1: Wat is een Digital Twin?

Digital Twins in de duurzame energiesector

Voorwoord Colofon
Digital Twins in de duurzame energiesector

Voorwoord 1. Wat is een Digital Twin? 1.1 Definitie van een Digital Twin 1.2 Digital Twin: verschillen in maturiteit 1.3 Digital Twin types 2. De energietransitie & Digital Twin 2.1 Uitdagingen van de energietransitie 2.2 Kansen in de energietransitie 2.3 Doelgroepen 3. Innovatiekansen 3.1 Hernieuwbaar op zee 3.2 Gebouwde omgeving 3.3 Industrie 3.4 Nieuw Gas 3.5 Systeemintegratie 4. Randvoorwaarden 4.1 Interoperabiliteit 4.2 Beheer en gebruik van data 4.3 Cybersecurity Colofon

1.2 Digital Twin: verschillen in maturiteit



‘Spot-the-dog’ apporteert inspectiedata om Digital Twin te voeden, National Grid system operations

Hoewel het concept van Digital Twin ouder is, komt de eerste praktische definitie van NASA uit 2010, in een poging om ruimtevaartuigen te verbeteren. Sindsdien hebben ontwikkelingen op technologisch gebied de brede toepassing van Digital Twins mogelijk gemaakt.

De technologieën die Digital Twin mogelijk maken zijn in te delen op basis van hun maturiteit, ofwel digitale volwassenheid. IBM onderscheidt de zes maturiteit-niveaus (zie tabel hieronder). Het raamwerk over de maturiteit kan houvast bieden bij het beoordelen van Digital Twins. Het helpt om te bepalen hoe geavanceerd de technologie achter de Digital Twin is en wat je ermee kan.

In dit pre-stadium van een Digital Twin gaat het alleen om een virtuele representatie van een object. Er is nog geen regelmatige verbinding met het internet of andere sensoren en machines gerealiseerd. Deze virtuele representatie kan een onderdeel worden van een Digital Twin met IoT-connectie.
Op dit niveau worden operationele asset-data gebruikt om de status van een object (bijvoorbeeld een machine) te monitoren. Door verbindingen te leggen tussen sensoren en controlesystemen is het mogelijk om verschillende objecten (machines) met elkaar te laten samenwerken in een netwerk.
Op dit niveau worden IoT-sensoren toegevoegd aan een object, waardoor meer data beschikbaar is. Data analytics wordt gebruikt om inzichten te verkrijgen en voorspellingen te doen, bijvoorbeeld voor preventief onderhoud aan machines. Een geavanceerd model, bijvoorbeeld voor energieverbruik of productkwaliteit, dat gebruik maakt van deze extra sensordata, helpt om het gebruik van een object verder te optimaliseren.
Op dit niveau worden IoT-, cloud- en visualisatietechnologieën (3D, VR, AR) gecombineerd met geavanceerde modellen en machine learning, waarmee het mogelijk wordt om meer accurate monitoring en voorspellingen te doen en complexere simulaties te draaien. Bijvoorbeeld anomalie-detectie met behulp van AI om storingen te voorkomen. Of met behulp van data science en AI verschillende analyses uitvoeren een ontwerp of operatie van een object te optimaliseren. Dit vereist een geavanceerdere IT-infrastructuur met IoT-systemen en een data platform.
Door gebruik te maken van cloud, kunnen combinaties met nieuwe technologie, functies en applicaties in een ecosysteem van bedrijven en partijen opgezet worden.
Op dit niveau wordt geautomatiseerde, continue simulatie of optimalisatie toegepast, gebaseerd op operationele data waarbij de Digital Twin verbonden is met de werkelijkheid om deze gedurende de levenscyclus of een deel daarvan up-to-date te houden. Zo kunnen real-life scenario's worden gecreëerd en geanalyseerd om bijvoorbeeld “wat-als" experimenten te doen. Datarepresentatie en data-analyse op de up-to-date Digital Twin van het object vormen de kern.
Dit is de meest geavanceerde vorm, waarbij verschillende objecten en ketens met elkaar verbonden kunnen worden. Het staat bekend als een "Twin of Twins" aangezien bij dit soort oplossingen meerdere Digital Twins met elkaar worden verbonden. Dit kunnen ook oplossingen zijn die zelfvoorzienend en autonoom in de operatie draaien. Deze stap maakt de transitie naar een ‘systeem van systemen’ mogelijk.


* Een object kan een asset, systeem, proces of zelfs een gehele sector-keten zijn.


Figuur 2. Overzicht van de Digital Twin maturiteit en bijhorende technologieën.


Toelichting: Aan de bovenkant staan zes fasen in maturiteit, met in de staafdiagrammen verschillende functionaliteiten en daaronder de technologieën die dit mogelijk maken. Daarnaast is te zien dat er een stijgende waarde evolutie plaatsvindt naarmate de Digital Twin meer geavanceerd wordt. De gele lijn laat zien dat de kosten van innovatie dalen naarmate er een meer geavanceerde Digital Twin wordt gebruikt. Foto credit: IBM.


Toelichting op het raamwerk voor maturiteit:
De indelingen zijn geen doel op zich, maar een hulpmiddel om een beter beeld te krijgen van de technologieën die een Digital Twin mogelijk maken. Met behulp van de maturiteit-niveaus en de Digital Twin types is het mogelijk om te bepalen welke toepassingsgebieden er zijn en wat voor digitale technologieën en skills een organisatie nodig heeft om dit te implementeren. Het gewenste maturiteit-niveau hoeft niet per se het meest geavanceerde te zijn maar moet passen bij de organisatie zelf, bijvoorbeeld de doelen, beschikbare technologie en digitale kennis van werknemers.

De praktijk leert overigens dat de overgangen niet altijd strak afgebakend zijn en grijze gebieden kennen. Daardoor is ook de term Digital Twin niet altijd scherp te duiden en zijn er tientallen verschillende definities te vinden die gebruikt of misbruikt worden.