KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.
KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.
Ein Beitrag von: Tobias Bellmann, Deutsches Zentrum für Luft und Raumfahrt
Der Digitale Zwilling vereint sämtliche produktrelevanten Informationen, wie zum Beispiel Entwicklungsmodelle, Konstruktionsdaten, Fertigungspläne, Wartungsinformationen und Nutzungsdaten aus dem Betrieb. Durch physikalische Modelle des Produkts können diese Daten strukturiert und für Analyse, Optimierung und Performanz/Effizienzsteigerung im Einsatz genutzt werden. Auch kostenersparende Maßnahmen, wie die virtuelle Inbetriebnahme eines Produkts im Computer, werden so ermöglicht.
Der Digitale Zwilling eines Produkts stellt einen umfangreichen Datenschatz dar, der den gesamten Produktlebenszyklus abdecken sollte. Jenseits der rein maschinellen Auswertung mit Machine-Learning-Algorithmen muss dieser jedoch in eine strukturierte Form gebracht werden, damit bedeutungsvolle Aussagen getroffen werden können. Hierbei können physikalische Modelle des Produkts und seiner Komponenten helfen, das Expertenwissen in einer strukturierten, physikalisch sinnvollen Form mit den Daten des Digitalen Zwillings zu verknüpfen.
Mit dem Konzept des Digitalen Zwillings wird der digitale Produktentwurf weitergedacht: Ein virtuelles Abbild des realen Produktes begleitet dieses von der ersten Konzeptphase bis hin zur Anwendung beim Kunden. Physikalische Modelle können hierbei durch kondensiertes Expertenwissen die umfangreichen Datensammlungen strukturieren und tiefergehende Erkenntnisse über die Abläufe im Produkt vermitteln. Das Systems and Control Innovation Lab (SCIL) des Deutschen Zentrums für Luftund Raumfahrt forscht deshalb aktiv an Anwendungen für diesen „physikalischen“ Digitalen Zwilling.
Ziel des Digitalen Zwillings ist die Verfügbarkeit eines aktuellen digitalen Abbildes des Produkts über dessen gesamten Lebenszyklus hinweg. Dieses kann erweitert auch Prozesse oder Gesamtsysteme in digitaler Form wiederspiegeln. Entscheidend ist die Wechselwirkung mit dem realen Produkt: Beginnend mit dem Designprozess werden erste Erkenntnisse aus vorherigen Produkten in den digitalen Entwicklungsprozess integriert. Mit zunehmender Entwicklungsdauer wird durch stetigen Abgleich zwischen realem und virtuellem Produkt der Digitale Zwilling detailliert, und zugleich der Produktentwurf durch den Erkenntnisgewinn optimiert.
Erreicht das Produkt die Phase der Produktion, umfasst der Digitale Zwilling auch virtuelle Abbilder der Produktionsprozesse, wie z. B. Logistikmodelle oder die virtuelle Produktionsplanung mit Fertigungsmodellen. Auch hier erfolgt die Wechselwirkung zwischen Erfahrungsgewinn aus dem realem Prozess einerseits und Erkenntnisgewinn aus den digitalen Modellen andererseits.
Der vernetzte Aspekt des Digitalen Zwillings kommt zum Tragen, sobald das Produkt ausgeliefert beim Kunden in den operativen Betrieb eintritt. Diese dritte Phase kann mithin den tiefgängigsten Erfahrungsschatz beitragen, indem reale, individuelle Daten aus dem alltäglichen Betrieb des Produkts gesammelt werden. Hierzu ist jedoch eine IoT-Anbindung des Produkts unumgänglich, verbunden mit den damit einhergehenden Fragestellungen zur Datensicherheit, Datenschutz und Kundenakzeptanz. Mit den in dieser Phase erhobenen Sensordaten und Informationen können beispielsweise mittels Machine-Learning-Algorithmen Fehlerfälle gelernt, klassifiziert und vorhergesagt, prädiktive Wartungspläne geführt oder Schwachstellen des Produkts analysiert werden.
Um aus den für den Digitalen Zwilling generierten Daten wie z. B. CAD-Zeichnungen, Betriebsdaten und Nutzungsinformationen, identifizierten Parametern des realen Produkts, Umgebungsparametern oder Wartungsdaten einen Mehrwert zu gewinnen, müssen diese strukturiert und analysiert werden. Insbesondere bei großen Datenmengen fällt es schwer, außer mit Machine-Learning-Algorithmen, Rückschlüsse auf die Bedeutung der einzelnen Parameter zu ziehen. Steht jedoch das individuelle Produkt im Fokus, können physikalisch mathematische Modelle des Produkts einen entscheidenden Mehrwert bei der Strukturierung und Verwertung der Daten bieten:
Schon in der Designphase ist es den Entwicklern möglich, physikalische Simulationen des Produkts durchzuführen. Mit zunehmender Entwicklungsdauer werden diese in Wechselwirkung mit der Konstruktion zunehmend verfeinert und detailliert. Solche Machbarkeitsstudien können bereits genutzt werden, um zum Beispiel Reglerkonzepte maßgeschneidert auf das Produkt zu adaptieren, oder um Fragestellungen bezüglich der Systemparameter zu untersuchen. In späteren Abschnitten der Entwicklung kann mit der Verfügbarkeit eines detaillierten „physikalischen“ Digitalen Zwillings durch Einsatz modellbasierter Regler eine höhere Performanz erreicht werden.
Durch eine physikalisch fundierte Simulation mit (eventuell interaktiver) Visualisierung kann das virtuelle Produkt bereits vor der Fertigung bei Kunden beworben und iterativ an deren Bedürfnisse angepasst werden. Erkenntnisse aus der physikalischen Simulation können der Entwicklungsabteilung helfen, Bauteile optimal zu dimensionieren und Grenzfälle im Betriebsbereich durch Simulation frühzeitig zu entschärfen.
Sind die physikalischen Modelle des Digitalen Zwillings echtzeitfähig, wird es möglich die Software/Firmware des Produkts bereits frühzeitig an der virtuellen Hardware zu testen, in Form eines Software-in-the-Loop Simulators. Hierbei wird der physikalische Anteil des Produkts simuliert und durch Schnittstellen mit der zu entwickelnden Steuersoftware des Produkts kombiniert. So kann die Softwareentwicklung parallel zur Konstruktion und Fertigung anlaufen und mit dieser interagieren. Abbildung 1 zeigt als Beispiel die Kombination des DLR Elektrofahrzeugs ROboMObil mit einer dSPACE Echtzeit Umgebung, die es erlaubt, virtuelle Fahrversuche mit der kompletten Steuerelektronik des Fahrzeugs im Loop zu fahren. Mit echtzeitfähigen Physikmodellen können auch interaktive Trainingssimulatoren für die Nutzer eines Produkts gestaltet werden, z. B. zur kostengünstigen und gefahrenfreien Ausbildung der Bediener abseits des Produktivbetriebs.
Um bei der Inbetriebnahme unerwünschte Überraschungen möglichst auszuschließen, kann der Digitale Zwilling virtuell in Betrieb genommen werden, um z. B. das Zusammenspiel mit anderen Anlagenkomponenten zu untersuchen. Durch diese virtuelle Inbetriebnahme können Einfahrzeiten und Kosten durch Nacharbeiten vor Ort beim Kunden reduziert werden. Aber auch im Einsatz beim Kunden können physikalische Modelle den Digitalen Zwilling maßgeblich aufwerten. So erlaubt beispielsweise die Identifikation der realen Betriebsparameter eines Produkts die Optimierung der Betriebsstrategie im Modell, um maßgeschneidert das Optimum aus einer Anwendung oder eines Verfahrens herauszuholen. Optimierungsverfahren wie Multikriterien-Optimierung ermöglichen es, konkurrierende Parameter auf ein optimales Ergebnis einzustellen. Effizientere Trajektorien oder Betriebsstrategien können sich dabei gerade beim weiträumigen Einsatz von Produkten schnell finanziell für den Kunden lohnen.
Die im Betrieb aufgezeichneten Sensordaten ermöglichen ferner die Analyse von Fehlerdaten und dadurch den Aufbau von Verschleißmodellen . Diese können dann im laufenden Betrieb dazu herangezogen werden, um mit der vorhandenen Sensorik das Versagen von Komponenten vorherzusagen. Hierbei werden durch moderne, modellbasierte Verfahren wie nichtlineare Kalman-Filter auch Betriebsparameter geschätzt, die durch die vorhandene Sensorik nicht direkt beobachtbar sind.
Zu oft haben wir in den letzten Jahren beobachten müssen, dass die Digitale Transformation wie ein Veränderungsmanagementprojekt aufgesetzt wurde. Von Top-Down gedacht, geplant und umgesetzt. Die Maßnahmen wurden vom Führungsteam definiert und durch die Vermittlung von Dringlichkeit in die Organisation getragen. Erfolgreich waren diese Ansätze leider nur sehr selten. Aus diesem Grund sollten wir die Digitale Transformation mit Design Thinking starten und dann, wie bereits beschrieben, transversal über die Unternehmenssilos hinaus unter Einbezug aller angehen. Am Ende des Tages möchten wir ein System verändern, in dem Menschen wirken. Deshalb haben wir gute Erfahrung damit gemacht, den Menschen in der Organisation Raum zu geben, den Erkenntnisprozess selbst zu durchlaufen und so ein neues gemeinsames Verständnis zu gestalten. Es geht darum, gemeinsam ein Mindset zu gestalten, welches zur jeweiligen Organisation und seinen Mitarbeitern passt.
Am Anfang steht jedoch eigentlich immer die Notwendigkeit die eigenen Annahmen über Bord zu werfen und Achtsamkeit walten zu lassen. Wir können diese erste Phase auch als Reflexion bezeichnen. Die anderen Schritte für die Etablierung folgen unseren bekannten Design Thinking-Prinzipien (siehe Abbildung 2).
Die bisher beschriebenen Vorteile des „physikalischen“ Digitalen Zwillings erfordern jedoch die konsequente Umsetzung einer Digitalisierungsstrategie im Unternehmen, sowie Expertenwissen im Bereich Modellierung und Simulation. Viele kleine und mittlere Unternehmen (KMU) stehen allerdings noch am Anfang der Digitalisierung und virtuellen Produktenwicklung. Deshalb hat das Institut für Systemdynamik und Regelungstechnik beim Deutschen Zentrum für Luft- und Raumfahrt (DLR) das Systems and Control Innovation Lab (SCIL) gegründet. Im SCIL bekommen speziell KMU und Mittelständler Zugang zu den neuesten Entwurfstechnologien und Software-Tools für die Modellierung, Steuerung und Regelung komplexer mechatronischer Systeme in der ganzen Breite ihrer technischen Anwendungen. Durch gemeinsame Projekte wird das für die Digitalisierung benötigte Expertenwissen nachhaltig im Unternehmen aufgebaut, wobei der Technologietransfer mit Instrumenten wie Industriepatenschaften von Doktoranden („Technologietransfer durch Köpfe“) oder Beratung und gemeinsame F+E Projekte befördert wird. Ergänzend bietet das Innovationslabor SCIL seinen Partnern individuelle Beratung zur Auswahl und Beantragung von passenden Förderprogrammen (EU, Bund, Länder), um gemeinsame SCIL-Projekte anzustoßen. Ziel ist der langfristige Know-how-Aufbau und Technologietransfer, um das Themenfeld des Digitalen Zwillings, der mittelfristig den Firmen ermöglichen soll, Projekte selbstständig mit „physikalischen“ Digitalen Zwillingen zu unterstützen. Zusätzlich können sich die Firmen über das Innovationslabor und dessen Veranstaltungen, sowie über das Helmholtz Innovation Lab Netzwerk mit anderen Firmen vernetzen, um den Erfahrungsaustausch zu fördern und Synergieeffekte zu nutzen.
Die STREICHER Gruppe, ein international tätiges Bauunternehmen, nutzt das SCIL bereits als Plattform für die gemeinsame Forschung und Entwicklung im Rahmen von simulativen Machbarkeitsstudien, der Entwicklung von Trainingssimulatoren und der digitalen Analyse der STREICHER Produkte. Der in Abbildung 2 dargestellte Trainingssimulator für die STREICHER Offshore Ölbohranlage VDD400 reduziert die Ausbildungskosten von Personal und kann gleichzeitig als ein Software-in-the-Loop Simulator genutzt werden: Hierzu wird die originale Anlagen SPS und die Bedienschnittstelle mit einem Modelica Modell samt Echtzeitvisualisierung der Anlage gekoppelt. Somit können sämtliche Aktoren und Sensoren des Systems simuliert und vom Bediener wie SPS Programmierer wie in der Realität genutzt werden.
