Digital twins helpen engineers om producten te testen en valideren. Met behulp van een systeeminstallatie wordt een digital twin gebouwd. Hierbij wordt de systeemsimulatie opgebroken in verschillende onderdelen, die vervolgens weer samenkomen in de digital twin. De identieke 3D-modellen die in deze software worden gecreëerd, bevatten alle details en logica van het fysieke systeem. Hierdoor kan men het 3D-model niet alleen tijdens het ontwikkelproces gebruiken, maar ook na afloop. Bijvoorbeeld om de levensduur van een product te voorspellen en daarmee onderhoudskosten te reduceren, of om toekomstige reproducties van het product te verbeteren. Sandeep Sovani, Global Director Automotive Industry bij ANSYS, legt uit hoe digitale modellen en ANSYS Twin Builder worden ingezet voor de ontwikkeling van nieuwe systemen en het voorspellen van onderhoud aan grote installaties.
“Digital twins kunnen bijvoorbeeld de ruimtevaartindustrie helpen bij het plannen van motoronderhoud. Het creëren van een simulatie op systeemniveau wordt een belangrijk onderdeel van productontwerp. Systeemsimulaties helpen ontwerpers om te beoordelen hoe een heel product werkt, voordat ze dieper ingaan op de ontwikkeling van elk onderdeel. Ze helpen engineers ook producten te verifiëren en valideren. Daarnaast vormen ze de ruggengraat van digital twins, die de productprestaties in het veld volgen.”
ANSYS ontwikkelde Twin Builder waarmee ingenieurs systeemsimulaties kunnen gebruiken bij elke stap van de ontwikkelingscyclus.
Hoe helpt Twin Builder?
“Over het algemeen helpen systeemsimulaties en digital twins organisaties de time-to-market te versnellen en geld te besparen op garantie, verzekeringen, ongeplande shutdowns en onderhoud. Zo helpen systeemsimulaties de auto-industrie ervoor te zorgen dat alle delen van een auto samenwerken. Bij het bouwen van een systeemmodel moet er rekening worden gehouden met verschillende fysica. De betrouwbaarheid van het model zal verbeteren naarmate deze fysica in één simulatie worden gekoppeld.”
De uitdaging bij het maken van een systeemsimulatie is dat de 3D-modellen die de prestaties van elk onderdeel voorspellen, om een aanzienlijke hoeveelheid tijd en rekenkracht vragen.
Hoe gaan jullie deze uitdaging aan?
“We moeten die modellen verfijnder gebruiken. Een oplossing is om gereduceerde bestelmodellen (ROM) te gebruiken die kunnen helpen simulaties op systeemniveau bijna in realtime uitvoeren.”
Wat maakt ROM’s zo interessant als toepassing?
“ROM’s zijn vereenvoudigingen van 3D-modellen die de essentiële informatie behouden die wordt gebruikt voor systeemsimulaties. Het verwerken van input via een ROM gaat daardoor veel sneller dan via een 3D-model. Dit maakt ROM’s ideaal voor vele toepassingen, zoals het ontwerpen van experimenten, systeemsimulaties, digital twins en runtime-generaties van realtime toepassingen. Twin Builder kan tools van derden en 3D-modellen binnen een systeemsimulatie verbinden via modellen met gereduceerde bestellingen.”
De eerste stap bij het maken van een systeemsimulatie is het ontwikkelen van alle ROM’s die aan het systeem zijn gekoppeld. Om een ROM te maken, moeten engineers eerst trainingsgegevens verzamelen die de prestaties van het 3D-model over de operationele ruimte vastleggen. Twin Builder gebruikt deze trainingsgegevens om de ROM te synthetiseren.
Hoe wordt een gereduceerd bestelmodel gebouwd?
“Stel bijvoorbeeld dat ik een thermische ROM van een 28-cell batterij maak. Ik zet één cel aan en geef hem een stapsgewijze invoer. Vervolgens simuleer ik de warmteontwikkeling. Zodra ik het proces voor elke cel herhaal, met de andere 27 cellen uitgeschakeld, heb ik mijn trainingsgegevens.”
Dankzij de stapsgewijze invoer van de trainingsgegevens in dit voorbeeld, kan deze ROM de resultaten van het betrouwbaarheidsmodel schatten voor iedere invoer. ROM’s worden echter beperkt door de verzamelde trainingsgegevens. Het is dus belangrijk om de volledige operationele ruimte vast te leggen die de systeemsimulatie of digital twin kan ervaren.
“Om de systeemsimulatie te bouwen, moet men beginnen met het koppelen van ROM’s, algoritmen en andere fysieke gegevens in een systeemmodel. In het eerder aangehaalde voorbeeld van de batterij met een thermische ROM, betekent dit dat er meer fysica toe moet worden gevoegd aan het systeemmodel – zoals de stroom- en spanningsrelatie binnen de batterij.”
Hoe gaat dit in zijn werk?
“De stappen die nodig zijn om een systeemmodel van deze batterij te bouwen zijn:
- Ontwikkeling van een equivalent circuitmodel (ECM) van de stroom / spanningsverhouding voor elke cel.
- Het combineren van de ECM-cellen om een ECM-module te vormen.
- Het uitvoeren van een computational fluid dynamics (CFD)-simulatie van de thermische eigenschappen van de batterij.
- Een ROM weghalen uit de CFD-simulatie.
- Twin Builder gebruiken om de ROM- en ECM-module te koppelen in een tweerichtingsmultifysieke simulatie.
- Afzonderlijke batterijmodules koppelen in een volledig gekoppeld batterijpakket om de hele batterij te simuleren.
Elektrotechnici kunnen een systeemmodel als een circuitmodel beschouwen, maar als we het over systemen hebben, spelen meerdere aspecten een rol. Een systeemmodel kan bijvoorbeeld elektrische of thermische aspecten en andere mechanische configuraties hebben.”
Wat gebeurt er als een model verandert?
“Als het model ooit verandert, zijn de trainingsgegevens niet langer geldig. Dan moet er een nieuw ROM worden gemaakt, op basis van trainingsgegevens die zijn verzameld met het bijgewerkte model.”
De systeemniveau-benadering die wordt gebruikt om een systeemsimulatie te maken, zorgt ervoor dat alle logica aanwezig is die nodig is om een realistische weergave van het daadwerkelijke product te hebben. Engineers kunnen de systeemsimulatie gebruiken om een product te ontwerpen.
Eindigen de mogelijkheden hier?
“Zeker niet. De systeemsimulatie kan gedurende de gehele levenscyclus van het product worden gebruikt. Het kan bijvoorbeeld worden verpakt in een digital twin die sensoren verbindt op een Industrial IoT-platform.
De sensoren kunnen gegevens uit de echte wereld verzamelen over het product dat de digital twin vertegenwoordigt. Deze gegevens kunnen vervolgens worden ingevoerd in de digital twin om te zien hoe het echte product presteert. De resultaten kunnen worden gebruikt voor planning, voorspellend onderhoud en optimalisatietoepassingen.
Ten slotte kunnen de prestatiegegevens die zijn vastgelegd door de digital twin worden teruggestuurd naar het ontwerpteam van het product. Het team kan deze gegevens gebruiken om oplossingen voor producten in het veld of verbeteringen aan de volgende iteratie van het product te bedenken.”
