Simulation Das Beste zweier Welten: der Digital Twin

Ein Digital Twin ist mehr als eine Nachbildung. Er ermöglicht es, hochkomplexe Szenarien, beispielsweise in der Produktentwicklung, realitätsnah zu simulieren und zu bewerten. Diese Verschmelzung von Physik, Sensoren und Daten bietet enormes Potenzial.

Anbieter zum Thema

Schneider Electric GmbH

Parasoft® Deutschland GmbH

Trebing & Himstedt Prozeßautomation GmbH & Co. KG

Wipro Technologies

Dank flächendeckender Konnektivität und der Verfügbarkeit preisgünstiger Sensoren stehen wir vor einer Ära smarter, vernetzter Geräte. Mit den Daten, die diese Sensoren liefern, lassen sich Abläufe aber nicht nur optimieren. Zusätzlich können diese für zukünftige Produktverbesserungen auch wieder in den Produktentwicklungszyklus eingespeist werden. Sensordaten führen in Verbindung mit Data Science und Machine Learning zu spannenden neuen Paradigmen, die sich auf die Schnittmenge zwischen der realen und digitalen Welt beziehen. Im Bereich des Industrial Internet of Things (IIoT) erlangt das Konzept des Digitalen Zwillings oder Digital Twins daher zunehmende Bedeutung.

Die Geburt eines Digitalen Zwillings

Ein Digital Twin ist ein virtuelles Abbild einer realen Anlage. Mit dessen Hilfe lassen sich verwertbare Informationen zur Leistung und zum Zustand dieses Assets gewinnen. Diese Erkenntnisse dienen dann beispielsweise der Kostensenkung, der Erschließung neuer Umsatzquellen sowie einem verbesserten Geschäftsbetrieb. Sensoren liefern Daten zu den Betriebsbedingungen und Parametern, die das Verhalten in der realen Welt beschreiben. Wenn Echtzeit- und historische Daten mit wissenschaftlichen Erkenntnissen zum Anlagendesign aus der Physik kombiniert werden, entsteht ein einzigartiges, digitales Abbild eines jeden Assets: Sein digitaler Zwilling.

Digitaler Zwilling

Der Digital Twin eines Eisbrechers

Der Einsatzbereich eines Digital Twins kann praktisch alle Subkomponenten eines physikalischen Assets umfassen. Bei einem Auto kann der Digital Twin beispielsweise wichtige Teile wie Motor, Wasserpumpe, Lichtmaschine, Bremsen, Benzinpumpe und so weiter einschließen. Bestückt man diese Teile mit Sensoren, können diese die thermische oder mechanische Belastung messen, der die betreffenden Teile ausgesetzt sind. Wenn der Autohersteller Entwicklungserkenntnisse mit diesen Sensordaten verknüpft, kann er vorhersagen, wann ein wichtiges Teil im Auto ausfallen wird und den Besitzer rechtzeitig vor dem Eintreten des prognostizierten Fehlers benachrichtigen. Eng hiermit verbunden ist auch der Begriff der Predicitve Maintenance, also der vorausschauenden Wartung. Wichtige Teile können so vorsorglich ersetzt werden, bevor sie kaputt gehen oder verschleißen. Dabei hat jeder Digital Twin sein ganz eigenes Gegenstück: Tausend Autos in der realen Welt stehen tausend digitale Zwillinge gegenüber.

Im Digital Twin fließen Physik, Sensoren und Daten zusammen

Die Entwicklung einer komplexen Anlage läuft in verschiedenen Schritten ab: angefangen beim vorläufigen Design über Details hin zum fertigen, produktionsreifen Asset. In jedem Schritt erfolgen zahlreiche Studien und Analysen, um die Leistung im Feld vorherzusagen. Daraus resultieren auf Physik basierende, mathematische Modelle, mit denen sich das Verhalten eines Teils unter bestimmten Umweltbedingungen und Betriebsparametern prognostizieren lässt.

Bei der Erstellung solcher Modelle sind Experteneinschätzungen ein wichtiger Bestandteil, aber immer häufiger werden Daten und analysebasierende Ansätze verwendet, um die menschliche Einflussnahme zu begrenzen. Diese Modelle bilden nebst den daraus abgeleiteten Erkenntnissen den ersten Baustein für einen Digital Twin. Ist das Gerät einmal im Einsatz, generieren seine Sensoren große Mengen unterschiedlicher Daten. Mit modernen Data-Science-Techniken wie der Erkennung von Anomalien oder Ausreißern kann man aus den Sensordaten statistische Informationen gewinnen. Die Sensordaten bilden gemeinsam mit den durch sie gewonnenen Informationen den zweiten Baustein.

Für die akkurate Darstellung eines digitalen Zwillings sind neben wissenschaftlichen Modellen auch betriebliche Informationen notwendig. Fehlerzustände lassen sich bei komplexen Assets mit rein datenorientierten, statistischen Modellen nur schwer erfassen, denn die Betriebsdaten von Sensoren sind bei gut konfigurierten Anlagen meistenteils relativ ereignislos. Signifikante, statistische Fehler treten eher bei datenfokussierten Ansätzen auf, die versuchen, mit einem begrenzten Sample an Sensordaten Korrelationen zwischen Fehlern und möglichen Ursachen zu erkennen. Um Fehler bei einem Gerät vernünftig vorhersagen zu können, wird ein auf Daten fixierter Ansatz daher einen großen Datensatz benötigen. Darüber hinaus können Sensoren nur in Regionen platziert werden, wo sie zugänglich sind und funktionieren können.

Digitale Zwillinge können für eine Ansammlung von Assets oder ein „System aus Systemen” stehen. Im eingangs erwähnten Beispiel kann ein Digital Twin eines kompletten Autos mit Subsystemen aus digitalen Zwillingen konstruiert werden. In diesem Fall kann der digitale Zwilling eines ausgeklügelten Automotors mit elektronischen Steuermechanismen beispielsweise dahingehend untersucht werden, ob eine leichte Leistungssteigerung des Motors besser zu den Bedürfnissen des Fahrers passt. Anhand von „Was wäre wenn"-Szenarien kann ein Ingenieur auch gleich beurteilen, wie sich Optimierungen auf die Leistung des Motors und das Gesamtsystem Auto auswirken. Wenn die Auswertung erfolgreich und das Ergebnis positiv ist, kann ein Over-the-Air-Update der Motorsteuerungssoftware den neuen Betriebsmodus auslösen. Das könnte möglicherweise vom Automobilhersteller auch kostenpflichtig als Nachrüst-Service angeboten werden.

experte Case Study

Wie Sie mit einem Business Digital Twin die digitale Transformation beschleunigen

Innovationen aus dem Ökosystem

Digitale Zwillinge können eine wahre Brutstätte für Innovationen schaffen und Möglichkeiten für eine verbesserte Produktivität und einen höheren Unternehmenswert bieten. Sie stellen Teams in einem Unternehmen die Daten zur Verfügung, die für den Aufbau von Produkten oder Fertigungsprozessen der nächsten Generation erforderlich sind. Ebenso können digitale Zwillinge, die einem übergeordneten System entsprechen, etwa einem gesamten Fahrzeug, aus mehreren Assets und Technologien verschiedener Anbieter bestehen. Der Digital Twin des Autos kann dem Partner-Ökosystem zur Verfügung gestellt werden, um die Systemleistung zu untersuchen, Innovationen durchzuführen sowie das Design und die Leistung ihrer Produkte auf Systemebene zu verbessern.

Digitale Zwillinge fördern datengesteuerte Entscheidungen für das Produkt- und Systemdesign. Das Fundament dafür ist die enorme Menge sensorgestützter Daten über die reale Betriebsleistung.

Ein Automobilhersteller kann exemplarisch den digitalen Zwilling eines Autos nutzen, um geschäftliche Entscheidungen auf der Grundlage konkreter Daten wie reale Leistung, historische Leistung und wissenschaftliche Erkenntnisse aus dem Design für die Fahrzeugklasse zu treffen. Der Hersteller kann auch zukünftige Verbesserungen des Produktdesigns bewerten. Er kann analysieren, wie ein bestehendes Produkt neue Marktbedürfnisse bedienen kann, und bewerten, ob ein Produkt in einem neuen Markt mit dem etablierten Wettbewerb konkurrieren kann.

Durch Fortschritte in der Sensorik, Datentechnik und bei den physikalisch basierten Modellen werden die digitalen Zwillinge immer realitätsnäher. Die physikalische und die digitale Welt verschmelzen und das Ergebnis – der Digital Twin – wird zum entscheidenden Bestandteil der digitalen Transformation.

(ID:46336843)