Digital Transformation

    Deel via:

    Digital twin: het virtuele broertje waarmee je machines slimmer onderhoudt en beheert

    De ‘digital twin’ staat aan de vooravond van een definitieve doorbraak. Op de meest recente Hype Cycle for Emerging Technologies heeft de term volgens Gartner de zogenoemde ‘piek van opgeblazen verwachtingen’ bereikt. In goed gezelschap van trends als biochips en deep learning. Nu wordt het tijd dat organisaties de digital twin ook echt gaan inzetten om hun assets slimmer en eenvoudiger te beheren. In dit blog legt Frank Basten, IoT Expert bij SAP, hoe de digital twin nu al bedrijven vooruithelpt.

    Zo simpel als het klinkt, zo eenvoudig is een digitale tweeling ook. Het is een digitale representatie van een fysiek object. De digitale tweeling kan een eenvoudig model zijn met alleen stamdata. De laatste jaren verzamelen organisaties steeds meer data om de digital twin verder te ontwikkelen. Maar veel van deze informatie staat vaak nog verspreid over verschillende systemen. De digital twin waar Gartner naar refereert is een model waar nauwkeurige technische tekeningen, onderhouds- en operationele geschiedenis en ook meetdata uit IoT-sensoren bij elkaar worden gebracht. De digital twin wordt dus echt een exacte kopie van het fysieke object, met alle relevante data op één plek: maar dan digitaal.

    Het idee van een digital twin is eigenlijk al decennia oud. We ontwikkelen, simuleren en testen al jaren machines en andere objecten met 3D-software, zodat ze doen waarvoor ze gemaakt zijn als ze in productie gaan. Maar vervolgens moet een machine ook onderhouden worden. Onderhoud wordt weliswaar geregistreerd door leveranciers en gebruikers, maar het ontbreekt vaak aan een eenduidig beeld van al het onderhoud en vervangingsonderdelen aan een machine.

    Wat is de status van mijn onderdelen?

    Neem bijvoorbeeld een windmolen. Een windmolen bestaat uit talloze onderdelen van verschillende leveranciers. Als organisatie wil je precies weten uit welke onderdelen de windmolen bestaat en wanneer onderdelen aan vervanging toe zijn. Om dat te weten heb je informatie nodig. Wat voor onderhoud is er gedaan per onderdeel? En wie is de leverancier? Met een digital twin maak je dit inzichtelijk. Je visualiseert een windmolen in een digitale omgeving en kunt per onderdeel inzoomen en precies zien wat de status is. Dankzij dit trackrecord weet je welke onderdelen in goede staat zijn en welke onderdelen binnenkort aan vervanging toe zijn.

    Daarnaast kunnen onderhoudspartijen het digital twin model inzien. Als organisatie bepaal je welke restricties, zodat ze alleen de data te zien krijgen die relevant is. Zo zorg je ervoor dat onderhoudspartijen de juiste onderdelen meenemen en weten wat de huidige status van het apparaat is. Na onderhoud kunnen ze die gegevens aanvullen met nieuwe documenten en een beschrijving wat ze vervangen of gerepareerd hebben.

    Voorspel wanneer onderdelen kapotgaan

    Toch blijft onderhoud vaak preventief werk. We vervangen een onderdeel na een bepaalde periode, omdat de leverancier de levensduur van het onderdeel zo bepaald heeft. In sommige gevallen komen we zelfs te laat in actie als een onderdeel al kapot is. De échte innovatie van de digital twin zit daarom niet in het bijhouden van onderhoud, maar in het herkennen van bepaalde situaties en het reageren op veranderende omstandigheden. Dankzij nieuwe technologieën zoals Internet of Things, machine learning en predictive analytics is het mogelijk dat bedrijven op basis van informatie uit de digital twin bepaalde patronen herkennen en direct actie ondernemen.

    Door sensoren te koppelen aan de onderdelen van een machine, en die te laten communiceren met een digital twin, kun je de ‘gezondheid’ van onderdelen monitoren. Voeg daar de data van de leverancier – gemiddelde levensduur van een onderdeel – en eigen historische data van een onderdeel aan toe en je kunt met predictive analytics voorspellen wanneer onderdelen aan vervanging toe zijn. Daarnaast kun je situaties simuleren. Wat gebeurt er met een windmolen zodra het harder gaat waaien? Welke onderdelen komen het meest onder druk te staan als er windkracht 10 staat? Als je beschikt over deze informatie, kun je precies berekenen wanneer onderdelen onderhoud nodig hebben of aan vervanging toe zijn. Zo kun je niet alleen servicebeurten slimmer plannen, maar verleng je ook de levensduur van het object door op tijd in te grijpen.

    Welk onderdeel presteert niet?

    Bovendien kan de digital twin relevante informatie bieden om met machine learning de prestaties van het object tijdens het uitvoeren te optimaliseren. Doordat een digital twin een compleet beeld geeft van het object, kun je met die informatie uitrekenen welke onderdelen minder presteren. En krijg je ook inzicht welke onderdelen in een windmolen of ander object je het beste kunt vervangen. Of hoe je het proces slimmer in kan richten zodat je het onderdeel optimaal gebruikt.

    Het toevoegen van nieuwe technologieën die inzicht geven in de huidige status van objecten is een veelbelovende innovatie om machines op tijd te repareren en om servicebeurten slimmer in te plannen. Maar ook om te voorspellen wanneer machines uitvallen en de efficiency van een machine te optimaliseren. Het is geen statisch model meer, maar verandert voortdurend mee met de laatste stand van zaken. De ‘nieuwe’ digital twin stelt je organisatie zo in staat om de downtime van machines drastisch te verminderen en de onderhoudskosten fors te verlagen.

    Meer weten over Digital Twins? Tijdens Connect to Innovate stonden we uitgebreid stil bij succesvolle use cases en lieten we zien hoe eenvoudig het is om een digital twin te ontwikkelen. 

    Bekijk meer