Digitale Zwillinge stellen eine wichtige Anwendung für das moderne Product Lifecycle Management (PLM) dar und finden im Rahmen der Digitalisierung einen immer breiteren Einsatz. Dabei existieren für den Begriff selbst unterschiedliche Definitionen mit unterschiedlichen Schwerpunkten. Andato versteht unter einem digitalen Zwilling ausführbare Modelle von Prozessen, Produkten und Dienstleistungen, welche in ihrem Verhalten das reale System hinsichtlich lösungsrelevanter Eigenschaften nachbilden und in Echtzeit Daten mit diesem austauschen.
Die ausführbaren Modelle, sprich Simulationsmodelle, ermöglichen es Funktion, Qualität und Performance des realen Zwillings zu simulieren und auszuwerten. Die Modellbildung erfolgt entweder als Teil einer Neuentwicklung, d.h. vor der Umsetzung des realen Zwillings – bspw. im Rahmen von Simulation Driven Development – oder als Nachbildung bereits existierender Lösungen im Rahmen einer Prozess- und Systemanalyse. Der digitale Zwilling kann sowohl separat bei Bedarf angesteuert werden oder wird dauerhaft parallel zum realen Zwilling ausgeführt, um steuernd einzugreifen und wichtige Vorhersagen zu treffen. Eine Vorhersage kann z.B. die Restlebensdauer kritischer Bauteile oder bald auftretende Störungen, wie überbelegter Stauraum, darstellen.
Die Voraussagen und Analysen gelingen dadurch, dass der digitale Zwilling die gleichen vergangenen, gegenwärtigen oder zukünftigen Eingabedaten wie sein reales Gegenstück erhält. Hierbei kann es unter Umständen notwendig sein, den realen Zwilling mit zusätzlicher Sensorik auszustatten. Die Quelle der Eingabedaten kann situationsabhängig und je nach Entwicklungsstand und Einsatz des Zwillings variieren. Hierbei unterscheiden wir zwischen emulierten/generierten Daten, historischen Daten und Echtzeit-Daten.
Emulierte Daten werden typischerweise in den frühen Entwurfsphasen bzw. bei noch zu entwickelnder Sensorik verwendet. Historische Daten spielen hauptsächlich bei der Verifizierung in der Entwicklung des Zwillings eine Rolle. Echtzeit-Daten stellen die Quelle für den Zwilling im Live-Betrieb dar. Bei Bedarf werden die Echtzeit-Daten mittels Edge-Computing auf eine relevante Auswahl reduziert. Die Datenanbindung kann über unterschiedliche Schnittstellen und Standards erfolgen, sowohl als reine Software-Lösung, Spezial-Schnittstellen wie in Gantner Messsystemen, IOT Hardware-Lösungen wie z.B. MindConnect Nano/IoT2040, oder Data Distribution Service. Datentransport und -speicherung kann über eine zentrale IOT-Plattform wie z.B. Siemens MindSphere, durch eigene Lösungen oder als Integration in existierende IT-Systeme erfolgen.
Die Ansteuerung der Vorhersagemodelle, Anbindung an IOT-Platform mit Datenquellen sowie Auswertung erfolgt anhand eines übergeordneten Workflow-Modells, welchen bspw. in MSArchitect® erstellt und betrieben werden kann. Dieses beinhaltet je nach Bedarf auch Modell-Kalibrierungskomponenten, um die Vorhersagemodelle in Echtzeit während des Live-Betriebs an den realen Zwilling anzupassen. Des Weiteren kann das Workflow-Modell bei Bedarf an Spezialsoftware angebunden werden, wie z.B. hochkomplexe physikalische Zusammenhangsmodelle.