Anwendungsszenario Windenergieanlage
Bild 2: Ein beispielhaftes Interface für Windenergieanlagen basierend auf Daten aus Digital Twins (Quelle: Atos)
Ein Beispiel für ein praktisches Anwendungsfeld für digitale Zwillinge sind Windenergieanlagen zur Stromgewinnung. Hier kommt die Technologie für dreierlei Zwecke zum Einsatz:
- das Echtzeit-Monitoring mit vorausschauenden Warnungen vor möglichen Ausfällen,
- die Erfassung der Performance und deren grafische Darstellung für bessere Prognosen sowie
- die Predictive Maintenance.
All diese Lösungen speisen sich aus einem kollektiven Datenpool, der außerdem in einem Feedback-Loop mit einem Deep-Learning-Modell steht. Die von den Sensoren erfassten Daten werden in einem gemeinsamen Dashboard zusammengeführt. Dort stehen auf einen Blick wichtige Informationen, wie die Anzahl der aktiven Turbinen, generierte Kilowattstunden oder die aktuelle Gesamtkapazität zur Verfügung.
Die Integration des Digital Twin in das Konzept einer Windfarm vereint damit viele Merkmale eines modernen Unternehmenskonzepts mit digitalen Geschäftsmodellen: Es verwendet die Daten von IoT-Edge-Geräten für interne Analyse- und Prognosetools. Unterstützt von KI und Machine Learning lassen sich auf Basis dieser aufbereiteten Daten fundierte Entscheidungen für alle Geschäftsbereiche treffen.
Gleichzeitig optimieren die Daten bestehende Prozesse und erleichtern direkt oder indirekt die Arbeit. Betreiber profitieren von einer Anlage, die dank optimierter Instandhaltung und Frühwarnsystemen möglichst lange in Betrieb bleiben kann und eine reduzierte Ausfallquote aufweist. Designer und Entwickler können in Echtzeit den Einfluss neuer Komponenten oder Änderungen auf die Performance der Anlage nachvollziehen. Die an der physischen Anlage gesammelten Daten helfen CAE- und Testingenieuren, ihre Modelle weiter zu optimieren und ihre Testszenarien zu verbessern. Auch die Wartungstechniker im Außeneinsatz profitieren von den Daten. So können sie etwa bei Bedarf die Hilfe von Experten anfordern oder vor der Reparatur vor Ort via 3D-Modell bereits einen Blick auf den zu reparierenden Schaden werfen und auf dieser Basis entscheiden, welche Werkzeuge sie benötigen.