Terwijl de technologische ontwikkeling in de zware machine-industrie steeds sneller gaat, worden fabrikanten nog steeds geconfronteerd met de vraag naar een hogere productiviteit en een complexer ontwerp om te voldoen aan wereldwijde vereisten. Ook zijn er steeds meer slimme, verbonden producten in opkomst.
Om intelligentere machines te creëren die interactief reageren op hun omgeving, is een scala aan sensoren nodig. Van GPS-ontvangers en -antennes, hellingshoeksensoren, traagheidssensoren (IMU's) en positiesensoren tot radar-, LiDAR- en camerasensoren voor machineautomatisering: deze apparaten verzamelen een enorme hoeveelheid data. Ter illustratie: Cisco schat dat het IoT tegen het einde van 2019 meer dan 500 zettabytes aan data per jaar zal genereren – en in de jaren daarna zal dat aantal naar verwachting exponentieel groeien, niet lineair.
Het verzamelen en opslaan van de data zal een uitdaging zijn, maar hoe kunnen OEM's deze hoeveelheid data analyseren en de resultaten uiteindelijk gebruiken om machinegedrag te voorspellen en de operationele efficiëntie te optimaliseren? Hier komt de flexibiliteit en het voorspellend vermogen van de op fysica gebaseerde digitale tweeling van pas. Momenteel draaien de meeste digitale tweelingimplementaties als een standalone-instantie, een levensechte kopie van de echte machine. Deze aanpak is met name nuttig in bijvoorbeeld de productontwerp- en trainingsfasen van de productlevenscyclus. Voor data-analyse tijdens de werking van de machine kunnen digitale tweelingen in twee andere configuraties draaien die de fysieke en virtuele wereld naadloos met elkaar verbinden: Digital Twin Online en Digital Twin On-board.
Digitale tweeling online met productgegevens
Door een Digital Twin in de cloud te implementeren en deze te combineren met real-time productgegevens, kan een vergelijking worden gemaakt tussen echte productgegevens en door de Digital Twin gegenereerde gegevens.
Doordat de Digital Twin verbinding maakt met de echte besturingssoftware, kan de input van operators of algoritmen worden gebruikt om zowel de digitale als de fysieke exemplaren van de machine te bedienen. Tegelijkertijd kunnen de sensorgegevens van de echte machine worden vergeleken met de gesimuleerde sensoren in de virtuele omgeving, wat analyse van de verschillen tussen de twee waarden mogelijk maakt. Deze analyse kan worden gebruikt om kritieke storingen in het veld te voorkomen of te herkennen wanneer belangrijke componenten moeten worden onderhouden of vervangen als onderdeel van een preventief onderhoudsprogramma.
Digitale tweeling aan boord van het product
Door een Digital Twin-exemplaar aan boord van een machine te draaien, kan de vergelijking tussen de fysieke en virtuele instantie in realtime worden uitgevoerd. Het belangrijkste voordeel van de Digital Twin aan boord is dat analyses aan de edge kunnen worden uitgevoerd, wat betekent dat alleen de resultaten naar de cloud worden gecommuniceerd. Dit vermindert de hoeveelheid telematica die in realtime moet worden verzonden aanzienlijk, waardoor er minder bandbreedte en centrale verwerkingscapaciteit nodig is. De Digital Twin-aanpak aan boord maakt het ook mogelijk om berekende gegevens te gebruiken als input ter ondersteuning en evaluatie van operatorinvoer, wat een machine-in-the-loop-benadering creëert.
Of het nu online of aan boord is, de op natuurkunde gebaseerde Digital Twin kan een enorme impact hebben op de manier waarop machines worden ontworpen en in de toekomst zullen worden ontworpen.
Voor meer informatie over digitale tweelingtechnologie en de toepassingen ervan in productontwikkeling kunt u het e-book downloaden: De digitale tweeling centraal in R&D.