KI & IoT befeuern Digital Twins für intelligentere Supply Chains

21. August 2021

Quelle: AI Trends

Die gleichzeitige Wachstumsdynamik von IoT und Machine Learning führt zu einem Anstieg der Nutzung von Digital Twins in der Supply Chain – als digitale Replikate für diverse Zwecke. Die Verbindung zwischen physischem Modell und virtuellem Pendant wird durch Echtzeitdatengenerierung via Sensoren hergestellt.

Das Digital Twin Consortium, im August als Programm der Object Management Group gestartet, arbeitet an Taxonomie, Standards und Enabling Technology inklusive KI und Simulation. Ingenieure werden angezogen. Gründungsmitglieder: Ansys, Dell, GE, Lendlease, Microsoft, Northrop Grumman.

„IoT und ML sind die Rohmaterialien und Werkzeuge – der Insight liegt im Repository, wo wir Prozesse modellieren und Kontext schaffen. Ob Datenbank oder Data Lake, das interessanteste Beispiel für mich ist der Digital Twin“, schrieb Scott Lundstrom, Analyst an der Schnittstelle von KI, IoT und Supply Chains, auf seinem Blog Supply Chain Futures.

Der Digital Twin in der Supply Chain erlaubt Vergleich zwischen aktuellen und historischen Performancedaten, wo immer ein Sensor sitzt. Es könnte eine Komponente wie ein Thermostat sein, ein Asset wie LKW oder Maschine, ein Mitarbeiter wie Servicetechniker oder ein Prozess wie Fertigung. „Teil der Digital-Twin-Fähigkeit wird durch diese Komplexität getrieben, Models of Models zu haben, um komplexe Assets, Prozesse und Systeme zu beschreiben“, schrieb Lundstrom.

In der Supply Chain kann das Digital-Twin-Modell Items in Containern umfassen, die durch die physische Welt zu Distributoren und Kunden bewegen. Das Modell könnte Daten vom Erstellungsprozess am einen Ende der Kette erben und ein Kundenmodell am anderen Ende informieren.

„Supply Chains und Manufacturing Assets sind erst der Anfang. Wenn diese Technologie besser verstanden wird und Deployments einfacher werden, wächst der Einsatz in zunehmend komplexe Räume. Bereits gibt es Entwicklung von Digital Twins in Life Sciences zur Unterstützung von Systems Biology beim Modellieren komplexer Organe wie dem menschlichen Herzen“, schrieb Lundstrom. (Siehe „Virtual Twins: Their Roles in Healthcare, Drug Discovery and Pandemic Response“ in BioITWorld.)

Ideal für die Supply Chain, charakterisiert durch viele komplexe Multi-Model-Use-Cases, kann der inklusive Digital Twin einen Blick auf die gesamte Supply Chain haben – vom Supplier's Supplier zum Customer's Customer. Ein Verständnis von Status und Historie von Assets und Prozessen erlaubt, ML-Tools für Simulationen, Optimierungen und Predictive Capabilities in die Modelle zu bringen, schlägt Lundstrom vor.

„Um die Vorteile dieser enormen Chance zu realisieren, brauchen wir Standards, agreed-upon Taxonomien, kommerzielle Development Tools und Platforms für diesen Markt, um zu florieren“, stellte er fest. „Die Supplier Community reagiert auf diese Chance, und viele Practitioners aus PLM [Product Lifecycle Management], IoT und Analytics/Data Science Market beginnen, sich auf das Lösen dieser foundational Standards zu fokussieren.“

Große Platform Provider bewegen sich vorwärts mit Tools und Platform-as-a-Service (PaaS) Offerings, um Share zu gewinnen und „de facto“ Standards zu entwickeln. Amazon Web Services (AWS), Google Cloud Platform (GCP), Predix Platform von GE, IBM und Microsoft bauen alle Extensions zu ihren bestehenden IoT-Tools und Platforms, um Support für Digital-Twin-Erstellung hinzuzufügen.

Lundstrom wies auf Microsofts Azure Digital Twins als eines der vollständigeren frühen Angebote hin. Gefeatured beim Microsoft Build 2020 Event (virtuell im Mai), unterstützt der Preview Release eine neue Digital Twin Definition Language (DTDL) basierend auf einer Implementierung von JSON-LD (JavaScript Object Notation for Linked Data).

„Durch Nutzung von JSON-LD, einem weithin akzeptierten, simplen Object Framework, unterstützt Microsoft von Anfang an einen offenen Standard“, schreibt Lundstrom. „Das ist eine Key Requirement, da Nutzer verstehen, dass Digital Twins einen offenen objektorientierten Ansatz brauchen, um Requirements für Inheritance und Multiple Instances bei komplexen Multi-Tier-Modellen zu unterstützen, die portabel sind und weit verfügbare Cloud Platforms und KI Frameworks nutzen.“

Sind Supply Chain Digital Twins nur ein weiterer Hype?

Ist der Supply Chain Digital Twin nur ein weiterer Hype, fragte ein Blogpost auf der Site von River Logic, Anbieter von Prescriptive Analytics Technology für Supply Chain Optimization mittels Digital Twins. Seit 2000 in Dallas im Geschäft, bietet das Unternehmen Pre-Built Applications mit Knowledge von Business Planning und Optimization.

Simulation und Modeling Software erlaubt Organisationen, realistische und verifizierbare Supply Chain Digital Twins ihrer Supply Chains zu erstellen. Data Mining Techniques zusammen mit Inputs von IoT-Sensoren erlauben Echtzeitdaten in Modelle zu speisen. Modelle können monitoren und bestimmen, was in der realen Welt passiert, und korrektive Aktionen planen.

Eine Gartner-Studie zu IoT-Implementation im Juli 2018 zeigte: 13 % der Unternehmen mit IoT-Projekten hatten bereits Digital Twins, weitere 62 % arbeiteten auf Implementation hin. „Digital Planning Twins scheinen mehr als nur ein Hype zu sein“, stellte der River Logic Post fest.

Ingenieure in den 1970ern und 80ern nutzten 3D-CAD-Modelle komplexer Engineering-Equipment für virtuelle Walkthroughs. Mit fortschreitender CAD-Technologie wurde es möglich, physischen Stress darzustellen – virtuelles Stress-Testing. Heute lassen sich „fast perfekte“ digitale Modelle realer Equipment bauen – wie Flugzeuge, autonome Fahrzeuge, Bohrgeräte – und durch Input realer Daten (statische und dynamische Lasten beim Flugzeug-Start) Performance messen.

„So ist es möglich, die reale Welt zu simulieren und die Lücke zwischen physischer und digitaler Umgebung zu schließen“, so River Logic. Mehrere Firmen-Erfahrungen mit Digital Twins sind auf der River Logic Website hervorgehoben.

Digital Twin eines Warehouses in Pacific-Asia, gebaut von DHL Supply Chain

DHL Supply Chain baute seinen ersten Digital Twin eines Warehouses in Pacific-Asia für Tetra Pak, ein multinationales Food-Packaging- und Processing-Unternehmen mit Sitz in der Schweiz. Der Digital Twin wird konsistent mit Echtzeitdaten aus einem physischen Warehouse in Singapur gespeist, das DHL so entwickelte, dass es in die Supply Chain integriert ist, laut Account in Supply Chain Magazine.

„Die gemeinsame Implementierung einer solchen digitalen Lösung zur Verbesserung von Tetra Paks Warehousing- und Transportaktivitäten ist ein exzellentes Beispiel für die Smart Warehouses der Zukunft“, sagte Gillet Jerome, CEO, DHL Supply Chain Singapore, Malaysia, Philippines. „Das ermöglicht agile, kosteneffektive und skalierbare Supply Chain Operations.“

Im Warehouse trackt der DHL Control Tower ein- und ausgehende Goods, um sicherzustellen, dass alle Goods innerhalb von 30 Minuten nach Empfang korrekt gelagert sind. Eingehende LKWs sind mit IoT-Technologie ausgestattet. Eine Smart Storage Solution von Tetra Pak trackt und simuliert physische Kondition und individuelle Stock Levels in Echtzeit, was non-stop Koordination der Operationen erlaubt.

„Wir erwarten, dass die Partnerschaft mit DHL Supply Chain unsere Produktivität weiter steigert und hohe Standards in unseren Supply Chains hält“, kommentierte Devraj Kumar, Director, Integrated Logistics, South Asia, East Asia & Oceania für Tetra Pak.

Digital Twins in Paris schützen Windturbine vor Nordsee-Stürmen

GE Engineers in Paris partneren mit Ansys, globalem Supplier für Engineering Simulation Software, um einen Digital Twin einer Windturbine in der Nordsee zu bauen. Ein Ziel: Output maximieren, Downtime minimieren, indem Probleme erkannt werden, bevor sie zu ungeplanten Outages führen. Predictive Maintenance verlässt sich nicht nur auf physische Sensoren an Maschinen, sondern auch auf virtuelle Sensoren an Orten, wo physische Sensoren nicht nutzbar sind, laut GE News.

Der virtuelle Sensor kann mit fairer Präzision Werte wie Temperatur oder Druck schätzen, indem er andere Sensordaten und smarte Algorithmen basierend auf historischen Daten oder Modellen nutzt.

Beispiel: GE Engineers entwickelten einen Digital Twin der Yaw-Motoren der Haliade 150-6 Windturbine, die die 6-Megawatt-Turbine rotieren und in den Wind positionieren lässt. Virtuelle Sensoren simulieren Temperatur an verschiedenen Motorenteilen.

Mit Algorithmen auf Basis von Predix, GEs Software-Plattform für das Industrial Internet, und einem Modeling Approach von Ansys können Engineers jetzt Motortemperatur zu jedem Zeitpunkt schätzen. Im Foundry können sie auch monitoren, wie Motoren unter verschiedenen Belastungen über Zeit performen. Im Feld nutzen Engineers eine App mit Dashboard, verbunden mit dem Twin, zur Motor-Temperatur-Überwachung.

„Für die Simulation brauchen wir dank Digital Twin nur den Strom, um Temperatur zu verstehen und Motor-Nutzung zu optimieren“, sagte Sabot.

GE berichtet, 1,2 Millionen Digital Twins von Jet Engines, Gas Turbines und Lokomotiven bereits im Feld im Einsatz zu haben.

Quellartikel und Accounts bei Supply Chain Futures, Digital Twin Consortium, River Logic Blog, Supply Chain Magazine und GE News.