Digitale Zwillinge und ihre Anwendung in der Industrie

von Antonio Manjavacas (ESI-UCLM-Absolvent).

"Die Manschettenknöpfe sind sehr praktisch. Immer gut, einen Ersatz zu haben "

– Billie Burke.

Stellen Sie sich vor, Sie sind Teil des Teams, das für die Sicherheit eines Kernreaktors verantwortlich ist. Es liegt an Ihnen, sicherzustellen, dass die Einrichtung alle erforderlichen Sicherheitsmaßnahmen umsetzt, um Unfälle sowohl für die Umwelt als auch für ihre Mitarbeiter zu vermeiden. Um dieses Ziel zu erreichen, wäre es interessant abzuschätzen, wie die Sicherheitssysteme des Reaktors auf verschiedene Unfallsituationen reagieren werden, die wir uns angesichts ihrer Gefährlichkeit nicht leisten können. Wir brauchen eine Möglichkeit, das Verhalten des Systems in verschiedenen potenziell gefährlichen Szenarien virtuell zu simulieren. Und wie geht das besser als mit einem digitalen Zwilling.

Die erste Vorstellung von digitaler Zwilling Es hat seinen Ursprung im Jahr 2003 durch die Hand von Michael Grieves, einem NASA-Forscher, der die Schlüsselkonzepte dieses Paradigmas etablierte. Es wäre jedoch sein Partner John Vickers im Jahr 2010, der den Begriff vorschlagen würde digitaler Zwilling (digitaler Zwilling), um die von Grieves vorgeschlagenen Ideen zu kombinieren.

Un digitaler Zwilling Es ist eine virtuelle Darstellung eines physikalischen Systems, das in der Lage ist, sein Verhalten als Reaktion auf bestimmte Eingaben oder Reize zu simulieren. Digitale Zwillinge von Gebäuden, Fahrzeugen, Robotern, Städten und sogar Menschen wurden entwickelt und haben ihre Nützlichkeit in unzähligen Bereichen und Sektoren bewiesen.

Damit digitale Zwillinge jedoch mit dem replizierten physischen System konsistent sind, muss zwischen ihnen ein kontinuierliches Feedback in Form von Daten bestehen [1]. Zurück zum Anfangsbeispiel: Wenn wir Echtzeitdaten von allen Sensoren des Kernreaktors sammeln können, können wir eine Art virtuelle Darstellung davon erstellen, seine aktuelle Situation kennen und sogar seine Reaktion auf andere untersuchen simulierte Unfallsituationen.

Der Datenfluss zwischen dem physischen und dem virtuellen System muss nicht unbedingt bidirektional sein: Solange das physische System genügend Informationen liefert, können wir einen digitalen Zwilling davon erstellen und pflegen. Besonders interessant ist jedoch der Datenfluss vom digitalen Zwilling zum physischen System, um dessen Verhalten zu verbessern, Fehlbedienungen zu erkennen oder auf verschiedene kritische Szenarien im Voraus zu reagieren.

Und eben eine der Hauptanwendungen digitaler Zwillinge besteht darin, mögliche Probleme oder Ausnahmesituationen zu antizipieren, die in dem simulierten physikalischen System auftreten können. Beispielsweise verarbeiten digitale Zwillinge im Bereich Industrie 4.0 Daten von Geräten oder Steuerungssystemen, um herauszufinden, ob diese kurz vor dem Ausfall stehen, und ermöglichen so die Etablierung verschiedener Predictive-Maintenance-Strategien [2].

Auch in Branchen wie der Automobilindustrie [3], dem Bauwesen [4], der Energiewirtschaft [5], der Schifffahrt [6] oder der Luft- und Raumfahrt [7] finden wir Anwendungen digitaler Zwillinge. Wie man sieht, sind die Vorteile digitaler Zwillinge in kritischen Sektoren zahlreich, insbesondere wenn wir über hochwertige Vermögenswerte verfügen, deren Beeinträchtigung zu erheblichen Kosten und Risiken für Menschen und Organisationen führen kann.

Digitale Zwillinge zeichnen sich auch durch ihre mögliche Integration mit einer Vielzahl modernster Technologien aus. Obwohl es ratsam ist, skeptisch gegenüber dem Rauch zu sein, der uns in den letzten Jahren von verschiedenen Medien und Unternehmen verkauft wurde, ist es wahr, dass Techniken der künstlichen Intelligenz, große Datenmengen und richtig integriertes Cloud Computing sind in diesem Bereich interessant und erweitern die Möglichkeiten, die digitale Zwillinge bieten.

Beispielsweise sind Algorithmen für maschinelles Lernen hervorragende Werkzeuge für die Wertvorhersage, Musteranalyse oder Anomalieerkennung. Daher könnte ihre Verwendung zusammen mit digitalen Zwillingen ihre Fähigkeit verbessern, alle Arten von Szenarien vorherzusagen und darauf zu reagieren. Wenn diese Algorithmen wiederum in der Lage sind, Entscheidungen unter Verwendung immenser Datenmengen aus physischen Systemen zu treffen, und wir die Skalierbarkeit nutzen, die Cloud Computing bietet, um diese Daten zu verarbeiten, öffnen digitale Zwillinge die Tür zu einer Zukunft, in der virtuelle und physische Welten zusammenkommen bald nicht mehr zu unterscheiden.

Bibliographie

[1] Fuller, Aidan, et al. „Digitaler Zwilling: Grundlagentechnologien, Herausforderungen und offene Forschung.“ IEEE-Zugriff 8 (2020): 108952-108971.

[2] Aivaliotis, Panagiotis, Konstantinos Georgoulias und George Chryssolouris. „Der Einsatz von Digital Twin für Predictive Maintenance in der Fertigung.“ Internationales Journal für computerintegrierte Fertigung 32.11 (2019): 1067-1080.

[3] Rajesh, PK, et al. „Digitaler Zwilling eines automobilen Bremsbelags für Predictive Maintenance.“ Informatikverfahren 165 (2019): 18-24.

[4] Kaewunruen, Sakdirat und Ningfang Xu. „Digitaler Zwilling zur Nachhaltigkeitsbewertung von Bahnhofsgebäuden.“ Grenzen in der gebauten Umwelt 4 (2018): 77.

[5] Botz, M., et al. „Structural Health Monitoring als Werkzeug für die smarte Wartung von Windenergieanlagen.“ Fortschritte bei technischen Materialien, Strukturen und Systemen: Innovationen, Mechanik und Anwendungen. CRC Press, 2019. 1971-1975.

[6] Fotland, Gaute, Cecilia Haskins und Terje Rølvåg. „Handelsstudie zur Auswahl der besten Alternative für die Kabel- und Riemenscheibensimulation für Krane auf Offshore-Schiffen.“ Systemtechnik 23.2 (2020): 177-188.

[7] Liu, Zhifeng, et al. „Daten-Supernetzwerk-Fehlervorhersagemodell und Wartungsstrategie für mechanische Produkte auf der Grundlage eines digitalen Zwillings.“ IEEE-Zugriff 7 (2019): 177284-177296.