Digital twins in industrial plant operation : development, application, and integration with plant design

Abstract

Der Betrieb von Industrieanlagen stützte sich bisher auf manuelle Eingriffe der Anlagenfahrer_innen, insbesondere bei der routinemäßigen Überwachung und Reaktion auf Prozessstörungen, was häufig zu Ineffizienzen und ungleichmäßiger Anlagenleistung führt. Digitale Zwillinge (DTs) begegnen diesen Herausforderungen, indem sie die Notwendigkeit manueller Eingriffe reduzieren, die Zuverlässigkeit des Prozesses erhöhen und Entscheidungshilfen in Echtzeit bereitstellen. Diese Dissertation untersucht die Entwicklung und Validierung von DTs für zwei Anlagen im Pilotmaßstab: eine Anlage zur Umwandlung von Biomasse in synthetisches Erdgas (Bio-SNG) und eine Anlage zur direkten Abscheidung von CO2 aus der Umgebungsluft (DAC).Ein strukturierter 10-Punkte-Plan wurde systematisch angewandt, um die Entwicklung der DTs zu unterstützen. In der Bio-SNG-Fallstudie steigerte die Implementierung eines DTs den Kaltgaswirkungsgrad der Kette von 54% auf 59%, reduzierte die Schwankungen der Produktgasleistung von 5–6% auf 1–2% und entlastete die Anlagenfahrer_innen durch Automatisierung von bisher notwendigen manuellen Tätigkeiten. Die Auswertungsdauer von Versuchspunkten verkürzte sich von Wochen auf wenige Minuten. Für die DAC-Fallstudie wurden automatisierte Berichts- und Überwachungstools entwickelt, deren Modellergebnisse eine Genauigkeit von ±5% im Vergleich zu den Messwerten erreichten. Simulationen identifizierten drei betriebliche Optima: Minimierung des spezifischen Energiebedarfs, Maximierung der CO2-Abscheidung und Minimierung der Abscheidungskosten, was als erster Machbarkeitsnachweis für die DT-gestützte Echtzeitoptimierung gesehen werden kann. Diese Simulationen zeigen potenzielle Kosteneinsparungen von bis zu 30% durch die Anpassung der Betriebsbedingungen an die aktuellen Strompreise.Durch den Einsatz spezieller Softwaretools wie industrieller Datenmanagementsoftware anstelle von eigenentwickelten Lösungen konnte die Zeitdauer bis zur Verfügbarkeit erster Ergebnisse von Monaten auf Stunden verkürzt und das benötigte Fachwissen für Entwickler_innen und Endnutzer_innen deutlich gesenkt werden. Zu den wichtigsten Vorteilen gehörten die automatisierte Kontextualisierung von Daten und die Verfügbarkeit von standardisierten Schnittstellen, die die Kommunikation zwischen den Diensten des DTs sowie die Anpassung und Erweiterung von Modellen vereinfachten. Dieser Ansatz führt jedoch zu einer stärkeren Bindung an bestimmte Anbieter_innen und höheren Lizenzkosten. Trotz dieser Kompromisse deuten die Ergebnisse darauf hin, dass das Gleichgewicht zwischen Flexibilität und Effizienz letztendlich für die meisten praktischen Anwendungen für den Ankauf spezieller Softwaretools spricht, da die Reduzierung des Entwicklungsaufwands und die verkürzte Entwicklungszeit die Nachteile überwiegen.Die Ergebnisse bestätigen, dass DTs die Prozessstabilität und Effizienz verbessern und die Entscheidungsfindung für Anlagenfahrer_innen vereinfachen können, während die Skalierbarkeit und Anpassbarkeit von DTs konzeptionell validiert wurden. Zukünftige Arbeiten sollten sich auf die Validierung der DT-gestützten Echtzeitoptimierung in der Praxis und weitere Tests über mehrere Lebenszyklusphasen hinweg konzentrieren, insbesondere während der Konzeptionierung und Planung, um zu demonstrieren, dass DTs über den Anlagenbetrieb hinaus nützliche Dienstleistungen erbringen können.In dieser Arbeit wurde nicht nur gezeigt, dass DTs die experimentelle Arbeit in Versuchsanlagen vereinfachen können, sondern es wurde auch konzeptionell nachgewiesen, dass sie Dienstleistungen zur Verfügung stellen können, die den Anforderungen der Anlagenbetreiber in einer industriellen Umgebung gerecht werden. Mit kontinuierlicher Weiterentwicklung können sich DTs von Forschungsprototypen zu zuverlässigen Werkzeugen entwickeln, die einen effizienten, automatisierten und nachhaltigen Anlagenbetrieb unterstützen.

The operation of industrial plants has traditionally relied on manual operator intervention, particularly for routine monitoring and response to process disturbances, often resulting in inefficiencies and inconsistent performance. Digital Twins (DTs) address these challenges by reducing manual intervention, improving reliability, and enabling real-time decision support. This dissertation explores the development and validation of DTs for two pilot-scale case studies: a biomass-to-synthetic natural gas (bio-SNG) process and a system for direct air capture of CO2 (DAC).A structured 10-point plan was systematically applied to guide the DT development. In the bio-SNG case study, DT implementation increased the cold gas efficiency of the process chain from 54% to 59%, reduced product gas output fluctuations from 5–6% to 1–2%, and eliminated the need for manual operator intervention during routine operation. The time required to evaluate operating points was reduced from weeks to minutes. For the DAC case study, automated reporting and monitoring tools were developed, with model outputs achieving an accuracy of ±5% compared to measured values. Simulations identified three operational optima: minimising specific energy demand, maximising CO2 capture, and minimising capture cost, thereby providing a proof of concept for DT-enabled real-time optimisation. These simulations suggest potential cost reductions of up to 30% by adjusting operating conditions in response to changing electricity prices.The adoption of dedicated software tools, such as Industrial Data Management Software, instead of custom-built solutions reduced deployment time from months to hours and lowered the expertise required for both developers and end-users. Key advantages included automated data contextualisation and standardised interfaces, which simplified communication between tools and model adaptation and expansion. However, this approach introduced greater vendor lock-in and higher licensing costs. Despite these trade-offs, the findings suggest that the balance between flexibility and efficiency ultimately favours dedicated software tools for most practical applications, as the reduction in development overhead and accelerated deployment outweigh the drawbacks.The results confirm that DTs can enhance process stability and efficiency, as well as simplify operator decision-making, while the DT’s scalability and adaptability were conceptually validated. Future work should focus on the real-world validation of DT-enabled real-time optimisation and further testing across multiple lifecycle stages, particularly during design and planning, to prove that DTs provide valuable services beyond the operating phase.In this work, it was not only demonstrated that DTs can simplify experimental work, but also shown conceptually that they can provide practical services addressing the needs of plant operators in an industrial setting. With continued refinement, DTs can evolve from research prototypes into reliable assets, supporting efficient, automated, and sustainable industrial operations.