EP4689812A1 - Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit - Google Patents

Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit

Info

Publication number
EP4689812A1
EP4689812A1 EP24718090.4A EP24718090A EP4689812A1 EP 4689812 A1 EP4689812 A1 EP 4689812A1 EP 24718090 A EP24718090 A EP 24718090A EP 4689812 A1 EP4689812 A1 EP 4689812A1
Authority
EP
European Patent Office
Prior art keywords
model
twin
overall
disturbance
drive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP24718090.4A
Other languages
English (en)
French (fr)
Inventor
Erich Günther
Christian Neugebauer
Guido Seeger
Sven Tauchmann
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Corp
Original Assignee
Siemens AG
Siemens Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG, Siemens Corp filed Critical Siemens AG
Publication of EP4689812A1 publication Critical patent/EP4689812A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Definitions

  • the present disclosure relates to a computer-aided method, a device and a computer program product in which an already existing digital twin of a drive system is optimized with regard to its robustness and using such a digital twin to design a drive system.
  • a computer-aided method of the type mentioned above is proposed, in which a digital twin of a system - a system twin - is optimized in terms of its robustness and thus becomes more resilient, in particular more resistant or robust.
  • the system twin comprises a behavior model which describes both undisturbed behavior and behavior of the system which is to be expected under the influence of one or more predefined disturbances.
  • the disturbances preferably occur with a certain probability in the real production cycle and can be simulated, for example, by applying a disturbance variable, a disturbance function in the system twin, deactivating a component in the system twin because it fails and breaks down in the real production cycle, etc.
  • a model of an environment - an environment model - is provided.
  • the system is designed to interact with the environment in such a way that the environment feeds at least one input signal (preferably all input signals) to the system and receives at least one output signal (preferably all input signals) from the system, the system and the environment together forming an overall system.
  • the system twin and the environment model are linked (for example in a simulation tool) to form an overall model - a model of the overall system.
  • the overall model is executed at least twice to obtain simulation data, with the overall model being used in an undisturbed state during a first execution and at least one disturbance (disturbance behavior/reaction of the real system, behavior to an internal and/or external disturbance) of the system being simulated during a second execution of the overall model in order to simulate the behavior of the overall system under the influence of the disturbance acting on the system.
  • the simulation data is analyzed to determine an expected effect of the at least one disturbance on the overall system by comparing data determined during the first execution of the overall model with data determined during the second execution of the overall model. Then, depending on the expected effect, at least one action is determined and communicated to a user.
  • simulation is understood to mean the execution of a model in a specific configuration and parameterization.
  • One or more simulations with the same model but with different configurations and/or parameterizations form a simulation set.
  • a ruggedizing procedure for a digital twin in which the resilience, in particular the robustness of the digital twin with regard to known from the real production cycle, in the production cycle with a certain frequency of occurring disorders is increased.
  • a situation is determined based on the expected effect of the at least one disturbance on the overall system and an assessment of the situation is carried out.
  • a risk-based assessment of the situation is carried out in the overall model in order to reduce the number of relevant error scenarios and reduce the calculation time based on the determined risk. For example, the dangerousness of the resulting overall situation can be used for the assessment.
  • a third simulation sequence may be provided, through which the expected effect is quantified.
  • At least one action is evaluated with regard to predeterminable parameters. It can be useful to communicate the result of this evaluation to the user.
  • the parameters can be costs, effort, risks from omitting the action and so on.
  • two or more disturbances of the system are simulated in order to simulate the behavior of the overall system under the influence of the two or more disturbances acting on the system and to obtain simulation data for several disturbance scenarios.
  • One action can therefore affect several disruption scenarios simultaneously.
  • the at least one action is validated on the overall model, for example the action is implemented in the overall model and the overall model is simulated at least twice - without and with disturbance(s), whereby it is understood that the disturbance(s) is (are) the same that was (are) simulated when determining the at least one action.
  • the expected effect determined in this way can preferably be evaluated, for example on a risk-based basis.
  • the actions can also be ranked according to various parameters, such as cost, effort, efficiency and so on.
  • Each disturbance or disturbance scenario may be a disturbance of the following three disturbance types or, in the case of a disturbance scenario, may include a combination of the disturbances of these disturbance types:
  • the expected effect includes one or more errors within the overall system - that is, that the disturbance(s) lead to one or more errors. In this case, we can speak of error scenarios.
  • the action includes changing the behavior model of the system twin in such a way that the expected effect is reduced.
  • Changing the behavior model may include one or more remedial measures to reduce the expected disruptive effect or influence.
  • the expected effect can be reduced by at least partial compensation or by at least partial balancing of the influence of the disturbance(s) or by eliminating one or more errors.
  • risk assessment of impact When considering the implementation of a specific compensation, one of the following factors or a combination of these can be taken into account: risk assessment of impact, costs and probability.
  • a risk assessment is preferably carried out on the basis of one or more points, e.g. probability, consequences, costs of damage limitation or even repair.
  • a possible compensation could include a monitor that detects the failure of an element of the twin and, in response, switches to a more robust state in which "nothing bad happens”.
  • the system twin preferably simulates the disturbance itself but also its consequences - a disturbance cascade.
  • the system twin is enriched with data generated using a disturbance simulation, thereby extending the system twin with robustness aspects relevant to the application scenario (environment).
  • the system is preferably a drive system.
  • a drive system comprises an electronic control unit, for example a converter, in particular a frequency converter, in particular the system is designed as a control unit, for example as a converter, in particular as a frequency converter.
  • DC applications for example, can be considered as an environment.
  • the environment can include one or a combination of (large) meshed intermediate circuits, battery applications, DC switches and fuses.
  • the drive system additionally comprises an electric rotary machine, preferably an electric motor, for example an asynchronous motor.
  • the electronic control unit can be connected to the electric rotary machine in order to supply it with current and voltage with certain adjustable characteristics (amplitude, frequency, etc.) and thus, for example, to reduce or increase its torque to the required level in order to meet the requirements of the application.
  • certain adjustable characteristics amplitude, frequency, etc.
  • Such drive systems can, for example, drive axes of a machine tool or a robot arm, pumps (hydraulic drive), conveyor belts, etc., which is why they are often referred to as drives or drive trains.
  • a digital twin of a system is basically a virtual representation of the real system, which can preferably be updated using data from various data sources, such as historical data, measurement data, etc.
  • a digital twin can be created from static data (type plates, catalog information, manufacturer data sheets and/or characteristics, etc.) and then updated, for example during operation.
  • static data type plates, catalog information, manufacturer data sheets and/or characteristics, etc.
  • a digital twin created from the static data The twin can be used especially in the design phase.
  • a digital twin is a replica of a physical object of a physical system in software, which in particular replicates an input-output behavior and/or the internal function (e.g. by means of a transfer function) and enables internal parameters (e.g. switching speed, max. frequency) of the system to be adapted without having to make changes to the real system.
  • a digital twin can be updated in real time, e.g. during operation, using sensor data provided by the sensors assigned to the system.
  • the historical data may include, for example, operating data, design drawings and models, maintenance histories and other information collected over the life of the drive system.
  • the digital twin can provide a variety of functions such as monitoring, simulating and predicting the performance and health of the system. It can also serve as a digital model for optimizing maintenance processes and improving performance. In addition, it can also help reduce downtime and maintenance costs by detecting potential problems early and recommending appropriate actions. It can also improve the efficiency of the system by suggesting optimal operating conditions and monitoring performance over time.
  • a digital twin of the system offers a powerful way to optimize the performance and efficiency of the drive system while reducing maintenance costs.
  • a digital twin can enable failure experiments to be carried out and/or physical improve the physical design without experimenting on the real system.
  • the digital twin of a system is understood in the context of the present disclosure to be a simulation model of the system.
  • the simulation model can be modular, with each module of the simulation model describing a specific domain of the drive system (thermal, electrical, etc.).
  • FMUs can be linked together via so-called Functional Mock-up Interfaces, or FMIs for short.
  • FMI is a standard interface for the exchange of model-based simulations between different simulation tools and environments.
  • the FMU is a manifestation of the FMI standard.
  • the system twin and the environment model can also be designed as modules of the overall model, which can be implemented as software, for example, and linked in this overall model.
  • the link can be configured, for example, via a user interface of the overall model.
  • the system twin and the environment model do not have to be designed as independently manageable components, such as FMUs. The link therefore does not have to comply with the FMI standard.
  • FMI defines a standardized data format for model-based simulations, which can be based on XML and binary files, for example. It enables an exchange of model components and their connections between different simulation environments and tools. It enables the creation of complex systems from different components and models that can be embedded in different simulation environments and tools. In one embodiment, it may be provided that, based on the changed behavior model, at least one corresponding change to the system is proposed and preferably carried out. It may be expedient to carry out a risk analysis before adopting a proposed change.
  • the expected effect comprises one or more errors within the overall system
  • at least one solution is determined within the system twin, wherein the at least one solution at least reduces the one or more errors and preferably partially compensates or balances them.
  • the overall model is changed in such a way that it includes the environment model and the system twin with the changed behavior model, the changed overall model is executed, wherein the (same) disturbance of the system is also simulated when the changed overall model is executed, and the changed simulation results obtained thereby are validated on the overall system.
  • the ranking includes a weighting with regard to an efficiency of the change or the remedial measure taken and/or the effort of implementing the change to the system and/or the costs of implementing the change to the system.
  • the system twin has fault inputs corresponding to the predefined faults. In one embodiment, it can be provided that when analyzing the simulation data, a risk-based assessment of a situation to be expected due to the expected effect of the at least one disturbance on the overall system is carried out and, for example, reported to a user.
  • the evaluation includes an assessment of the dangerousness or criticality of the situation to be expected due to the expected effect of the at least one disturbance on the overall system.
  • a simulation of the entire system in an undisturbed state is used when analyzing the simulation data.
  • the real system in the environment is simulated both in the undisturbed state and under the influence of at least one disturbance. Results of the simulation of the system without disturbance are compared with the results of the simulation of the system under the influence of the disturbance and analyzed.
  • two or more disturbances are simulated in order to simulate the behavior of the overall system under the influence of the two or more disturbances acting on the system and to obtain simulation data.
  • the disturbances can be of different or the same type or can occur according to different or the same disturbance mechanisms. This means that, for example, two disturbances can be simulated in which two components fail or two different disturbances are applied to the input signal. These are different disturbance scenarios that can be simulated in the overall model.
  • the method comprises a simulation of the undisturbed overall model, a simulation of the overall model taking into account one or more disturbances - single or k-fold perturbed simulation, where k is the number of simulated disturbances, where each disturbance can be assigned to a specific disturbance mechanism, a subsequent preferably risk-based assessment of the expected effect of the disturbance(s), a suggestion of one or more remedial measures, which for example affect the behavior model, where the number of remedial measures can be smaller than the number of disturbances, a simulation of the overall model taking into account the disturbance(s) and the remedial measure(s), an evaluation of the remedial measure(s), where a justification for the remedial measure(s), preferably with an indication of a weighting (according to cost, effort ...), can be generated for example by the user.
  • the user is preferably informed that there is now a more robust digital twin and that corresponding changes should be made to the real drive system.
  • the method disclosed here makes it possible, among other things, to map errors in the objects themselves and thus to create a system twin that is fully - i.e. in each of its components - centered on robustness aspects.
  • FIG 1 shows a device 100 for developing a digital twin.
  • FIG 1 shows a device 100 for optimizing and developing a digital twin 101 of a (real) drive 102 - a drive twin - and illustrates a computer-aided method for optimizing the drive twin 101 and developing it further based on the optimization that has been carried out.
  • the drive twin 101 and preferably each of its components and/or models can be configurable with regard to their level of detail.
  • Such a device 100 and such a method can be used, for example, as part of a design phase or a layout of the drive 102, in which the robustness of the drive 102 or its configuration and the objects contained therein are examined.
  • the aim of such an examination can, for example, be to estimate the risk and the associated costs and to determine load limits and/or breaking points of components of the drive 102.
  • the device 100 comprises a computing system 103, which can be designed, for example, as one or more distributed computing units or platforms (not shown here).
  • the computing system 103 can be designed as a cloud.
  • such a computing system comprises means that are operatively coupled to one another to carry out the necessary steps of the procedure described here, such as databases, memories, processors, data lines, etc.
  • the drive twin 101 is stored in the device 100.
  • the drive twin 101 comprises a behavior model 104, which describes both an undisturbed behavior and a behavior of the drive 102, which is to be expected under the influence of one or more predefined disturbances, which occur with a non-negligible probability during operation of the drive 102.
  • a disturbance can occur, for example, as a disturbance 105 on the input signal 106 and/or as an internal disturbance 107 and/or as an external disturbance 108.
  • the disturbance is defined in that it is preferably directly measurable. In other words, in the context of the present disclosure, known disturbances are generally considered.
  • the internal faults 107 include, for example, errors that can occur in a real component of the drive 102 (short circuit, shaft breakage, solder joint problems, failing semiconductors that affect the input-output transfer function and are not visible from the outside).
  • External stimuli of the drive 102 can also cause errors during operation (e.g. setpoint and/or ambient temperature is outside the valid range; security breaches, e.g. if the input signal has been compromised, have occurred) and the reaction to this can be investigated.
  • errors during operation e.g. setpoint and/or ambient temperature is outside the valid range; security breaches, e.g. if the input signal has been compromised, have occurred
  • the reaction to this can be investigated.
  • the disturbances 105 on the input signal 106 can include, for example, noise. Disturbances of this type are visible on the output signal 109. Alternatively or additionally, disturbances may also include disturbances on a side channel (irradiation, vibration on the housing).
  • the drive twin 101 makes it possible to simulate one of the aforementioned faults 105, 107, 108 or a combination thereof.
  • This simulation can, for example, consist in one or more fault functions 110, 111 being switched on, or a component of the drive twin 101 (which corresponds to a real component of the drive 102) being deleted or deactivated 112 because this corresponds to a failure of the real component.
  • This can, for example, be partial or complete failures in a motor, in an encoder, in the sensors, in the power electronics.
  • the behavior model 104 can be used to simulate, for example, an IGBT failure (IGBT stands for Insulated-Gate Bipolar Transistor), which occurs with an associated probability depending on load cycles (“cycle counter”).
  • IGBT failure IGBT failure
  • cycle counter load cycles
  • the entire drive twin 101 and/or one or more of its components are provided with failure probabilities.
  • the failure probabilities are usually their own static parameters and not a time-dependent input.
  • failure probabilities it is possible, for example, to achieve a result equivalent to an EMEA (e.g. assessment of the vulnerabilities and criticality of the components of a system).
  • EMEA e.g. assessment of the vulnerabilities and criticality of the components of a system.
  • additional disturbance transfer functions are mapped in the drive twin.
  • a model of an environment 113 - an environment model 114 - in which the drive 102 is or would be used is stored in the computing system 103.
  • the environment 113 corresponds to the application scenario of the drive 102.
  • the drive 102 is thus designed to interact with the environment in such a way that the environment 113 supplies at least one, preferably all) input signals 106 to the drive 102 and receives at least one, preferably all output signals 109 from the drive 102. Together with the environment 113, the drive 102 thus forms an overall system 115.
  • the environment 113 of the drive 102 can be designed in different ways.
  • the environment 113 can be designed as a large meshed DC network in which, for example, a DC link can short-circuit or a fuse can blow.
  • the environment 113 can be designed as a higher-level control of the drive 102 and can include one or more programmable logic controllers (PLCs).
  • PLCs programmable logic controllers
  • the control design within the drive 102 can be improved in terms of its robustness with the help of the drive twin 101.
  • the drive twin 101 can, for example, be designed as an EMU.
  • fault inputs can be provided in the drive twin 101.
  • Each fault input corresponds to one of the faults 110, 111, 112.
  • interfaces can be provided in the drive twin 101. in order to trigger potential error events contained in the drive twin 101. Parameters corresponding to the error inputs/interfaces and preferably also their tolerances can be set via error inputs/interfaces.
  • each model can comprise its own interfaces.
  • the external interfaces (of the models) automatically become internal interfaces via which the propagation of the corresponding fault 105, 107, 108 and/or the subsequent error can be simulated.
  • the type of external interface defines from the outset which fault can and should be simulated or which errors can and should be injected in order to support the user in determining which scenarios should be considered in the error simulation.
  • the drive twin 101 can also have an API (Application Programming Interfaces).
  • the API can be designed in such a way that it can include surrounding systems in the calculation of the probability of failure (and its intermediate results).
  • the drive twin 101 is equipped with an algorithm that enables the determination of the probability of failure and all associated intermediate results (component load, lifetime consumption, ).
  • the drive twin 101 and the environment model 114 are linked, for example, in a simulation tool included in the computing system 103 to form an overall model 116 - a model of the overall system 115.
  • the overall model 116 is now executed (by the computing system 103) in order to simulate the behavior of the overall system 115.
  • the computing system 103 can also be designed in such a way that the overall model 116 is divided up or calculated in parallel (see EMI Spec: Distributed co-simulation infrastructure). In this case, simulation input signals 117 are specified and simulation output signals 118 are observed and analyzed.
  • At least one disturbance 105, 107, 108 of the drive 102 is simulated in order to simulate the behavior of the overall system 115 under the influence of the disturbance 105, 107, 108 acting on the drive 102 and to obtain simulation data.
  • the simulation input signals 117 of the drive twin 101 can be subjected to a disturbance function 110, the external disturbance functions 111 can be triggered, the internal disturbance functions 112 can be triggered or any combination of these disturbance simulations - this leads to a comprehensive investigation of the possible disturbances - can be activated.
  • one or more of the aforementioned disturbance inputs of the drive twin 101 can be used.
  • simulation data 119 are generated. These data 119 are then analyzed 120 in order to determine an expected effect 121 of the disturbance 105, 107, 108 on the overall system 115.
  • Detailed analysis data on the path of action 121 of the simulated disturbance 122 can be derived from the simulation data 119.
  • the effect 121 determined along the path along which the fault propagates and can include both individual faults in components and subsequent faults in other components or in the drive twin 101.
  • a fault cascade i), ii), iii) which includes several faults and subsequent faults can be investigated during simulation.
  • the analysis data for the path of action 121 can enable an estimation of fault interactions, subsequent faults, or fault cascades.
  • error states and mechanisms to be included can be identified, for example, using one or more of standards, empirical values, oversizing, safety factors and FMEA, which can be present in a data memory of the computing system 103.
  • the drive twin 101 can have one or more fault inputs, error states in the drive twin 101 (and in its individual components) can be controlled separately.
  • an assessment can be made regarding the dangerousness or criticality of a situation that is to be expected due to the expected effect 121 of the disturbance 105, 107, 108 on the overall system 115. This can be done on the basis of the safety-relevant parameters and/or the expected state of the overall system. systems 115 or similar.
  • the result of the assessment can, for example, be reported to a user.
  • simulation data 119 are examined for dangerous errors, dangerous scenarios and also measures to avoid such scenarios are identified.
  • a simulation of the entire system 115 in an undisturbed state can be used.
  • the drive 102 is simulated in the environment 113 both in the undisturbed state and under the influence of the disturbance 105, 107, 108.
  • the results of the simulation of the drive 102 without disturbance are compared with the results of the simulation of the drive under the influence of the disturbance 105, 107, 108 and analyzed.
  • the danger or criticality of the fault circuit can be determined by means of several runs of the simulation.
  • a fault scenario is referred to as a concrete simulated fault 110, 111, 112 or a concrete combination of the simulated faults 110, 111, 112.
  • n failure scenarios 123 there can be n failure scenarios 123, where n depends on ni, where ni is the number of possible failures of the i-th mechanism, e.g. the number of components that can fail. If two components fail, this is a double failure of the failure mechanism, etc.
  • Each simulated fault 122 (selected from n fault scenarios 123) can cause an error state.
  • the activation of a fault 110, 111, 112 can be referred to as a fault injection.
  • the drive twin 101 can have different levels of detail with regard to error states so that not all interfaces/parameters have to be operated from outside.
  • the selected model in the drive twin 101 can, for example, be communicated to the user in the API, which can be provided as an alternative to FMI.
  • the drive twin 101 is preferably designed in such a way that, depending on the question, the level of detail of the subcomponents can be selected automatically, or that the manually specified level of detail of a subcomponent influences its neighboring components in order to ensure consistency with regard to the accuracy of the image of an error.
  • knowledge about the modes of action 121 of the disturbances and thus about the possible disturbance mechanisms is generated and stored, for example, in a memory 124 provided for this purpose.
  • a failure scenario 123 results in a failure, it is a failure scenario.
  • one or more measures or modifications are determined that can be carried out within the drive twin 101 and make it possible to at least partially compensate for the expected effect 121.
  • the modification can provide a monitoring mechanism which detects the failure of the component and transfers the drive twin 101 to a more robust state in which the effect 121 is at least partially compensated, for example no output of the drive twin 101 goes to the stop.
  • the computing system 103 uses the simulation data 119 and in particular the detailed analysis data 121 for the path of action to determine a solution within the drive twin 101, wherein the one solution transfers the overall model 116 (or its simulation) to a safer state, for example by at least partially compensating for the one or more errors, in particular in such a way that one or more subsequent errors are avoided or their dangerousness or criticality is reduced.
  • the behavior model 104 of the drive twin 101 can be adapted by such a measure or with such a modification 125.
  • the modification may aim to reduce the consequences of a simulated disturbance 110, 111, 112, or a simulated disturbance scenario 123 and thus avoid subsequent disturbances.
  • a solution or solution scenario may concern one or more of the disruption scenarios 123.
  • the solution scenarios can include one or a combination of the following measures: compensation of the expected effect, transfer to a safe state, emergency stop, adjustment of maintenance intervals, etc.
  • a solution scenario can be assigned a key figure that quantifies the robustness. This can be done, for example, based on a distance measure to the undisturbed signal and characterize the suppression of the disturbance, etc.
  • a single (optimal) solution is transferred or validated into the real system.
  • the measure may consist in reducing the danger of the situation arising in the selected disruption scenario.
  • the modification can be transferred to the drive twin 101. This leads to a drive twin 126 with a modified behavior model 127 that is improved in terms of its robustness against the known aforementioned disturbance scenarios.
  • the modified drive twin 126 is more robust than the drive twin 101.
  • the modified drive twin 126 can, for example, be stored in the memory 124.
  • the computing system 103 proposes a change to the drive 102 128 based on the modified drive twin 126 and in particular on the modified behavior model 127.
  • the determined measure can then be verified on the overall system 115.
  • the overall model 116 is changed by including the (old) environment model 114 and the modified drive twin 126.
  • the computing system 103 then executes the modified overall model, whereby when executing the modified overall model, the (same) fault in the drive 102 that led to the aforementioned change measure in the drive twin 101 is also simulated.
  • the simulation results obtained are validated on the overall system 129.
  • the device 100 described above can thus also be used to test the drive 102 in the environment 113.
  • the knowledge 124 about various disturbance mechanisms gained in the simulation described above and solutions derived from this knowledge 124 can be used to modify the drive 102.
  • the aforementioned simulation tool can be used in Computing system 103 may be a component of a design tool or may be designed as a design tool.
  • simulation design tool may interact with the memory 124 and with other components of the computing system 103 not shown here for simplicity in a conventional manner.
  • the methods and systems disclosed here are aimed in particular at determining design and/or control engineering (e.g. limiting rise times, controller factors, limiters . . . ) and/or monitoring engineering interventions in the event of failure of the drive system 102 or, in other words, at error analysis and control in the drive system 102.
  • reactions are defined which are implemented in the event of failure of the drive system 102 in order to avoid fatal errors, with the advantage that these reactions can initially be simulated in the drive twin 101. Examples of this are if a sensor signal is missing, then an auxiliary brake is applied, adjustment of a service interval, e.g. in the event of premature failure, or similar.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

Optimieren eines Systemzwillings (101) hinsichtlich seiner Robustheit, wobei der Systemzwilling (101) ein Verhaltensmodell (104) umfasst, welches sowohl ein ungestörtes Verhalten als auch ein Verhalten des Systems (102) beschreibt, welches unter Einfluss einer oder mehr vordefinierten Störungen (105, 107, 108) zu erwarten ist, wobei bei dem Verfahren ein Modell einer Umgebung (113) bereitgestellt wird, wobei das System (102) dazu ausgebildet ist, mit der Umgebung (113) derart zu interagieren, dass die Umgebung (113) zumindest ein Eingangssignal (106) dem System (102) zuführt und zumindest ein Ausgangssignal (109) von dem System (102) empfängt, wobei das System (102) mit der Umgebung (113) gemeinsam ein Gesamtsystem (115) bilden, der Systemzwilling (101) und das Umgebungsmodell (114) zu einem Gesamtmodell (116) verknüpft werden, das Gesamtmodell (116) mindestens zweimal ausgeführt wird, um Simulationsdaten (119) zu erhalten, wobei bei einem ersten Ausführen das Gesamtmodell (116) in einem ungestörten Zustand herangezogen wird und bei einem zweiten Ausführen des Gesamtmodells (116) zumindest eine Störung (105, 107, 108) des Systems (102) mitsimuliert wird, um das Verhalten des Gesamtsystems (115) unter Einfluss der auf das System (102) wirkenden Störung (105, 107, 108) zu simulieren, Simulationsdaten (119) analysiert werden, um eine zu erwartende Wirkung (121) der zumindest einen Störung (105, 107, 108) auf das Gesamtsystem (115) aus einem Vergleich von bei dem ersten Ausführen des Gesamtmodells (116) ermittelten Daten mit bei dem zweiten Ausführen des Gesamtmodells (116) ermittelten Daten zu ermitteln, abhängig von der zu erwartenden Wirkung (121) zumindest eine Handlung ermittelt und an einen Benutzer kommuniziert wird.

Description

Beschreibung
Verfahren und Einrichtung zum Optimieren eines digitalen Zwillings hinsichtlich seiner Robustheit
Die vorliegende Of fenbarung betri f ft ein computergestütztes Verfahren, eine Einrichtung und ein Computerprogrammprodukt , bei welchen ein bereits vorliegender digitaler Zwilling eines Antriebssystems hinsichtlich seiner Robustheit optimiert wird und Verwenden eines solchen digitalen Zwillings zum Auslegen eines Antriebssystems .
Es besteht im Rahmen der Designphase und auch im Betrieb eines Systems die Fragestellung nach einer Untersuchung der Robustheit dieses Systems und der darin enthaltenen Obj ekte . Ziel einer solchen Untersuchung ist das Einschätzen des Risikos und der damit einhergehenden Kosten .
Die klassische Pro ektierung eines komplexen Systems ist üblicherweise hinsichtlich Robustheit unzureichend definiert und muss in einem separaten Prozess abgesichert werden .
Um diesem Problem zu begegnen, wird ein computergestütztes Verfahren der oben genannten Art vorgeschlagen, bei welchem ein digitaler Zwilling eines Systems - ein Systemzwilling - hinsichtlich seiner Robustheit optimiert wird und somit resi- lienter, insbesondere widerstands fähiger beziehungsweise robuster wird . Der Systemzwilling umfasst ein Verhaltensmodell , welches sowohl ein ungestörtes Verhalten als auch ein Verhalten des Systems beschreibt , welches unter Einfluss einer oder mehr vordefinierten Störungen zu erwarten ist . Die Störungen treten dabei vorzugsweise mit einer gewissen Wahrscheinlichkeit im realen Produktions zyklus auf und können beispielsweise durch Aufschaltung einer Störgröße , einer Störfunktion im Systemzwilling, Deaktivieren einer Komponente im Systemzwilling, weil sie im realen Produktions zyklus versagt und ausfällt , etc . simuliert werden . Bei dem Verfahren wird ein Modell einer Umgebung - ein Umgebungsmodell - bereitgestellt . Das System ist dazu ausgebildet , mit der Umgebung derart zu interagieren, dass die Umgebung zumindest ein Eingangssignal (vorzugsweise alle Eingangssignale ) dem System zuführt und zumindest ein Ausgangssignal (vorzugsweise alle Eingangssignale ) von dem System empfängt , wobei das System mit der Umgebung gemeinsam ein Gesamtsystem bilden . Der Systemzwilling und das Umgebungsmodell werden (beispielsweise in einem Simulationstool ) zu einem Gesamtmodell - einem Modell des Gesamtsystems - verknüpft . Das Gesamtmodell wird mindestens zweimal ausgeführt , um Simulationsdaten zu erhalten, wobei bei einem ersten Aus führen das Gesamtmodell in einem ungestörten Zustand herangezogen wird und bei einem zweiten Aus führen des Gesamtmodells zumindest eine Störung ( Störverhalten / Reaktion des realen Systems , Verhalten auf eine interne und/oder externe Störung) des Systems mitsimuliert wird, um das Verhalten des Gesamtsystems unter Einfluss der auf das System wirkenden Störung zu simulieren . Die Simulationsdaten werden analysiert , um eine zu erwartende Wirkung der zumindest einen Störung auf das Gesamtsystem aus einem Vergleich von bei dem ersten Aus führen des Gesamtmodells ermittelten Daten mit bei dem zweiten Ausführen des Gesamtmodells ermittelten Daten zu ermitteln . Anschließend wird abhängig von der zu erwartenden Wirkung zumindest eine Handlung ermittelt und an einen Benutzer kommuni ziert .
Im Kontext der vorliegenden Of fenbarung wird unter Simulation die Aus führung eines Modells in einer bestimmten Konfiguration und Parametrierung verstanden . Eine oder mehr Simulationen mit dem gleichen Modell aber mit verschiedenen Konfigurationen und/oder Parametrierungen bildet einen Simulation-Set .
Zusammenfassend ist ein Ruggedi zing-Verf ahren für einen digital Twin of fenbart , bei welchem die Resilienz , insbesondere die Robustheit des digitalen Zwillings hinsichtlich aus dem realen Produktions zyklus bekannter, im Produktions zyklus mit einer bestimmten Häufigkeit vorkommender Störungen erhöht wird .
Bei einer Aus führungs form kann es vorgesehen sein, dass beim Ermitteln der zumindest einen Handlung eine durch die zu erwartende Wirkung der zumindest einen Störung auf das Gesamtsystem zu erwartenden Situation bestimmt wird und eine Bewertung der Situation durchgeführt wird . Vorzugsweise wird dabei eine risikobasierte Bewertung der Situation in dem Gesamtmodell vorgenommen, um anhand des ermittelten Risikos die Anzahl der relevanten Fehlers zenarien zu verringern die Berechnungs zeit zu reduzieren . Beispielsweise kann dabei die Gefährlichkeit der entstehenden Gesamtsituation zur Bewertung herangezogen werden .
Bei einer Aus führungs form kann ein dritter Simulationsablauf vorgesehen sein, durch welchen die zu erwartende Wirkung quanti fi ziert wird .
Bei einer Aus führungs form kann es vorgesehen sein, dass die zumindest eine Handlung hinsichtlich vorgebbarer Parameter bewertet wird . Es kann zweckdienlich sein, das Ergebnis dieses Bewertens an den Benutzer zu kommuni zieren . Die Parameter können Kosten, Aufwand, Risiken aus einer Unterlassung der Handlung und so weiter sein .
Bei einer Aus führungs form kann es vorgesehen sein, dass zwei oder mehr Störungen des Systems mitsimuliert werden, um das Verhalten des Gesamtsystems unter Einfluss der auf das System wirkenden zwei oder mehr Störungen zu simulieren und Simulationsdaten zu mehreren Störs zenarien zu erhalten .
Dabei kann es zweckmäßig sein, wenn die zu erwartende Wirkung für j edes Störs zenario ermittelt wird und zumindest eine Handlung für eine oder mehr der zu erwarteten Wirkungen ermittelt und an den Benutzer kommuni ziert wird . Eine Handlung kann also mehrere Störs zenarien gleichzeitig betref fen .
Bei einer Aus führungs form kann es vorgesehen sein, dass die zumindest eine Handlung am Gesamtmodell validiert wird , beispielsweise wird dabei die Handlung in dem Gesamtmodell implementiert und das Gesamtmodell mindestens zwei Mal simuliert - ohne und mit Störung ( en) , wobei es sich versteht , dass die Störung ( en) dieselbe (n) ist ( sind) , die beim Ermitteln der zumindest einen Handlung simuliert wurde (n) . Die dabei ermittelte zu erwartende Wirkung kann vorzugsweise bewertet , beispielsweise risikobasiert bewertet . Auch kann ein Ranking der Handlungen nach verschiedenen Parametern, wie Kosten, Aufwand, Ef fi zienz und so weiter vorgenommen werden .
Jede Störung beziehungsweise j edes Störs zenario kann eine Störung der drei folgenden Störarten sein oder, im Fall eines Störungss zenarios , eine Kombination der Störungen dieser Stör- beziehungsweise Störungsarten beinhalten :
- Störung auf einem Input beziehungsweise Eingangssignal ( resultiert auch aus einer Störung des Umgebungsmodells , auch Rauschen) ;
- Störung als eigener „nicht- funktionaler" Eingang (beispielsweise Strahlung, Temperatur ) ;
- Störung als eigener logischer Input ( eine Komponente fällt aus ) .
Bei einer Aus führungs form kann es vorgesehen sein, dass die zu erwartende Wirkung einen oder mehr Fehler innerhalb des Gesamtsystems umfasst - also dass die Störung ( en) zu einem oder mehreren Fehlern führen . In diesem Fall kann von Fehlers zenarien gesprochen werden .
Bei einer Aus führungs form kann es vorgesehen sein, dass die Handlung ein derartiges Verändern des Verhaltensmodells des Systemzwillings umfasst , dass die zu erwartende Wirkung vermindert wird . Das Verändern des Verhaltensmodells kann eine oder mehr Ab- hil f emaßnahmen zur Verminderung der zu erwartenden Störwirkung beziehungsweise des Störeinflusses umfassen .
Vorzugsweise kann das Vermindern der zu erwartenden Wirkung durch eine zumindest teilweise Kompensation beziehungsweise durch einen zumindest teilweisen Ausgleich des Einflusses der Störung ( en) oder eine Behebung des einen oder mehr Fehler erfolgen .
Bei der Frage der Implementierung einer bestimmten Kompensation kann dabei einer der nachfolgenden Faktoren oder eine Kombination davon berücksichtigt werden : Risikoabschätzung von Impact , Kosten und Wahrscheinlichkeit . Eine Risikobewertung erfolgt dabei vorzugsweise anhand von einem oder mehr Punkten, z . B . Wahrscheinlichkeit , Folgen, Kosten der Schadensbegrenzung oder gar Behebung .
Eine mögliche Kompensation könnte beispielsweise eine Überwachung umfassen, die das Versagen eines Elements des Zwillings detektiert und in Reaktion darauf in einen robusteren Zustand übergeht , in dem „nichts schlimmes passiert" .
Wenn die Störung beispielsweise Folgestörungen verursacht , wird im Systemzwilling vorzugsweise die Störung selbst aber auch ihre Folgen - eine Störungskaskade - simuliert .
Mit anderen Worten wird der Systemzwilling mit Daten angereichert , die unter Verwendung einer Störungssimulation generiert werden, wodurch der Systemzwilling um für das Anwendungss zenario (Umgebung) relevante Robustheitsaspekte erweitert wird .
Die Güte einer Aussage über die Robustheit eines komplexen Systems wird durch die vorgeschlagene höher und umfassender .
Das System ist vorzugsweise ein Antriebssystem . Vorzugsweise umfasst ein Antriebssystem eine elektronische Regelungseinheit , beispielsweise einen Umrichter, insbesondere einen Frequenzumrichter, insbesondere ist das System als eine Regelungseinheit , beispielsweise als ein Umrichter, insbesondere als ein Frequenzumrichter ausgebildet .
Als Umgebung kommen dabei beispielsweise DC-Applikationen in Frage . So kann die Umgebung beispielsweise einen oder eine Kombination von ( großen) vermaschten Zwischenkreisen, Batterieapplikationen, DC-Schaltern und Sicherungen umfassen .
Bei einer Aus führungs form kann es vorgesehen sein, dass das Antriebssystem zusätzlich eine elektrische rotatorische Maschine , vorzugsweise einen Elektromotor, beispielsweise einen Asynchronmotor umfasst .
Dabei kann die elektronische Regelungseinheit mit der elektrischen rotatorischen Maschine verbunden sein, um diese mit Strom und Spannung mit bestimmten einstellbaren Charakteristika (Amplitude , Frequenz , etc . ) zu versorgen und dadurch beispielsweise ihr Drehmoment auf das erforderliche Niveau zu reduzieren oder zu erhöhen, um die Anforderungen der Anwendung zu erfüllen .
Solche Antriebssysteme können beispielsweise Achsen einer Werkzeugmaschine oder eines Roboterarms , Pumpen (Hydraulikantrieb ) , Förderbänder, etc . antreiben, weshalb sie oft auch als Antriebe oder Antriebsstränge bezeichnet werden .
Ein digitaler Zwilling eines Systems ist grundsätzlich eine virtuelle Repräsentation des realen Systems , welche vorzugsweise anhand von Daten aus verschiedenen Datenquellen, wie beispielsweise historischen Daten, Messdaten, usw . aktualisiert werden kann . Zunächst kann ein digitaler Zwilling insbesondere aus statischen Daten ( Typenschilder, Katalogangaben, Herstellerdatenblätter und/oder -kennlinien, usw . ) gebildet und anschließend, beispielsweise im Betrieb aktualisiert werden . Ein aus den statischen Daten gebildeter digita- ler Zwilling kann insbesondere in der Designphase verwendet werden .
Mit anderen Worten ist ein digitaler Zwilling eine Nachbildung eines physikalischen Objekts eines physikalischen Systems in Software, welche insbesondere ein Eingangs-Ausgangs- Verhalten und/oder die innere Funktion nachbildet (z.B. mittels einer Übertragungsfunktion) und ermöglicht innere Parameter (z.B. Schaltgeschwindigkeit, max. Frequenz) des Systems anzupassen, ohne am realen System Änderungen vornehmen zu müssen .
Zweckdienlich ist es, wenn ein digitaler Zwilling in Echtzeit, z.B. während des Betriebs, anhand von Sensordaten aktualisiert werden kann, die die dem System zugeordneten Sensoren liefern.
Die historischen Daten können z.B. Betriebsdaten, Konstruktionszeichnungen und Modellen, Wartungshistorien und anderen Informationen, die im Laufe der Lebensdauer des Antriebssystems gesammelt wurden, umfassen.
Der digitale Zwilling kann eine Vielzahl von Funktionen bieten, wie z.B. Überwachung, Simulation und Vorhersage von Leistung und Zustand des Systems. Es kann auch als digitales Modell für die Optimierung von Wartungsprozessen und die Verbesserung der Leistung dienen. Darüber hinaus kann es auch dazu beitragen, Ausfallzeiten und Wartungskosten zu reduzieren, indem es potenzielle Probleme frühzeitig erkennt und entsprechende Maßnahmen empfiehlt. Es kann auch die Effizienz des Systems verbessern, indem es optimale Betriebsbedingungen vorschlägt und die Leistung im Laufe der Zeit überwacht.
Insgesamt bietet ein digitaler Zwilling des Systems eine leistungsstarke Möglichkeit, die Leistung und Effizienz des Antriebssystems zu optimieren und gleichzeitig die Wartungskosten zu senken. Insbesondere kann ein digitaler Zwilling ermöglichen, Fehlerexperimente durchzuführen und/oder physi- kalisches Design zu verbessern, ohne dass man am realen System experimentiert .
Insbesondere wird unter dem digitalen Zwilling ( zu engl . : digital twin) eines Systems im Rahmen der vorliegenden Of fenbarung ein Simulationsmodell des Systems verstanden . Ein solches Simulationsmodell kann beispielsweise in Form eines FMU- Modells ( EMU = Functional Mock-up Unit ) vorliegen . Das Simulationsmodell kann modular auf gebaut sein, wobei j edes Modul des Simulationsmodells eine bestimmte Domäne des Antriebssystems beschreibt ( Thermik, Elektrik, usw . )
Die FMUs können über sogenannte Functional Mock-up Interfaces oder kurz FMI s miteinander verknüpft werden . FMI ist eine Standard-Schnittstelle für den Austausch von modellbasierten Simulationen zwischen verschiedenen Simulationswerkzeugen und -Umgebungen . Mit anderen Worten ist die FMU ist eine Mani festation des FMI-Standards .
Der Systemzwilling und das Umgebungsmodell können auch als Module des Gesamtmodells , das beispielsweise als eine Software implementiert sein kann, ausgebildet sein und in diesem Gesamtmodell verknüpft werden . Die Verknüpfung kann beispielsweise über eine Bedienerschnittstelle des Gesamtmodells konfiguriert werden . Dabei müssen der Systemzwilling und das Umgebungsmodells nicht als eingeständig verwaltbare Komponenten, wie beispielsweise FMUs , ausgebildet sein . Die Verknüpfung muss daher nicht dem FMI-Standard entsprechen .
FMI definiert ein standardisiertes Datenformat für modellbasierte Simulationen, das beispielsweise auf XML- und Binärdateien basieren kann . Es ermöglicht einen Austausch von Modellkomponenten und deren Verbindungen zwischen verschiedenen Simulationsumgebungen und -Tools . Es ermöglicht Erstellen von komplexen Systemen aus verschiedenen Komponenten und Modellen, die in verschiedenen Simulationsumgebungen und -Tools eingebettet werden können . Bei einer Aus führungs form kann es vorgesehen sein, dass basierend auf dem geänderten Verhaltensmodell zumindest eine entsprechende Änderung des Systems vorgeschlagen und vorzugsweise vorgenommen wird . Es kann zweckmäßig sein, vor dem Übernehmen eines Änderungsvorschlags eine Risikoanalyse durchzuführen .
Bei einer Aus führungs form kann es vorgesehen sein, dass , wenn die zu erwartende Wirkung einen oder mehr Fehler innerhalb des Gesamtsystems umfasst , zumindest eine Lösung innerhalb des Systemzwillings ermittelt wird, wobei die zumindest eine Lösung den einen oder mehr Fehler zumindest vermindert und vorzugsweise teilweise kompensiert beziehungsweise ausgleicht .
Bei einer Aus führungs form kann es vorgesehen sein, dass das Gesamtmodell derart geändert wird, dass es das Umgebungsmodell und den Systemzwilling mit dem geänderten Verhaltensmodell umfasst , das geänderte Gesamtmodell ausgeführt wird, wobei beim Aus führen des geänderten Gesamtmodells die ( selbe ) Störung des Systems mitsimuliert wird, und dadurch erhaltene , geänderte Simulationsergebnisse an dem Gesamtsystem validiert werden .
Dabei kann es zweckmäßig sein, wenn beim Validieren ein Ranking der an dem Verhaltensmodell des Systemzwillings vorgenommenen Änderung durchgeführt wird .
Vorzugsweise umfasst das Ranking eine Gewichtung hinsichtlich einer Ef fi zienz der Änderung beziehungsweise der vorgenommenen Abhil femaßnahme und/oder des Aufwands einer Umsetzung der Änderung an dem System und/oder der Kosten einer Umsetzung der Änderung an dem System .
Bei einer Aus führungs form kann es vorgesehen sein, dass beim Systemzwilling den vordefinierten Störungen korrespondierende Störeingänge vorgesehen sind . Bei einer Aus führungs form kann es vorgesehen sein, dass beim Analysieren der Simulationsdaten eine risikobasierte Bewertung einer durch zu erwartende Wirkung der zumindest einen Störung auf das Gesamtsystem zu erwartenden Situation durchgeführt wird und beispielsweise an einen Benutzer gemeldet wird .
Dies kann auf Basis der sicherheitsrelevanten Parameter und/oder des zu erwartenden Zustandes des Gesamtsystems o .Ä. durchgeführt werden .
Vorzugsweise umfasst die Bewertung eine Beurteilung hinsichtlich Gefährlichkeit bzw . Kritikalität der durch die zu erwartende Wirkung der zumindest einen Störung auf das Gesamtsystem zu erwartenden Situation umfasst .
Bei einer Aus führungs form kann es vorgesehen sein, dass beim Analysieren der Simulationsdaten eine Simulation des Gesamtsystems in einem ungestörten Zustand herangezogen wird . Dabei wird das reale System in der Umgebung sowohl in dem ungestörten Zustand als auch unter Einfluss der zumindest einen Störung simuliert . Ergebnisse der Simulation des Systems ohne Störung werden mit den Ergebnissen der Simulation des Systems unter Einfluss der Störung dabei verglichen und analysiert .
Bei einer Aus führungs form kann es vorgesehen sein, dass zwei oder mehr Störungen mitsimuliert werden, um das Verhalten des Gesamtsystems unter Einfluss der auf das System wirkenden zwei oder mehr Störungen zu simulieren und Simulationsdaten zu erhalten .
Die Störungen können dabei unterschiedlicher oder gleicher Art sein beziehungsweise nach den unterschiedlichen oder nach den gleichen Störmechanismen ablaufen . D . h . es können z . B . zwei Störungen simuliert werden, bei welchen zwei Komponenten aus fallen oder zwei unterschiedliche Störungen auf das Eingangssignal auf geschaltet werden . Dies sind unterschiedliche Störs zenarien, die im Gesamtmodell simuliert werden können . Bei einer Aus führungs form umfasst das Verfahren eine Simulation des ungestörten Gesamtmodells , eine Simulation des Gesamtmodells unter Berücksichtigung einer oder mehr Störungen - einfach oder k- fach gestörte Simulation, wobei k der Anzahl der simulierten Störungen ist , wobei j ede Störung einem bestimmten Störmechanismus zugeordnet werden kann, eine anschließende vorzugsweise risikobasierte Bewertung der zu erwartenden Wirkung der Störung ( en) , ein Vorschlägen einer oder mehr Abhil femaßnamen, die beispielsweise das Verhaltensmodell betref fen, wobei die Anzahl der Abhil femaßnahmen kleiner als die Anzahl der Störungen sein kann, eine Simulation des Gesamtmodells unter Berücksichtigung der Störung ( en) und der Abhil femaßnahme (n) , eine Bewertung der Abhil femaßnahme (n) , wobei dabei eine Begründung zu der ( den) Abhil femaßnahme (n) , vorzugsweise mit Angabe einer Gewichtung (nach Kosten, Aufwand ... ) beispielsweise seitens Anwenders generiert werden kann .
Bei einer vorgenommenen Änderung des Verhaltensmodells wird der Benutzer vorzugsweise darauf hingewiesen, dass es j etzt ein robusterer digital Twin vorliegt und dass entsprechende Änderungen an dem realen Antriebssystem nachgezogen werden sollen .
Zusammenfassend ermöglicht das hier of fenbarte Verfahren unter anderem Fehler in den Obj ekten selbst abzubilden und somit einen vollumfänglich - also in j eder seiner Komponente - robustheitsaspekts zentrierten Systemzwilling zu schaf fen .
Auf Basis dieser Erkenntnisse lassen sich neben Designentscheidungen ( Dimensionierung der Obj ekte , Sicherheits faktoren) , auch Überwachungs- und Fehlerbeherrschungsalgorithmen entwickeln oder Maßnahmen (Redundanz... ) ableiten .
Die Erfindung wird nachfolgend anhand von Aus führungsbeispielen näher erläutert . Dabei zeigen : FIG 1 zeigt eine Einrichtung 100 zum Weiterbilden eines digitalen Zwillings .
Die in den Figuren verwendete Bezugs zeichen dienen ausschließlich zur Verbesserung der Lesbarkeit und sind nicht als einschränkend aus zulegen . Die gleichen Bezugs zeichen in unterschiedlichen Figuren bezeichnen im Wesentlichen gleiche Elemente beziehungsweise Gegenstände .
FIG 1 zeigt eine Einrichtung 100 zum Optimieren und Weiterbilden eines digitalen Zwillings 101 eines ( realen) Antriebs 102 - eines Antriebs zwillings - und veranschaulicht ein computergestütztes Verfahren, um den Antriebs zwilling 101 zu optimieren und anhand der erfolgten Optimierung weiterzubilden .
In einer vorteilhaften Aus führung kann der Antriebs zwilling 101 und vorzugsweise j ede seiner Komponenten und/oder Modelle (mechanisches , thermisches , elektrisches Modell usw . ) , die als Module eines Softwareprogramms ausgebildet sein können, hinsichtlich ihres Detaillierungsgrades konfigurierbar sein .
Eine solche Einrichtung 100 und ein solches Verfahren können beispielsweise im Rahmen einer Designphase oder einer Auslegung des Antriebs 102 zum Einsatz kommen, bei welcher die Robustheit des Antriebs 102 beziehungsweise seiner Proj ektierung und der darin enthaltenen Obj ekte untersucht wird . Das Ziel einer solchen Untersuchung kann beispielsweise das Einschätzen des Risikos und auch der damit einhergehenden Kosten sein und Ermittlung von Belastungsgrenzen und/oder Bruchpunkten von Komponenten des Antriebs 102 umfassen .
Die Einrichtung 100 umfasst ein Rechensystem 103 , welches beispielsweise als eine oder mehrere beispielsweise verteilte Recheneinheiten oder -plattformen ausgebildet sein kann (hier nicht gezeigt ) . Beispielsweise kann das Rechensystem 103 als eine Cloud ausgebildet sein . Grundsätzlich umfasst ein solches Rechensystem miteinander operativ gekoppelten Mitteln zum Durchführen der notwendigen Schritte des hier dargestellten Verfahrens , wie Datenbanken, -Speicher, Prozessoren, Datenleitungen etc .
In der Einrichtung 100 ist der Antriebs zwilling 101 gespeichert . Der Antriebs zwilling 101 umfasst ein Verhaltensmodell 104 , welches sowohl ein ungestörtes Verhalten als auch ein Verhalten des Antriebs 102 beschreibt , welches unter Einfluss einer oder mehr vordefinierten Störungen, welche mit einer nicht vernachlässigbaren Wahrscheinlichkeit im Betrieb des Antriebs 102 auftreten, zu erwarten ist .
Eine Störung kann beispielsweise als eine Störung 105 am Eingangssignal 106 und/oder als eine interne Störung 107 und/oder als eine externe Störung 108 auftreten .
Die Störung ist insofern definiert , als sie vorzugsweise direkt messbar ist . Mit anderen Worten werden im Kontext der vorliegenden Of fenbarung grundsätzlich bekannte Störeinflüsse betrachtet .
Die internen Störungen 107 umfassen beispielsweise Fehler, die in einem echten Bauteil des Antriebs 102 (Kurzschluss , Wellenbruch, Lötstellenprobleme , versagender Halbleiter, die die Input-Output-Übertragungs funktion beeinträchtigen und von außen nicht sichtbar sind) vorkommen können .
Auch externe Stimuli des Antriebs 102 können im Betrieb fehlerhaft sein ( z . B . Sollwert und/oder Umgebungstemperatur ist außerhalb des gültigen Bereichs ; Security Breaches , wenn z . B . das Eingangssignal kompromittiert wurde , ist passiert ) und die Reaktion darauf kann untersucht werden .
Die Störungen 105 am Eingangssignal 106 können beispielsweise Rauschen umfassen . Störungen dieser Art sind am Output / Ausgangssignal 109 sichtbar . Alternativ oder zusätzlich können Störungen auch Störungen auf einem Seitenkanal (Einstrahlung, Vibration auf dem Gehäuse ) umfassen .
Mit anderen Worten ermöglicht der Antriebs zwilling 101 eine der vorgenannten Störungen 105 , 107 , 108 oder eine Kombination davon zu simulieren . Diese Simulation kann beispielsweise darin bestehen, dass eine oder mehr Störfunktionen 110 , 111 auf geschaltet werden, oder eine Komponente des Antriebs zwillings 101 ( die einer realen Komponente des Antriebs 102 korrespondiert ) gelöscht bzw . deaktiviert wird 112 , weil dies einem Versagen der realen Komponente entspricht . Dies können beispielsweise Teil- oder Komplettaus fälle in einem Motor, in einem Geber, in der Sensorik, in der Leistungselektronik . Konkret kann mit dem Verhaltensmodell 104 beispielsweise ein IGBT-Aus fall ( IGBT ist engl . für Insulated-Gate Bipolar Transistor ) , der mit einer dazugehörigen Wahrscheinlichkeit in Abhängigkeit von Lastspielen ( „Zyklen- zähler" ) auftritt , simuliert werden .
Zusammenfassend sind in dem Antriebs zwilling 101 drei Störmechanismen oder eine Kombination davon simulierbar :
- Störung auf einem Input ( resultiert auch aus einer Störung des Umgebungsmodells , auch Rauschen) ;
- Störung als eigener „nicht- funktionaler" Eingang (beispielsweise Strahlung, Temperatur ) ;
- Störung als eigener logischer Input (Komponente fällt aus ) .
Deshalb kann es vorgesehen sein, dass der ganze Antriebs zwilling 101 und/oder eine oder mehrere seiner Komponenten mit Aus fallwahrscheinlichkeiten versehen sind . Dabei sind die Aus fallwahrscheinlichkeiten üblicherweise eigene statische Parameter und kein zeitabhängiger Input .
Mit Hil fe der Aus fallwahrscheinlichkeiten ist es beispielsweise möglich, ein einer EMEA äquivalentes Ergebnis zu erzielen (bspw . Bewertung der Schwachstellen und Kritikalität der Komponenten eines Systems ) . Außerdem kann es vorgesehen sein, dass in dem Antriebs zwilling zusätzlich Störgrößenübertragungs funktionen abgebildet sind .
Darüber hinaus ist in dem Rechensystem 103 ein Modell einer Umgebung 113 - ein Umgebungsmodell 114 - gespeichert , in der der Antrieb 102 angewendet beziehungsweise eingesetzt wird beziehungsweise würde . Mit anderen Worten korrespondiert die Umgebung 113 dem Anwendungss zenario des Antriebs 102 .
Der Antrieb 102 ist also dazu ausgebildet , mit der Umgebung derart zu interagieren, dass die Umgebung 113 zumindest ein, vorzugsweise alle ) Eingangssignale 106 dem Antrieb 102 zuführt und zumindest ein, vorzugsweise alle Ausgangssignale 109 von dem Antrieb 102 erhält . Gemeinsam mit der Umgebung 113 bildet somit der Antrieb 102 ein Gesamtsystem 115 .
Die Umgebung 113 des Antriebs 102 kann unterschiedlich ausgebildet sein . Beispielsweise kann die Umgebung 113 als ein großes vermaschtes DC-Netz ausgebildet sein, bei welchem beispielsweise ein DC-Link kurzschließen oder eine Sicherung durch legieren kann .
Außerdem kann die Umgebung 113 als eine überlagerte Steuerung des Antriebs 102 ausgebildet sein und eine oder mehr speicherprogrammierbaren Steuerungen ( SPS ) umfassen . Auf die nachstehend beschriebene Weise kann beispielsweise das Regelungsdesign innerhalb des Antriebs 102 mit Hil fe des Antriebs zwillings 101 hinsichtlich seiner Robustheit verbessern .
Der Antriebs zwilling 101 kann beispielsweise als EMU ausgeführt sein .
Für die Störungssimulation 110 , 111 , 112 können im Antriebszwilling 101 Störeingänge vorgesehen sein . Jeder Störeingang korrespondiert einer der Störungen 110 , 111 , 112 . Mit anderen Worten können im Antriebs zwilling 101 Schnittstellen vorgese- hen sein, um im Antriebs zwilling 101 enthaltene potenzielle Fehlerereignisse aus zulösen . Über Störeingänge/Schnittstellen können den Störeingängen/Schnittstellen korrespondierende Parameter und vorzugsweise auch deren Toleranzen eingestellt werden .
Wenn der Antriebs zwilling 101 mehrere Modelle umfasst , kann j edes Modell eigene Schnittstellen umfassen . Bei einer Kopplung / Aggregation von mehreren Modellen zu einem größeren Antriebs zwilling 101 werden die Außenschnittstellen ( der Modelle ) automatisch zu inneren Schnittstellen, über die Ausbreitung der entsprechenden Störung 105 , 107 , 108 und/oder der Folgefehler simuliert werden kann . Der Typ der Außenschnittstelle definiert von vornherein, welche Störung simuliert , beziehungsweise Fehler inj i ziert werden können und sollen, um den Benutzer dabei zu unterstützen, welche S zenarien sinnvollerweise bei der Fehlersimulation berücksichtigt werden sollen .
Zur Unterstützung des Benutzers kann der Antriebs zwilling 101 weiterhin eine API ( englisch für Application Programming Interfaces oder zu Deutsch : Programmierschnittstelle ) aufweisen .
Die API kann beispielsweise derart ausgebildet sein, dass sie umgebende Systeme in die Berechnung der Aus fallwahrscheinlichkeit (und deren Zwischenergebnisse ) mit einbeziehen kann .
In einer zweckdienlichen Aus führung ist der Antriebs zwilling 101 mit einem Algorithmus ausgestattet , der die Ermittlung der Aus fallwahrscheinlichkeit und aller damit verbundenen Zwischenergebnisse (Bauteilbelastung, Lebensdauerverbrauch, ...) ermöglicht .
Der Antriebs zwilling 101 und das Umgebungsmodell 114 werden beispielsweise in einem von dem Rechensystem 103 umfassten Simulationstool zu einem Gesamtmodell 116 - einem Modell des Gesamtsystems 115 - verknüpft . Das Gesamtmodell 116 wird nun (vom Rechensystem 103 ) ausgeführt , um das Verhalten des Gesamtsystems 115 zu simulieren . Das Rechensystem 103 kann auch so ausgeführt sein, dass das Gesamtmodell 116 zerteilt oder auch parallel gerechnet wird ( siehe EMI Spec : Distributed co-simulation infrastructure ) . Dabei werden Simulations-Eingangssignale 117 vorgegeben und Simulations-Ausgangssignale 118 betrachtet und analysiert .
Darüber hinaus wird beim Aus führen des Gesamtmodells 116 zumindest eine Störung 105 , 107 , 108 des Antriebs 102 mitsimuliert , um das Verhalten des Gesamtsystems 115 unter Einfluss der auf den Antrieb 102 wirkenden Störung 105 , 107 , 108 zu simulieren und Simulationsdaten zu erhalten .
Mit anderen Worten, es wird Störverhalten des realen Gesamtsystems 115 untersucht .
Um Reaktion des realen Gesamtsystems 115 auf eine oder mehr vorgegebenen Störungen 105 , 107 , 108 zu untersuchen, können beim Antriebs zwilling 101 die Simulations-Eingangssignale 117 mit einer Störfunktion 110 beaufschlagt werden, die externen Störungs funktionen 111 ausgelöst werden, die internen Störfunktionen 112 ausgelöst werden oder eine beliebige Kombination dieser Störungssimulationen - dies führt zu einer umfangreichen Untersuchung der möglichen Störungen - aktiviert werden .
Hierzu können ein oder mehr der vorgenannten Störeingängen des Antriebs zwillings 101 verwendet werden .
Im Zuge der Simulation werden Simulationsdaten 119 erzeugt . Diese Daten 119 werden anschließend analysiert 120 , um eine zu erwartende Wirkung 121 der Störung 105 , 107 , 108 auf das Gesamtsystem 115 zu ermitteln .
Dabei können aus den Simulationsdaten 119 detaillierte Analysedaten zum Wirkweg 121 der simulierten Störung 122 abgeleitet werden . Mit anderen Worten wird dabei die Wirkung 121 entlang der Strecke ermittelt , entlang der sich die Störung ausbreitet und sowohl Einzel fehler in Komponenten als auch Folgefehler in anderen Komponenten oder im Antriebs zwilling 101 umfassen kann . Mit anderen Worten kann bei Simulation eine Störungskaskade i ) , ii ) , iii ) die mehrere Störungen und Folgestörungen umfasst , untersucht werden . Dabei können die Analysedaten zum Wirkweg 121 eine Abschätzung von Fehlerwechselwirkungen, Folgefehlern, oder Fehlerkaskaden ermöglichen .
Somit kann mit Hil fe des ( gleichen) Antriebs zwillings 101 eine Fehlersuche im Feld unterstützt werden . Fehler aus dem Feld ( aufgrund von Störungen 105 , 107 , 108 ) werden mit dem Antriebs zwilling 101 nachstellen ( durch Aufschalten der simulierten Störungen 110 , 111 , 112 ) . Dabei kann ermittelt werden, ob sich die Felderfahrung mit dem Simulationsverhalten des Antriebs zwillings 101 deckt . Dabei kann beispielsweise Kl-gestützt eine Zuordnung der Fehler in Datenbank mit Wahrscheinlichkeiten und/oder Austausch von Komponenten vorgeschlagen werden .
Die zu inkludierenden Fehlerzustände und Wirkmechanismen können identi fi ziert werden beispielsweise anhand von einem oder mehr von Normen, Erfahrungswerte , Überdimensionierung, Sicherheits faktoren und FMEA, die in einem Datenspeicher des Rechensystems 103 vorliegen können .
Dadurch dass der Antriebs zwilling 101 einen oder mehr Störeingänge aufweisen kann, können Fehlerzustände in dem Antriebs zwilling 101 (und in seiner Einzelkomponenten) separat angesteuert werden .
Beim Analysieren der Simulationsdaten 119 kann eine Beurteilung hinsichtlich Gefährlichkeit bzw . Kritikalität einer Situation durchgeführt werden, die durch die zu erwartende Wirkung 121 der Störung 105 , 107 , 108 auf das Gesamtsystem 115 zu erwarten ist . Dies kann auf Basis der sicherheitsrelevanten Parameter und/oder zu erwartenden Zustandes des Gesamt- systems 115 o.Ä. durchgeführt werden. Das Ergebnis der Beurteilung kann beispielsweise einem Benutzer gemeldet werden.
Mit anderen Worten werden die Simulationsdaten 119 hinsichtlich gefährlicher Fehler untersucht, gefährliche Szenarien und auch Maßnahmen, um solche Szenarien zu vermeiden, ermittelt.
Beispielsweise kann beim Analysieren der Simulationsdaten 119 eine Simulation des Gesamtsystems 115 in einem ungestörten Zustand herangezogen wird. Dabei wird der Antrieb 102 in der Umgebung 113 sowohl in dem ungestörten Zustand als auch unter Einfluss der Störung 105, 107, 108 simuliert. Die Ergebnisse der Simulation des Antriebs 102 ohne Störung werden mit den Ergebnissen der Simulation des Antriebs unter Einfluss der Störung 105, 107, 108 dabei verglichen und analysiert.
Dies kann beispielsweise im Rahmen eines Postprocessing und/oder einer Merkmalsextraktion der Simulationsdaten erfolgen. Dabei kann z.B. geprüft werden, ob ein Ausgang des Antriebszwillings 101 an Anschlag gegangen ist, und ob wodurch ein z.B. ein kritischer Fehler verursacht wurde.
Diese Gefährlichkeit bzw. Kritikalität der Störauf Schaltung kann mittels mehrerer Durchläufe der Simulation ermittelt werden .
Bei jedem Durchlauf können verschiedene Störszenarien 123 simuliert werden. Als ein Störszenario wird eine konkrete simulierte Störung 110, 111, 112 oder eine konkrete Kombination der simulierten Störungen 110, 111, 112 bezeichnet.
Z.B. bei drei beschriebenen Störmechanismen kann es n Störszenarien 123 geben, wobei n von ni abhängig ist, wobei ni die Anzahl der möglichen Störungen des i-ten Mechanismus ist, z.B. der Komponenten, die ausfallen können. Fallen dabei zwei Komponenten aus, ist dies eine 2-fache Störung des Störmechanismus „Ausfall", usw. Jede simulierte Störung 122 ( gewählt aus n Störs zenarien 123 ) kann einen Fehlerzustand hervorrufen . Insofern kann bei Aufschaltung einer Störung 110 , 111 , 112 von einer Fehlerinj ektion gesprochen werden .
Der Antriebs zwilling 101 kann unterschiedliche Detailstufen in Bezug auf Fehlerzustände haben, damit von außen nicht alle Schnittstellen / Parameter bedient werden müssen . Das ausgewählte Modell im Antriebs zwilling 101 kann z . B . in der API , die als Alternative zu FMI vorgesehen sein kann, an den Benutzer kommuni ziert werden .
So ist es beispielsweise möglich, dass im Auslegungsprozess andere Daten verfügbar sind wie in der Betriebsphase (beispielsweise lassen sich Strom- oder Spannungsoberschwingungen oberhalb des halben Abtasttakts der Strom- oder Spannungssensoren im Betrieb nicht ohne separates Messsystem identi fizieren ( Shannon-Theorem) , in der Auslegungsphase hingegen schon) . Gegebenenfalls lassen sich Teile des Antriebs zwillings 101 benutzen, um auf fehlerzustandsrelevante Größen zu schließen (virtueller Sensor für Störgrößenübertragungs funktion) .
Es kann vorgesehen sein, dass ausgewählte Fehlerzustände von Subkomponenten eines des Antriebs zwillings 101 sich gegenseitig beeinflussen und auch ohne die gezielte Auswahl von außen eine Detaillierung eines Subsystems zulassen, um Folgefehler ermitteln zu können .
Der Antriebs zwilling 101 ist vorzugsweise so gestaltet , dass abhängig von der Fragestellung der Detailgrad der Teilkomponenten automatisch gewählt werden kann, beziehungsweise dass der manuell vorgegebene Detailgrad einer Teilkomponente seine benachbarten Komponenten beeinflusst , um hierdurch eine Konsistenz hinsichtlich der Genauigkeit des Abbilds eines Fehlers sicherzustellen . Beim „Durchprobieren" verschiedener Störs zenarien 123 wird Wissen über Wirkwege 121 der Störungen und somit über die möglichen Störmechanismen generiert und beispielsweise in einem dafür vorgesehenen Speicher 124 abgespeichert .
Wenn ein Störs zenario 123 zu einem Fehler führt , ist es ein Fehlers zenario .
Basierend auf der ermittelten, zu erwartenden Wirkung 121 der zumindest einen Störung 105 , 107 , 108 auf das Gesamtsystem 115 , beziehungsweise auf dem generierten Wissen über die Störmechanismen wird eine oder mehr Maßnahmen beziehungsweise Modi fi zierungen ermittelt , die innerhalb des Antriebs zwillings 101 vorgenommen werden können und ermöglichen die zu erwartende Wirkung 121 zumindest teilweise zu kompensieren .
Beispielsweise kann die Modi fi zierung bei einem internen Fehler 107 , der das Versagen einer internen Komponente des Antriebs 102 umfasst und durch Löschung bzw . Deaktivierung zur Lauf zeit 112 einer entsprechenden Komponente im Antriebs zwilling 101 simuliert wird, einen Überwachungsmechanismus vorsehen, der das Versagen der Komponente detektiert und den Antriebs zwilling 101 in einen robusteren Zustand überführt , in dem die Wirkung 121 zumindest teilweise kompensiert wird, beispielsweise kein Ausgang des Antriebs zwillings 101 an Anschlag geht .
In einer vorteilhaften Ausgestaltung, wenn die zu erwartende Wirkung 121 einen oder mehr Fehler innerhalb des Gesamtmodells 116 umfasst , ermittelt das Rechensystem 103 anhand der Simulationsdaten 119 und insbesondere anhand der detaillierten Analysedaten 121 zum Wirkweg eine Lösung innerhalb des Antriebs zwillings 101 ermittelt wird, wobei die eine Lösung das Gesamtmodell 116 ( oder seine Simulation) in einen sichereren Zustand überführt , indem sie beispielsweise den einen oder mehr Fehler zumindest teilweise kompensiert , insbesondere derart , dass ein oder mehr Folgefehler vermieden werden oder ihre Gefährlichkeit bzw . Kritikalität verringert wird . Entsprechend kann das Verhaltensmodell 104 des Antriebszwillings 101 um eine solche Maßnahme beziehungsweise mit einer solchen Modifizierung angepasst werden 125.
Mit anderen Worten kann die Modifizierung darauf abzielen, Folgen einer simulierten Störung 110, 111, 112, oder eines simulierten Störungsszenario 123 zu verringern und somit Folgestörungen zu vermeiden.
Eine Lösung beziehungsweise Lösungsszenario kann ein oder mehr der Störungsszenarien 123 betreffen.
Beispielsweise können für n Störszenarien 123 m Lösungsszenarien ermittelt werden und m < n sein. Die Lösungsszenarien können dabei eine oder eine Kombination von folgenden Maßnahmen umfassen: Kompensation der zu erwartenden Wirkung, Überführung in einen sicheren Zustand, Notaus, Anpassung der Wartungsintervalle usw.
Diese m Lösungsalternativen können anschließend getestet werden, wobei bei der Verifikation der Lösungsalternativen ein Scoring 130 eingeführt werden kann, wenn die entsprechende Lösung gut genug wirkt. Dabei können Bewertungsfaktoren wie z.B. kostenabhängig, größere Sicherheit, Umsetzbarkeit, etc. in Betracht kommen.
Beim Scoring 130 kann beispielsweise einem Lösungsszenario eine Kennzahl zugeordnet werden, die die Robustheit quantifizieren. Dies kann z.B. basierend auf einem Abstandsmaß zu dem ungestörten Signal erfolgen und Unterdrückung der Störung, etc. charakterisieren.
Ins echte System wird vorzugsweise eine einzige (optimale) Lösung übertragen beziehungsweise validiert.
Insbesondere kann die Maßnahme darin bestehen, dass die Gefährlichkeit der in dem gewählten Störungsszenario entstandenen Situation verringert wird. Die Modifizierung kann in den Antriebszwilling 101 übertragen werden. Dies führt zu einem hinsichtlich seiner Robustheit gegenüber der bekannten vorgenannten Störszenarien verbesserten Antriebszwilling 126 mit einem geänderten Verhaltensmodell 127.
Der modifizierte Antriebszwilling 126 ist robuster als der Antriebszwilling 101.
Der modifizierte Antriebszwilling 126 kann beispielsweise im Speicher 124 gespeichert werden.
In einer zweckdienlichen Ausgestaltung der Einrichtung 100 schlägt das Rechensystem 103 basierend auf dem modifizierten Antriebszwilling 126 und insbesondere auf dem geänderten Verhaltensmodell 127 eine Änderung des Antriebs 102 vor 128.
Die ermittelte Maßnahme kann anschließend am Gesamtsystem 115 verifiziert werden. Hierzu wird das Gesamtmodell 116 dadurch geändert, dass es das (alte) Umgebungsmodell 114 und den modifizierten Antriebszwilling 126 umfasst. Das Rechensystem 103 führt anschließend das geänderte Gesamtmodell aus, wobei beim Ausführen des geänderten Gesamtmodells die (selbe) Störung des Antriebs 102 mitsimuliert wird, die zu der vorgenannten Änderungsmaßnahme des Antriebszwillings 101 geführt hat. Die erhaltenen Simulationsergebnisse werden an dem Gesamtsystem validiert 129.
Die oben beschriebene Einrichtung 100 kann somit auch zum Testen des Antriebs 102 in der Umgebung 113 verwendet werden.
Das im Rahmen der oben beschriebenen Simulation gewonnene Wissen 124 über verschiedene Störmechanismen und aus diesem Wissen 124 abgeleitete Lösungen können zum Modifizieren des Antriebs 102 verwendet werden.
Dies ist insbesondere im Rahmen einer Auslegung des Antriebs
102 nützlich. Hierfür kann das vorgenannte Simulationstool im Rechensystem 103 eine Komponente eines Auslegungstool sein oder als Auslegungstool ausgebildet sein .
Es versteht sich, dass das Simulations- , Auslegungstool mit dem Speicher 124 und mit anderen hier der Einfachheit halber nicht gezeigten Komponenten des Rechensystems 103 auf herkömmliche Weise interagieren kann .
Zusammenfassend zielen die vorliegend of fenbarten Verfahren und Systeme insbesondere auf die Ermittlung konstruktiver und/oder regelungstechnischer (bspw . Begrenzung von Anstiegszeiten, Reglerf aktoren, Limiter . . . ) und/oder überwachungstechnischer Eingri f fe beim Versagen des Antriebssystems 102 oder mit anderen Worten auf Fehleranalyse und -beherrschung im Antriebssystem 102 ab . Dabei werden Reaktionen definiert , die beim Versagen vom Antriebssystem 102 realisiert werden, um die fatalen Fehler zu vermeiden, mit dem Vorteil , dass diese Reaktionen zunächst im Antriebs zwilling 101 simuliert werden können . Beispiele dafür sind, wenn ein Sensorsignal fehlt , dann wird eine Stützbremse getätigt , Anpassung eines Serviceintervalls , z . B . beim frühzeitigem Versagen o .Ä.
Die Aufgabe dieser Beschreibung besteht lediglich darin, veranschaulichende Beispiele bereitzustellen und weitere Vorteile und Besonderheiten dieser Erfindung anzugeben . Somit kann sie nicht als Einschränkung des Anwendungsgebiets der Erfindung beziehungsweise der in den Ansprüchen beanspruchten Patentrechte interpretiert werden . Insbesondere können die im Zusammenhang mit den hier beschriebenen Verfahren of fenbarte Merkmale sinnvollerweise zur Weiterbildung der hier beschriebenen Systeme eingesetzt werden und vi ce versa .

Claims

Patentansprüche
1. Computergestütztes Verfahren zum Optimieren eines digitalen Zwillings eines Systems (102) - eines Systemzwillings
(101) - hinsichtlich seiner Robustheit, wobei der Systemzwilling (101) ein Verhaltensmodell (104) umfasst, welches sowohl ein ungestörtes Verhalten als auch ein Verhalten des Systems
(102) beschreibt, welches unter Einfluss einer oder mehr vordefinierten Störungen (105, 107, 108) zu erwarten ist, wobei bei dem Verfahren ein Modell einer Umgebung (113) - ein Umgebungsmodell (114) - bereitgestellt wird, wobei das System (102) dazu ausgebildet ist, mit der Umgebung (113) derart zu interagieren, dass die Umgebung (113) zumindest ein Eingangssignal (106) dem System (102) zuführt und zumindest ein Ausgangssignal (109) von dem System (102) empfängt, wobei das System (102) mit der Umgebung (113) gemeinsam ein Gesamtsystem (115) bilden, der Systemzwilling (101) und das Umgebungsmodell (114) zu einem Gesamtmodell (116) - einem Modell des Gesamtsystems - verknüpft werden, das Gesamtmodell (116) mindestens zweimal ausgeführt wird, um Simulationsdaten (119) zu erhalten, wobei bei einem ersten Ausführen das Gesamtmodell (116) in einem ungestörten Zustand herangezogen wird und bei einem zweiten Ausführen des Gesamtmodells (116) zumindest eine Störung (105, 107, 108) des Systems (102) mitsimuliert wird, um das Verhalten des Gesamtsystems (115) unter Einfluss der auf das System (102) wirkenden Störung (105, 107, 108) zu simulieren,
Simulationsdaten (119) analysiert werden, um eine zu erwartende Wirkung (121) der zumindest einen Störung (105, 107, 108) auf das Gesamtsystem (115) aus einem Vergleich von bei dem ersten Ausführen des Gesamtmodells (116) ermittelten Daten mit bei dem zweiten Ausführen des Gesamtmodells (116) ermittelten Daten zu ermitteln, abhängig von der zu erwartenden Wirkung (121) zumindest eine Handlung ermittelt und an einen Benutzer kommuniziert wird . 2. Verfahren nach Anspruch 1, wobei beim Ermitteln der zumindest einen Handlung eine durch die zu erwartende Wirkung
(121) der zumindest einen Störung (105, 107, 108) auf das Gesamtsystem (115) zu erwartenden Situation bestimmt wird und eine beispielsweise risikobasierte Bewertung der Situation durchgeführt wird.
3. Verfahren nach Anspruch 1 oder 2, wobei die zumindest eine Handlung hinsichtlich vorgebbarer Parameter bewertet wird .
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei zwei oder mehr Störungen (105, 107, 108) des Systems (102) mitsimuliert werden, um das Verhalten des Gesamtsystems (115) unter Einfluss der auf das System (102) wirkenden zwei oder mehr Störungen (105, 107, 108) zu simulieren und Simulationsdaten (119) zu mehreren Störszenarien zu erhalten.
5. Verfahren nach Anspruch 4, wobei die zu erwartende Wirkung (121) für jedes Störszenario ermittelt wird, wobei zumindest eine Handlung für eine oder mehr der zu erwarteten Wirkungen (121) ermittelt und an den Benutzer kommuniziert wird .
6. Verfahren nach einem der Ansprüche 1 bis 5, wobei die Handlung ein derartiges Verändern des Verhaltensmodells (114) des Systemzwillings (101) umfasst, dass die zu erwartende Wirkung (121) vermindert wird.
7. Verfahren nach Anspruch 6, wobei basierend auf dem geänderten Verhaltensmodell (127) zumindest eine entsprechende Änderung des Systems (102) vorgeschlagen wird.
8. Verfahren nach Anspruch 6 oder 7, wobei das Gesamtmodell (116) derart geändert wird, dass es das Umgebungsmodell (114) und den Systemzwilling (126) mit dem geänderten Verhaltensmodell (127) umfasst, das geänderte Gesamtmodell ausgeführt wird, wobei beim Ausführen des geänderten Gesamtmodells die Störung des Systems mitsimuliert (110, 111, 112) wird, und dadurch erhaltene, geänderte Simulationsergebnisse an dem Gesamtsystem validiert (129) werden.
9. Verfahren nach Anspruch 8, wobei beim Validieren ein Ranking der an dem Verhaltensmodell (114) des Systemzwillings
(101) vorgenommenen Änderung durchgeführt wird.
10. Verfahren nach Anspruch 9, wobei das Ranking eine Gewichtung hinsichtlich einer Effizienz der Änderung und/oder des Aufwands einer Umsetzung der Änderung an dem System (102) und/oder der Kosten einer Umsetzung der Änderung an dem System (102) umfasst.
11. Verfahren nach einem der Ansprüche 1 bis 10, wobei beim Systemzwilling den vordefinierten Störungen korrespondierende Störeingänge vorgesehen sind.
12. Verfahren zum Auslegen zumindest eines Antriebssystems
(102) , wobei ein digitaler Zwilling des Antriebssystems - ein Antriebszwilling (101) nach einem Verfahren nach einem der Ansprüche 1 bis 11 optimiert wird und das Antriebssystem
(102) gemäß dem optimierten Antriebszwilling (126) ausgelegt wird .
13. Einrichtung zum Optimieren eines digitalen Zwillings eines Systems (102) - eines Systemzwillings (101) - hinsichtlich seiner Robustheit, wobei die Einrichtung (100) das System (102) , eine Umgebung (113) des Systems (102) und ein Rechensystem (103) umfasst, wobei das Rechensystem (103) ausgebildet und konfiguriert ist, ein Verfahren nach einem der Ansprüche 1 bis 11 auszuführen.
14. Computerprogrammprodukt für eine Einrichtung nach Anspruch 13, wobei das Computerprogrammprodukt Befehle umfasst, die, wenn sie durch ein Rechensystem (103) der Einrichtung (101) ausgeführt werden, die Einrichtung (101) dazu veranlassen, das Verfahren nach einem der Ansprüche 1 bis 11 oder 12 auszuführen .
EP24718090.4A 2023-05-12 2024-04-03 Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit Pending EP4689812A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP23173139.9A EP4462199A1 (de) 2023-05-12 2023-05-12 Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit
PCT/EP2024/058986 WO2024235517A1 (de) 2023-05-12 2024-04-03 Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit

Publications (1)

Publication Number Publication Date
EP4689812A1 true EP4689812A1 (de) 2026-02-11

Family

ID=86378500

Family Applications (2)

Application Number Title Priority Date Filing Date
EP23173139.9A Withdrawn EP4462199A1 (de) 2023-05-12 2023-05-12 Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit
EP24718090.4A Pending EP4689812A1 (de) 2023-05-12 2024-04-03 Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit

Family Applications Before (1)

Application Number Title Priority Date Filing Date
EP23173139.9A Withdrawn EP4462199A1 (de) 2023-05-12 2023-05-12 Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit

Country Status (3)

Country Link
EP (2) EP4462199A1 (de)
CN (1) CN121100312A (de)
WO (1) WO2024235517A1 (de)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210157312A1 (en) * 2016-05-09 2021-05-27 Strong Force Iot Portfolio 2016, Llc Intelligent vibration digital twin systems and methods for industrial environments
US11403541B2 (en) * 2019-02-14 2022-08-02 Rockwell Automation Technologies, Inc. AI extensions and intelligent model validation for an industrial digital twin
KR20230135069A (ko) * 2020-12-18 2023-09-22 스트롱 포스 브이씨엔 포트폴리오 2019, 엘엘씨 밸류 체인 네트워크를 위한 로봇 플릿 관리 및 적층제조

Also Published As

Publication number Publication date
WO2024235517A1 (de) 2024-11-21
CN121100312A (zh) 2025-12-09
EP4462199A1 (de) 2024-11-13

Similar Documents

Publication Publication Date Title
EP3209996B1 (de) Verfahren und vorrichtung zur ausführung eines testvorgangs betreffend ein schienenfahrzeug
EP2122428B1 (de) Verfahren und system zur ermittlung von zuverlässigkeitsparametern einer technischen anlage
EP2685382B1 (de) Verfahren und Vorrichtung zum Erstellen und Testen eines Steuergeräteprogramms
DE102010052998A1 (de) Software-zentrierte Methodik für die Überprüfung und Bestätigung von Fehlermodellen
DE102019108268B4 (de) Anomaliedetektion in einem pneumatischen System
EP3379351B1 (de) Verfahren zum betreiben einer automatisierungseinrichtung sowie automatisierungseinrichtung
DE102016124585A1 (de) Verfahren und Vorrichtungen zur Verwendung einer analytischen/statistischen Modellierung für eine kontinuierliche Prozessüberprüfung (Continued Process Verification, CPV)
EP3079028A1 (de) Planungs- und engineering-verfahren, -software-tool und simulationswerkzeug für eine automatisierungslösung
DE19919504A1 (de) Triebwerksregler, Triebwerk und Verfahren zum Regeln eines Triebwerks
EP2927819A1 (de) Verfahren zur automatischen Verarbeitung einer Anzahl von Protokolldateien eines Automatisierungssystems
DE112008003195T5 (de) Elektrischer Schaltkreis mit einem physikalischen Übertragungsschicht-Diagnosesystem
EP1703350A1 (de) Diagnose eines Automatisierungssystems
EP1860565B1 (de) Verfahren zur Funktionsprüfung eines Steuergeräts für ein Kraftfahrzeug
EP3056955B1 (de) Planungs- und Engineering-Verfahren, -Software-Tool und -System für eine prozesstechnische Anlage
EP3610276B1 (de) Verfahren und system zur prädiktiven wartung von integrierten schaltungen
DE102012221277A1 (de) Fahrzeugsteuervorrichtung
EP4689812A1 (de) Verfahren und einrichtung zum optimieren eines digitalen zwillings hinsichtlich seiner robustheit
EP3647801A1 (de) Verfahren zur überprüfung eines fpga-programms
DE102023204472A1 (de) Verfahren und Einrichtung zum Optimieren eines digitalen Zwillings hinsichtlich seiner Robustheit
EP1205830A1 (de) Verfahren, Computerprogrammprodukt und Rechnersystem zur Instandhaltung
EP1997007B1 (de) Verfahren und managementsystem zum konfigurieren eines informationssystems
EP3553679A1 (de) Verfahren zur computergestützten fehlerdiagnose für ein technisches system
DE102013010783A1 (de) Verfahren und Steuergerät zum Testen einer Automatisierungslösung basierend auf einer PLC-Steuerung
EP3173928B1 (de) Verfahren und vorrichtung zum überprüfen eines komponentenfehlerbaums
EP3486825A1 (de) Verfahren und vorrichtung zum rechnergestützten bestimmen eines schweregrads einer festgestellten verletzung der integrität

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20251027

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR