Flanders Make ontwikkelt ad hoc aanspreekpunt voor digital twins

Omdat de data die een digital twin voedt over talloze databases is verspreid, is het lastig om antwoord te krijgen op complexe vragen over het onderliggende fysieke product. Flanders Make werkt aan een raamwerk dat alle data aan elkaar knoopt, zodat vragen stellen een stuk makkelijker wordt.

Paul van Gerven
23 november

Er zijn boeken vol geschreven over de digital twin (DT), maar een eenduidige definitie is er eigenlijk niet voor te geven. Gaat het om een representatie van een fysiek apparaat, van een productieomgeving of misschien zelfs van een softwareproduct? Is hij slechts bedoeld ter ondersteuning van het ontwerpproces, of blijft de DT de gehele levensduur gekoppeld aan het origineel?

En als het om een apparaat gaat, heeft de DT dan betrekking op een model of versie, waarvan er vele eenheden zijn geproduceerd, of op één specifiek apparaat? Is de DT een realtime beschrijving van het origineel, waarmee de status van het systeem kan worden opgevraagd? Of kan hij ook voorspellingen doen, bijvoorbeeld over wanneer er onderhoud nodig zal zijn?

Credit: Gorodenkoff/Shutterstock.com

‘Dé DT bestaat simpelweg niet’, zegt Tom Munters, cto van Flanders Make. ‘Maar je kunt natuurlijk nadenken over wat de ultieme implementatie ervan zou zijn. Naar mijn idee is dat een DT die op elk moment een volledige representatie van het origineel is, inclusief het vermogen om voorspellingen te doen over het functioneren ervan. Uiteindelijk zou je daarvoor ook de omgeving van het fysieke object moeten monitoren – je krijgt dan een DT die de omgeving van het fysieke object begrijpt en veranderingen erin kan voorspellen.’

‘Dit is een eindpunt dat we waarschijnlijk nooit zullen bereiken, maar we zullen er wel stapsgewijs naartoe werken. Zolang rekenkracht, dataopslag en connectiviteit goedkoper worden, komen er steeds meer opportuniteiten om het DT-model kosteneffectief uit te breiden, om er meer context in op te nemen. Daarmee kan steeds meer waarde worden gecreëerd, in de vorm van kostenbesparingen, productverbeteringen, ideeën voor nieuwe producten en dergelijke. Dat is een continu proces waarin we nog een lange weg te bewandelen hebben.’

 advertorial 

Live event: 19 januari

Op 19 januari zal de Benelux RF Conference plaatsvinden in Nijmegen. Idelfonso Tafur (TUE) zal hier een keynote verzorgen over de rol van fotonica voor 6G en verder dan draadloze communicatie. Zorg dat je er snel bij bent en meld je nu aan!

Het is een van de missies van Flanders Make om maakbedrijven te ondersteunen op deze met valkuilen bezaaide weg. Het Vlaamse onderzoeksinstituut kan daarbij bogen op een lange historie. Tien jaar geleden hielp het bedrijven al de stap te maken naar model-based engineering, zogezegd de basis van digital twinning. Dat doet het vandaag de dag nog steeds, maar inmiddels helpt de erfopvolger van Flanders Drive en FMTC ook steeds vaker bij het zetten van de volgende stap: het connecteren van systemen en het verzamelen en opslaan van de data.

Samen met Atlas Copco, Materialise en enkele andere wegbereiders is Flanders Make nu technologie aan ontwikkelen om die data – bijna letterlijk – op een efficiënte manier aan te spreken. ‘We werken aan een raamwerk dat de data koppelt aan de modellen en kennis van het product, zodat je eenvoudig vragen kunt stellen aan een DT’, zegt projectmanager Davy Maes van Flanders Make.

Aanspreekpunt

Neem bijvoorbeeld een verlijmingsproces. Daaraan gaan verschillende stappen vooraf. De substraten moeten bijvoorbeeld worden geacclimatiseerd, geprepareerd en/of voorbehandeld, terwijl parallel daaraan de tweecomponentenlijm wordt geconditioneerd, gemengd en gedoseerd. Vervolgens wordt het adhesief aangebracht, worden de materialen met elkaar in contact gebracht en hardt de lijm uit onder gecontroleerde condities.

‘Stel dat je van elk deelproces relevante meetdata verzamelt. Dat is heel veel data, die wordt verdeeld over veel verschillende bronnen. De data van elke meting wordt immers opslagen in een aparte database, en verschillende soorten data hebben bovendien verschillende typen databases nodig. Je hebt echter géén informatie over hoe alle data relateert aan elkaar. Dat is wel wat je nodig hebt om bruikbare informatie te extraheren, bijvoorbeeld om je productieproces te optimaliseren en je product te verbeteren. Daarvoor moet je verschillende aspecten van het proces aan elkaar kunnen relateren, zoals de aard van de voorbehandeling en de temperatuur en luchtvochtigheid tijdens het uitharden’, vertelt Maes.

‘Ai-algoritmes kunnen dit soort relaties blootleggen. Maar wat blijkt nu? Een ai-engineer die hiermee bezig is, is tot tachtig procent van zijn tijd kwijt om de juiste data te zoeken en om de juiste interface te vinden om erbij te kunnen.’ Hier hebben Maes en collega’s een oplossing voor gevonden: de knowledge graph. Deze laag, die boven op de databaselaag komt te liggen, beschrijft de relaties tussen verschillende databronnen en tussen individuele verzamelde data in de databronnen. In de achtergrond is deze knowledge graph gekoppeld aan de echte data.

Ai-engineers kunnen de knowledge graph bevragen met een high-level querytaal zoals SparQL of GraphQL. Zij krijgen als het ware de beschikking over één handig aanspreekpunt voor al hun vragen. ‘Detailkennis over waar de data zich bevindt, hoe deze is verzameld en hoe die is gerelateerd aan andere data is overbodig. Dat maakt het leven een stuk makkelijker.’

Disruptief

‘Dit is echt onontgonnen terrein’, vervolgt Maes. ‘De huidige state-of-the-art in digital twinning spitst zich onder meer toe op het verzamelen van data, fysische modellering en ai-algoritmes. Daar zijn zeker nog uitdagingen in, maar wij zijn ervan overtuigd dat de integratie van meetdata en modellen in de knowledge graph de komende jaren sterk aan belangstelling zal winnen. Het zal een cruciaal onderdeel van digital twinning worden’, stelt Maes.

Munters haakt in: ‘De technologie is generiek, maar er blijft sprake van applicatiespecificiteit – voor een auto komt er andersoortige data en kennis bij kijken dan voor een weefgetouw. Met andere woorden: er is domeinspecifieke kennis nodig om een goede knowledge graph op te stellen, uiteenlopend van fysische modellen en de inrichting van het productieproces tot de aard van je databases. Er gaat dus ook veel ip van bedrijven zelf in een knowledge graph, die als zodanig echt core zal worden.’

Het onderzoeksproject is inmiddels halverwege de drie jaar die ervoor zijn uitgetrokken en de technologie achter de knowledge graph begint aardig vaste vorm aan te nemen, vertelt Maes. ‘Ons doel is om een proof of concept af te leveren. Een aantal aspecten wordt nog verder uitgewerkt, maar in dit stadium kunnen deelnemende bedrijven er al mee experimenteren.’

Als het ontwikkelwerk is afgerond, beoogt Flanders Make de opgedane kennis breed uit te rollen. ‘Via de Digital Twin Academy, een Europees Interreg-project, zullen we samen met partners een opleiding voor digital twinning organiseren. Daar leer je hoe je dat nu aanvliegt, zo’n DT opzetten. Parallel daaraan zullen we uiteenlopende bedrijven ondersteunen bij de constructie van een digital twin.’

Munters raadt de bedrijven aan om daar vooral niet te lang mee te wachten. ‘Uiteraard is de beslissing om er al dan niet mee te beginnen een afweging tussen kosten en baten. Gelukkig kun je op verschillende niveaus digital twins definiëren en ontwerpen. Maar – het is al vaak gezegd – onderschat niet hoe disruptief de DT is. Een bedrijf dat er te laat mee is, loopt het risico uit de markt te worden gedrukt. De tijd dat de DT in belang op gelijke voet staat met het onderliggende fysieke systeem is minder ver weg dan je denkt. Waarbij de interactie tussen DT en je product een enorme bron van competitief voordeel kan opleveren.’

Dit artikel is tot stand gekomen in nauwe samenwerking met Flanders Make. Voor meer informatie kun je mailen naar Tom Munsters (tom.munters@flandersmake.be) en Davy Maes (davy.maes@flandersmake.be)