Automating build, deployment, and monitoring of model-based digital twins

Abstract

Die Verwendung von digitalen Zwillingen gibt Technikern die Möglichkeit das Verhalten eines physischen Systems nachzustellen. Dadurch können verschiedene Systeme an den digitalen Zwilling angehängt werden, um Daten automatisch zu verarbeiten und davon zu lernen. Das ermöglicht nicht nur Echtzeitüberwachung, sondern auch Defekt-Vorhersagen und kann die Laufzeit eines Geräts, durch automatische Anpassung verschiedener Parameter durch den digitalen Zwilling, verlängern. Allerdings bestehen Limitierungen in den existierenden Entwicklungsprozessen, die zu hohen Zeitaufwänden bei der Erstellung und der Wartung von digitalen Zwillingen führen. 1. Modelle von digitalen Zwillingen werden oft händisch entwickelt und deployt,wodurch eine hohe Fehleranfälligkeit und manuelle Aufwände bei jeder Änderung des physischen Systems entstehen. 2. Um die Verbindung zwischen den physischen Geräten und den digitalen Zwillingen herzustellen, müssen Softwareroutinen im Programm des Geräts hinzugefügt werden.Für eine erfolgreiche Kommunikation müssen außerdem Parameter korrekt eingestellt werden, sowie das Programm auf das Gerät übertragen und gestartet werden.Diese Tätigkeiten werden hauptsächlich manuell und von Hand durchgeführt was zu repetitiven Tätigkeiten mit hohem Fehlerpotential führt. 3. Weitere händische Eingriffe sind notwendig, um digitale Zwillinge und die Geräte,die Daten an diese übertragen, kontinuierlich zu überwachen, um ungültige oder korrupte Daten zu erkennen und gegebenenfalls zu alarmieren oder automatische Anpassungen vorzunehmen. In dieser Arbeit wird untersucht, inwieweit Techniken aus der Modell-getriebenen Softwareentwicklung verwendet werden können, um die bei den eben genannten Herausforderungen auftretenden manuellen Aufwände zu reduzieren. Dazu wird eine Pipeline implementiert,die in einer universell einsetzbaren Modellierungssprache modellierte Systeme in die spezifischen digitalen Zwillingsmodelle und weitere Metainformationen übersetzt und derdigitalen Zwillingsplattform zur Verfügung stellt. Weiters werden Informationen für die mit den digitalen Zwillingen verbundenen Geräte erzeugt, um die Verbindungsherstellung zu automatisieren. Diese Informationen werden, zusammen mit der Geräte-Software,v durch die Pipeline automatisiert, auf das jeweilige Gerät übertragen und gestartet. Das Modell wird erweitert, sodass Monitoring-Funktionen, wie Bedingungen modelliert werden können. Diese werden automatisch von der Pipeline in eine Maschinen-leserliche Sprache übersetzt und von einer Cloud-Applikation, sowie physischen Geräten verwendet,um ausgetauschte Nachrichten zu überprüfen. Eine Evaluierung der Lösung zeigt,dass die Entwicklung von digitalen Zwillingen durch die gezeigte Automatisierung starkunterstützt wird und viele manuelle Aufwände entfallen oder durch einmalige Vorab-Arbeiten ersetzt werden. Die Ausführungszeiten des digitalen Zwillingsmonitoring werden anhand von 2 physischen Geräten und der Cloud-Applikation ermittelt und basierendauf verschiedenen Parametern verglichen. Die Ergebnisse zeigen, dass durch die Pipelineeine hohe Automatisierung der Erstellung, des Deployment und des Monitorings von modellbasierten digitalen Zwillingen erreicht wird.

Using model-based digital twins gives engineers the possibility to imitate the behavior of a physical device. By doing so, various systems can be attached to automatically learn and interpret the, from the physical device received data. This not only enables real-time monitoring and failure prediction but can also improve the devices’ lifecycle by automatically receiving adjustment parameters from the digital twin. However,limitations especially in the existing development processes lead to a huge amount of time spent to set up and continuously maintain the digital twin.1. Digital twin specific models are often created and deployed by hand, which is errorprune and requires manual efforts every time the physical device changes.2. To have devices communicate with their digital twins, software routines need to be included into the devices’ program. Furthermore, for a successful communication various parameters need to be set up properly and the program needs to be distributed to the physical devices. These tasks are mainly done manually by hand which lead to repetitive tasks with high risk of an error.3. Further manual work is required to continuously monitor digital twins and the physical devices feeding data to them to detect invalid or corrupt data and alert or automatically adjust to the occurred error.In this thesis, it is examined to which extent model-driven engineering techniques canbe used to reduce the manual efforts necessary in previously mentioned challenges.Therefore, a pipeline is implemented which transforms systems modelled in a general purpose language into the digital twin platform specific language models and furthermeta-information to deploy these to the digital twin platform. The generated metainformations are used for an automatic communication establishment between the digital twin and its connected physical devices. These information is published to the physical devices together with the software running on those. The models’ functionality is extended to include monitoring functions like conditions, which are automatically transformed into a machine-readable language and used by the physical devices and a dedicated cloud application to monitor exchanged messages. An evaluation of the created solution shows that the solution supports the development of digital twins by obsoleting or replacing vii manual tasks with one-time tasks. The performance of the digital twin monitoring system is evaluated based on two physical systems and a dedicated cloud application. The results show that by using the pipeline a high automation of creation, deployment and monitoring of model-based digital twins is achieved.