MBSE und Digital Twin: Eine potente Kombination
Der „Digitale Zwilling“ (Digital Twin) ist ein digitales Modell eines physikalischen Systems. Im ersten Moment hat dies nur indirekt etwas mit MBSE (Model-Based Systems Engineering) zu tun. Im Gegensatz zum MBSE-Modell wird der digitale Zwilling mit Daten aus dem Betrieb gefüttert, um daraus neue Erkenntnisse zu gewinnen.
Doch die drei Wissenschaftler Azad Madni, Carla Madni und Scott Lucero sehen viele Vorteile darin, die zwei Ansätze zusammenzuführen. Welche Vorteile sie dabei sehen, haben sie 2019 im Journal Systems veröffentlicht. Hier die Zusammenfassung.
Das Journal Systems hat den Artikel 2019 veröffentlicht unter dem Titel „Leveraging Digital Twin Technology in Model-Based Systems Engineering“ (Download).
Der Digital Twin…
Ein digitaler Zwilling benötigt per Definition einen physischen Zwilling für die Datenerfassung und kontextbezogene Interaktion. Das virtuelle Systemmodell im digitalen Zwilling kann sich in Echtzeit ändern, wenn sich der Zustand der physischen Systeme während des Betriebs ändert.
Die Idee des Digital Twins kam Anfang der 2000er zum ersten Mal durch die Idee des Internets der Dinge (IoT) auf. Gerade durch den Einsatz von IoT im industriellen Umfeld wurde der Digital Twin überhaupt erst machbar.
Digital Twins sind inzwischen weit verbreitet und sind teilweise extrem realistisch. Zum Beispiel nutzen Hersteller von Flugzeugturbinen digitale Zwillinge, um den Zustand der Turbine in Echtzeit zu verfolgen, einschließlich Systemzustand bis hin zu Materialermüdungen. Der obere Teil im folgenden Bild zeigt dies:
Vorteile eines Digital Twins (ohne MBSE) sind:
- Validierung des Systemmodells mit Daten aus der realen Welt
- Bereitstellung von Entscheidungshilfen und Warnmeldungen für Nutzer oder Betreiber
- Vorhersage von zu erwartenden Veränderungen, einschließlich Versagen
- Finden von neuen Anwendungen oder Verdienstmöglichkeiten
…mit MBSE
Das Bild zeigt weiterhin, wie der Digital Twin mit einem MBSE-System verknüpft werden kann. Eines der wichtigen Ziele ist eine einheitliche Datenbasis für beide Zwillinge (im Bild MBSE Knowledge Base (KB)). Die MBSE-Werkzeugkiste (MBSE Tools) enthält neben dem Systemmodell (bspw. SysML) weitere Werkzeuge wie Simulationen, Abhängigkeitsmatritzen und vielem mehr.
Einen digitalen Zwilling kann es erst dann geben, wenn es ein physikalisches System gibt, das Daten liefert. Insofern muss es das MBSE-Modell geben, bevor es einen mit Echtdaten gefütterten Digital Twin geben kann.
Einsatzszenarien von Digital Twin + MBSE
Neben den ober erwähnten Vorteilen eines Digital Twins ergeben sich Vorteile aus einer Kombination von Digital Twin und MBSE in den folgenden Bereichen:
- Simulation — Durch die Verwendung von Daten des physikalischen Zwillings können Simulationen viel zielgerichteter eingesetzt werden, als es mit einfachem MBSE der Fall wäre. Sobald echte Daten vorliegen, können Simulationen mit höherer Präzision wiederholt werden, zum Beispiel um eine genauere Aussage über die zu erwartende Betriebsdauer des Systems zu bekommen.
- Machine Learning — Gerade bei komplexen Systemen können über maschinelles Lernen Betriebsparameter optimiert werden, basierend auf den physikalischen Diagnosedaten.
- Kosten — Da Digital Twin und MBSE-Modell Ähnlichkeiten aufweisen, kann der gemeinsame Einsatz Redundanzen reduzieren, was sich positiv auf die Kosten auswirkt.
Die Autoren erwähnen IoT als einen weiteren Bereich, der von der Kombination von Digital Twin und MBSE profitiert. Allerdings haben sie kein überzeugendes Argument für den Mehrwert von MBSE (gegenüber dem Einsatz „nur“ mit Digital Twin, ohne MBSE).
Die Zukunft
Die Autoren erwarten, dass die Unterstützung vom Digital Twin mittelfristig zu einer der Capabilities vom MBSE werden wird. Dadurch wird (hoffentlich) MBSE in Industrien an Sichtbarkeit gewinnen, wo zwar bereits Digital Twins eingesetzt werden, aber kaum MBSE.
Eine der wichtigsten Anwendungsgebiete wird, wie schon beim Digital Twin, Wartung und Instandhaltung sein. Gerade Simulationen, die bisher nur im MBSE benutzt wurden, können nun für die Optimierung von Bestandssystemen ohne nennenswerten Mehraufwand eingesetzt werden.
Die Autoren gehen noch auf eine Reihe weiterer Industrien und Anwendungsmöglichkeiten sowie Stakeholder ein. Allerdings ist meiner Meinung nach vieles davon Spekulation.
Doch die Autoren haben sicher recht, dass der Digital Twin und MBSE über die nächsten Jahre zusammenwachsen werden. Insofern ist es nicht verkehrt, proaktiv hier die Augen nach Einsatzmöglichkeiten offen zu halten.
