ebook

CAPITOLO 4

Creazione di un digital twin: metodi di modellazione

Ora che sai cos’è un digital twin e perché utilizzarlo, considera quale tipo di modello creare. La scelta di cosa modellare, e successivamente di come modellarlo, si basa sulla conoscenza del sistema e sulle esigenze applicative.

Questa sezione si concentra su:

  • Metodi di modellazione
  • Quanti modelli sono necessari
Gradient Arrow

Modellazione basata su dati

Data Driven Modeling

Modellazione basata sulla fisica

Physics Based Modeling
section

Metodi di modellazione: basati su dati

Supponiamo di voler ottimizzare i programmi di manutenzione effettuando una stima della vita utile residua (RUL).

Utilizzeremo quindi un modello basato su dati. La conoscenza del tipo di dati provenienti dalla pompa determinerà il modello da utilizzare.

Se sono disponibili serie storiche complete di macchinari simili, allora è possibile utilizzare modelli di somiglianza. Se sono disponibili dati solo a partire dal momento del guasto, allora è possibile utilizzare modelli di sopravvivenza. Se i dati di guasto non sono disponibili ma si conosce una soglia di sicurezza, è possibile utilizzare modelli di degradazione per la stima della RUL.

Il video dura 9:34

Modelli di stima della RUL

RUL Estimator Models

Supponiamo di utilizzare un modello di degradazione per creare un digital twin al fine di stimare la vita utile residua della pompa.

Questo modello di degradazione viene aggiornato costantemente con i dati provenienti dalla pompa misurati da diversi sensori, come la pressione, il flusso e la vibrazione.

3 modi per stimare la vita utile residua (articolo)
section

Metodi di modellazione: basati sulla fisica

Modeling Methods: Physics-Based

Ora immaginiamo di voler simulare scenari futuri e monitorare il comportamento della flotta in questi scenari. Utilizzeremo un modello basato sulla fisica.

Per esempio, un modello fisico come questo, creato tramite il collegamento di componenti meccanici e idraulici. Questo modello viene alimentato con i dati provenienti dalla pompa e i suoi parametri vengono stimati e calibrati con i dati in ingresso in modo da mantenerlo aggiornato.

Utilizzando questo modello, è possibile supporre vari tipi di guasti e simulare il comportamento della pompa in diverse condizioni di guasto.

Digital twin con Simulink (articolo)
section

Metodi di modellazione: combinazione di dati e fisica - filtri di Kalman

Analogamente, è possibile utilizzare un filtro di Kalman come digital twin, il che consente di modellare il degrado della pompa come stato e di aggiornarlo periodicamente al fine di rappresentare la condizione attuale della pompa.

Comprendere i filtri di Kalman (serie di video) (7 video)
Modeling Methods: Data and Physics Combined - Kalman Filters
section

Riepilogo dei metodi di modellazione

Di seguito sono elencati alcuni esempi dei tipi di modelli digital twin che è possibile creare con i prodotti MATLAB® e Simulink®. In base all’utilizzo previsto, il digital twin può anche essere implementato mediante una combinazione di questi modelli.

Reviewing Modeling Methods

Basati su dati

Modello di degradazione
Predictive Maintenance Toolbox

Combinazione di dati e fisica

Filtro di Kalman
System Identification Toolbox

Basati sulla fisica

Modello fisico
Simulink e Simscape

section

Quanti digital twin è necessario creare?

Ora che hai un’idea di come creare un digital twin, ti starai chiedendo quanti sia opportuno crearne per la flotta.

È necessario creare un digital twin unico per ciascun singolo asset. Ciò significa che per ciascuna pompa presente sui diversi siti di estrazione è necessario creare un digital twin inizializzato con i parametri specifici della pompa.

Il numero totale di digital twin unici necessari dipende dall’applicazione prescelta. Per la modellazione di un sistema di sistemi, potrebbe essere necessario un modello per ciascun sistema di componenti in base al livello di precisione necessario.

Digital Twin Predictive Maintenance How many Models do you need?

In base all’utilizzo previsto, quindi, una pompa può avere più digital twin.

Ad esempio, per la previsione e la classificazione dei guasti, è necessario creare diversi modelli che rispondano a questi scopi diversi.