Beyond the Classic Digital Twin:

Prognosewerkzeug zur Echtzeit-Beurteilung von Verkehrssystemen

Dietmar Maicz

Anwendungsgebiete-kritische-Assets

In naher Zukunft werden autonome Systeme große Teile des Transportwesens (Personen, Güter) beherrschen. Parallel dazu werden automatisierte Systeme verstärkt für die Verkehrsabwicklung sorgen. Diese Entwicklung macht es erforderlich, zu jeder Zeit das Gesamtsystem der Infrastruktur, den Status ihrer kritischen Bauwerke und den Wartungszustand der Fahrzeuge beurteilen zu können.

Classic Digital Twin

Ein “Digital Twin“ oder „Digitaler Zwilling“ ist das exakte virtuelle Abbild eines physischen Objektes oder Prozesses. Typische Projekte starten mit einer Kopplung eines Simulationsmodells mit einer 3D Visualisierung, der einfachsten Form eines digitalen Zwillings. Dies wird dann oft für Produktdesign und Entwicklung verwendet. Der nächste Schritt ist dann die Einbindung eines Realsystems in einer kontrollierten Entwicklungsphase (Hardware-in-the-loop-Simulation). Dies sind die heute weit verbreiteten „Classic Digital Twin“-Applikationen. Diese werden zur besseren Abgrenzung in letzter Zeit auch vermehrt als „Produkt- oder Produktionszwillinge“ bezeichnet.

Dietmar Maicz

Dietmar Maicz, Hottinger Brüel & Kjaer Austria GmbH

OnBoard-Wayside

Beyond the Classic Digital Twin

Erst wenn reale Felddaten aus dem Echtbetrieb an die Modelle angebunden werden, kann man den Betrieb und Zustand überwachen. Über diese „Performance-Zwillinge“ ist es möglich, bessere Einblicke zu gewinnen, um virtuelle Modelle zu verbessern, die Betriebsdaten zu erfassen, zu aggregieren und zu analysieren, um die Produkt- und Produktionssystemeffizienz zu verbessern.

Datenqualität ist der Schlüssel

Zuverlässige Aussagen der Systeme sind wesentlich, um die technischen und ökonomischen Vorteile der Daten zu materialisieren. Genaue und damit belastbare Messwerte sind eine Grundvoraussetzung.

Realisierte Beispiele für hochgenaue Echtzeitdaten aus Fahrzeug und Infrastruktur

Exemplarisch wird im Weiteren dargestellt, welche Möglichkeiten der hochgenauen Datenerfassung bereits heute bestehen, um unter Verwendung von Sensoren, Industrial Internet of Things (IIoT) und der Toolbox aus Big Data und Machine Learning/Artificial Intelligence eine Optimierung zwischen bewegtem Fahrzeug sowie Infrastruktur zu erreichen.

  1. Brücken
  2. Tunnel
  3. Eisenbahn an den Schnittstellen Rad-Schiene und Pantograph-Oberleitung

Belastbare Messdaten sind der Schlüssel, um in Kombination mit einer neuen Generation von digitalen Zwillingen zuverlässige Entscheidungen treffen zu können und um das fundamentale Ziel eines störungsfreien und kosteneffizienten Zusammenwirkens von Fahrzeug und Infrastruktur zu erreichen.