Dassault Systèmes en Omron bouwen aan virtuele tweeling die onderhoudskennis bewaart

Dassault Systèmes en Omron gaan samenwerken aan een geïntegreerde virtuele tweeling van productieomgevingen. Die moet productiebedrijven helpen om ontwerp, productie en onderhoud beter met elkaar te verbinden. Door Omron’s automatiseringsplatform te koppelen aan het 3DEXPERIENCE-platform van Dassault Systèmes, ontstaat wat de bedrijven een Virtual Twin of Production Systems noemen: een virtuele representatie van een productiesysteem die gedurende de volledige levensduur wordt bijgewerkt.

Volgens Vice President Industrial Equipment industry Philippe Bartissol van Dassault Systèmes gaat het daarbij om meer dan een nieuwe vorm van digital twins. De virtuele tweeling moet uiteindelijk uitgroeien tot een centrale kennisbron voor onderhoud, service en productverbetering, ondersteund door kunstmatige intelligentie

Meer dan een digitale tweeling

Digital twins zijn inmiddels een bekend begrip in de industrie. Bartissol maakt echter een duidelijk onderscheid tussen een digitale en een virtuele tweeling.

Een digitale tweeling bestaat uit gegevens over een machine, product of proces. Een virtuele tweeling is volgens hem modelgebaseerd. Daardoor kan niet alleen informatie worden opgeslagen, maar kunnen ook simulaties worden uitgevoerd om gedrag en prestaties te voorspellen.

Bovendien gaat het niet om één model. Binnen het 3DEXPERIENCE-platform worden verschillende tweelingen met elkaar verbonden. Zo onderscheidt Dassault onder meer een engineering twin, een commerciële twin en een service- of field twin. Samen beschrijven zij de volledige levenscyclus van een machine, van ontwerp en verkoop tot ingebruikname en onderhoud.

Van standaardmachine naar unieke installatie

Tijdens de ontwikkeling van een nieuwe machine wordt eerst een generieke virtuele tweeling opgebouwd. Zodra een klant een machine bestelt, ontstaat een specifieke configuratie die wordt gekoppeld aan een individueel serienummer.

Vanaf dat moment begint de tweeling een eigen leven te leiden. Gedurende een levensduur van soms twintig of dertig jaar worden onderdelen vervangen, software-updates uitgevoerd en modificaties aangebracht.

Juist daar ziet Bartissol een belangrijk probleem. De documentatie van een machine loopt in de praktijk vaak achter op de werkelijkheid. Servicemonteurs vertrekken naar een klant zonder precies te weten welke wijzigingen in de loop der jaren zijn doorgevoerd.

Een actuele virtuele tweeling moet dat voorkomen. Alle relevante wijzigingen worden vastgelegd, waardoor technici vooraf beter kunnen zien welke onderdelen aanwezig zijn, welke werkzaamheden eerder zijn uitgevoerd en welke reserveonderdelen nodig kunnen zijn.

Onderhoud als bron van productkennis

De samenwerking tussen Dassault Systèmes en Omron moet ook zorgen voor een continue gegevensstroom vanuit de fabriek naar de virtuele tweeling.

Daardoor ontstaat een feedbacklus tussen gebruikers en machinebouwers. Onderhoudsgegevens laten zien welke componenten sneller slijten dan verwacht, welke storingen regelmatig optreden en onder welke omstandigheden problemen ontstaan.

Die kennis kan vervolgens worden gebruikt om nieuwe machinegeneraties te verbeteren. Ontwikkelaars krijgen immers inzicht in het daadwerkelijke gedrag van installaties in het veld in plaats van uitsluitend in testresultaten uit de ontwerpfase.

Tegelijkertijd kunnen servicetechnici zich beter voorbereiden op onderhoudswerkzaamheden, wat stilstand en reistijd vermindert.

AI moet kennisverlies opvangen

Bartissol verwacht dat kunstmatige intelligentie een belangrijke rol gaat spelen bij het benutten van de informatie die in de virtuele tweeling wordt verzameld.

Een van de grootste uitdagingen voor de industrie is volgens hem het vertrek van ervaren technici. Hun kennis zit vaak niet in handleidingen, maar in servicerapporten, praktijkervaring en jarenlang opgebouwde expertise.

Dassault Systèmes werkt daarom aan AI-agents die deze kennis kunnen ontsluiten. Het bedrijf ontwikkelt onder meer Aura,  Leo, en Marie. Aura coördineert kennis en context rondom vereisten, projecten en wijzigingen. Hierdoor kunnen teams grote hoeveelheden informatie overzien en beter op elkaar afgestemd blijven. Leo ondersteunt bij het oplossen van complexe technische vraagstukken, over meerdere disciplines heen, van ontwerp tot productie. Marie past wetenschappelijke expertise toe op gebieden als materialen en chemie, recepturen en behandelingen, zowel in bijvoorbeeld de (petro)chemische markt als ook in de farmaceutische sector. Zij helpt bij het analyseren van complexe verschijnselen, het formuleren van grensverleggende vragen en het ontwikkelen van nieuwe hypothesen.

Deze systemen worden getraind op gegevens die al binnen de organisatie aanwezig zijn, zoals documentatie, onderhoudsrapporten en historische projectinformatie.

Eerst adviseren, later mogelijk meer

Een eerste toepassing ziet Bartissol in het verwerken van servicerapporten.

Na een onderhoudsbezoek beschrijft een technicus welke werkzaamheden zijn uitgevoerd en welke onderdelen zijn vervangen. Een AI-agent kan deze informatie analyseren en voorstellen doen om de virtuele tweeling bij te werken. De uiteindelijke beslissing blijft daarbij voorlopig in handen van een servicemanager.

Daarnaast kunnen AI-systemen minder ervaren technici ondersteunen tijdens onderhoudswerkzaamheden. Op basis van historische gegevens en eerdere interventies kunnen zij suggesties doen voor mogelijke oorzaken van storingen of de meest logische vervolgstappen.

Bartissol spreekt nadrukkelijk over ondersteuning “in eerste instantie”. Daarmee suggereert hij dat de rol van AI in de toekomst verder kan groeien naarmate meer kennis wordt vastgelegd en de virtuele tweeling vollediger wordt.

Europese AI

Dassault Systèmes kiest daarbij bewust voor een eigen AI-omgeving. Volgens Bartissol is dat noodzakelijk om het intellectueel eigendom van klanten te beschermen en te voorkomen dat gegevens van verschillende bedrijven met elkaar worden vermengd.

De SaaS-oplossingen van het bedrijf draaien daarom in Europese datacenters. Naast datasoevereiniteit moet deze aanpak ook bijdragen aan betrouwbaardere AI-resultaten doordat de systemen werken met gecontroleerde bedrijfsgegevens in plaats van met algemene internetinformatie.

Ook voor kleinere bedrijven

Hoewel het volledige 3DEXPERIENCE-platform vooral bekend is bij grotere industriële ondernemingen, benadrukt Bartissol dat Dassault Systèmes ook oplossingen heeft voor kleinere organisaties. Volgens hem kunnen bedrijven met ongeveer honderd tot tweehonderd medewerkers eveneens profiteren van de koppeling tussen ontwerp-, productie- en servicegegevens.

Daarmee schetst hij een toekomst waarin de virtuele tweeling niet alleen een digitaal model van een machine is, maar een levende kennisbank die gedurende de volledige levensduur van een installatie wordt bijgewerkt. In combinatie met AI moet die kennis beschikbaar blijven, ook wanneer de ervaren technici die haar hebben opgebouwd allang met pensioen zijn.