Hoe te beginnen met digital twinnen?

0

De digitale tweeling is het boegbeeld van de digitaliseringstrend in de industrie. Hartje zomer wijdde MathWorks, ontwikkelaar van software voor data analytics en model-based design, er een virtueel seminar aan. De belangrijkste uitdaging voor veel bedrijven is hoe te beginnen met digital twinnen, zo bleek uit een peiling van MathWorks onder de deelnemers. Link Magazine ging in gesprek met de hosts, Mohamed Anas, regional engineering manager Benelux en Zwitserland, en Marcel Stakenborg, managing director MathWorks Benelux.

– ‘Ik vind het indrukwekkend om te zien hoe sommige van onze klanten digital twinning omarmen’

– ‘Beginnen houdt voor elk bedrijf ook iets anders in.’

– ‘Digital twinning is geen panacee; het is beter om per geval de case te beoordelen.’

– ‘Leveranciers zoals MathWorks hebben kant-en-klare oplossingen.’

– ‘Als bedrijven on premise niet voldoende rekenkracht hebben, moeten ze eenvoudig kunnen schakelen naar de cloud.’

Het praktijkrecept van MathWorks

MathWorks is een leidende ontwikkelaar van software voor data-analyse en modelgebaseerd ontwerp. De bekendste platforms, MATLAB®, Simulink® en Simscape™, vormen een natuurlijke basis voor het bouwen van digital twins. In de definitie van MathWorks is dat een gestaag evoluerende digitale representatie van een product, proces of systeem die de status daarvan berekent en informatie genereert. Zo kan, gedurende de hele levenscyclus, met geïntegreerd, systematisch gebruik van gegevens en modellen, de besluitvorming worden ondersteund voor ontwerp en operatie van dat product, proces of systeem. Het is daarom niet meer dan logisch dat MathWorks zich profileert als leverancier van software en support op dit gebied en er digital innovation workshops en seminars (online) voor organiseert.

Slimme machines

Zo vond begin juli het virtuele seminar ‘Digital Twinning of Smart Machines’ plaats. Stakenborg: ‘We hadden bijna 200 deelnemers uit diverse industrietakken. Het bevestigt dat dit een hot topic is.’ Anas beaamt dat: ‘Toen jij en ik zo’n vijftien jaar geleden gingen werken bij MathWorks, was digital twinning nog slechts een abstracte term. Kijk naar de wereld nu; die is getransformeerd.’ Stakenborg: ‘Ik vind het indrukwekkend om te zien hoe sommige van onze klanten digital twinning omarmen, om zo de manier waarop ze hun producten en diensten ontwikkelen opnieuw vorm te geven.’

‘De vraag is ook hoeveel je als bedrijf zelf wilt doen’

Daarmee verwijst Stakenborg naar de keynotes tijdens het seminar. Van onder andere ASM Pacific Technology, bouwer van semiconductormachines. Die zet een digital twin in voor dynamische simulatie om de prestaties en nauwkeurigheid van een nieuw machineontwerp te optimaliseren. Anas: ‘Wij helpen klanten om de mogelijkheden van digital twinning te onderzoeken. Samen met hen bepalen we de beste strategie op basis van de beschikbare data en interne resources. Daarnaast bieden we kant-en-klare software voor de multi-domein fysische en dynamische simulatie van een machine. Dat legt een directe koppeling met de fysieke prestaties van die machine.’ Een andere keynote werd verzorgd door Vintecc dat bedrijven helpt hun machines ‘smarter’ te maken met digitalisering en model-based design. Het bedrijf gebruikt een digital twin onder meer voor ‘virtual commissioning’, om de besturingssoftware van een machine te testen, valideren en optimaliseren voordat deze in bedrijf gaat. Een andere bekende toepassing van een digital twin is predictive maintenance: onderhoudskosten en machine-downtime minimaliseren door de planning van onderhoud met behulp van voorspellingen te optimaliseren.

Marcel Stakenborg, managing director Benelux: ‘Steek eerst veel energie in het nadenken over digital twinning: doelen, tijdlijn, benodigde interne en externe expertise. Wij helpen met een assessment. Begin vervolgens klein en bouw een prototype. Wij doen met klanten projecten van drie tot zes maanden voor een proof of concept.’

Autonomie, connectiviteit en modulariteit

De best practices van dergelijke bedrijven kunnen inspireren, maar veel collega-bedrijven hebben moeite om te beginnen, zoals weer eens blijkt uit de peiling van de uitdagingen (zie infographic). Stakenborg: ‘Deze terughoudendheid zien we regelmatig tijdens onze online seminars wereldwijd terugkomen.’ Anas: ‘Beginnen houdt voor elk bedrijf ook iets anders in. Sommige bedrijven hebben geen data beschikbaar, maar springen toch op de rijdende trein van digital twinning.’ Stakenborg: ‘Dat is niet altijd verstandig. Bedrijven zouden zich eerst moeten afvragen wat voor hen de businesscase is. Bovendien hebben ze intern veel verschillende stakeholders, die elk hun eigen perspectief en belang hebben. Als je die er niet allemaal bij betrekt en alleen met de softwareontwikkelaars begint, krijg je later problemen.’ Anas: ‘Digital twinning is geen panacee; het is beter om per geval de case te beoordelen.’

Enabler van modulariteit

De twee collega’s verwijzen daarmee naar de actuele uitdagingen in de maakindustrie: toenemende complexiteit, afnemende time-to-market en beperkte resources (zoals technisch geschoold personeel). Digital twinning biedt volgens hen uitkomst, doordat het kan fungeren als enabler voor autonomie (voor besturing van machines en processen zijn minder menselijke experts nodig), connectiviteit (met internet of things kan de verbinding tussen virtuele en fysieke wereld worden gelegd) en modulariteit.

Modulair en hiërarchisch opgebouwd

Met dat laatste begrip doelen Anas en Stakenborg op zowel productfamilies als productieprocessen die modulair en hiërarchisch zijn opgebouwd. Dit om de complexiteit te verminderen en eenvoudig klantspecifiek maatwerk te bieden. De digital twin-beschrijvingen van de verschillende modules vormen dan de basis voor de configuratie van het betreffende product of proces. Stakenborg: ‘Met behulp van de digital twin kun je uitspraken doen over de effectiviteit van de gekozen systeem- of machineconfiguratie.’ Maar ook een digital twin zelf kan een modulaire en hiërarchische structuur hebben, vult Anas aan. ‘Modellen voor verschillende onderdelen kunnen uit verschillende bronnen komen, elk met een verschillend niveau van diepgang, bijvoorbeeld in de fysische beschrijving. Mission-critical onderdelen wil je met veel diepgang en betrouwbaarheid kunnen modelleren.’

Eerst nadenken

Wanneer bedrijven met digital twinning beginnen, lopen ze het risico om te enthousiast aan de slag te gaan, waarschuwt Stakenborg. ‘Ze nemen meteen jonge softwareontwikkelaars en data scientists aan en gaan modellen bouwen. Na een jaar moeten ze soms concluderen dat het toch beter was om eerst wat langer na te denken over wat ze precies willen bereiken. De vraag is ook hoeveel je als bedrijf zelf wilt doen; leveranciers zoals MathWorks hebben kant-en-klare oplossingen. Als je alles zelf ontwikkelt, moet je je er wel van bewust zijn dat een digital twin vijf tot tien jaar operationeel moet blijven en onderhoud nodig heeft.’ Een andere uitdaging is de visualisatie van de omvangrijke data die een digital twin genereert. ‘Hoe presenteer je die op een inzichtelijke manier aan de managers en welke dashboards moet je daarvoor maken?’ En dan is er nog het versiebeheer, vult Stakenborg aan. ‘Hoe vaak moet je een digital twin updaten en hoe regel je het beheer daarvan? Zo zijn er veel zaken waar bedrijven pas achteraf over gaan nadenken, nadat ze allang gestart zijn en opeens worden geconfronteerd met dit soort vragen.’

De toekomst van digital twinning voor een product, machine of proces: een oneindige verbeterloop van ontwerp, test, operatie en feedback, waarin de werelden van ontwikkeling en operatie onlosmakelijk met elkaar zijn verbonden. Bron: MathWorks

Klaar voor?

Een uitdaging is ook de al aanwezige, veelal wat oudere medewerkers mee te nemen in de digitaliseringsslag. Stakenborg: ‘Engineers die al met onze tools werken, kunnen zelf de modellen voor een digital twin bouwen, met hulp van data scientists. Daar kunnen wij bij ondersteunen. Op die manier kunnen zij hun domeinkennis inbrengen en hoeven ze niet van scratch af aan te beginnen.’

Bedrijven maken zich zorgen over hun readiness voor de digitaliseringsslag, weet ook Anas. ‘Niet alleen van hun mensen, maar ook van hun technologie. Als ze bijvoorbeeld een real-time twin gebruiken voor besturing van machines, moeten ze hun computercapaciteit ‘elastisch’ kunnen inzetten. Als ze in eigen huis (on premise) niet voldoende rekenkracht hebben, moeten ze eenvoudig kunnen schakelen naar de cloud.’

Oneindige loop

Maar als een bedrijf het goed voorbereidt, klein begint en vervolgens digital twinning gestaag uitbouwt, dan wenkt het perspectief van een oneindige loop van ontwerp, test, operatie en feedback. Die loop verbindt de werelden van ontwikkeling en operatie onlosmakelijk met elkaar en kan een continu verbeterproces gaande houden.

Schematic of a digital twinning proof-of-concept project. Source: MathWorks

Grootste uitdagingen van digital twinning

Start                                          40%

Ervaring                                    17%

Data-infrastructuur                15%

Waarde                                    13%

Data-beschikbaarheid           9%

Overig                                      6%

Bron: Peiling onder tweehonderd deelnemers tijdens virtueel seminar MathWorks

Legenda

Start:                             Geen idee hoe te beginnen

Ervaring:                        Geen ervaring met ontwikkelen van digital twin

Data-infrastructuur:        Geen infrastructuur voor dataverzameling

Waarde:                         Geen inzicht in de waarde van digital twin

Data-beschikbaarheid:    Geen data beschikbaar

Overig                            –

Lees Link magazine digitaal of vraag een exemplaar op: mireille.vanginkel@linkmagazine.nl’

Het digital twinning praktijkrecept van MathWorks in drie stappen:

  1. Definieer het doel van het digital twin model, bijvoorbeeld predictive maintenance, virtual commissioning en/of optimalisering van machine performance.
  2. Bouw een virtueel softwaremodel van de machine, inclusief een ‘play button’ om het machinegedrag als functie van de tijd te kunnen simuleren en optimaliseren.
  3. Gebruik data uit de praktijk om het gedrag van de machine te optimaliseren.
Share.

Reageer

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

Geverifieerd door ExactMetrics