Digitalizacja w przemyśle: bliźniaki z potencjałem

Źródło: MindSphere

Bliźniaki cyfrowe rewolucjonizują procesy w całym łańcuchu wartości. Jako wirtualna reprezentacja produktu czy cyklu produkcyjnego zapewniają stałą poprawę wydajności, minimalizują ryzyko awarii, skracają procesy rozwoju produktu i otwierają nowe możliwości biznesowe.

Według prognoz Gartnera do 2021 r. połowa wszystkich dużych przedsiębiorstw przemysłowych będzie korzystała z rozwiązań oferowanych w ramach „digital twins”, czyli tzw. bliźniaków cyfrowych, zwiększając efektywność firm o 10%1. Aby jednak w pełni wykorzystać możliwości bliźniaków, potrzeba zintegrowanych systemów IT, które umożliwiają szybką wymianę informacji.

Od projektowania do wytwarzania

W przeszłości stosowano metodę prób i błędów w zakresie opracowywania produktów. Obecnie prace projektowe nie kończą się w momencie wysłania produktu do dystrybucji. Istotna jest możliwość otrzymywania informacji zwrotnych, śledzenia sposobów wykorzystywania produktów – za pomocą szczegółowych danych pochodzących z czujników umieszczonych w sieci połączonych ze sobą urządzeń (IoT) – oraz wykorzystania pozyskanych danych do obsługi, konserwacji i ulepszania produktów, które zostały wprowadzone na rynek, a także włączenia tych zestawów informacji do nowej generacji produktów. Oznacza to synchronizację bliźniaków cyfrowych z rzeczywistymi produktami, również wtedy, gdy znajdują się one już w rękach klienta.

Bliźniak cyfrowy produktu może być zsynchronizowany z produktem fizycznym przez włączenie danych terenowych, co pozwala uzyskać odpowiedzi na pytania dotyczące zachowania produktu w świecie rzeczywistym. Chcąc dotrzymać kroku zmianom zachodzącym w każdej branży przemysłu, konieczne jest śledzenie produktu przez cały cykl jego życia już po wprowadzeniu go do obrotu. Obserwacja ewolucji bliźniaka cyfrowego od etapu projektowania do wytwarzania, obok uzyskania kluczowych parametrów i danych dotyczących wydajności, pozwala wychwycić zmiany, które zaszły w trakcie projektowania, aby móc w każdej chwili wrócić i przeanalizować kwestie, które mogły doprowadzić do poprawy lub do wystąpienia problemu.

Minimalizowanie awaryjności

Coraz więcej produktów wyposażonych jest w czujniki gromadzące informacje. Są one kontrolowane przez oprogramowanie, które można aktualizować i ulepszać po rozpoczęciu sprzedaży produktu. Stanowi to okazję do zwiększenia zadowolenia klientów (w najlepszym razie) lub uniknięcia kosztów wycofywania produktów z rynku (w najgorszym przypadku). W latach 2013–2014 liczba samochodów wycofanych z rynku w Stanach Zjednoczonych niemalże się potroiła – nastąpił wzrost z 22 do 63 mln, według Krajowej Agencji Bezpieczeństwa Ruchu Drogowego, generując koszty w wysokości ok. 100 dolarów w przeliczeniu na samochód. W tym samym okresie wycofano z rynku ponad 550 innych towarów konsumpcyjnych, co spowodowało straty wizerunkowe firm i pogorszenie ich wyników finansowych.

Dzięki bliźniakom cyfrowym w sytuacji skarg płynących od konsumentów, np. na wibracje obserwowane w traktorze, model produktu zapamięta, że po 10 000 roboczogodzin wpływ na wydajność mogą mieć zarówno niewielkie pęknięcia konstrukcji, jak i właściwości smaru. Dane pochodzące z czujników wskazują warunki środowiskowe takie jak temperatura oraz to, jak długo dany traktor był używany poprzedniego dnia i jakie działania podjął jego operator po wystąpieniu wibracji.

Bliźniak cyfrowy musi być w stanie odwzorować rzeczywiste zachowania produktu, wskazując na wpływ, jaki jego użytkowanie i obecne warunki eksploatacyjne mają na wydajność. Model symulacyjny traktora może korzystać z rzeczywistych warunków roboczych i przeprowadzać eksperymenty w postaci, przykładowo, zmiany smaru lub ulepszenia oprogramowania w celu lepszego sterowania silnikiem lub zmiany materiału wykorzystywanego w określonych miejscach pojazdu. Symulacje wirtualne mogą wpłynąć na poprawę zachowania określonych części składowych produktu w terenie. Oferują też możliwość znalezienia rozwiązania problemu w celu ulepszenia kolejnej wersji produktu lub ostrzeżenia klienta o konieczności aktualizacji oprogramowania, a także zmiany procedur eksploatacyjnych przed wystąpieniem katastrofalnej usterki. W ten sposób bliźniak cyfrowy wpływa na rzeczywistość.

Optymalizacja wydajności

W zależności od tego, co jest projektowane, proces inżynieryjny może obejmować symulacje systemów, analizę elementów skończonych w zakresie części składowych i podzespołów (kwestia naprężeń, dynamiki i awarii), obliczeniową dynamikę płynów (analiza płynów i właściwości termicznych), dynamikę wieloczłonową (odwzorowanie zachowania w ruchu) oraz metody oparte na testach, które uzupełniają dokonywane symulacje. Daje to możliwość korzystania z inżynieryjnej analizy predykcyjnej w celu połączenia danych pochodzących z symulacji, punktów odniesienia, testów prototypów, a nawet danych użytkowania istniejących produktów, aby łatwiej przewidywać wydajność projektu. Prosty model statyczny nie jest w stanie zgromadzić wystarczającej ilości informacji do przeprowadzenia inżynieryjnej analizy predykcyjnej. Do tego potrzebne jest odwzorowanie cyfrowe, które umożliwia skuteczne przewidywanie wszystkich zachowań produktu na każdym etapie rozwoju oraz rzeczywistego użytkowania – bliźniak cyfrowy fizycznego produktu.

W miarę ewoluowania bliźniaka cyfrowego możliwe będzie skorelowanie danych uzyskiwanych w ramach pomiarów testowych z danymi przewidywanymi przez model w ramach wielu cykli symulacji i testów, aby mieć pewność, że obydwa zestawy danych są zbieżne. Takie podejście i możliwości dają pewność, że model jest dokładnym odwzorowaniem produktu.

Obecnie większość firm wytwórczych skłania się ku działaniom w dobrze zarządzanym otoczeniu, gdyż chcą pracować z modelami 3D CAD i śledzić zmiany dokonywane w modelach na przestrzeni całego cyklu życia produktu. Aby jednak zareagować na tendencje takie jak przejście od urządzeń mechanicznych do urządzeń łączących właściwości elektryczne i mechaniczne, konieczne jest bardziej zintegrowane podejście do inżynierii produktu, które łączy potrzebne dane i modele. Zakres korzystania z narzędzi zarządzania cyklem życia produktu (product lifecycle management – PLM) będzie musiał wyjść poza wymogi w zakresie śledzenia oraz danych CAD i obejmować symulację, kwestie inżynieryjne i weryfikację w ramach tego samego systemu, pozwalając na zintegrowanie danych pochodzących z testów i czujników oraz dotyczących wydajności produktów na poszczególnych etapach ich cyklu życia.


Oprac. na podst. materiałów inf. Siemens Digital Industries Software

1Ch. Pettey, „Prepare for the Impact of Digital Twins”, 18.09.2017, https://www.gartner.com/smarterwithgartner/prepare-for-the-impact-of-digital-twins/.