Digitala tvillingar
Verklighet eller hype?
Marcus Ruderer Signe Stéen
Examensarbete TRITA-ITM-EX 2020:129 KTH Industriell teknik och management
Maskinkonstruktion SE-100 44 STOCKHOLM
Examensarbete TRITA-ITM-EX 2020:129
Digitala Tvillingar
Marcus Ruderer Signe Stéen
Godkänt
2020-05-12
Examinator
Ulf Sellgren
Handledare
Ulf Sellgren
Uppdragsgivare
KTH Maskinkonstruktion
Kontaktperson
Ulf Sellgren
Sammanfattning
Digitala tvillingar har på de senaste åren blivit ett väldigt aktuellt och omtalat begrepp. I det här examensarbetet undersöks det om termen enbart är en hype eller om det faktiskt är verktyget för att utveckla olika branscher till något bättre. Projektet fokuserar främst på produktions- och utvecklingsindustrin, men även inom exempelvis stadsplanering och motorsport förklaras det vad digitala tvillingar används till. En viktig del i projektet är även Industri 4.0 och Sakernas Internet.
Syftet (och resultatet) för det utförda examensarbetet är att ta reda på vad företag anser gynnsamt, såväl som missgynnsamt med digitala tvillingar, samt fastställa vilka barriärer det finns hos ett företag för att börja använda sig av digitala tvillingar. Syftet är även att utforska hur digitala tvillingar införs i ett företags produktutvecklingsprocess, samt vilken roll en fysisk provning får hos ett företag som introducerar digitala tvillingar. I projektets syfte ingår också att ta reda på mer om digitala tvillingar ur ett utvecklingsperspektiv, för att utreda hur kapaciteten förefaller hos en produkt som är testad och utvecklad i kombination med digital och verklig miljö. Vad finns det för data att utläsa, och i vilka fall finns det potential för en digital tvilling?
För att nå önskade resultat med projektet har en tablettmaskin skapats i CAD. Med hjälp av den tredimensionella modellen visas det hur en digital tvilling kan användas för produktionsanläggningar (specifikt process- och tillverkningsindustri) genom att montera sensorer på den tredimensionella modellen, som även ska monteras identiskt på en fysisk motsvarighet. Under projektets genomförande undersöks även Gartners hypekurva och därmed vad som är hype och inte hype. I slutet av rapporten diskuteras bland annat vad som är möjligt att simulera med digitala tvillingar och vad som inte är det. Slutsatsen gällande om en digital tvilling är en hype eller inte, resulterar i att digitala tvillingar är ett verktyg som blir vad det skapas till. Anses en digital tvilling vara en hype, ja då kanske det egentligen är själva förväntningarna som är överskattade, och inte den digitala tvillingen i sig.
Nyckelord: digital tvilling, hype, Industri 4.0, produktlivscykelhantering (PLM), Sakernas Internet (IoT).
BachelorThesis TRITA-ITM-EX 2020:129
Digital Twins
Marcus Ruderer Signe Stéen
Approved
2020-05-12
Examiner
Ulf Sellgren
Supervisor
Ulf Sellgren
Commissioner
KTH Department of Machine Design
Contact person
Ulf Sellgren
Abstract
Digital twins have in recent years become a very current and discussed concept. This thesis examines whether the term is merely a hype or whether it is the tool for developing different industries for something better. The project focuses mainly on the manufacturing and development industry, but also what digital twins are used for in e.g. urban planning and motorsport. An important part of the project is also Industry 4.0 and the Internet of Things (IoT).
The purpose (and result) of this Bachelor thesis is to find out what companies consider favourable, as well as unfavourable with digital twins, and to determine what barriers a company encounters to start using digital twins. The purpose is also to explore how digital twins are introduced into a company's product development process, as well as which role a physical test at a company that introduces digital twins has. The purpose of the project also includes finding out more about digital twins from a development perspective, to investigate how the capacity of a product tested and developed in combination with digital and real environment appears. What kind of data is there to read, and in what cases is there a potential for a digital twin?
To achieve the desired results, a tablet machine has been created in CAD. The three- dimensional model shows how a digital twin can be used for production facilities (specific process- and manufacturing industry) by mounting sensors on the three-dimensional model, which should also be mounted equally on a physical counterpart. During the project's implementation, Gartner's hype curve is also examined and thus what is hype and not hype. At the end of the report there is a discussion including e.g. what is possible to simulate with digital twins and what is not. The conclusion regarding whether a digital twin is a hype or not, results in digital twins being a tool that becomes what it is created for. Is a digital twin considered a hype, well then maybe it is actually the expectations that are overestimated, and not the digital twin itself.
Keywords: digital twin, hype, Industry 4.0, Internet of Things (IoT), Product Lifecycle Management (PLM).
NOMENKLATUR
Här listas de beteckningar och förkortningar som används i det här examensarbetet.
Beteckningar
Symbol Beskrivning
M Moment (Nm)
𝐾𝑇𝑟𝑚𝑠 Momentkonstant (Nm/A)
𝜇 Verkningsgrad (-)
Förkortningar
Symbol Beskrivning AI Artificiell Intelligens
CAD Computer Aided Design
CAE Computer Aided Engineering
CAM Computer Aided Manufacturing
CAx Computer Aided Technologies
CFD Computational Fluid Dynamics
ERP Enterprise Resource Planning (= Affärssystem)
FEA Finite Element Analysis
FEM Finite Element Method
IoT Internet of Things alt. Sakernas Internet
MBD Model-Based Definition
MRO Maintenance, Repair, and Operations
PLM Product Lifecycle Management
SAP Systems Applications Products (ERP-Mjukvara, Affärssystem)
VR Virtual Reality
INNEHÅLLSFÖRTECKNING
SAMMANFATTNING 3
ABSTRACT 5
NOMENKLATUR 7
Beteckningar 7
Förkortningar 7
INNEHÅLLSFÖRTECKNING 9
1 INTRODUKTION 11
1.1 Bakgrund 11
1.2 Syfte 11
1.3 Avgränsning 12
1.4 Metodik 12
2 REFERENSRAM 13
2.1 Begrepp 13
2.1.1 Industri 4.0 13
2.1.2 Produktlivscykelhantering (PLM) 13
2.1.3 Datorstödd konstruktion (CAE) 13
2.1.4 Sakernas Internet (IoT) 13
2.1.5 Hype 14
2.1.6 Gartner Hype Cycle 14
2.1.7 Artificiell intelligens (AI) 15
2.1.8 Underhåll, reparation och drift (MRO) 15
2.2 Tidigare forskning 15
2.3 Vad gör en digital tvilling? 15
2.3.1 Observera, reflektera, agera 15
2.3.2 Cognitive Computing 16
2.4 Hur fungerar en tablettmaskin? 16
2.4.1 Processbeskrivning 16
2.4.2 Automatisering 17
2.5 Utrustning och verktyg 18
2.5.1 IoT-sensorer 18
2.5.2 Digitala verktyg 19
3 GENOMFÖRANDE 21
3.1 Produktionsindustri 21
3.1.1 Produktionsindustri 21
3.1.2 Tablettmaskin 21
3.1.3 Införande av digital tvilling i produktion 22
3.1.4 Komponenter och funktioner 22
3.1.5 Underhåll 23
3.1.6 Simulation i realtid 24
3.1.7 Styrning av digital tvilling 25
3.1.8 Tillämpning av IoT-sensorer 26
3.2 Utvecklingsindustri 27
3.2.1 Produktutveckling 27
3.2.2 PLM och CAE för digitala tvillingar 28
3.2.3 Införande av digital tvilling i produktutvecklingsprocess 28
3.2.4 Digital tvillingar i Formel 1 28
3.3 Övriga appliceringar av digitala tvillingar 29
3.3.1 Stadsplanering 29
3.3.2 Marknadsföring och Media 29
3.4 Hypen inom digitala tvillingar 30
4 RESULTAT 31
4.1 Definition av digital tvilling av olika företag och branscher 31 4.2 Vad kan ett företag erhålla av en digital tvilling? 31 4.3 Barriärer för att börja använda digitala tvillingar 32 4.4 Införande av digital tvilling i produktutvecklingsprocesser 33 4.5 Vilken roll får fysisk provning hos företag? 34
5 DISKUSSION OCH SLUTSATSER 35
5.1 Produktionsindustri 35
5.1.1 Tillämpning av simuleringar och automatiskt underhåll 35
5.1.2 Tillämpning av IoT-sensorer 35
5.1.3 Flera digitala tvillingar i samarbete 36
5.1.4 Fördelar och nackdelar 36
5.2 Utvecklingsindustri 36
5.2.1 Digitala tredimensionella modeller 37
5.2.2 Fördelar och nackdelar 37
5.3 Källor 37
5.4 Slutsatser 38
6 REKOMMENDATIONER OCH FRAMTIDA ARBETE 39
7 REFERENSER 41
7.1 Figurer 43
8 BILAGOR 46
BILAGA A: TABLETTMASKIN 46
BILAGA B: BLUVISION 50
Bilaga C: GANTT-SCHEMA 58
Bilaga D: RISKANALYS 59
1 INTRODUKTION
Det här kapitlet beskriver bakgrund, syfte, avgränsning och metodiken för det utförda kandidatexamensarbetet.
1.1 Bakgrund
Digitala tvillingar är enligt Forbes (2017) ett nytt koncept som implementeras mer och mer i dagens utvecklings- och produktionsindustri. Det anses vara en lösning för att kunna förutsäga det mesta rörande hur en produkt eller service fungerar, slits och används. Med hjälp av en framställning av en virtuell modell i en, ofta väldigt futuristisk, miljö ska modellen kunna analysera och justera data för optimerad funktion med en överblick över hela livscykeln.
Enligt Wikipedia (2020) är en digital tvilling en replik av en fysisk, icke-levande, entitet. Den hänvisar till potentiella och faktiska fysiska tillgångar, processer, platser, system och enheter som kan användas för olika ändamål. Till följd av att det skapas en övergång mellan den fysiska och den virtuella världen överförs data problemfritt, så att den virtuella enheten kan existera samtidigt med den fysiska motsvarigheten. Den digitala representationen består både av elementen och dynamiken i hur ett vardagsföremål fungerar och lever under hela sin livscykel.
Den digitala tvillingen hjälper produktlivscykelhanteringen (Product Lifecycle Management, PLM), från tillverkning till service och drift (Wikipedia, 2020). Nuförtiden är PLM väldigt tidskrävande när det gäller effektivitet, tillverkning, intelligens, servicefaser och hållbarhet inom produktdesign. Enligt Wikipedia (2020) kan en digital tvilling istället binda samman det fysiska och det virtuella utrymmet och möjliggöra för företag att ha ett digitalt fotavtryck av alla sina produkter, från design till utveckling och genom hela produktlivscykeln. Problemet är att tekniken är väldigt dyr, vilket gör att digitala tvillingar kan bli ett svårt hjälpmedel, särskilt för industrier med en tillverkningsverksamhet.
Digitala tvillingar förknippas ofta med det tyska begreppet ”Industri 4.0” (2.1.1), som i dagsläget ses som en strategi för att vidareutveckla industrin och därmed nå målet att hela produktionsanläggningar ska vara uppkopplade. Skulle industrin och produktionen kunna drivas och utvecklas till nästa nivå genom skapandet av digitala tvillingar och leva upp till dess förväntningar? Under utvecklingsfasen av en produkt sker omfattande tester och beräkningar för att uppskatta hur produkten kommer att bete sig i form utav prestanda och begränsningar.
De här uppskattningarna är ofta verklighetsnära, men skulle en digital tvilling kunna ge ett mer precist svar av hur en produkt fungerar?
1.2 Syfte
Syftet för det utförda examensarbetet är att ta reda på vad företag anser gynnsamt, såväl som missgynnsamt med digitala tvillingar, samt fastställa vilka barriärer det finns hos ett företag för att börja använda sig av digitala tvillingar. Syftet är även att utforska hur digitala tvillingar införs i ett företags produktutvecklingsprocess, samt vilken roll en fysisk provning får hos ett företag som introducerar digitala tvillingar. I projektets syfte ingår också att ta reda på mer om digitala tvillingar ur ett utvecklingsperspektiv, för att utreda hur kapaciteten hos en produkt förefaller som är testad och utvecklad i kombination av digital och verklig miljö. Vad finns det
för data att utläsa, samt i vilka fall finns det potential för en digital tvilling? Ovanstående undersökningar ska ligga till grund för den slutgiltiga frågan; är digitala tvillingar en hype?
1.3 Avgränsning
Det här kandidatexamensarbetet kommer inte att ägnas åt praktiska uppgifter, som exempelvis faktiska experiment. Det kommer att främst förhållas till tillverkningsindustrin, där det utgås från en uppritad, tredimensionell design av en tablettmaskin som är ett exempel för hur digitala tvillingar ur en underhålls- och effektiviseringssynpunkt kan fungera. Även möjligheter i utvecklingsindustrin kommer att behandlas, och lite ytligt för övriga appliceringar. Arbetet avser även att ge förslag och exempel på användningsområden för andra typer av företag och industrier, men som ändå använder sig av den ovannämnda, tredimensionella designen som utgångspunkt, och därav kommer inte några ytterligare, utförligare exempel (i stil med tablettmaskinen) att skapas, på grund av att arbetet då blir för omfattande.
1.4 Metodik
Projektet avser att svara på frågeställningen i syftet med hjälp av faktasökning, och diskutera för möjligheter i utvecklingsindustrin och produktionsindustrin. Vad kan den digitala tvillingen i dagens läge bidra med, och vad fungerar inte att simulera?
För att redovisa resultat och hypoteser för vad som är möjligt med en digital tvilling genomförs arbetet med stöd av informationssökning och en modell av en produktionsutrustning (tablettmaskin). Det för att imitera en situation i verklig industri med digitala tvillingar.
Modellen ritas upp i en tredimensionell miljö (Dassault CATIA v5 och Autodesk Fusion 360).
Tack vare den virtuella presentationen av maskinen kan en virtuell koppling mellan en verklig och en digital tvilling skapas genom att demonstrera möjliga situationer för maskinen.
Utrustningen ska förses med virtuella sensorer för att beskriva konceptet, och de här lösningarna för sensorerna undersöks. Utöver utformningen av den tredimensionella modellen anpassas en prototyp för ett användargränssnitt som avläser och presenterar de aktuella värden och tillstånd som tablettmaskinen avger.
Viktiga verktyg i den digitala miljön är trendkurvor och statistik som i slutändan är den data som kommer att bli viktig för utveckling, underhåll och produktion. Arbetet avser även att undersöka vad en digital tvilling kan tillföra i produktutvecklingskedjan och utreda hur datorintegrerad utveckling fungerar i dagens industrier. Artificiell intelligens (2.1.7) hos den digitala tvillingen kommer att diskuteras huruvida den kan bidra till att exempelvis effektivisera och reducera tiden det tar för en maskin att regleras, vilket skiljer en digital tvilling från standardiserad produktionsuppföljning och -övervakning.
2 REFERENSRAM
Referensramen är en sammanfattning av tillgänglig kunskap och resultat från forskning som tidigare har utförts inom digitala tvillingar. Det här kapitlet presenterar den teoretiska referensramen som utgör utgångspunkten för den utförda forskningen inom digitala tvillingar.
Den utgår även från de perspektiv som varit av vikt för att genomföra examensarbetet.
2.1 Begrepp
Huvudbegreppet i examensarbetet är digital tvilling, men för att förstå arbetet närmare, beskrivs de centrala begreppen kring studien av ämnet. Åtta betydande områden och termer inom digitala tvillingar som beskrivs här nedan är Industri 4.0, produktlivscykelhantering (PLM), Datorstödd konstruktion (CAE), Sakernas Internet (IoT), hype, Gartner Hype Curve, artificiell intelligens (AI) samt underhåll, reparation och drift (MRO).
2.1.1 Industri 4.0
Enligt Wikipedia är Industri 4.0, alternativt den fjärde industriella revolutionen, ett koncept för automation, processindustriell informationsteknik, och tillverkningstekniker (2019). Begreppet är sammankopplat med Sakernas Internet (se 2.1.3). Konceptet innebär att det ska gå att följa en produkt hela vägen genom produktionskedjan med hjälp av att produkten lämnar information om exempelvis vart den är på väg, samt hur den ska förflytta sig dit. Tack vare den informationen kan industrianläggningen samordna sig utan assistans från annat håll.
2.1.2 Produktlivscykelhantering (PLM)
Produktlivscykelhantering (Product Lifecycle Management, PLM) är på vilket sätt en produkt från idé till avveckling hanteras enligt IT-Ord (ComputerSweden, 2018).
Produktlivscykelhanteringen innefattar idé, produktutveckling, tillverkning, marknadsföring, användning, service och underhåll, produktförbättring, samt avveckling med återvinning (där återvinning är möjligt). Produktlivscykelhantering kan även innebära att det undersöks hur en produkt förändras och skiljer sig under den tid som den tillverkas och marknadsförs.
2.1.3 Datorstödd konstruktion (CAE)
Datorstödd konstruktion (engelska Computer Aided Engineering) är den breda användningen av programvara som stöd vid konstruktionsanalys och design (Wikipedia, 2020). Det inkluderar bland annat finita elementmetoden (FEM), beräkningsströmningsdynamik (Computational Fluid Dynamics, CFD) och flerkroppsdynamik (Multibody dynamics, MBD). Det är, tillsammans med exempelvis Computer Aided Design (CAD) och Computer Aided Manufacturing (CAM), en del av förkortningen CAx (Computer Aided Technologies), som i sin tur är en del av PLM (2.1.2).
2.1.4 Sakernas Internet (IoT)
På Nationalencyklopedins hemsida kan det utläsas att Sakernas Internet är ett begrepp som avser alla objekt uppkopplade till Internet genom inbyggda sensorer. Den engelska motsvarigheten Internet of Things är ofta mer bekant. Föremålen kan egentligen vara vad som helst, men det som de har gemensamt är att de skaffar sig information om sin närmiljö som de
sedan sammanställer och behandlar, för att sedan presentera informationen i realtid och skickar därefter data vidare.
2.1.5 Hype
Hype (eller hajp) är ett begrepp som beskriver marknadsföring i ett manipulerande syfte där tonvikten läggs på mer eller mindre sanna egenskaper hos individer eller produkter (Nationalencyklopedin). På senare år har ordet även fått en mindre negativ betydelse för populariteten för en produkt eller individ som hamnar i fokus och uppmärksammas, speciellt när upptåget är hastigt.
2.1.6 Gartner Hype Cycle
En hypekurva (engelska: Hype Cycle) är enligt Gartner, som är ett företag inom marknadsforskning i USA, en metod för att skapa en bild av hur ny teknologi utvecklas över en längre tid. Kurvan hjälper till att separera hype från de verkliga drivkrafterna för en tekniks kommersiella löfte, samt att reducera risken vid tekniska investeringsbeslut och även att jämföra förståelse för teknologins affärsvärde med objektiviteten hos erfarna IT-analytiker.
Figur 1 visar hur den här kurvan ser ut, med alla de fem faserna för en innovation utplacerade på kurvan.
Figur 1 - Gartners definition av en hypekurva, Gartner, 2018
Innovationens potentiella genombrott (”Innovation Trigger”) är den första fasen på kurvan. I den här fasen är det ett brett medieintresse som sprider den nya innovationen med olika historier om att produkten ska fungera. Ofta finns inga användbara appliceringar och kommersiell lönsamhet är ännu obevisad. Toppen av uppblåsta förväntningar (”Peak of Inflated Expectations”) är den andra fasen på kurvan. Media framställer ett antal framgångshistorier, ofta följt av massor av misslyckanden.
Genomgående besvikelse (”Trough of Disillusionment”) är den tredje fasen på kurvan.
Intresset avtar eftersom experiment och implementeringar inte lyckas. Investeringarna fortsätter endast om de överlevande leverantörerna förbättrar sina produkter tillräckligt tillfredsställande för de tidiga konsumenterna. Det är ofta i den här fasen som en innovation avvecklas då den
inte nått upp till dess förväntningar, men även i de två tidigare stegen. Upplysningens upptåg (”Slope of Enlightenment”) är den fjärde fasen på kurvan. Flera exempel på hur innovationen kan appliceras börjar att utvecklas. Fler piloter finansieras av vissa företag, medan andra företag förblir försiktiga. Produktivitetsplatån (”Plateau of Productivity”) är den sista fasen på kurvan.
Innovationen börjar implementeras i det naturliga, och får en bredare utsträckning på användningsområden.
2.1.7 Artificiell intelligens (AI)
Enligt Nationalencyklopedin är artificiell intelligens, förkortat AI, ett väldigt varierande begrepp. Anledningen till att begreppet varierar är att begreppet hela tiden byter vad dess huvudsyfte är. Huvuduppgiften för artificiell intelligens kan sammanfattas i att AI handlar om att lösa ett problem som datorer ännu inte klarar av. Forskningen runt AI är ganska kritiserad, då den ofta inte innefattar den djupa intelligens som den utger sig för att ha. Det kan till exempel vara en chattbot som ger korrekta svar med enbart väldigt ytlig kunskap om vad som sägs.
Enligt Nationalencyklopedin är maskininlärning en stor och viktig del inom AI.
Maskininlärning innebär att den artificiella intelligensen lär sig själv av sina egna erfarenheter.
En människa ger den artificiella intelligensen data för att intelligensen själv ska hitta ett mönster i det.
2.1.8 Underhåll, reparation och drift (MRO)
Underhåll, reparation och drift (förkortas MRO efter engelska Maintenance, Repair and Operations) är enligt Wikipedia (2020) ett samlingsbegrepp för underhåll av utrustning och maskiner. Begreppet innefattar bland annat alla typer av ingrepp som test, mätning, utbyte av delar, justeringar och reparationer.
2.2 Tidigare forskning
Definitioner av den digitala tvillingteknologin som använts i tidigare forskning betonar två viktiga egenskaper (Wikipedia, 2020). För det första betonar varje definition kopplingen mellan den fysiska modellen och den virtuella motsvarigheten. För det andra upprättas anslutningen mellan den fysiska och den virtuella modellen genom att generera data i realtid med hjälp av sensorer.
Uttrycket ”Digital Tvilling” uppfanns och användes först enligt T-Systems intervju med Dr.
Michael Grieves av just Dr. Grieves. Forskaren är framstående inom PLM och Industri 4.0, och menar på att Industri 4.0 enbart är möjligt genom just digitala tvillingar.
2.3 Vad gör en digital tvilling?
2.3.1 Observera, reflektera, agera
Enligt en video från IBM är en digital tvilling inte enbart en CAD-modell av ett föremål (2017).
Den observerar (får indata som exempelvis sensorvärden), reflekterar (analyserar indata) och agerar (skickar utdata). Det innebär att den bland annat övervakar och lär sig en produktionsanläggning, en tillverkningsprocess, eller ett system, och använder sedan den insamlade informationen till att reflektera och optimera. När den digitala tvillingen upptäcker att något problem eller till och med ett haveri är på väg att uppkomma, så larmar den digitala tvillingen för att informera om problemet, så att behöriga har en chans att korrigera felet innan
produktionen (eller processen) behöver stoppas. På det sättet undviks onödiga avbrott i tillverkningsprocesser eller system, och därmed kan till exempel kostnader som påverkas av driftstörningar hindras.
2.3.2 Cognitive Computing
Enligt ComputerSweden (2016) är Cognitive Computing en underkategori tillhörande artificiell intelligens. Cognitive Computing kan anses kontroversiell, då det är en typ av behandling av data som är inspirerad av hur en människa tänker. Målet med den här sortens databehandling är att kunna hantera och ta svåra beslut i en komplicerad situation.
TechTarget menar att kognitiva datorsystem kan syntetisera data från olika informationskällor, samtidigt som de väger sammanhang och motstridiga bevis för att föreslå bästa, möjliga svar (2018). För att uppnå det här inkluderar kognitiva system självinlärningstekniker som använder datautvinning, mönsterigenkänning och naturlig språkbearbetning för att härma hur människors hjärnor fungerar. Det krävs att ett Cognitive Computing-system är adaptivt, interaktivt, iterativt och tillräckligt, samt kontextuellt.
2.4 Hur fungerar en tablettmaskin?
För att ge ett exempel på ett utförande av en digital tvilling i en blandad process- och maskinindustri har en tablettmaskin konstruerats i CAD i samband med det här projektet. En tablettmaskin är av många anledningar ett bra exempel. Den finns i många varianter och företag som tillverkar tabletter har ofta relativt många maskiner av samma modell, där företagen dessutom har väldigt höga tillverkningsbehov och kräver en hög tillgänglighet. Det är en process med många variabler som enkelt går att beskriva. Fokus kommer att ligga på själva maskinen, och inte på maskinen i en tillverkningskedja.
2.4.1 Processbeskrivning
Processen för hur en tablett tillverkas börjar oftast i form utav ett pulver som kallas granulat, och brukar generellt beskrivas i fyra steg enligt Pharma Pathway (2016). Granulatet fylls till höjden i en stansmatris, vilken är den omgivande ringen vid stansningen (se figur 2).
Fylldjupet i matrisen bestäms av understansens position vid avskrapning. Därefter omsluts granulatet av över- och understansen för att sedan pressas. Pressningen sker i två steg;
förpressning och huvudpressning.
Figur 2 - Processbeskrivning av en tablettmaskin
Kraftparametrarna kan enligt maskinföretaget GEA (2016) variera mycket från produkt till produkt. Förpresskraften brukar generellt ligga på cirka 25% till 35% av huvudpresskraften, som kan ligga så högt som på 80 till 100 kN, men den befinner sig vanligtvis på 3 kN till 5 kN beroende på tablettstorlek och granulat. Den tid som det tar för en tablett att pressas kallas dwell time, och är en viktig variabel för hur lätt en tablett löses upp, vilket är speciellt viktigt vid tillverkning av läkemedel. Efter pressningen går understansen upp, och tabletten sorteras som godkänd eller icke godkänd, beroende på om huvudpresskraften uppmättes inom ett godkänt intervall.
2.4.2 Automatisering
Den här processen automatiseras i större produktioner genom ett revolverutförande, där stansarna följer stanskurvor (likande kamkurvor) som styr höjden på stansen (se figur 3).
Maskinen baserad på en förenklad version av Fette 102i:s utförande enligt DirectIndustrys manual, som är en laboratoriepress, alltså en tablettpress för utveckling av läkemedel. Utifrån det här har en konceptmaskin designats i CAD till det här projektet för att fungera liknande en digital tvilling. Matriserna fylls med granulat vid station 1 och matar ut en färdig tablett vid station 4 (se figur 4). Presskrafterna mäts med trycksensorer kopplade till hållare av tryckhjulen, och regleras automatiskt genom att justera avstånden på hjulen. Sorteringen för godkänd och icke godkänd produkt sker med hjälp av ett tryckluftsstyrt munstycke som blåser ut de tabletter som är utanför presskraftsintervallet.
Figur 3 - Drivlina med fokus på stanskurvor
Figur 4 - Genomskärning som visar fyllning, förtryck, huvudtryck och utsortering
2.5 Utrustning och verktyg
2.5.1 IoT-sensorer
I dag finns det ny teknik som klarar av att förmedla kritisk information. I projektet har en liten och trådlös multisensor granskats för funktion och utförande, vid namn Bluzone (se figur 5).
För mer information om Bluzone och dess komponenter och funktioner, se bilaga B: Bluvision av Intertechna AB. Med hjälp av att fästa den lilla sensorn på maskinen (i fallet för figur 5 gäller det en motor), så kan den visa maskinens vibration, temperatur, magnetfält och ljus. Sensorn kommunicerar via en internetbaserad molntjänst, där det i en krypterad databas går att övervaka maskinen, vilket ökar chanserna att förebygga haverier och kostsamma problem i produktionen.
En BluFi-router kan kommunicera med upp till 100 Beacons/givare.
Figur 5 - Montering av Bluvision Beacon, Intertechna, 2020
Givarna har många funktioner, och upptäcker och rapporterar per automatik om avvikelser och problem dyker upp. De signalerar alltså så fort systemet avviker från förinställda normvärden.
Med hjälp av maskininlärning kan systemet även övervaka hela anläggningen, vilket kan medföra kringgående av driftstörningar och ökad process- och driftoptimering. Bluzone har också ett utvecklat gränssnitt för statistik och övervakning (se bilaga B: Bluvision s. 5). Den här sidan visar en vibrationstrend från en maskin, alltså MRO-data för hur förslitning och drift sker i maskinen. Trenderna kan även jämföras med andra liknande maskiner och därigenom kan slutsatser för i vilket stadie i förslitning som maskinen ligger. På så sätt optimeras avhjälpande underhåll, och komponenter byts bara när de faktiskt håller på att gå sönder.
2.5.2 Digitala verktyg
Det finns många företag som jobbar med att utveckla mjukvara och hårdvara för att realisera och utveckla digitala tvillingar. Konsultföretaget CIMdata (2017) skriver i en rapport om Siemens PLM Software (Siemens mjukvaruföretag) som utvecklar verktyg för att realisera digitala tvillingar. Programmet har tre fokusområden inom digitala tvillingar. De är Digital Product Twin som används under produktutveckling, Digital Production Twin som används för tillverkningsteknik och produktionsverksamhet och Digital Performance Twin som används för produktsimulering och produktens livslängd. Tillsammans utgör de här digitala tvillingarna den handlingsbara digitala tvillingen och möjliggör en överblick för att fatta snabbare, mer informerade beslut.
PTC är ett annat företag som utvecklar verktyg för digitala tvillingar (2019). De har utvecklat en programvara vid namn ThingWorx som används som en plattform att samla data från IoT- sensorer. Med hjälp av den här plattformen kan data skickas till deras CAD program Creo, och analysera produkter i realtid. Fördelarna med det här är att informationen blir tydligare till alla berörda när det konceptet är installerat i en industri. Ingenjören får återkoppling på hur maskinens design fungerar och vad som faktiskt slits för att förbättra maskinerna i framtiden.
Operatörerna får realtidsinformation om en del fungerar eller håller på att gå sönder, vilket blir avgörande för driftstopp. Servicetekniker får direktinformation och överblick över ett fel som uppkommit, och kan därigenom antingen digitalt eller fysiskt betjäna maskinen.
3 GENOMFÖRANDE
Det här kapitlet beskriver det aktuella genomförandet. Genomförandet är en strukturerad process för produktutveckling, konstruktion eller en undersökning, som bygger på den eller de metoder som anges i kapitel 1.4.
3.1 Produktionsindustri
3.1.1 Produktionsindustri
Enligt konsultföretaget ÅF (2018) är en digital tvilling bland annat en lösning för att optimera underhåll för industrier. Med hjälp av simulationer kan företag förutse större haverier genom att byta ut eller serva olika komponenter, och därmed planera underhåll på ett bättre sätt.
Dessutom uppkommer möjligheten att simulera en maskin i produktion, vilket gör det möjligt för ett företag att utvärdera en investering på ett bättre sätt; och i och med det kunna överväga om och när en produktion ska byggas eller bytas ut. Med artificiell övervakning på maskinen kan maskinerna köras med högre kvalitet, lägre resursutnyttjande och lägre risk.
3.1.2 Tablettmaskin
För att visa hur en digital tvilling helt digitalt skulle fungera har en exempellayout för tablettmaskinen utformats. Figur 6 visar hur designen för den här maskinen ser ut i produktionsfas när maskinen inte är i gång. Figuren visar till exempel varvtal på rotorn, presskraften som stansarna överför till tabletterna vid pressning, och återstående produktionskvantitet på den dåvarande omgången (batch) eller kärlet. Bilden på maskinen visar status på utrustningen, alltså exempelvis rotorläget på drivaxeln med stansarna, samt om luckor är stängda eller öppna. Maskindelar går att dölja och se igenom för att få en bättre överblick av maskinen. Konceptmaskinen bygger på att maskinen är utrustad med sensorer som i vanliga fall behövs för att styra en tablettmaskin. Även de är kopplade mot IoT och kan avläsas av gränssnittet och den digitala tvillingen.
Figur 6 - Förslag på hur en digital tvilling ser ut i en konceptlayout
3.1.3 Införande av digital tvilling i produktion
Enligt ett projekt av Vinnova (2018) används tekniken för en digital tvilling till att förbättra och minska kostnader och problem, samt effektivisera då ny produktionsutrustning och produktionsanläggningar utformas. Projektet inleds av att en tredimensionell skanning av en fysisk produktionsanläggning genomförs. Därefter skapas en digital tvilling av produktionsanläggningen, vilken exempelvis används för en uppdaterad utformning och installation av produktionssystemet, samt programmering. Vinnova menar att målet med projektet är att kunna utveckla och anpassa metoder som kan användas av små och medelstora företag, vilket innebär att kostnaden för en digital tvilling skulle kunna reduceras. Projektet av Vinnova genomförs bland annat tillsammans med RISE, Chalmers och Volvo Cars, vilka har kunskaper inom tredimensionella skanningar.
Enligt analys- och mjukvaruföretaget OpenText förs digitala tvillingar in i industrin i tre steg (2018). Första steget är Design, som innefattar två huvudelement för utformning av en digital tvilling. Det första huvudelementet är den möjliggörande tekniken som behövs för att integrera den fysiska tillgången till den digitala modellen. Det andra huvudelementet i design handlar om att förstå vilken typ av information som krävs över tillgångens livscykel, var information lagras, och hur den kan nås och användas. Andra steget är Operation, som handlar om att bestämma den digitala tvillingens funktion. Är det bara övervakning, eller ska tillgången styras och kontrolleras av tvillingen? Ska data göras tillgänglig för avancerade analyser för att skapa ett förutsägbart underhåll? De här frågorna ska besvaras i steg två. Tredje steget är Augmentation, som handlar om att implementera funktionerna på tillgången. De flesta implementeringar av digitala tvillingar börjar litet, det vill säga en mindre övervakning av prestanda för en viss del, men expanderar och implementerar nya funktioner med tiden. Det är sällan som det inleds med avancerade och mer sofistikerade funktioner, som till exempel simuleringar, i en helt ny tvilling.
Företaget Sensrtrx (skapar industriella analysapplikationer) förklarar i februari 2020 att en digital tvilling är dyrt, komplext och tidskrävande att skapa, och de flesta företag har varken råd med kostnaden eller har arbetskraft att skapa en digital tvilling, än mindre multipel. Alla fysiska föremål som en tillverkare vill övervaka, måste ha sina egna sensorer och en separat datauppsättning. Det kan bli väldigt komplicerat och kostsamt beroende på hur många produkter ett företag tillverkar och hur komplexa produkterna som tillverkas är.
3.1.4 Komponenter och funktioner
En funktion som en digital tvilling skulle kunna bidra till är att enkelt kunna visa hur olika delar samarbetar, och beskriva hur en maskin fungerar. Ett exempel på en sådan del beskrivs på tablettmaskinen i figur 7 där kraften från tryckhjulen som pressar stansarna mot varandra visas.
På den här bilden syns det relativt tydligt varför både övre och undre tryckhjulet bör utsättas för relativt lika krafter, och varför maskinen jämför kraftvärdena på undre och övre hjulet som en feldiagnostik; det vill säga att maskinen säger att något är fel om de båda hjulens värden särskiljer sig för mycket.
Figur 7 - Kraftöverföring från tryckhjul till stansar
3.1.5 Underhåll
En digital tvilling i en produktionsindustri har även kontroll över in- och utgångar själv, och kan därav åtgärda vissa problem och utföra vissa underhåll på egen hand. Ett exempel på ett sådant underhåll är automatisk smörjning. Då det finns många kontakt- och glidytor på en tablettmaskin är smörjningen av sådana ytor väldigt viktig. Figur 8 visar hur oljecykeln ser ut på konceptmaskinen. Pumpen sitter längst ner i maskinen och därifrån löper det dels slangar genom den roterande centrumaxeln till de övre stanskurvorna och dels en slang till de undre stanskurvorna. Varför det går två slangar till överstansarna beror på att överstansarnas rörelser vertikalt är större i syfte att släppa in granulat i matrisen, samt att oljan rinner nedåt. Därav smörjes både stanshuvudet (toppen på stansen som löper i kurvan) och stanskroppen (cylindriska kroppen som löper i revolvern) tillhörande överstansarna, och enbart stanskroppen tillhörande understansarna. För att olja inte ska komma i kontakt med produkten är oljeflödet viktigt; med för lite olja kärvar stansarna och slitaget mot tryckhjulen ökar, och för mycket olja medför att oljan flödar över och kommer i första hand i kontakt med produkten (i det här exemplet; tabletterna).
Figur 8 - Oljecykel. Slangar går från behållare under maskinen till de olika smörjpunkterna i stanskurvorna
Med en tänkande digital tvilling kan oljeflödet till de olika stansarna och ytorna styras. Indata till den digitala tvillingen blir tryckkrafterna från tryckhjulen, då de avviker åt det ena eller det andra hållet, samt det tillförda momentet på centrumaxeln, då ett högre moment krävs för att rotera revolvrarna om stansarna kärvar. Då vet maskinen att en av de två cyklernas smörjning behöver öka, då maskinen troligtvis börjar gå lite torrt. Vid korrigering av mängden olja, så kan maskinen räkna med förväntat resultat, och justera ytterligare utifrån det. Dessutom finns det nivåer inställda för när oljeflödet är orimligt högt, vilket kan förhindra att det eventuellt flödar över. Det här förutsätter dock att maskinen mäter tryckkrafterna på flera stansar, och inte enbart smörjer för mycket på grund av att en stans av någon anledning behöver lite större kraft för att flyttas.
3.1.6 Simulation i realtid
Med hjälp av en digital tvilling blir det möjligt att göra fler avancerade flerkroppssimulationer som skulle kunna användas för att förklara varför maskiner går sönder vid vissa tillfällen, och förhindra haverier för att öka driftsäkerheten. Det kan skapas med ett flertal sensorer i samarbete med mekaniska beräkningar och slitagesimuleringar. Via exempelvis drivaxeln på koncepttablettmaskinen, kan en friläggning och FEA-analys i realtid simuleras och därmed visa värden på hur maskinen slits i realtid.
Figur 9 - Koncept för hur simulation i realtid ser ut på konceptmaskinen
Hur det här skulle kunna se ut visas i figur 9. I figuren är det hela drivlinan (från motor upp till revolver) som driver stansarna i en transparent genomskärning, för att visa vad som drivs och påverkas av drivlinan. Den här demonstationssimulationen är skapad i programmet Autodesk Fusion 360s inbyggda FEA-funktion, med förutsättningen att båda stansrevolvrarna har exakt lika mycket motstånd mot axelrotationen. Utöver det är axeln buren och hållen på plats med hjälp av en snäckväxel och två lager till axeln, se figur 10.
Figur 10 - Genomskärning för drivningen
Simulationen bygger på att momentet levererat från snäckväxeln undertill är känt. Momentet beräknas med hjälp av en känd momentkonstant och strömmen, samt verkningsgraden på växeln enligt:
𝑀𝑚𝑜𝑡𝑜𝑟 = 𝐾𝑇𝑟𝑚𝑠𝐼 (1)
𝑀𝑎𝑥𝑒𝑙 = 𝜇𝑣ä𝑥𝑒𝑙 ∗ 𝑀𝑚𝑜𝑡𝑜𝑟 (2)
Där 𝑀𝑎𝑥𝑒𝑙 är momentet som roterar axeln. En friläggning av axeln ger en momentekvation enligt följande:
↠ 𝑀𝑎𝑥𝑒𝑙 = 𝑀ö𝑣𝑒𝑟𝑠𝑡𝑎𝑛𝑠𝑎𝑟 + 𝑀ö𝑣𝑟𝑒 𝑙𝑎𝑔𝑒𝑟+ 𝑀𝑢𝑛𝑑𝑒𝑟𝑠𝑡𝑎𝑛𝑠𝑎𝑟+ 𝑀𝑢𝑛𝑑𝑟𝑒 𝑙𝑎𝑔𝑒𝑟 (3) Där 𝑀ö𝑣𝑒𝑟𝑠𝑡𝑎𝑛𝑠𝑎𝑟 och 𝑀𝑢𝑛𝑑𝑒𝑟𝑠𝑡𝑎𝑛𝑠𝑎𝑟 är de moment som stansrevolvrarna (det vill säga revolvrarna som håller och driver stansarna) tar upp, och 𝑀ö𝑣𝑟𝑒 𝑙𝑎𝑔𝑒𝑟 och 𝑀𝑢𝑛𝑑𝑟𝑒 𝑙𝑎𝑔𝑒𝑟 är momentmotståndet från lagren i figur 10. Momentet från stansarna varierar väldigt mycket. Det beror på att huvudpressningen (som ger det största vridmomentsmotståendet) bara sker en gång per varv för varje stans, alltså sker det för projektets konceptmaskin med 12 stansar 12 gånger per varv. Just den här toppen bör enligt argumentet i avsnitt 3.1.4 vara samma på båda stansarna.
Och eftersom lagermotstånden också är väldigt nära varandra och små (i och med liknande storlekar) kan följande förenkling göras:
𝑀𝑠𝑡𝑎𝑛𝑠𝑎𝑟 ≈ 𝑀ö𝑣𝑒𝑟𝑠𝑡𝑎𝑛𝑠𝑎𝑟 + 𝑀ö𝑣𝑟𝑒 𝑙𝑎𝑔𝑒𝑟 ≈ 𝑀𝑢𝑛𝑑𝑒𝑟𝑠𝑡𝑎𝑛𝑠𝑎𝑟+ 𝑀𝑢𝑛𝑑𝑟𝑒 𝑙𝑎𝑔𝑒𝑟 (4)
𝑀𝑎𝑥𝑒𝑙 = 2𝑀𝑠𝑡𝑎𝑛𝑠𝑎𝑟 (5)
Det innebär att momentet från snäckväxeln förenklas i simulationen till att fördelas jämnt på de båda stansrevolvrarna.
3.1.7 Styrning av digital tvilling
En digital tvilling är en tänkande maskin, vilket betyder att den har en viss artificiell intelligens med bland annat maskininlärning för att kunna tänka och lösa problem själv. För koncepttablettmaskinen betyder det att maskinen själv kan justera parametrar efter redan kända
fel. Det här utnyttjas till exempel vid regleringen av oljeflödet för smörjning (3.1.5), där maskinen smörjer vid behov. Maskininlärning kan utnyttjas genom att maskinen sparar data för justerade parametrar vid en driftstörning. Därefter kan maskinen berätta för operatören vad tidigare lösning var i en liknande situation, alternativt justera de här värdena på egen hand.
Ett exempel kan vara att presskraften är väldigt ojämn, vilket tidigare löstes tack vare att operatören har sänkt varvtalet på maskinen för att öka dess dwell-time för varje tablett. Det här värdet kan maskinen då justera själv, utan att stanna helt och utan att justera något värde för mycket. Då märker maskinen också om den här justeringen verkar göra någon skillnad, och maskinen kan fortsätta att producera. Annars återställs det här värdet till det ursprungliga värdet, och maskinen provar en ny lösning alternativt stannar och tillkallar operatör. I och med att de flesta tablettfabriker innehar ett flertal tablettmaskiner av samma modell, kan de här digitala tvillingarna väldigt fördelaktigt sammanlänkas. Det betyder att maskinerna kan lära sig av varandra, och ta hjälp av justeringar som gjorts på en annan maskin, i syfte att optimera den totala produktionen och minska antalet småstopp.
3.1.8 Tillämpning av IoT-sensorer
För att avgöra hur en digital tvilling kan fungera i praktiken förseddes den digitala tablettmaskinen med IoT-sensorerna Bluvision från avsnitt 2.5.1. Sensorerna placerades främst för att avläsa status på de stora lagren för drivaxeln, men även på motorn i maskinutrymmet under maskinbordet (se figur 11). Sensorerna ska enligt Bluvision (2019) monteras på fast metall, och inte på flexibla väggar eller plastkåpor, då de kan öka vibrationerna och försämra resultat. Ambitionen är att kunna samla MRO-data för hur förslitningen på de tre mätpunkterna ser ut, och därifrån få en bättre överblick för underhållsplanering.
Figur 11 - Placering av IoT-sensorer
Enligt Etteplan är det väldigt viktigt att IoT-enheter är ordentligt, digitalt säkrade. Om en IoT- produkt inte är säker, löper den stor risk att utsättas för cyberattacker. Den löper särskilt hög risk för cyberattacker om enheten är säkerhetskritisk eller kopplad till infrastruktur som är kritisk för samhället. Sårbarheter på enheter som innehåller människors personliga data går inte
att tolereras. Om ett eller flera av de här kriterierna är uppfyllda måste IoT-enhetens utvecklare vara exceptionellt väl medveten om de nuvarande och framtida kraven i lagstiftningen om cyber- och informationssäkerhet.
Identity Management Institute skriver 2020 att ju snabbare en ny typ av teknik sprider sig, desto mindre uppmärksamhet tenderar att ägnas åt säkerheten från början. Då digitala tvillingar är baserade i molntjänster och därför inte kräver någon fysisk infrastruktur, är de tillhörande säkerhetsriskerna något lägre jämfört med andra typer av system. De enorma mängder data som samlas in och används kommer dock från massor av olika håll, vilka alla utgör ett potentiellt svaghetsområde. Varje gång en ny anslutning upprättas och mer data skickas mellan olika enheter och moln, ökar risken för kompromisser i säkerhetssynpunkt. Därför måste företag som överväger att använda sig av digital tvillingteknologi att vara noggranna och därmed utvärdera och uppdatera aktuella säkerhetsprotokoll.
3.2 Utvecklingsindustri
3.2.1 Produktutveckling
Tidningen NyTeknik skriver i september 2017 om Siemens PLM Softwares syn på digitala tvillingar med avseende på framtidens utveckling av nya produkter. Tidningen förklarar (med stöd av Mats Friberg och Sverker Nordlander på Siemens PLM Software) att metoden för att ta fram och utveckla en produkt för nuvarande är extremt kostsamt och tidskrävande. Det beror på att det i dagsläget krävs fysiska prototyper som behöver justeras massor av gånger innan ett förväntat och uppskattat resultat uppnås. I framtiden förväntas det istället förändras till att det skapas en digital tvilling istället för en fysisk prototyp.
Enligt NyTeknik (2017) väntas en digital tvilling istället möjliggöra för företag att förutse en blivande produkts prestationsförmågor i olika situationer utan att varken behöva ödsla tid eller pengar. Det är däremot väldigt viktigt att den digitala tvillingen är identisk med den fysiska produkten för att över huvud taget kunna testa och utveckla modellens utformning, prestanda och utförande, och att därmed få ett pålitligt resultat. Om fysiska prototyper ändå krävs på grund av att resultatet av den digitala tvillingen inte känns tillräckligt pålitligt, så är en digital version av den fysiska produkten så gott som onödig, vilket då istället skulle kunna kallas fiasko; varken tidseffektivt eller ekonomiskt.
Genom NyTeknik berättar Mats Friberg, Nordenchef för Siemens PLM Software, att data för hur till exempel en bil körs (som exempelvis antal mil och körsätt) samlas in via IoT och molntjänster, vilket (med hjälp av en digital tvilling) möjliggör att det går att förutse när bilen behöver genomgå sin service. Då är det också lättare att uppdatera och erbjuda uppgraderingar för bilen (eller annan produkt i fråga), som exempelvis programvara utan att behöva besöka en verkstad. Det finns dock fler fördelar med uppgraderingar av befintliga produkter än enbart bättre service till kunder som troligtvis kommer att möjliggöras tack vare digitala tvillingar;
även miljön kan gynnas av digitala tvillingar, då konsumtionen av nya produkter kan komma att reduceras. Uppmaningen lär då inte längre vara att folk ska köpa nya produkter, utan snarare uppgradera sina redan befintliga saker.
Enligt mjukvaruleverantören Adtollo skiljer sig en digital tvilling mot en tredimensionell representation av objektet med att den digitala tvillingen har stöd för simuleringar. Förenklat
kan det ses som att en tredimensionell modell är hur objektet ser ut när det är färdigt; medan den digitala tvillingen visar hur objektet kommer att slitas och hur det kommer att fungera.
3.2.2 PLM och CAE för digitala tvillingar
Som beskrivet under 2.1.2 är PLM ett verktyg för att beskriva en produkts livscykelhantering, det vill säga kedjan från idé till färdig produkt och slutligen till återvinning. Enligt T-Systems (2019) kan PLM användas på digitala tvillingar för att få en realtidsuppdatering på en utrustnings eller en komponents status. Genom att applicera T-Systems lösning för digitala PLM tvillingar ska programmet kunna ge en överblick på allt från kvalitets- eller säkerhetsproblem till vilka funktioner som är kravställda för just den här produkten och hur förbättringar kan föras in i produkten utifrån digitala data.
Som CAE beskrivs under 2.1.3 är det en viktig verktygslåda vid utveckling av prototyper och produkter. Det är ett av många underliggande verktyg som används vid PLM i produktsamanhang. Det är CAE som står för simulering av funktioner för den digitala tvillingen, alltså alla funktioner som prototypen utsätts för i den digitala miljön. Simulationerna kan göras för att minska antalet prototyper och kostnader för utveckling av en produkt. Kan något simuleras i ett bra utförande så behövs ingen prototyp för att undersöka fallet.
3.2.3 Införande av digital tvilling i produktutvecklingsprocess
PTC är ett företag som bland annat utvecklar mjukvara för att samla data ifrån IoT, och har i en artikel (2018) skrivit om införandet av en digital tvilling för ett ensitsigt lättviktsfordon med fyra hjul, alltså ett fordon i ett liknande gokart utförande. Uppgiften handlar om att få en kinematisk överblick på hjulupphängningen, så att konstruktionen kan optimeras till sitt syfte i den färdiga produkten. De menar på att införandet av den digitala tvillingen görs i sju steg.
Första steget är att konstruera prototypen i CAD. Det här följs av att prototypen byggs i fysisk form. Steg tre är att montera sensorer som ska kunna övervaka prototypen. Därefter monteras sensorerna på den virtuella modellen i CAD. Steg fem är att samla data och bygga upp den digitala miljön som tvillingen ska utsättas för. Det här kan till exempel göras i PTC:s programvara ThingWorx. Därefter sammankopplas dataflödet från de fysiska sensorerna till de digitala sensorerna på den tredimensionella modellen. I steg sju är sammankopplingen slutförd, och prototypen i CAD härmar den fysiska prototypen. Fördelen med det är att simulerade data för en verklig kinematiksituation skapas. Därefter kan data granskas med ett sammanhang för att förbättra prototypen och i slutändan bygga fungerande produkter.
3.2.4 Digital tvillingar i Formel 1
TIBCO Software Inc. har, i samarbete med Formel 1-stallet Mercedes-AMG Petronas, utvecklat en digital tvilling inom Formel 1 (2019). Simulationsanalyser är en viktig del i utvecklingen av en Formel 1-bil, då tiden för faktiska bantest är väldigt begränsade och behöver därför utnyttjas till fullo. Simulatorn är så pass bra att den återspeglar de verkliga faktorerna realistiskt, och kan därav ge resultat som kan användas i den verkliga industrin. Simulationen ger data på hur bilen skulle fungera på olika banor med olika väderparametrar, och kan även simulera med en verklig förare i simulatorn med ratt och pedaler. De data som samlas in är centrala i simulationsarbetet, och med en möjlighet på över en miljon olika inställningar är det viktigt att tidigt filtrera stora delar av vilka inställningar som är de optimala för rätt situation.
Syftet med TIBCO:s digitala tvilling är att snabbt kunna visualisera och analysera data från hur den verkliga produkten skulle fungera i samma situation som den simulerade produkten utsätts
för. Den digitala tvillingen ger en möjlighet att få bättre översikt över de data som samlas in.
Vid visualisering av data kan ett värde få ett sammanhang, och görs det här på ett snabbare och effektivare sätt kan den digitala tvillingen bidra med mycket i utvecklingsindustrin.
3.3 Övriga appliceringar av digitala tvillingar
3.3.1 Stadsplanering
Nutida och framtida stadsplanering kan ha en stor användning av digitala tvillingar. I oktober 2019 publicerade Göteborgs Stad att en digital tvilling håller på att skapas och utvecklas för Göteborg; Virtuella Göteborg. Med hjälp av en digital tvilling täckande hela Göteborgs kommun, ska visualiseringar och simulationer av olika stadsutvecklingsprojekt förenklas. Med Virtuella Göteborg vill stadsbyggnadskontoret i Göteborg på ett bra och effektivt sätt kunna analysera framtida utformningar av staden, och därmed kunna ta bättre beslut rörande stadsutvecklingen. Den digitala tvillingen ska även göra det lättare att kommunicera med invånarna i staden angående kommande förändringar. Via VR (virtual reality) ska vem som helst kunna ta del av den framtida utvecklingen av staden.
Enligt Göteborgs Stad (2019) ska den digitala tvillingen omfatta hela Göteborgs kommun på 700 kvadratmeter, vilken kommer att grundas på geografisk information som staden tillhandahåller. I avsnittet 3.2.1 Produktutveckling förklaras det hur viktigt det är att en digital tvilling är en identisk till sin fysiska motsvarighet. På samma sätt existerar varje träd, skog, lyktstolpe och byggnad från den fysiska staden i den digitala tvillingen. Virtuella Göteborg byggs på bestämda parametrar (parametrisk modellering) som kan justeras för att anpassa den digitala tvillingen efter verkligheten.
På Esri Sveriges blogg (2020) skriver Johan Hansson, Key Account Manager på Esri Sverige, att det är ytterst viktigt att den digitala tvillingen uppdateras och utvecklas lika snabbt (eller långsamt) som den fysiska modellen. Utan en identisk digital tvilling blir den verkningslös, vilket därför innebär att den digitala kopian ständigt måste uppdateras (och underhållas) via en molntjänst utan att någon gång avbrytas.
Magnús Agnarsson, senior konsult inom IT för Samhällsutveckling på Sweco, skriver att det är oerhört viktigt att bevaka massor av information när så kallade smarta städer skapas (2019).
Det är inte bara viktigt att ha förmågan att lagra ny information, utan även att organisera och använda sig av redan befintliga data. Agnarsson nämner även att för att data ska vara en tillgång krävs tillförlitlighet, tillgänglighet och trygghet. Utan data som först och främst går att hitta, som är riktig och som går att lita på, så är informationen oväsentlig och alltså inte en tillgång, utan snarare en kostnad.
3.3.2 Marknadsföring och Media
Digitala tvillingar ur ett marknadsföringsperspektiv förekommer ofta i kombination med Industri 4.0. Enligt PTC, som står för många relaterade lösningar inom Industri 4.0, har digitala tvillingar en betydande roll i utvecklingen av Industri 4.0. Digitala tvillingar är en samling av verktyg som IoT, CAD, PLM och artificiell intelligens, som tillsammans driver affärsvärde.
Media ger ofta ett stort hopp om framtiden för digitala tvillingar. Webbsidan InfoSys, som bloggar och skriver många inlägg om just IoT, skrev 2016 om digitala tvillingars framtid. I artikeln benämns digitala tvillingar som framtiden för industriell service, det vill säga nästa
stora steg inom service och underhåll att ta för industriföretag. Artikeln beskriver digitala tvillingars möjligheter inom industrin med att tekniken kommer att ge en fördel i analys av data för att sedan optimera drift. Eftersom utvecklingen precis hade påbörjats år 2016, och trots det bidrog med lovande resultat, så spåddes framtiden för digitala tvillingar väldigt ljus. I och med det ska spridningen av digitala tvillingar att ta fart på riktigt mellan åren 2020 och 2030 och i och med IoT-kopplingen, och nätverkseffekten som medföljer, kommer världen att få se ytterligare en internettransformation.
3.4 Hypen inom digitala tvillingar
I augusti 2018 menade Gartner enligt DNV GL (2019) att digitala tvillingar låg på toppen av hypekurvan i fas två, se figur 12, med mellan fem och tio år kvar för att nå en möjlig platå i fas fem. Digitala tvillingar dök för första gången upp på kurvan 2018, och definierades av Gartner som ”ett mönster för en mjukvarudesign som representerar ett fysiskt objekt med målet att förstå objektets tillstånd, svara på förändringar, förbättra affärslivet och öka värde”. Problemet med den här definitionen enligt DNV GL är att den är svårtolkad och innefattar ingen klar gräns, vilket har gjort att många uppfattat och applicerat definitionen på olika sätt.
Figur 12 - Gartners hypekurva 2018, Gartner, 2018
Den tyska tidningen CIO skrev en artikel om Gartners nya status för klassificeringen av digitala tvillingar i mars 2019. I en undersökning kunde det konstateras att ca 13% av nästan 600 frågade företag från sex olika länder använder teknologin Digitala Tvillingar. Det tyder enligt Gartner på att teknologin ligger i ett tidigt stadium av adaption (”Slope of Enlightenment”). I Gartners undersökning innefattade det även att ta reda på vad företag som redan implementerat digitala tvillingar använde för verktyg för digitala tvillingar. Överst på listan av verktyg låg CAE- mjukvaror med 48% av de företag som använde digitala tvillingar, följt av ERP-mjukvaror på 47% och MRO-data på 45%. ERP står enligt Wikipedia (2019) för ”Enterprise Resource Planning” vilket översätts till Affärssystem på svenska, och det mest kända exemplet på en sådan mjukvara är det tyska programmet SAP. På Gartners lista enligt tidningen CIO fanns även PLM på 43% och CAD på 36%.
4 RESULTAT
I resultatkapitlet samlas de resultat, som uppnåtts med de metoder som beskrivits tidigare, samt analyseras och jämförs med den existerande kunskap och teori som presenterades i referenskapitlet.
4.1 Definition av digital tvilling av olika företag och branscher
En digital tvilling är en tänkande maskin, vilket betyder att den har en viss artificiell intelligens med bland annat maskininlärning för att kunna tänka och lösa problem själv (3.1.7). För produktionsindustrin innebär en digital tvilling en underlättande lösning för att förbättra och optimera underhåll och industri (3.1.1). En digital tvilling används enligt produktionsindustrin för att förbättra och minska kostnader och problem. Den är även till för att effektivisera utformningen av ny produktionsutrustning och -anläggningar (3.1.3).
Inom utvecklingsindustrin definieras en digital tvilling som något som förutser en blivande produkts prestationsförmågor i olika situationer utan att varken behöva ödsla tid eller pengar (3.2.1). Enligt mjukvaruleverantören Adtollo skiljer sig en digital tvilling från en tredimensionell representation av objekt på grund av att den digitala tvillingen har stöd för simuleringar (3.2.1). Motorsporten Formel 1 använder sig av digitala tvillingar för att få en bättre översikt över de data som samlas in. Med en digital tvilling kan alltså en visualisering av data (vilket ger värden ett sammanhang) ske på ett snabbare och effektivare sätt (3.2.4).
Inom stadsplanering ses en digital tvilling som ett verktyg som förenklar visualiseringar och simulationer av olika stadsutvecklingsprojekt (3.3.1). Digitala tvillingar i ett marknadsföringsperspektiv förekommer ofta i kombination med Industri 4.0, då de har en betydande roll i utvecklingen av Industri 4.0. Definitionen av digitala tvillingar inom marknadsföring är att en digital tvilling är en samling av verktyg som IoT, CAD, PLM och artificiell intelligens, som tillsammans driver ett affärsvärde (3.3.2).
Vad en digital tvilling definieras som skiljer sig alltså mellan olika branscher och företag, men syftet är oftast detsamma. Trots att en digital tvilling innebär att det finns en fysisk motsvarighet, så tolkar vissa det som att det räcker med enbart en digital modell – det vill säga CAE utan koppling till verklig produkt.
4.2 Vad kan ett företag erhålla av en digital tvilling?
En digital tvilling observerar, reflekterar och agerar. Genom att upptäcka ett problem eller haveri som är på väg att ske, och sedan larma, kan felet korrigeras och ett potentiellt haveri kan undvikas. På det sättet undviks onödiga avbrott i tillverkningsprocesser eller system, och därmed kan exempelvis kostnader som påverkas av driftstörningar hindras (2.3.1).
Med hjälp av simulationer kan företag förutse större haverier genom att byta ut eller serva olika komponenter, och därmed planera underhåll på ett bättre sätt. Simulation av en maskin i en produktionsanläggning gör det även möjligt för företag att utvärdera en investering på ett bättre vis, och kan i och med det överväga om och när en produktion ska byggas eller bytas ut. Med
artificiell övervakning på en maskin kommer maskinerna att kunna ha en högre kvalitet, lägre resursutnyttjande och lägre risk i drift (3.1.1).
En digital tvilling av en produktionsanläggning kan exempelvis användas till att skapa en uppdaterad utformning och installation av produktionssystemet (3.1.3). En annan funktion som en digital tvilling skulle kunna bidra med är att kunna visa hur olika delar samarbetar, och beskriva hur en viss maskin fungerar (3.1.4). En digital tvilling i produktionsindustrin kan även åtgärda vissa problem och utföra en del underhåll på egen hand. Ett exempel på ett sådant underhåll skulle kunna vara automatisk smörjning av utrustning (3.1.5). Med hjälp av en digital tvilling kommer det att bli möjligt att skapa fler avancerade flerkroppssimulationer som skulle kunna användas till att förklara varför maskiner går sönder vid vissa tillfällen, och förhindra haverier för att öka driftsäkerheten. Simulationerna kan skapas med ett flertal sensorer i samarbete med mekaniska beräkningar och slitagesimuleringar (3.1.6).
Den nuvarande metoden för utveckling av nya produkter är extremt kostsam och tidskrävande.
Det beror på att det i dagsläget krävs fysiska prototyper som behöver justeras massor av gånger innan ett förväntat och uppskattat resultat uppnås. En digital tvilling väntas istället möjliggöra för företag att förutse en blivande produkts prestationsförmågor i olika situationer utan att varken behöva ödsla tid eller pengar. Med digitala tvillingar kan en förutsägelse göras när exempelvis en bil behöver genomgå sin service. Det blir även lättare att uppdatera och erbjuda uppgraderingar för bilen utan att behöva besöka en verkstad. Dessutom kan även miljön gynnas av digitala tvillingar, då konsumtionen av nya produkter kan komma att reduceras i och med att då redan producerade och ägda varor kan uppgraderas och därmed förlänga hållbarheten i produkten (3.2.1).
Inom stadsplanering kan en digital tvilling på ett bra och effektivt sätt analysera framtida utformningar av en stad, och i och med det kan bättre beslut rörande stadsutvecklingen tas. Den digitala tvillingen kan även göra det lättare att kommunicera med invånarna i staden angående kommande förändringar i stadsplaneringen (3.3.1).
En digital tvilling kan ge en överblick av hur en produkt fungerar, och därigenom bidra till att rätt beslut fattas för fortsatt drift och användning av produkten, samt öka produktens värdeskapande. Med hjälp av simulationer och artificiell intelligens kan den digitala tvillingen själv bidra med förslag på lösningar för optimal drift och användning.
Produktutvecklingskedjan av en produkt kan tack vare en digital tvilling kortas ner och minska antalet prototyper, vilket bidrar till en kortare och billigare utveckling.
4.3 Barriärer för att börja använda digitala tvillingar
Att skapa en digital tvilling är i dagsläget dyrt, komplext och tidskrävande. De flesta företag har heller varken råd med kostnaden eller arbetskraft att skapa en digital tvilling (3.1.3). Den ökade användningen av IoT-enheter leder till en ökad risk för att utsättas av cyberattacker. Ännu högre risk för cyberattacker är om enheten är säkerhetskritisk eller kopplad till infrastruktur som är kritisk för samhället. Därför krävs det att en IoT-produkt uppfyller kraven i lagstiftningen om cyber- och informationssäkerhet. Varje gång en ny anslutning (inom digital tvillingteknologi) upprättas och mer data skickas mellan olika enheter och molntjänster, ökar risken för kompromisser i säkerhetssynpunkt. Därför måste företag som överväger att använda
