Energieoptimierung von industriellen Prozessen mittels Digitaler Zwillinge

Die Optimierung von Produktionsabläufen in Betrieben ist eine der zentralen Aufgaben der Produktionsplanung. Mit steigenden Energiekosten und im Sinne der Nachhaltigkeit gewinnen Aspekte abseits der Senkung der Kosten oder der Erhöhung der Auslastung an Priorität. In vielen Betrieben sind mittlerweile erneuerbare Energiequellen, wie zum Beispiel Photovoltaikanlagen, verfügbar, die genutzt werden können, um die Energiekosten zu senken. Um dies zu ermöglichen, müssen Produktionsschritte mit hohem Energiebedarf dann durchgeführt werden, wenn viel erneuerbare Energie zur Verfügung steht. Der Produktionsablauf wird entsprechend angepasst und auf die maximale Nutzung verfügbarer, erneuerbarer Energie optimiert.

Da meist kein direkter Eingriff in bestehende Prozesse oder Produktionsabläufe möglich ist, ist die Verwendung von Simulationsmodellen und, in weiterer Folge, von Digital Twins ein wesentliches Forschungsgebiet. In einem von der FFG geförderten Leitprojekt wurden Energievorhersagemodelle und eine Methodik zur Optimierung der Produktionsplanung durch Digital Twins entwickelt.

Um die Optimierung zu ermöglichen, ist es notwendig die physischen Ressourcen, angefangen von den Fertigungsressourcen bis zu den Steuerungssystemen wie etwa MES-Systeme, zu digitalisieren und als Digital Twin zu repräsentieren. Dadurch kann die Verteilung von Aufträgen auf die einzelnen Fertigungsressourcen simuliert werden und unterschiedliche Abläufe hinsichtlich deren Energiebedarfs analysiert werden. Durch das Einbeziehen von Wettervorhersagen erfolgt dann eine Optimierung des Produktionsablaufs für die nächsten Stunden. 

Damit eine Simulation des Energiebedarfs von Fertigungsressourcen erfolgen kann, müssen entsprechende Modelle erstellt werden. In den meisten Fällen sind solche Modelle nicht verfügbar und müssen durch eine entsprechende Modellierung erstellt werden. In diesem Zusammenhang beschäftigte sich die Digital Factory Vorarlberg intensiv mit der Erstellung von daten-getriebenen, z.B. mittels neuronaler Netze, Simulationsmodellen und deren Integration mittels des FMU-Standards in Digital Twins.

Bei der daten-getriebenen Modellierung werden Daten von einem realen, physischen System gesammelt und dann zur Generierung einer virtuellen Repräsentation bzw. eines Vorhersagemodells verwendet. Beispielsweise werden die Bewegungsdaten eines Roboters aufgezeichnet und mit der für diese Bewegung benötigten Leistung gelabelt. Diese Daten dienen dann als Input für ein neuronales Netz und ermöglichen das Training eines Vorhersagemodells, welches die Realität sehr genau approximiert. Das final trainierte Modell kann anschließend mittels FMU in eine Simulationsumgebung, einen Digital Twin, eingebunden werden und für die Simulation unterschiedlicher Produktionsabläufe herangezogen werden.