デジタルツインのマルチフィジックス

それだけでは足りない。どんなに詳しいモデルでも、損失や冷却の条件、材料の値には誤差があり、実機と同時に動かしているうちに答えがずれていく。一方、センサーは正確だが、測れる場所が限られる。モーターなら、外側のケースの温度は測れても、絶縁が傷む巻線の中の温度は測りにくい。デジタルツインの核心は、モデルが予測した値とセンサーの値の差を使って、モデルの状態を毎回補正することにある。こうすると、測れない場所の温度もモデルを通じて推定できる。マルチフィジックスの観点では、損失（電気）、温度（熱）、寿命（材料）を同時に追うために、計算が速い小さなモデルと、補正の仕組み（カルマンフィルターなど）を組み合わせる。

誤差の形をモデルが正しく表していないからだ。実際の誤差は「損失が2割多い」という掛け算の形なので、300 Wのときは60 W、1,500 Wのときは300 W足りない。ところがフィルターは損失のずれを1つの足し算の値として推定しているので、負荷が急に変わった直後は前の値のままで、それを修正するのにケースの温度の変化を待つ必要がある。ケースは熱容量が大きく反応が遅いので、その間に巻線の推定がずれる。対策は、ずれを「損失の何割か」という比率で推定すること、あるいは銅の抵抗が温度で増えることをモデルに入れて誤差の原因そのものを減らすことだ。デジタルツインの精度は、補正の仕組みよりも、モデルが何を正しく表し、何を推定に任せるかの設計で決まることが多い。

関連するページは連成問題の縮約モデル、モデル次数低減手法、データ駆動の連成解析、モーターの熱管理、連成シミュレーションの結合が参考になる。