Digital Twins (digitale Zwillinge) sind digitale Abbilder realer Maschinen oder Anlagen, und ermöglichen den fehlerlosen Betrieb dieser Anlage. Möglich wird ein solches digitales Abbild durch das Dreigespann maschinelles Lernen, Internet of Things und Big Data.
Einen digitalen Zwilling kann man sich als ein digitale Modell der realen Maschine/ Anlage vorstellen, das sämtliche Geometrie-, Kinematik- und Logikdaten abbildet. Ein solcher Zwilling begleitet das physisches Produkt von seiner Entstehung über die Produktion bis hin zum Einsatz und der späteren Wartung oder Modernisierung.
Im industriellen Internet der Dinge lässt sich nahezu jede Maschine und jedes Betriebsmittel mit Sensoren versehen, die permanent die unterschiedlichen Betriebsparameter erfassen, und einer Zentrale zur Verfügung stellen. Zusätzlich zu solchen sensorbasierten Messwerten wie Druck, Temperatur, etc lassen sich Metadaten aus zusätzlichen Quellen erheben, und es entstehen hierdurch Datensätze, die aus mehr als den reinen Sensordaten bestehen.
Mit Hilfe von digitalem Zwilling, den live erhobenen Sensordaten und diesen ergänzenden Metadaten ist es möglich Simulationen und Analysen durchzuführen, um herauszufinden, wie sich die Maschine unter unterschiedlichen Bedingungen verhält.
Auch man kann hiermit am Rechner den Zustand der Anlage analysieren, um so z.B. zu entscheiden, wann eine Wartung erforderlich ist.
Die Technologie des digitalen Zwillings bietet ein riesiges Potential für den Maschinenbau, da die Verbindung on digitaler und realer Welt realgetreue Analysen möglich macht, die vorher undenkbar waren.
Typischerweise werden die erwähnten Sensordaten und die weiteren Metadaten permanent vor Ort oder in passenden Quellen gesammelt und fließen in einem konstanten Strom in einen Data Lake. In der Raw Zone des Data Lakes werden die gemessenen Rohdaten typischerweise zunächst maschinell geprüft und qualitativ verbessert (z.B. könnte ein Sensor defekt sein, und falsche Werte liefern). Oft werden hier auch die erwähnten Verknüpfungen zu Informationen aus anderen Datenquellen hergestellt.
Die so aufbereiteten und redigierten Daten können dann mit Analysewerkzeugen aus aus dem Big-Data-Bereich ausgewertet werden oder sie werden mit Hilfe von selbstlernenden Algorithmen untersucht. Solche Algorithmen sind in der Lage, ganz automatisch Zusammenhänge, Trends, Muster und Auffälligkeiten in den Daten zu finden.
Normalerweise runden Dashboards dann den Datalake ab. Diese bilden den visuellen Zugang zu den großen Datenmengen und den Analysen.
Bei Digital Twins kommen aber auch konventionelle ingenieurwissenschaftliche Verfahren zum Einsatz. Beispielsweise kann man mit Hilfe der finiten Elemente feststellen, welchen Belastungen ein Tragwerk ausgesetzt ist und kann so Rückschlüsse darüber ziehen, in welchem Zustand es sich befindet. Dafür benötigt man den Twin, Sensordaten und eben eine Software, die die FEM beherrscht.
In der Anlage habe ich Ihnen einige weiterführende Artikel zusammengestellt, die einen ersten Überblick über die hier besprochene Technologie geben.
Der Beitrag „Digitale Doppelgänger“ aus der Zeitschrift IX zählt auf, was man in der Umsetzung benötigt.
„Zu einem digitalen Zwillingspaar gehören:
- ein reales, mit Sensoren ausgestattetes Asset; es sammelt relevante Daten über sich selbst und/oder seine Umgebung;
- ein in Software abgebildetes Modell des realen Objekts oder von dessen wesentlichen Teilen;
- Netzwerkfähigkeit und Bandbreite, um die gesammelten Sensordaten automatisch in Echtzeit oder in vordefinierten Abständen an die IoT-Plattform zu schicken;
- APIs, die den digitalen Zwilling mit relevanten Unternehmensanwendungen verknüpfen;
- Analysetools;
- Benutzeroberflächen zur benutzerspezifischen Visualisierung der Daten.“
Das Original dieses Artikels ist auf →Der Produktmanager erschienen (©Andreas Rudolph). Folgeartikel zum Thema gibt es über die (→Mailingliste), oder indem Sie →mir auf Twitter folgen.
In der Online Version des Artikels finden Sie hier die versprochenen weiterführenden Links: