Digital twins: Transforming the chemical process industry—A review
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».