MétaCan
Menu
Retour à la cohorte
Enregistrement W4406851005 · doi:10.1002/cjce.25611

Digital twins: Transforming the chemical process industry—A review

2025· article· en· W4406851005 sur OpenAlexvenueno aff
Pratyush Kumar Pal, Abhiram Hens, Narottam Behera, Sandip Kumar Lahiri

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)BusinessProcess managementProcess engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Digital twin (DT) technology represents a significant advancement in the digital transformation of the chemical process industry (CPI), offering innovative capabilities for real‐time monitoring, predictive maintenance, and process optimization. This review investigates the current deployment status, frameworks, architectures, and applications of DTs within CPI, highlighting their transformative potential in improving operational efficiency, enhancing safety, and promoting sustainability. By examining case studies from industry leaders and analyzing recent advancements, this study elucidates the critical roles of DTs in asset health monitoring, process optimization, and environmental performance. The review identifies key components of DT frameworks, including data integration, hybrid modelling, and real‐time analytics, which are essential for effective implementation. It further explores challenges such as high computational requirements, integration with legacy systems, cybersecurity risks, and the lack of standardization, which impede widespread adoption. Despite these challenges, the paper emphasizes opportunities for leveraging advanced technologies such as artificial intelligence, edge computing, and 5G connectivity to enhance DT capabilities and scalability. In addition, this review underscores the importance of DTs in addressing global sustainability goals, mainly through their ability to optimize energy consumption, reduce emissions, and facilitate circular economy practices. By synthesizing insights from academia and industry, this study provides a comprehensive understanding of DTs' current state and future potential in CPI, offering strategic directions for research and development. The findings contribute to advancing the deployment of DTs as a cornerstone technology in achieving operational excellence, safety, and sustainability in the chemical process industry.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil0,632

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetDigital Transformation in IndustryTravaux en français237 207