप से नागरिक बुनियादी ढांचे (civil infrastructure) में, संरचनात्मक अखंडता की निगरानी करने और अनिश्चितता के तहत संचालन प्रबंधित करने में महत्वपूर्ण चुनौतियों का सामना करती हैं। ये प्रणालियाँ भौतिक क्षरण, चक्रीय लोडिंग और चरम घटनाओं के अधीन होती हैं, जो अक्सर जलवायु परिवर्तन के कारण और भी बढ़ जाती हैं। पारंपरिक निगरानी दृष्टिकोण अक्सर स्थिर मॉडलों या ऑफलाइन-प्रशिक्षित भविष्यवाणियों पर निर्भर करते हैं जो विकसित होती संरचनात्मक स्थितियों की गतिशील और अनिश्चित प्रकृति को समझने में विफल रहते हैं। फलस्वरूप, ऐसे डिजिटल ट्विन्स (DTs) जो इन गतिकी (dynamics) की अनदेखी करते हैं, वे कम वैयक्तिकरण, निम्न सटीकता और निर्णय लेने में घटते मूल्य से ग्रस्त होते हैं।

जबकि मौजूदा DT ढांचे भौतिक संपत्तियों को आभासी निरूपणों से जोड़ने के लिए संभाव्य ग्राफिकल मॉडल (PGMs) और डायनेमिक बेयसियन नेटवर्क (DBNs) का उपयोग करते हैं, वे अक्सर स्थिर संक्रमण गतिकी (stationary transition dynamics) को मान लेते हैं। यह धारणा बताती है कि एक प्रणाली के एक अवस्था से दूसरी अवस्था में जाने की संभावना पूर्व-निर्धारित और ज्ञात होती है। हालांकि, वास्तव में, संक्रमण गतिकी गैर-स्थिर (non-stationary) हो सकती है और विकसित होती पर्यावरणीय स्थितियों या अलिखित कारकों पर निर्भर हो सकती है। निश्चित संक्रमण मॉडलों पर आधारित पूर्व-परिकलित इष्टतम नीतियों (optimal policies) पर भरोसा करने से उप-इष्टतम निर्णय लिए जा सकते हैं या यदि प्रारंभिक धारणाएं वास्तविक स्थिति (ground truth) से भिन्न हों, तो सिस्टम विफल भी हो सकता है। संबोधित किया गया मुख्य मुद्दा यह है कि संक्रमण मॉडलों में अनुकूलनशीलता (adaptivity) को शामिल करके डिजिटल ट्विन्स के मूल्य प्राप्ति को कैसे बढ़ाया जाए, जिससे सिस्टम वास्तविक समय में गतिकी को सीखने और अपडेट करने में सक्षम हो सके।

कार्यप्रणाली (Methodology)

प्रस्तावित ढांचा एक डायनेमिक बेयसियन नेटवर्क (DBN) आर्किटेक्चर के भीतर ऑनलाइन बेयसियन लर्निंग (Online Bayesian Learning) को पैरामीट्रिक मार्कोव निर्णय प्रक्रियाओं (Parametric MDPs) के साथ एकीकृत करता है।

1. संभाव्य ग्राफिकल मॉडल (PGM) ढांचा

भौतिक संपत्ति और उसके डिजिटल ट्विन के बीच की अंतःक्रिया को निर्णय नोड्स के साथ एक DBN का उपयोग करके मॉडल किया गया है। सिस्टम को इस प्रकार परिभाषित किया गया है:

• भौतिक अवस्था ($S_t$): संरचनात्मक स्वास्थ्य का छिपा हुआ वास्तविक सत्य (hidden ground truth)।
• डिजिटल अवस्था ($D_t$): एक श्रेणीबद्ध यादृच्छिक चर (categorical random variable) जो अनुमानित स्वास्थ्य स्थिति (क्षति का स्थान और परिमाण) का प्रतिनिधित्व करता है।
• अवलोकन ($O_t$): सेंसर डेटा (जैसे कंपन रिकॉर्डिंग) जिसे $D_t$ में विश्वास को अपडेट करने के लिए डीप लर्निंग (DL) मॉडलों के माध्यम से आत्मसात (assimilated) किया जाता है।
• क्रियाएं ($U_t$): नियंत्रण निर्णय (जैसे रखरखाव, यातायात प्रतिबंध) जो डिजिटल अवस्था के संक्रमण को प्रभावित करते हैं।
• पुरस्कार ($R_t$): एक फलन (function) जो संपत्ति के स्वास्थ्य स्तर और क्रिया लागत के आधार पर संपत्ति-ट्विन सिस्टम की उपयोगिता को मापता है।

सूचना प्रवाह द्वि-दिशीय है: डेटा आत्मसातीकरण (अनुमान/inference) के माध्यम से भौतिक-से-डिजिटल और नियंत्रण क्रियाओं (योजना/planning) के माध्यम से डिजिटल-से-भौतिक।

2. संक्रमण गतिकी का ऑनलाइन लर्निंग

मुख्य नवाचार संक्रमण संभावनाओं (transition probabilities) को निश्चित मापदंडों के रूप में नहीं, बल्कि यादृच्छिक चरों (random variables) के रूप में मानने में निहित है, जिन्हें कंजुगेट प्रायर डिस्ट्रीबशंस (conjugate prior distributions) प्रदान किए गए हैं।

• पैरामीट्रिकरण (Parametrization): संक्रमण मॉडल को डिरिचलेट-मल्टीनोमियल (Dirichlet-Multinomial) वितरण (या विशिष्ट मामलों के लिए बीटा-बर्नौली) का उपयोग करके पैरामीटराइज किया गया है। एक दी गई क्रिया $u$ के लिए, संक्रमण संभावनाओं को $\theta_{d,u} \sim \text{Dirichlet}(\alpha_{d,u})$ के रूप में मॉडल किया गया है।
• बेयसियन अपडेट्स: जैसे-जैसे नए अवलोकन संबंधी डेटा और अवस्था संक्रमण देखे जाते हैं, डिरिचलेट प्रायर के हाइपरपैरामीटर ($\alpha$) को क्लोज्ड फॉर्म में अपडेट किया जाता है। यह डिजिटल ट्विन को संक्रमण गतिकी को ऑनलाइन "सीखने" की अनुमति देता है, जिससे बिना किसी मूल मॉडल के पूर्ण पुनर्र्व huấn (retraining) के, गैर-स्थिर प्रक्रियाओं के अनुकूल हुआ जा सकता है।
• अवस्था-स्वतंत्रता (State-Independence): बड़े स्टेट स्पेस के लिए गणनात्मक सुगमता सुनिश्चित करने के लिए, पेपर एक अवस्था-स्वतंत्र संक्रमण मॉडल का उपयोग करता है जहाँ संक्रमण संभावनाएँ विशिष्ट प्रारंभिक अवस्था के बजाय क्रिया और स्टेप साइज (जैसे, 0, 1, या 2 चरणों का क्षरण) पर निर्भर करती हैं, हालांकि ढांचा अवस्था-निर्भर स्वरूपों का समर्थन करता है।

3. सुदृढीकरण लर्निंग (Reinforcement Learning) के माध्यम से गतिशील नियंत्रण नीतियां

एक एकल स्थिर नीति को ऑफलाइन गणना करने के बजाय, यह ढांचा एक परिमित-क्षित (finite-horizon) MDP को हल करने के लिए मॉडल-आधारित सुदृढीकरण लर्निंग (MBRL) का उपयोग करता है।

• नीति पुनर्गणना (Policy Recomputation): प्रत्येक समय चरण पर, वर्तमान (अपडेटेड) संक्रमण मॉडल के आधार पर इष्टतम नियंत्रण नीति $\pi^*_t$ की पुनर्गणना की जाती है।
• उद्देश्य: नीति संरचना के शेष जीवनकाल में अपेक्षित संचयी पुरस्कार (expected cumulative reward) को अधिकतम करती है, जो संरचनात्मक सुरक्षा (स्वास्थ्य पुरस्कार) और परिचालन लागत (क्रिया पुरस्कार) के बीच संतुलन बनाती है।
• एल्गोरिदम: समाधान बेलमैन इष्टतमता समीकरणों (Bellman optimality equations) को हल करने के लिए वैल्यू इटरेशन (बैकवर्ड इंडक्शन) का उपयोग करता है, जिससे एक समय-निर्भर इष्टतम नीति प्राप्त होती है जो शेष योजना क्षितिज (planning horizon) को ध्यान में रखती है।

मुख्य योगदान

1. अनुकूली संक्रमण मॉडलिंग: पेपर संक्रमण संभावनाओं को यादृच्छिक चरों और कंजुगेट प्रायर्स के रूप में मानने की एक विधि पेश करता है, जिससे सहज बेयसियन अपडेट के माध्यम से संक्रमण गतिकी के पदानुक्रमित ऑनलाइन लर्निंग को सक्षम बनाया जाता है। यह वर्तमान DT साहित्य में सामान्य स्थायित्व (stationarity) धारणा को शिथिल करता है।
2. गतिशील नीति अनुकूलन: लेखक एक पैरामीट्रिक MDP को तैयार करते हैं जहाँ नियंत्रण नीतियों को MBRL का उपयोग करके गतिशील रूप से अपडेट किया जाता है। यह पूर्व-परिकलित नीतियों से आगे बढ़ता है जो निश्चित गतिकी पर आधारित होती हैं, जिससे DT को सिस्टम के व्यवहार के बारे में अधिक सीखते हुए अपनी निर्णय लेने की रणनीति को अनुकूलित करने की अनुमति मिलती है।
3. गणितीय सामान्यीकरण: यह कार्य पिछले ढांचों (जैसे, [74]) को संभाव्यता वितरण के एक व्यापक वर्ग (विशेष रूप से डिरिचलेट-मल्टीनोमियल) तक विस्तारित करता है, जिससे यह दृष्टिकोण जटिल स्टेट स्पेस वाले वास्तविक जीवन के बड़े पैमाने के सिस्टम के लिए लागू होने योग्य बन जाता है।
4. एकीकृत ढांचा: पेपर एक पूर्ण कम्प्यूटेशनल पाइपलाइन प्रदान करता है, जिसमें अवस्था अनुमान के लिए DL मॉडल्स का ऑफलाइन प्रशिक्षण से लेकर संक्रमण मॉडलों के ऑनलाइन बेयसियन अपडेट और गतिशील नीति पुनर्गणना तक शामिल है।

परिणाम

कार्यप्रणाली का मूल्यांकन स्वीडन में एक 15.7 मीटर लंबे कंक्रीट ब्रिज, होरनेफोर्स रेलवे ब्रिज (Hörnefors railway bridge) के केस स्टडी के माध्यम से किया गया। अध्ययन ने विभिन्न नियंत्रण क्रियाओं के साथ 60-टाइम-स्टेप जीवनकाल का अनुकरण किया: कुछ न करना (Do Nothing - DN), परिचालन प्रतिबंधित करना (Restrict Operations - RO), मामूली मरम्मत (Minor Repair - MR), और पूर्ण मरम्मत (Perfect Repair - PR)।

• प्रदर्शन सुधार: 100 सिमुलेशन के एक क्लस्टर में, एडेप्टिव DT (प्रिसिजन अपडेट के साथ MBRL का उपयोग करते हुए) ने एक निश्चित संक्रमण मॉडल और मानक डायनेमिक प्रोग्रामिंग (DP) का उपयोग करने वाले नॉन-एडेप्टिव DT की तुलना में 17% अधिक संचयी पुरस्कार प्राप्त किया।
• मजबूती (Robustness): एडेप्टिव फ्रेमवर्क ने सभी सिमुलेशन में शून्य विफलता (संरचनात्मक पतन जिसे क्षति $\ge$ 80% के रूप में परिभाषित किया गया है) प्रदर्शित की। इसके विपरीत, नॉन-एडेप्टिव नीतियां विफलता के प्रति संवेदनशील थीं जब प्रारंभिक प्रायर ट्रांजिशन मॉडल ग्राउंड ट्रुथ के साथ ठीक से संरेखित नहीं था।
• ट्रैकिंग सटीकता: एडेप्टिव DT ने ग्राउंड ट्रुथ फिजिकल स्टेट के सापेक्ष 93.6% की औसत ट्रैकिंग सटीकता (4% मानक विचलन के साथ) प्राप्त की, जो नॉन-एडेप्टिव समकक्ष (93.15%) के समान है, यह पुष्टि करता है कि अनुकूलनता अवस्था अनुमान सटीकता से समझौता किए बिना निर्णय लेने में सुधार करती है।
• अभिसरण (Convergence): संक्रमण संभावनाओं के पोस्टीरियर वितरण अज्ञात ग्राउंड-ट्रुथ गतिकी की ओर अभिसरित हुए, जिससे समय के साथ अनिश्चितता काफी कम हो गई। सिस्टम ने सफलतापूर्वक स्वयं को सुधारा जब प्रारंभिक प्रायर गलत थे।

महत्व और दावे

पेपर दावा करता है कि सिविल इंजीनियरिंग में डिजिटल ट्विन्स के प्रभावी कार्यान्वयन के लिए अनुकूलनशीलता (adaptivity) आवश्यक है। संक्रमण गतिकी को ऑनलाइन सीखने में सक्षम बनाकर, यह ढांचा यह सुनिश्चित करता है कि आभासी निरूपण भौतिक संपत्ति के साथ सिंक्रनाइज़ रहे, भले ही स्थितियां बदल रही हों।

लेखक कहते हैं कि यह दृष्टिकोण बेहतर वैयक्तिकरण, बढ़ी हुई मजबूती और बेहतर लागत-प्रभावशीलता प्रदान करता है। विशेष रूप से, रिफाइंड ट्रांजिशन गतिकी के आधार पर नियंत्रण नीतियों को अपडेट करने की क्षमता अधिक सूचित योजना बनाने की अनुमति देती है, जिससे संरचनात्मक विफलता को रोका जा सकता है और रखरखाव कार्यक्रमों को अनुकूलित किया जा सकता है। यह कार्य स्वायत्त DTs की दिशा में एक कदम है जो गैर-स्थिर वातावरण को संभाल सकते हैं, जो सरल स्वचालन से आगे बढ़कर उन प्रणालियों की ओर ले जाता है जो समय के साथ बदलती स्थितियों के प्रति प्रभावी ढंग से प्रतिक्रिया करने में सक्षम हैं। लेखक नोट करते हैं कि जबकि वर्तमान अध्ययन दीर्घकालिक क्षरण पर केंद्रित है, भविष्य के कार्य चरम घटनाओं और आंशिक दृश्यता (partial observability) को संबोधित करेंगे, जिससे इस एडेप्टिव फ्रेमवर्क की प्रयोज्यता और अधिक विस्तृत होगी।