Teollisuuden internet

Digitaalisella kaksosella mallinnetaan todellisuutta

Väitöskirjatutkija Arttu Heininen Tampereen yliopiston hionnan ja koneistuksen tutkimusympäristön hybridisorvin vierellä. Kuva: Tampereen Yliopisto

Digitaalisen kaksosen eli takaisin kytketyn virtuaalisen mallin avulla voidaan tuottaa tietoa tarkasteltavasta kohteesta tai prosessin etenemisestä ja ohjata prosessia. Kaupallisiin sovelluksiin on vielä matkaa, mutta ilman takaisinkytkentää toimivia digitaalisia varjoja hyödynnetään jo teollisuudessa.

Digitaalisia kaksosia kehitetään ja tutkitaan useissa yliopistoissa Suomessa ja kansainvälisesti. Digitaalinen kaksonen on prosessin tai koneen virtuaalinen malli, johon vaikuttamalla pystytään vaikuttamaan mallinnettavan kohteen tilaan.

”Esimerkiksi tuotantoprosessia mallinnettaessa reaalimaailman prosessista kerätään tietoa, joka siirretään fysikaalisista malleista sekä data-analyysimalleista koostuvalle digitaaliselle kopiolle. Mallien avulla voidaan tuottaa kappaleesta uutta tietoa. Takaisinkytkennän avulla digitaaliseen kaksoseen kohdistetut toimenpiteet ilmenevät myös reaalimaailman kappaleessa”, kuvailee väitöskirjatutkija Arttu Heininen Tampereen yliopiston Mekatroniikan tutkimusryhmästä.

Mekatroniikan tutkimusryhmä tutkii älykkäitä koneita ja konejärjestelmiä tiiviissä yhteistyössä teollisuuden kanssa. Tavoitteena on tuottaa tieteellistä tietoa, jota voidaan soveltaa ja hyödyntää mekatroniikan ja konetekniikan teollisissa tuotteissa ja prosesseissa.

Heinisen tutkimus on osa Tampereen yliopiston, VTT:n ja Tampereen ammattikorkeakoulun Älykäs valmistus ekosysteemissä -tutkimusprojektia, jonka keskeisiä osa-alueita ovat materiaalit, valmistus ja toimitusketjut. Heinisen tutkimus käsitteli hiontaprosessiin liittyviä digitaalisen kaksosen malleja.

”Yleisimpiä digitaalisen kaksosen sovelluskohteita ovat tuotantoprosessit tai työkoneet, jotka tunnetaan hyvin ja joista valmiiksi mitataan tietoa. Tällaista prosessia voitaisiin ohjata digitaalisen kaksosen avulla. Työkoneen digitaalisen kaksosen avulla puolestaan voitaisiin ohjata esimerkiksi koneen liikkeitä”, Heininen sanoo.

Digitaalinen kaksonen tuottaa tietoa prosessista

Digitaalista kaksosta luotaessa aluksi on selvitettävä sovelluskohteen keskeiset parametrit. Tuotantoprosessin tapauksessa näitä ovat ohjaus- tai tuotantoparametrit, jotka määrittävät prosessin lopputuloksen. Parametrien tunnistamisen jälkeen asennetaan anturit, joilla parametreja voidaan mitata.

”Esimerkiksi hiontaprosessissa voidaan mitata värähtelyä ja hiottavaan kappaleeseen kohdistuvia voimia. Antureiden mittaamat tiedot siirretään pilvipalveluihin tietoliikenneyhteyksien välityksellä. Näin tietoihin päästään käsiksi paikasta riippumatta ja virtuaalista mallia voidaan tarkastella ja ohjata etänä sijainnista riippumatta”, kuvailee Heininen.

Mitatun datan avulla voidaan luoda fysikaalisia malleja, joiden välityksellä tarkastellaan kuinka parametrien muutokset vaikuttavat reaalimaailman kappaleeseen. Tavoitteena on tuottaa mallien avulla prosessin kannalta oleellista lisätietoa.

”Ideaalinen digitaalinen kaksonen kuvaisi reaalimaailman esinettä täydellisellä tarkkuudella. Tällä hetkellä se ei ole vielä mahdollista, joten digitaalista kaksosta luotaessa valitaan prosessin tai esineen kannalta hyödyllisimmät ja oleellisimmat parametrit sekä mallinnusmenetelmät”, Heininen lisää.

Yksityiskohtaiset fysikaaliset mallit voivat olla laskennallisesti hyvin raskaita, mikä vielä tämän hetken teknologialla asettaa rajoituksia digitaalisten kaksosten luomiselle ja käyttämiselle.

Kaupallisiin sovelluksiin on vielä matkaa

Digitaalisen kaksosen ympärillä tehdään paljon tutkimusta, mutta kaupallisia teollisuusympäristössä toteutettavia sovelluksia joudutaan vielä odottamaan.

”Digitaalisen kaksosen käyttämiseen liittyy vielä paljon teknisiä haasteita, ja tutkimusympäristössäkin toteutettava täsmällisen tarkka digitaalinen kaksonen on vielä edessäpäin”, sanoo Heininen.

Tutkimusympäristössä on luotu kuitenkin riittävän tarkkoja metamalleja esimerkiksi työstöprosessien tarkastelua varten. Metamalli on täsmällisen tarkasta mallista luotu malli. Metamallia käytettäessä tarkkuus kärsii hieman, mutta on käytännön tekemisen kannalta täysin riittävä.

”Metamallit ovat laskennallisesti kevyempiä ja niiden hyödyntämistä reaaliaikaisissa järjestelmissä tutkitaan paljon. Metalliteollisuudessa ja työstöprosesseissa oleellisia lämpöilmiöitä ja pinnan karheutta voidaan kuvata metamalleilla prosessin ja lopputuloksen kannalta riittävällä tarkkuudella”, Heininen sanoo.

Reaaliaikaiset mallit hyödyttäisivät metalliteollisuutta esimerkiksi mahdollistamalla työstöprosessin aikaisen laadunvalvonnan. Kappaleesta voidaan mallintamisen avulla selvittää esimerkiksi pinnan karheutta, jäännösjännityksiä ja muotovirheitä.

”Manuaaliset työvaiheet vievät aikaa. Tuottavuutta saataisiin nostettua, mikäli laadunvalvonta voitaisiin toteuttaa mallien avulla reaaliaikaisesti. Tällä hetkellä mallien avulla voidaan etukäteen tutkia erilaisten työstöparametrikombinaatioiden vaikutusta tuotteen lopulliseen laatuun”, Heininen kertoo.

Digitaaliset varjot helpommin saavutettavissa

Digitaalisen kaksosen hyödyntämistä teollisuusympäristössä hidastaa iäkäs laitekanta. Työstökoneet mittaavat omaa toimintaansa, mutta tietoihin on hankala päästä käsiksi. Lisäksi usein vaaditaan lisäantureiden asentamista ja laitteen yhdistämistä internetiin.

”Uudempi laitekanta vastaa IoT:n eli esineiden internetin vaatimuksiin, joten konekannan uusiutuessa ollaan askel lähempänä digitaalisen kaksosen käytännön sovelluksia. Varsinaisen digitaalisen kaksosen sijasta teollisuudessa voidaan jo hyödyntää digitaalisia varjoja”, Heininen sanoo.

”Mallien avulla voidaan tuottaa kappaleesta uutta tietoa.

Digitaaliseen varjoon tuodaan tuotantoprosessissa mitattua dataa. Varjo tuottaa uutta tietoa mallien avulla, mutta varjoon vaikuttamalla ei voida säätää tuotantoprosessia.

”Digitaalisen varjon tuottamaa tietoa voidaan hyödyntää muuttamalla työstökoneen parametreja manuaalisesti. Digitaalinen kaksonen ei vielä lähitulevaisuudessa ole järkevin vaihtoehto mallintamiseen, mutta mallinnusta voi hyödyntää helpomminkin ilman takaisinkytkentää”, Heininen sanoo.

Teksti: Merja Maukonen

Seuraa prometalli

prometalli uutiskirje