从大数据到智能数据到数字双胞胎

这篇在Altair博客上的客座贡献是由Katja Juschka, Fluidon市场营销总监他是牵牛星合作伙伴联盟的成员bob游戏下载大全。

相关信息而不是大众数据

如今，工业物联网(IIoT)和工业4.0已经成为每个人都在谈论的热门词汇。这种技术炒作带来了巨大的压力。在寻找一种有用而聪明的方式起步的同时，企业面临着巨大的数据管理解决方案市场。然而，推广的数据量及其彩色可视化往往缺乏令人信服的好处。为了向用户提供相关结果，必须分析并放置在适当的上下文环境中，在一个具有iiot功能的系统中，由连接组件提供的数据。为了提高效率，必须首先确定精确的研究问题。这减少了计算时间，并能更快地获得有用的信息。

监测工业系统不是一个新的发现。将系统配备传感器和记录其数据已经证明了几十年的实践。作为预防性维护的差异化方法，情况监测只是一个示例。

传统系统和智能系统之间的真正区别在于连接性的等级，以及与所使用组件集成的传感器。与传统系统相比，智能系统组件中的传感器提供的数据可以根据交联程度进行分析。这听起来很简单，但是在工业环境中数据的分发仍然是一个巨大的挑战，尤其是安全问题。

将数据转换为相关信息——测量数据需要智能处理

这是通过琐碎的类比说明：汽车的司机是人类数据处理器的完美示例。要安全开车，司机必须利用他感官提供的所有信息。经验丰富的驾驶员之间的差异包括了解有哪些信息相关，了解安全操作条件以及系统控制的各个等级。

缺乏经验的驱动因素往往不堪重负，通过可用信息的数量：交通，道路状况，天气，交通标志，行人，建筑物，即使是无线电计划 - 也被司机所感知和审议。对这些数据的分析是耗时的，希望他的技能足以正确反应。

另一方面，经验丰富的驱动程序能够更好地过滤传入信息，了解影响车辆行为的数据流中的相关位。他对他的汽车反应有更清晰的了解，以及与安全骑行相关的内容。例如，在道路上的湿润在叶子覆盖的街道上比直接高速公路更危险。

制定了他的环境模型和他使用的物体;经验丰富的驱动程序能够使用当前数据提供此模型。他知道用叶子覆盖的湿道路有多湿滑，而且他的车即将失去抓地力。分析了相关数据并将其用作他的模型的输入，他可以预测他可以快速拍摄的下一个曲线而不与他人碰撞。

分析或预测的质量取决于当前数据，系统（或模型）行为的知识以及经验。筛选相关数据及其手动评估是一种适用于有限数量的数据和基本系统的合适方法，但当时应该释放出新技术的全部潜力，几乎不会应对数据量和系统复杂性。

自动化处理和数字孪生方法

自动数据处理是一种有希望的快速和完整数据分析的方法。现代数据处理系统可以在瞬间监视数百万值，将它们与阈值进行比较，并向用户显示警告。然而，越来越多的数据使得不可能通过简单的阈值进行比较来生成有用的数据，但需要在上下文中找到所需的信息。从较大数据量的全部潜力受益的解决方案是一种透视的变化。识别和相关数据集群而不是利用所有值。生成这些相关性的实例是系统模型。

在自动化分析中，状态描述使用适当的模型来完成，即使它没有被特定的传感器直接监控。在这种情况下，模型就像一个经验丰富的过程工程师，他可以根据系统的基于知识的概念(例如，通过分析机器噪音)诊断系统错误。此外，过程工程师的概念方法和数字模型方法都可以用于假设场景。这意味着，基于行为描述，可以使用模型来推断当前数据。

典型用例是预防性维护。该方法旨在通过监控某些指标的趋势并估算需要的剩余运行时，避免意外的系统故障（例如，由于磨损的组件）。指标通过代表真实系统副本的模拟模型来计算 - 所谓的数字双胞胎。

使用整个系统的数字孪生体来实时处理大数据提供了一系列新的可能性。能够预测系统组件的任何未来发展听起来很诱人。如果一个仿真模型越详细，它得到的范围就越广，这直接关系到足够的解所需的计算性能。

代表整个系统的模型，其具有其所有详细方面的系统将太慢，以及时地提供系统状态分析。这可以通过简化和焦点来解决基础知识，从需要哪些信息的定义开始。适用于这些要求的仿真模型可以更快地计算，并且由于其尺寸较小，维护更容易。

典型用例是具有液压缸致动器的系统。这种系统用于材料处理，其中精度和速度是主要优先级，最小化机器停机时间是关键。

为此，该系统配备了常用的传感器。信号处理系统(SPS)处理相关的传感器数据并控制所需的部件。使用最新的技术，运营商已经安装了一个存储所有来自他的系统的数据池——云。尽管系统组件来自不同的制造商，但它们都能够通过SPS或接口将数据传输到云。

操作者的目标是在保持精准操作的同时，使机器的使用寿命达到可能的最长。在这个气缸执行器的例子中，这主要是由高压过滤器和伺服阀决定的。因此，操作者想知道在当前的运行条件下，这些部件何时需要更换，或者当前系统可以以何种速度运行而不影响产品质量。

聚焦组分的状况由其系统上下文确定。例如，阀的控制信号必须与电流汽缸运动轮廓匹配，并且滤波器上方的差压取决于滤波器负载和介质的粘度。已经在气缸驱动器，数字双床的液压部件的模型中描述了这些依赖性，并且包括在云中。

建立一个数码双胞胎

数字双胞胎的建立以及模拟模型的生成需要专门知识和数据。这可能是一个与知识产权有关的问题，因为系统的制造商不一定是所使用组件的制造商，并且只能有限地访问所需的数据。处理这种信息缺乏的一种方法是根据经验或背景估计缺失的数据。另一种方法是通过增加新流程来扩展零部件制造商的价值链。

首先，组件制造商可以与其数字双胞胎一起提供物理组件。在技​​术上，在这种情况下，双胞胎是具有定义接口的模拟模型包。模型交换在功能模拟界面（FMI）上运行，是几年前开发的标准，以简化组件供应商和OEM之间的交换。FMI保护知识产权，同时允许使用带有供应商数据的模型。FMI标准后的FMU（功能模型单元）的模型成为运营商数据云中包含的数字双胞胎的一部分。

其次，组件制造商可以提供包括作为服务包的数据分析的组件。由于这包括从系统外包的数据分析，因此组件供应商可以访问来自运营商的云的某些数据，并通过其组件双胞胎使用此数据进行评估。鉴于组件在系统的其余部分上没有太多逻辑依赖性，此方法最佳效果最佳。虽然许多企业对第三方的数据交换持怀疑态度，但双方都可以受益。如果制造商在实时操作条件下获取有关组件性能的信息，则可以相应地调整和改进组件。

通过数字模型的应用启用了系统的设计，开发和操作之间的连接数据流。虽然仿真模型以前主要用于产品开发阶段，但数字双胞胎消除了这种限制。这些特定模型不仅可以与实际系统的操作阶段并行应用，但它们也用作新克隆的原型，该原型可用于将来的发展，并且可以不断使用实时过程数据。这提供了基于当前数据进行分析的机会，例如，在开发阶段中的性能和磨损行为。它揭示了基于测量数据的实时条件的推导，越来越需要具体的专业知识和模拟能力。

然而，最大的挑战在于云服务供应商的数据管理。因此，绝对前提是在高度保护区中植物运营商的敏感数据的负责处理。