في عالم التكنولوجيا، تتزايد أهمية التوائم الرقمية (Digital Twins) في دعم المهام التحليلية التي تعتمد على بيانات الزمن. مُدى اهتمام العلماء يمتد إلى نماذج الزمن الأساسية (Time-Series Foundation Models) القادرة على توفير حلول قابلة للتوسع. ورغم ذلك، يبدو أن هذه النماذج تؤدي بشكل محدود عند التعامل مع مهام غير مألوفة مثل الانحدار. في دراسة جديدة، تم إجراء مقارنات تجريبية منهجية للنماذج الحديثة في سياق التوائم الرقمية.

تسعى هذه الدراسة لتقديم ثلاث إسهامات رئيسية. أولاً، تمت مقارنة خمسة نماذج زمنية معروفة باستخدام بيانات مجموعة C-MAPSS للتنبؤ بالعمر المتبقي (Remaining Useful Life - RUL). حيث أظهرت النتائج أن النماذج متعددة المتغيرات تفوقت بشكل كبير على النماذج أحادية المتغير، خاصة في ظل ظروف تشغيل متغيرة. وهذا يطرح تساؤلاً أعمق حول كيفية تكامل الخصائص بين النماذج المدربة مسبقًا ووزن التكيف مع المهام الجديدة.

ثانيًا، اقترح الباحثون نهج دمج مستند إلى الطوبولوجيا (Topology-Informed Fusion) حيث تعكس قيود الطوبولوجيا المستمدة من هيكل الأصول المودعة في النماذج الرقمية، كيفية تشكيل التفاعل بين المكونات المختلفة. الأمر الذي يساعد في الحفاظ على الاتصال المحلي بين مكونات النظام الفعلي بدلاً من الاعتماد على تفاعلات مرنة وغير منظمة.

ثالثًا، تم إجراء دراسة تفصيلية تفصل بين المصادر الثلاثة وتفاعلاتها عبر مجموعات C-MAPSS ذات التعقيد العملي المتغير. أثبتت النتائج أن المصادر كانت مكملة لبعضها البعض وليست زائدة عن الحاجة، حيث تفوق الانتباه المتقيد بالطوبولوجيا على الدمج غير المقيد، مما يضع نموذج الزمن المجمد المستند إلى التوأم الرقمي في مرتبة تنافسية مع النماذج الحديثة.

هذه الإسهامات تُعد خطوة مهمة نحو تحسين سد الفجوة بين النظريات والأداء العملي في مجالات التحليل الزمني وعمليات الصيانة.