ATOM: Digitaler Zwilling des Betriebs der Siemens Turbinenflotte

ATOM: Digitaler Zwilling des Betriebs der Siemens Turbinenflotte

Überblick

Mit dem zunehmenden Einsatz IoT-Systemen wird das Konzept, dass etwas Physisches über einen virtuellen Avatar verfügt, immer wichtiger.

Digitale Zwillinge stellen einen virtuellen Avatar eines physischen Systems dar. Diese digitalen Darstellungen basieren auf dem Domänenwissen von Fachexperten sowie auf Daten, die von Sensoren an Bord des Systems gesammelt werden.

Das agentenbasierte Turbine Operations & Maintenance-Modell (ATOM) ist ein digitales Zwillingsimulationsmodell, das von decisionLab Ltd und Siemens entwickelt wurde. Der digitale Zwilling bildet die globalen Wartungsreparatur- und Überholungstätigkeiten (maintenance repair and overhaul, MRO) der Siemens-Sparte Aero-derivative Gasturbinen nach. Angetrieben durch bereits vorhandene Live-Daten in der Lieferkette, bietet das Modell die Möglichkeit, ausgefeilte Simulations- und Datenanalyse-methoden zur Optimierung des Flottenbetriebs von Siemens zu verwenden, wodurch eine bessere datengesteuerte Entscheidungsfindung ermöglicht wird, um die Produktivität und Effizienz im Kundenbetrieb und beim Anlagenmanagement zu steigern.

Problemstellung

Siemens produziert eine breite Palette von Industrieturbinen und hat kürzlich das Geschäft von Rolls-Royce mit Energiegasturbinen und Kompressoren erworben. Danach führte Siemens eine neue aero-derivative Gasturbine (SGT-A65), die auf den erworbenen Vermögenswerten basiert, ein.

Da die neue Turbine nicht vollständig im eigenen Haus entwickelt wurde, brachten ihre Produktion und ihre Wartung zahlreiche neue Herausforderungen mit sich, darunter unvorhergesehene Betriebsleistungen und Supportprobleme.

Die Excel-basierten Prognosewerkzeuge, die von Siemens verwendet wurden, waren unter den neuen Bedingungen nicht effizient. Das Datenvolumen war zu groß, um es in Excel verwalten zu können und die Ergebnisse waren nicht eindeutig genug, um Engpässe zu identifizieren und schnell Lösungen zu finden.

Kurz gesagt, das Unternehmen benötigte eine leistungsfähigere Methode, um die Probleme des Betriebs der Gasturbinenflotte zu lösen. Die Hauptbedürfnisse waren:

Siemens wollte den gesamten Produktions- und Wartungsprozess einschließlich der für das System kritischen Lieferkettenlogistik visualisieren. Mit der Möglichkeit, die Ergebnisse mehrerer Was-wäre-wenn-Szenarien zu visualisieren, konnten die Business Cases für mehrere Investitionsoptionen kommuniziert und bessere Entscheidungen sowohl innerhalb des Unternehmens als auch außerhalb mit Kunden ermöglicht werden.

Lösung

Um den Herausforderungen zu begegnen, haben decisionLab und Siemens einen digitalen Zwilling - ATOM - vorgeschlagen. Der digitale Zwilling ATOM nutzt die Entwicklung digitaler Technologien in allen Siemens-Entwicklungs- und Fertigungsunternehmen. Es nutzt die riesigen Datenmengen, die zur Integration von Kunden, Lieferkette, Produktion und Wartung zur Verfügung stehen, um die Produktivität und Effizienz im Kundenbetrieb und im Anlagen-Management zu verbessern. ATOM erreicht dies durch Modellierung der detaillierten Feinheiten des Kundenbetriebs, der Wartungstätigkeiten, der Triebwerksmerkmale und der Lieferkettenlogistik über die gesamte Flotte und den gesamten Betriebszyklus hinweg.

Die Darstellung des gesamten Systems als digitaler Zwilling bietet großartige Analysefähigkeiten. Benutzer können jeden Aspekt des Systems betrachten und Was-wäre-wenn-Szenarien ausführen, um alle Abhängigkeiten zu untersuchen. Ein solches System kann leicht Engpässe erkennen und Entscheidungen ermöglichen, die den Betrieb des Systems als Ganzes berücksichtigen.

Die Entwicklung eines digitalen Zwillings erfordert eine hochkomplexe Simulationsumgebung und Entwickler verwenden häufig einen Softwareentwicklungsansatz. Dies erfordert eine große Flexibilität der Simulationssoftware, um verschiedene Ebenen von Geschäftsprozessen erfolgreich zu modellieren und unterschiedliche Komplexität zu steuern. Aus diesem Grund hat decisionLab AnyLogic als Kernsimulationswerkzeug gewählt.

In diesem Fall wurde ein Kernteil des Modells aus vielen unabhängigen Elementen erstellt und mit Hilfe agentenbasierter Modellierung konnten die erforderlichen Details dargestellt werden. Um das Modell zu erstellen, erfassten die Entwickler Daten zu den folgenden Aspekten des Betriebs der Siemens Gasturbinenflotte:

Agenten-Interaktionsdiagramm

Agenten-Interaktionsdiagramm

Dies wird im Agenten-Interaktionsdiagramm dargestellt, das die Komplexität der Umgebung des digitalen Zwillings definiert.

Neben dem agentenbasierten Modellierungsansatz enthielt der digitale Zwilling eine modulare Architektur, durch die das System virtuell in seine funktionalen Schichten unterteilt werden konnte und die einen systembasierten Ansatz für die Modellentwicklung erlaubte. Dieser Ansatz ermöglicht es mehreren Benutzern gleichzeitig auf unterschiedliche Weise mit dem Modell zu interagieren und verschiedene Datensätze zu verwenden. Außerdem kann das Entwicklungsteam einen kontinuierlichen Entwicklungs- und Bereitstellungsansatz ohne Unterbrechung anwenden. Ein Lernelement für die Verstärkung ist geplant.

Eine modulare Architektur des digitalen Zwillings

Eine modulare Architektur des digitalen Zwillings

Zukünftige Entwicklungsphasen könnten in Zusammenarbeit mit Siemens Folgendes umfassen:

Ergebnis

DecisionLab hat einen ausgereiften digitalen Zwilling geschaffen, der alle von Siemens benötigten Funktionen erfasst. Das ATOM-Zwillingssimulationsmodell, das den gesamten Flottenbetrieb der aero-derivativen Gasturbinen von Siemens darstellt, ermöglicht seinen Benutzern:

Obwohl es sich um ein sehr komplexes Simulationsmodell handelte, lieferte decisionLab jedoch ein benutzerfreundliches und interaktives System, das im gesamten Unternehmen eingesetzt werden kann. Sowohl das obere Management als auch Analysten können mit ATOM ihre Anforderungen problemlos erfüllen.

The ATOM-twin simulation model (click to enlarge)


Projektpräsentation durch Dr. Amrith Surendra, Senior Consultant und Vitor Lemos, Simulation Modeling Consultant, beide decisionLab

video

Ähnliche Fallstudien

Mehr Fallstudien