Digital Twins: hype of welkome oplossing voor Asset Health?

De verwachtingen van Digital Twins zijn hoog. Torenhoog. In allerlei vakgebieden, ook in dat van assetmanagement, wordt geëxperimenteerd met virtuele modellen. Is het een hype, of gaan Digital Twins de beloftes waarmaken? Wat kunnen we er dan mee? Als afsluiting van deze serie blogs over Asset Health ga ik in op deze bijzondere toepassing van digitalisering. Wat zijn de kansen en risico’s? 

Digital Twins in gradaties 

Een Digital Twin is een virtueel model van een fysiek systeem, bedrijfsmiddel of proces, waarbij het virtuele model en het fysieke systeem gedurende de gehele levenscyclus voortdurend gesynchroniseerd zijn, gebaseerd op een real-time uitwisseling van informatie (beide kanten op), zoals gegevens over prestaties, onderhoud en gezondheidsstatus). 

Een Digital Twin heeft in elk geval drie componenten: de fysieke ruimte, de digitale ruimte en de laag van de informatieverwerking (zie figuur X). De mate van automatisering van de informatiestromen zegt iets over de gradaties van de Digital Twin.

Zonder (geautomatiseerde) informatiestroom spreken we van een Digital Model. Die leent zich wél voor simulaties: wat gebeurt er bijvoorbeeld als we de snelheid opvoeren? Als de informatiestroom maar één richting opgaat, is sprake van een Digital Shadow. Dan grijp je als mens in op basis van de informatie van de Digital Shadow; vergelijk het met de lane-assist in moderne auto’s die je een seintje geeft als je per ongeluk over de streep gaat. 

Het bi-directionele, geïntegreerde systeem van een Digital Twin maakt simulatie, monitoring, berekening, regeling en controle mogelijk. Vergelijk dit met de zelfrijdende auto. Iedereen voelt wel aan dat het in veel gevallen nog een hele grote stap is om figuurlijk het stuurwiel uit handen te geven.

Wat kunnen we ermee?

Bovenstaande beschrijving van de Digital Twin in gradaties laat al zien dat je niet kunt spreken van dé Digital Twin. Je kunt wel stellen dat we technisch gezien op dit moment in staat zijn om volledige Digital Twins van wat dan ook te bouwen: we hebben de sensoren, de rekenkracht en zelflerende modellen. Het gaat dus meer om de vragen wat het oplevert (financieel, veiligheid, zekerheid et cetera), wat de benodigde investering is en wat de risico’s zijn. 

Daar is hij weer: de assetmanagement-driehoek van kosten, prestaties en risico’s. In die zin is de Digital Twin gewoon een nieuw stuk gereedschap in de gereedschapskist van de assetmanager. 

Als je streeft naar een volledige autonome fabriek, waarin de operator is weggeautomatiseerd, dan heb je de volledige Digital Twin wel nodig. Maar in de meeste gevallen zit er, net als in de auto, nog een operator aan het stuur waarbij de Digital Twin (of eigenlijk Shadow) simpelweg zorgt voor een betere informatiepositie en helpt betere assetmanagementbeslissingen te nemen. Een goede Asset Health-indicator is zo’n toepassing die helpt om betere beslissingen te kunnen nemen.

Asset Health en Digital Twins

In mijn vorige blog heb ik al laten zien dat digitalisering een middel is om een goed Asset Health-dashboard te bouwen. In feite is dit een Digital Shadow. Je ziet hier heel duidelijk de verschillende onderdelen van een Digital Twin bij elkaar komen:

• De fysieke wereld: de PLC, het EAM-systeem, het ERP-systeem, de Excel-sheets die worden bijgehouden, het onderhoudsmanual, de engineeringdata et cetera.
• De data processing: de data moet worden verzameld. Meestal is er eerst een bewerkingsslag nodig om ze bruikbaar te maken, dan moet je de verschillende soorten data weten te combineren en tenslotte moet je ze visualiseren.
• De virtuele wereld: het model. Het model wordt gevoed met data en levert op basis hiervan de Asset Health-waarde. Dit model kan een expertmodel zijn of een zelflerend model.
• De virtuele wereld: de applicatie. Hier gaat het om het dashboard waarin de Asset Health-indicatoren worden getoond, Misschien is dit dashboard onderdeel van een bredere applicatie of is er een connectiviteit met andere systemen om afwijkingen te signaleren en op te volgen.

Een melding van een afwijking kan reden zijn om een monteur te sturen die de motor gaat inspecteren, waarna waarschijnlijk tot reparatie of vervanging van de motor (of onderdelen) wordt besloten. 

Naarmate je dat vaker doet en er meer data beschikbaar komen, kunnen modellen worden verbeterd en kan er een punt komen waarop er voldoende vertrouwen in het systeem is om de menselijke interactie over te slaan. Dan geeft het systeem op basis van de relevante gezondheidsindicatoren aan wanneer welke actie nodig is. Bijvoorbeeld preventief onderhoud. Dat signaal kan misschien zelfs direct naar de aannemer aan wie het onderhoud is uitbesteed.

Groeipad van Digital Twins

Bovenstaand voorbeeld laat zien dat het omarmen van meer technologie redelijk organisch moet lopen. Om weer de metafoor van de auto aan te halen: de eerste keer dat je de actieve lane assist van de auto aanzet, is het best spannend. Maar als je op enig moment merkt dat de auto wel heel erg goed tussen twee lijntjes kan blijven, ga je erop vertrouwen en durf je meer in de regierol te gaan zitten. Je herkent in welke situaties de Digital Twin het prima zelf kan en wanneer je beter even zelf actief het stuur in handen  neemt (bijvoorbeeld bij een rotonde). 

Dit geeft meteen een opstap naar een volgend niveau van digitalisering: de integrale planning. Als je eenmaal zo ver bent dat je een goed inzicht in de gezondheid hebt van je productiemiddelen dankzij de Digital Twins, kun je ook vooruitkijken: wat is over X jaar mijn productiecapaciteit en welke investeringen/onderhoud zijn hiervoor nodig? En matcht dat met de productiebehoefte (de vraag)? Er zijn tegenwoordig prachtige software-applicaties verkrijgbaar die helpen met de (lange termijn) integrale planning. Hoe beter deze worden gevoed met Asset Health-informatie, des te beter de planningsoptimalisatie wordt.

De verleiding van het virtuele

Een belangrijk aandachtspunt is het vertrouwen dat in de Digital Twin gesteld wordt. In feite is de Digital Twin een kennissysteem. Kennis die vroeger in hoofden van mensen zat, wordt nu gevat in een model. Naarmate dat model beter werkt, is er steeds minder behoefte aan de kennis in hoofden. Maar wie weet dan nog hoe het echt werkt? De bouwers van de modellen? Werken die binnen jouw organisatie?

En hier komt nog een ander risico om de hoek kijken, dat in de wetenschappelijke literatuur is beschreven als the lure of the virtual: de verleiding van het virtuele. Niet de monteurs maar de managers lopen het gevaar daaraan ten prooi te vallen. De mensen die binnen een organisatie over tijd en geld gaan. Die hebben de neiging om te zeggen: “Het gebeurt op het scherm, dus is het zo.” 

Het is een bekend verschijnsel bij veiligheidstests. Stel dat de ontwerpers een kleine wijziging aan de voorkant van een auto hebben bedacht. Normaal gesproken is dan een nieuwe botsproef noodzakelijk om te kijken wat het effect van de aanpassing is: is de auto nog even veilig? Maar ja, zo’n botsproef is duur en het is zonde om een auto in de prak te rijden. Ze hebben toch modellen waarmee ze virtueel een botsproef kunnen uitvoeren… Maar hoe betrouwbaar is de uitkomst? Hoe veilig is de auto straks werkelijk? Het zijn juist de bouwers van de modellen die hiervoor waarschuwen; zij kennen de tekortkomingen van de modellen. Het is een beetje als Buienradar: je plant je loopje naar de supermarkt precies tussen twee buien in en je bent bijna boos als het toch regent. Het zou droog moeten zijn!

Heeft de Digital Twin het eeuwige leven?

Hoe weet je of je Digital Twin, de data en de toegepaste intelligentie na verloop van tijd de gewenste kwaliteit behouden? Daarvoor moet je ze eigenlijk continu checken: doet mijn model nog wel wat het moet doen? De rol van de traditionele monteur zal daarmee misschien verschuiven naar een validatie-engineer. Zegt het model ‘A’, dan moet je wel af en toe controleren of het inderdaad wel ‘A’ is? En iedere keer dat je een afwijking in het model constateert, is dat een reden om het model bij te stellen.

De organisatie verandert op nog meer vlakken. Zo is in veel gevallen eigenlijk ook een data-engineer nodig. De Digital Twin kan immers alleen maar bestaan als er data zijn. Die data, uit het veld en uit allerlei verschillende bronnen, moeten geprocessed worden. De ruwe data zijn verschillend van aard – denk aan real-time data uit de installatie en transactionele data uit een ERP-, financieel of onderhoudsbeheersysteem – en ze moeten geprepareerd worden zodat ze passen en het model kunnen voeden.

Het model zelf vraagt ook om continue monitoring. Klopt het model nog wel? Stel dat er op een gegeven moment toch een keer een pomp of een elektromotor onverwacht stuk gaat… Hoe heeft dat kunnen gebeuren, moet het model bijgesteld worden? Hoe kun je het model beter laten leren?

Bovenstaande voorbeelden raken aan een ander punt: een Digital Twin is zelf ook een asset: een digitale kopie van de fysieke asset. Maar let op: je hebt dan opeens wel twee assets te managen in plaats van één! En die digitale variant heeft dus net zo goed onderhoud nodig en hij ’doet het’ alleen maar als ook de gehele IT-infrastructuur op orde is. Met andere woorden: verdere digitalisering impliceert ook de introductie van nieuwe kwetsbaarheden en vraagt om andere rollen in de organisatie.

Vertil je niet!

Er is geen algemene regel aan te geven wanneer een Digital Twin wel of niet de investering waard is (om nog maar van alle tijd en moeite te zwijgen). Veel zal afhangen van de digitale volwassenheid van de organisatie. Als je maar één projectcase doet, dan krijg je de business case waarschijnlijk niet rond. Maar is er al veel gedigitaliseerd en heeft het bedrijf de visie dat het voorbereid wil zijn op de digitale toekomst, dan is de investering vast ook nuttig voor toekomstige projecten. Dan kan het wel uit. 

En dan is er nog een andere potentiële drijfveer: de vergrijzing en het weglekken van expertise en ervaring. Veel infrastructuurbedrijven kampen met een vergrijsd personeelsbestand… Er zijn straks gewoon geen monteurs meer die in een auto langs de pompen rijden voor inspecties. Dan kan de overstap op een Digital Twin wel degelijk interessant zijn. 

Mijn advies: het is goed om te experimenteren met digitalisering van de Asset Health en het Asset Management. Begin kleinschalig, om er vertrouwd mee te raken. Doe eens een Proof of Concept. Wees je ervan bewust hoe volwassen je digitale organisatie is… Vertil je niet aan een project dat je capaciteiten te boven gaat.

Van wie zijn de data?

Tot slot nog een waarschuwing: besef goed wat met de data gebeurt als je datagedreven gaat werken en inzet op digitalisering. Wie is eigenaar van de data?

Voor een Digital Twin is samenwerking met gespecialiseerde dienstverleners onmisbaar: onder meer software- en onderhoudsbedrijven. De conditiedata van je pompen gaan de deur uit; de ontwikkelaar van de Digital Twin en algoritmes kan die alleen maar maken doordat het bedrijf voor meerdere klanten werkt. Bij Big Data draait het nu eenmaal om grote aantallen. Alleen dan worden de modellen valide en betrouwbaar. 

Nadeel is dan dat je afhankelijk bent geworden van een externe partij. Wil je dat? Daar zitten veel vragen aan vast: wat is je relatie met die leverancier? Kun je er nog vanaf? Is er een exit-strategie? En: wat als er een datalek zit bij die partij en concurrenten of kwaadwillenden toegang krijgen tot jouw gegevens? Dit zijn strategische vraagstukken die laten zien dat kennis van digitalisering op directieniveau aanwezig moet zijn om op een verantwoorde manier de digitale transformatie in te zetten.

IES is onderdeel van het wereldwijd opererende AMCL. Mijn collega’s binnen AMCL hebben een interessante en zeer goed leesbare whitepaper over Digital Twins geschreven en is gratis te downloaden.

Download de whitepaper van AMCL+ over Digital Twins bij assetmanagement.