Digital Twins ermöglichen, während des gesamten Produktlebenszyklus den Prozess zu überwachen, zu analysieren und zu optimieren. Zudem können, oft mithilfe von künstlicher Intelligenz, Vorhersagen und Entscheidungen selbstständig getroffen werden. Durch den automatisierten Datenfluss beeinflussen sich die physische Entität und digitale Entität kontinuierlich gegenseitig.
Durch die Verwendung von Digital Twins wird der Prozess während des Betriebs unter Mithilfe des Modells geregelt. Dies ermöglicht etliche neue Anwendungsmöglichkeiten von Produkten und Systemen, beispielsweise die frühzeitige Erkennung von Anomalien für die vorausschauende Wartung und Qualitätssicherung oder die bessere Erreichung eines Zielzustandes durch Planung und Optimierung während und vor dem Betrieb.
Die Forschungsgruppe «Systemmodellierung, Digital Twins» setzt neben der Verwendung von rein physikalisch basierten Modellen auch auf datenbasierte Modelle. Neuronale Netzwerke werden mithilfe von physikalischen Modellen und Reinforcement Learning (einer KI-Methode) trainiert, welche danach ein komplexes System regeln können. Die Verwendung von physikalischen Modellen erlaubt die Generierung von beliebig vielen Datensätzen für das Training des neuronalen Netzwerkes.
Intellibake – ein Digital Twin revolutioniert den Garprozess
Forschende der HSLU – Technik & Architektur entwickeln einen KI-basierten Regler für Backöfen, der künftig die klassische Regelung der Garraumtemperatur ersetzen kann. Mit zusätzlicher Sensorik im Backofen und einem Modell des Garvorganges soll dieser neue Regler den Zustand des Garguts überwachen und regeln können.
Zum Projekt
