デジタルツイン

 

デジタルツインとは?

デジタルツインは、実際に稼働している物理設備をモデルとして表現したものです。モデルは現在の設備の状態を反映しており、設備に関連する履歴データを含んでいます。デジタルツインは設備の現在の状態を評価するだけでなく、将来の動作予測、制御の改良、または稼働の最適化に用いることができます。

デジタルツインは、コンポーネント (ポンプなど)、コンポーネントシステム (エンジンなど)、またはシステムのシステム (発電所、製造ライン、車両群など)をモデル化したものです。デジタルツインのモデルには、物理ベースのものもあれば統計的アプローチのものもあります。これらのモデルには運用設備の現在の環境、稼働年数、および設定等を反映させることが可能で、通常は設備から直接、デジタルツインを調整するアルゴリズムへデータをストリーミングします。

デジタルツインが重要な理由

デジタルツインを構築・利用することで、稼働システムのインテリジェンス(勝手の良さ)が向上します。設備の実稼働状況を最新に保つことで、設備やより広範なシステムの制御や最適化が可能になります。現在の状態だけでなく、設備の運用履歴を反映させることも可能です。デジタルツインによって、最適化、効率化、自動化、将来の性能評価といったことが可能になります。これらの他に、バーチャルコミッショニング (仮想試運転) や、次世代の設計への活用いったことにも利用することができます。

デジタルツインモデルは、いくつかの分野で一般的に使用されています。

  1. 運用の最適化 - 天候、車両サイズ、エネルギーコスト、パフォーマンス要因などの変数を使用することで、何百何千もの what-if シミュレーションを実行し、現在のシステムの設定値の即応性や調整の必要性を評価できます。これにより、稼働中であっても、システムの最適化や制御を行うことが可能となり、リスク軽減、コスト削減、または様々なシステム効率の向上を達成することができます。

モンテカルロ シミュレーションによるシナリオの検討

  1. 予知保全 - インダストリー 4.0や予知保全のアプリケーションでは、余寿命を把握し、機器を修理または交換するのに最も適切な時期を知らせます。

Baker Hughes、MATLAB による予知保全警報システム

  1. 異常検出 -現実の設備が稼働している間はモデルも並行して稼働しており、現実の設備が予想 (シミュレート) とは異なる動作をした場合に、直ちにフラグを立てます。たとえば、継続的に稼働しているオフショア石油掘削装置から、石油会社がセンサーデータをストリーミングしているとします。このとき、デジタルツインモデルは稼働中の動作を監視し、壊滅的な被害の回避を促します。

Simulink Real-Time を使用した石油掘削装置への産業用 IoT プロトタイプの実装画像提供: National Oilwell Varco

  1. 障害の特定 - 異常が起きると、エンジニアまたはシステムが適切な措置を講じることができるように、一連のシミュレーションを実行させ、障害を切り分け根本原因を特定することができます。

燃料制御システムにおける故障の切り分け

デジタルツインの仕組み

IoT のアプリケーションによって、デジタルツイン構築に必要なモデルが決まります。デジタルツインモデルには、IoT 設備のコンポーネント、動作、および動的特性が必要です。

モデル化の手法は一般的に二つに大別されます。第一原理または物理モデルに基づく手法 (例:機械的モデリング) とデータドリブンな手法 (例:ディープラーニング)です。また、デジタルツインは様々なモデル化された動作とモデリング手法の組み合わせであるため、用途が特定されるにつれて時間とともに精巧になっていきます。

デジタルツインのモデル化手法 - 第一原理とデータドリブン

モデルは最新の状態に保たれ、稼働中の設備に合わせて調整される必要があり、通常は設備から直接、デジタルツインを調整するアルゴリズムへデータをストリーミングします。その際に、設備の環境、年数、構成などの状況を考慮することができます。

デジタルツインが構築され且つ最新の状態であれば、将来の動作予測、設備の制御改良、稼働の最適化などにさまざまに応用することができます。例えば、設備に搭載されていないセンサーをシミュレートする、将来のシナリオをシミュレートして現在と将来のオペレーションに伝達する、または現在の実入力を送信して現在の稼働状態を抽出するといったデジタルツインの使用方法があります。

MATLAB と Simulink によるデジタルツイン

MATLAB では、ネットワークに接続された設備からのデータを使用してモデルを定義することができます。Simulink を用いれば、マルチドメインモデリングツールによる物理モデルを作成することもできます。データドリブンなモデルおよび物理ベース(理論ベース)のモデルのどちらであっても、稼働設備のデータを用いた調整は可能であり、デジタルツインとして機能させることができます。そのため、予測、what-if シミュレーション、異常検知、故障の切り分けなどに使用できます。

MATLAB で利用可能なデータドリブンな手法には、機械学習、ディープラーニング、ニューラルネットワークシステム同定などがあります。通常、モデルの学習や抽出には一連のデータセットを使用し、モデルの検証やテストには異なる検証用データを使用します。MATLAB で提供される各種アプリを用いて、自分のアプリケーションにとって最も精度の高いモデリング手法を探索することができます。

対話的に分類モデルを学習、検証、および調整する分類学習器アプリ

Simulink による物理ベースのモデリングでは、第一原理からシステムを設計します。モデルには、機械、油圧、および電気的なコンポーネントを含めることができます。Simulink によるモデルベース デザインを利用している場合は、モデルは設計の上流工程からおりてくることもあります。

電力系統の Simulink デジタルツインモデル。グリッドから受け取った測定データを元にパラメーター推定を行い、何千ものシナリオを実行し、エネルギー備蓄の充足度や、グリッドコントローラーの調整要否を判断

最適化手法によりデジタルツインモデルを調整し、データの受信ストリームに MQTT などの標準プロトコルを使用してモデルを最新に保つことができます。

必要であれば、デジタルツインはどこにでも実装でき、例えばエッジコンピューティングノード、OT インフラ、または IT システムなどが考えられます。Azure IoT Hub や AWS IoT などの市販システムに統合することも可能で、必要に応じて API や一般的な統合方法である共有ライブラリ、RESTFul 呼び出しも可能です。

IoT の形態 - 必要な場所にデジタルツインを実装

デジタルツインを使った IoT アプリケーション