Samen slimmer worden met digital twins

Bij de Technische Universiteit Eindhoven begint digital twinning op stoom te komen. Of wetenschappers nu machines willen optimaliseren, de logistiek in een ziekenhuis willen bestuderen of de prestaties van een vrachtwagen willen verbeteren: een goed virtueel model versnelt het onderzoek.

Het High Tech Systems Center – nu onderdeel van het ai-instituut EAISI – merkte echter dat onderzoekers soms achteropliepen in vergelijking met de industrie. ‘Vroeger zochten ze op internet naar open source en vrij toegankelijke tools, maar die zijn vaak nogal primitief’, zegt Marc Hamilton, fellow bij EAISI. ‘Bedrijven gaan veel sneller dan een onderzoeker, dus voordat hij aan het einde van zijn PhD-traject kwam, kon zijn research al behoorlijk achterhaald zijn.’

HTSC startte het Digital Twin Lab met als doel onderzoekers bij elkaar te brengen, ervaringen te delen en de kosten van het opzetten van experimentele omgevingen te verlagen. ‘Het lab is nodig om onderzoek met echte toegevoegde waarde mogelijk te maken’, aldus Hamilton. ‘Als onderzoeker moet je toegang hebben tot de nieuwste tools en de beste technologie. Je kunt niet vertrouwen op de basissoftware die je online kunt vinden.’ In de markt zijn inmiddels uitgebreide tools verkrijgbaar, zoals Prespective, zegt Hamilton. ‘Die geven je een sterke basis om op voort te bouwen. Dat voorkomt dat je het wiel opnieuw uitvindt.’

Het Digital Twin Lab begon zo’n twee jaar geleden en is uitgegroeid tot een netwerk van ruim zestig wetenschappers, professoren en onderzoekers. Sinds december vorig jaar is het gehuisvest in het House of Robotics op de TUE-campus. ‘Het lab is als een keuken waar mensen alle benodigde ingrediënten kunnen vinden, ze bij elkaar kunnen brengen, het kunnen opfleuren met de kennis van andere onderzoekers en hun digital twin kunnen optimaliseren’, legt Shane O’Seasnáin, directeur van de EAISI Program Board, uit. ‘Eigenlijk is de koffiemachine misschien wel het belangrijkste onderdeel van het Lab, omdat een van de grootste doelen is om met elkaar te communiceren en kennis te delen.’

Oog op de toekomst

Op dit moment wordt het Digital Twin Lab vooral gebruikt door onderzoekers van de TUE, maar het richt zich nadrukkelijk ook op de industrie. ‘We zijn nog aan het opstarten en aan het versnellen, maar al een tiental bedrijven heeft concrete interesse getoond om samen te werken. En we helpen ze graag’, vertelt O’Seasnáin. ‘Sommigen beginnen net, anderen zijn al een tijdje onderweg op hun digitale-tweelingreis. Wat ze echter gemeen hebben, is dat het allemaal innovatieve bedrijven zijn.’

Die visie is bijna een randvoorwaarde voor een goed gebruik van digital twinning. O’Seasnáin: ‘Het bouwen van een virtueel model is een investering, dus dat moet je slim doen.’ Veel gebruikers beginnen hun digital twin met een focus op één specifieke use case. Hoewel het misschien verstandig is om snel resultaat te zien en de bal aan het rollen te brengen, raadt O’Seasnáin aan om verder te kijken. ‘Het zou dom zijn om al het harde werk te verspillen voor slechts dat ene doel. Je moet ook naar de toekomst kijken. Wat heb je nu nodig voor de eerste use case, en welke andere plannen en ideeën heb je nog in gedachten? Probeer de balans te vinden tussen de korte en de lange termijn en pas je digital twin daarop aan. In die zin verschilt een digital twin niet zo veel van de aanschaf van een nieuwe machine of het inhuren van een nieuwe medewerker; je moet altijd kijken waar je naartoe wilt.’

Wanneer je begint met het opzetten van je digital twin, moet je daarom beslissen hoe nauwkeurig je hem wilt hebben. ‘In het ideale geval is de digital twin een exacte kopie van de echte wereld, die precies reageert zoals het fysieke systeem zou doen’, legt Hamilton uit. ‘Het probleem is dat we daar nog niet zijn, en dat we misschien nooit dat niveau zullen bereiken door alle afhankelijkheden en complexiteit in de echte wereld. Een twin moet bij het doel passen. Hoe je het detailniveau kunt bepalen en de meeste waarde aan je project kunt toevoegen, zonder het te complex te maken, onderzoeken we in het Digital Twin Lab.’

Zelfbouwende twins

Omdat het Digital Twin Lab onderdeel is van een universiteit, is het helpen van collega-wetenschappers en bedrijven bij het bouwen van een twin slechts een deel van het werk. Onderzoek naar het verbeteren van digital twin-technologie is net zo belangrijk. Zelfbouwende digitale tweelingen is een onderwerp waar de TUE zijn oog op heeft gevestigd. ‘In de kern is een twin een verzameling van alle aspecten die je weet over het systeem’, zegt Hamilton. ‘Als er een fysieke tegenhanger is, kunnen operationele datastromen een bron zijn. Maar de input kan van vele kanten en meerdere disciplines komen, het kan gaan over software, kosten, gedrag of elektronica. Al die data moet je verzamelen en toevoegen aan je model.’

‘Het is nogal ingewikkeld om alles bij elkaar te brengen’, voegt O’Seasnáin toe. ‘Een tool als Prespective kan daarbij helpen. Maar je hebt ook physics engines en andere tools nodig. Er zijn ook mensen bij het proces betrokken die interactie hebben met de twin om hem te verbeteren. En je wilt de kennis vanuit de organisatie ook in de twin verankeren. Hoe moeten we al deze bronnen zo combineren dat we ze kunnen begrijpen en in ons voordeel kunnen gebruiken?’

Hamilton legt uit dat de koppeling mogelijk is met de juiste softwarecode. ‘Als we begrijpen wat de data zijn en waar ze vandaan komen, kun je programma’s en data pipelines maken om ze goed te verbinden met de juiste component in bijvoorbeeld Unity. Maar eigenlijk wil je van die programmeerstap af. Wat je nodig hebt, is verrijkte data die de nodige informatie bevatten om automatisch de weg door het model te vinden en zonder programmeren de juiste verbindingen te maken. Die verschuiving is wat nodig is en waaraan we op de TUE werken.’

Meedenkende assistent

Een ander onderzoeksthema is de combinatie van digital twinning en kunstmatige intelligentie. ‘Een tweeling is een fantastische weergave van je systeem en ai kan helpen om het nog waardevoller te maken’, zegt O’Seasnáin. ‘Op basis van het model kan ai aanbevelingen doen, om je ontwerp te verbeteren, voor een betere controle of om de onderhoudsplanning te optimaliseren. Stel je de combinatie van ai en je digital twin voor als een meedenkende assistent die bijvoorbeeld een onderhoudsmonteur kan gebruiken wanneer hij op locatie een defecte machine probeert te repareren. Zo’n sparringpartner zou hem kunnen helpen om betere beslissingen te nemen en veel sneller de oplossing te vinden.’

Maar ai kan veel meer in combinatie met een digital twin. ‘Je kunt optimaliseren voor opbrengst of voor energieverbruik. Je kunt al je waardevolle assets beter inplannen, materialen en middelen beter gebruiken’, vat O’Seasnáin samen. ‘Een digital twin is een briljante tool om innovatie te faciliteren en te versnellen.’

Hamilton voegt toe: ‘Een tweeling kan ook in dienst van ai werken. In de virtuele wereld kun je veel variaties maken en uitproberen. Als het algoritme het verschil tussen de twin en het echte systeem niet ziet, kan het leren in de virtuele omgeving. Denk aan een zelfrijdende auto. Als je de AI-algoritmes wilt leren remmen voor overstekende kinderen, kunnen ze duizend keer falen in de virtuele wereld, totdat ze robuust genoeg zijn voor de echte wereld.’