The Digital Twin of Manufacturing Process Optimization in the Design Phase Using Genetic Algorithms and Al

Abstract

This paper explores the application of artificial intelligence, genetic algorithms, and digital twins to design-level manufacturing process optimization. A digital twin is a computerized model of the real process used to research and model various design scenarios. To effectively examine the design space and identify the best solutions, genetic algorithms inspired by nature's selection have been used. AI learns from previous modelling techniques and evolving scenarios for optimal performance. This includes attempting to reduce costs, increase time-to-market, and maximize industrial productivity.

Tato práce zkoumá využití umělé inteligence, genetických algoritmů a digitálních dvojčat k optimalizaci výrobního procesu na úrovni návrhu. Digitální dvojče je počítačový model reálného procesu, který slouží k výzkumu a modelování různých návrhových scénářů. K efektivnímu prozkoumání návrhového prostoru a nalezení nejlepších řešení byly použity genetické algoritmy inspirované přírodním výběrem. Umělá inteligence se učí z předchozích modelovacích technik a vyvíjejících se scénářů pro dosažení optimálního výkonu. To zahrnuje snahu o snížení nákladů, zkrácení doby uvedení na trh a maximalizaci průmyslové produktivity.