Digitale Prozesszwillinge für Regelung, Zustandsschätzung und Optimierung
Ein kalibriertes, physikbasiertes Modell Ihres Prozesses, per Zustandsschätzung laufend mit den Anlagendaten abgeglichen — um nicht Gemessenes zu schätzen, Regelstrategien gefahrlos zu testen und MPC sowie Echtzeit-Optimierung zu versorgen.
30-Min Technik-Fit-Call buchenPhD APC/MPC · CERN · IAV · SkySails
Was ist ein digitaler Prozesszwilling?
Ein digitaler Prozesszwilling ist ein laufend synchronisiertes Modell einer Anlage oder Teilanlage. Anders als eine statische Simulation erhält er Echtzeitdaten aus PLS oder Historian und hält seinen inneren Zustand per Zustandsschätzung mit der Anlage im Einklang — so sehen Ingenieure, was im Prozess geschieht, testen Änderungen vorab und versorgen modellbasierte Regelung und Optimierung.
Er braucht drei Bausteine: (1) ein kalibriertes dynamisches oder stationäres Prozessmodell mit der Physik — Wärmeübertragung, Reaktionskinetik, Strömung; (2) eine Echtzeit-Datenanbindung an PLS/Historian; (3) einen Zustandsschätzer (Kalman-Filter, Moving-Horizon-Schätzung oder Datenabgleich), der das Modell trotz Messrauschen und Modellunsicherheit mit der Anlage synchron hält.
Drei Arten digitaler Zwillinge
Asset-Zwilling — ein Aggregat
Eine Pumpe, ein Verdichter, ein Wärmetauscher oder Reaktor unter laufender Beobachtung. Das Modell verfolgt Verschmutzung, Verschleiß und Leistung und meldet Abweichungen vom Modell — bevor es zum Ausfall kommt.
Prozesszwilling — Grundoperation oder Anlagenteil
Eine Kolonne, eine Reaktorkette oder ein Ofen als thermodynamisches System modelliert. Er unterstützt Was-wäre-wenn-Analysen, die Optimierung des Betriebspunkts, das Testen von Regelstrategien und das Bedienertraining für An- und Abfahren.
Systemzwilling — mehrere Anlagen
Mehrere Anlagen, verknüpft über Massen- und Energiebilanzen eines Standorts. Er unterstützt standortweite Planung, Mischung und Energieverteilung unter physikalischen Prozessbeschränkungen.
Gelöste Probleme
Kein Einblick in den Prozess
Temperaturprofile im Reaktor, Konzentrationen entlang einer Kolonne, Wärmestrom an Rohrwänden werden nicht direkt gemessen. Ein digitaler Zwilling berechnet sie aus First Principles und den vorhandenen Messungen — Ingenieure sehen den Prozesszustand, nicht nur die Messpunkte.
Versuche an der Anlage sind teuer
Einen neuen Betriebspunkt an der realen Anlage zu testen riskiert Fehlchargen, Anlagenbelastung und Produktionsausfall. Am Zwilling lassen sich Änderungen vorab testen — mit der Prozessphysik.
Prozesswissen geht mit den Menschen
Erfahrene Ingenieure tragen Prozesswissen, das mit ihrem Ausscheiden verloren geht. Ein digitaler Zwilling hält es als kalibriertes, dokumentiertes physikalisches Modell fest, das das ganze Team nutzen kann.
Modellbasierte Regler driften
APC und RTO werden schlechter, wenn sich der Prozess ändert und die Modelle veralten. Ein Zwilling, der seine Parameter laufend mit Anlagendaten abgleicht, hält die MPC- und RTO-Modelle genau.
Wie wir es aufbauen
Prozessmodell
Ein First-Principles-Modell für Thermodynamik, Kinetik und Strömung aus Engineering-Daten — Fließbilder, Datenblätter, Spezifikationen. Die Komplexität folgt dem Anwendungsfall; nichts wird überdimensioniert.
Datenanbindung und Datenabgleich
Echtzeitdaten aus dem Historian (z. B. AVEVA PI, Aspen IP.21, Ignition) über OPC UA oder REST. Der Datenabgleich schließt Massen- und Energiebilanzen, korrigiert Sensor-Offsets und markiert grobe Fehler, bevor sie das Modell verfälschen.
Zustandsschätzung
Ein Kalman-Filter, erweitertes Kalman-Filter oder Moving-Horizon-Schätzer verfolgt nicht gemessene Zustände — Konzentrationen, Verschmutzungsfaktoren, Katalysatoraktivität — aus den vorhandenen Messungen. Am CERN schätzte eine nichtlineare MHE 5 thermodynamische Zustände des LHC-Kryokreislaufs aus 3 Drucksensoren und Temperatur mit 1 Hz.
Optimierungs- und Beratungsebene
Der laufende Zwilling versorgt einen Optimierer (RTO, DRTO oder ökonomische MPC), der optimale Betriebsvorgaben berechnet. Die Bediener sehen die Empfehlungen zuerst — Beratungsmodus, geschlossener Regelkreis erst nach Validierung.
Modellentwicklung: Die richtige Komplexität wählen
Wenn Modelle im Weg stehen
Ein Kunde ließ einmal ein dynamisches Modell aus dem Simulationscode eines Videospiels ableiten. Es war aufwendig und rechenintensiv — doch als es an einen Regelkreis angeschlossen werden sollte, passte die Schnittstelle zu keiner Standard-Toolchain, die Parameter hatten keine physikalische Bedeutung, und der damit ausgelegte Regler war an der realen Hardware schlechter als ein von Hand eingestellter PID.
Überdimensionierte Modelle sind ein wiederkehrendes Problem der Regelungstechnik: Sie brauchen Monate, brechen, wenn sich das physische System ändert, lassen sich schwer an Messungen validieren und oft nur über eine eigene Übersetzungsschicht an echte Regelungssoftware anbinden.
Die Lösung ist kein besseres komplexes Modell, sondern das einfachste Modell, das das für die Regelung relevante Verhalten abbildet.
Stufe 1 — Geometrie & Grundphysik (Linear)
Masse, Trägheit, Feder- und Dämpferraten, kinematische Beschränkungen und grundlegende aerodynamische Beiwerte direkt aus Geometrie, Zeichnungen oder CAD ableiten. Um den Arbeitspunkt linearisieren, um ein Zustandsraummodell zu erhalten.
- Geeignet für Bode-Analyse, Loop Shaping, LQR und lineare MPC
- Parameter mit physikalischer Bedeutung — leicht an Sprungantworten zu validieren
- Reicht meist für Reglerentwurf und Einstellung
- Passt zu jeder Standard-Toolchain
Hier beginnen. Das reicht in den meisten Fällen.
Stufe 2 — Einfache nichtlineare Erweiterungen (Simulation)
Nur die Nichtlinearitäten ergänzen, die die Anwendung wirklich braucht: Stellgrößenbegrenzung, Totzone, deutliche kinematische Kopplung oder dominante nichtlineare Steifigkeit.
- Für die Simulation des geschlossenen Kreises vor dem Hardware-Einsatz
- Parameter weiterhin physikalisch — kein Blackbox-Fitting
- Leicht genug für Echtzeit auf Standard-Hardware
- Liefert realistische Reserven, die das lineare Modell nicht zeigt
Ergänzen, wenn Regler aus dem linearen Modell in der Simulation versagen.
Stufe 3 — Hochgenaue Modelle (selten gerechtfertigt)
Nur gerechtfertigt, wenn Stufe 1 und 2 sicherheitskritisches Verhalten nicht abbilden — etwa flexible Strukturen mit starker Modenkopplung, Verbrennung und Reaktionskinetik, Zweiphasenströmung oder aeroelastische Effekte.
- Die Modellkomplexität wird Teil des Forschungsproblems
- Erfordert eigene Identifikationsversuche und Validierungskampagnen
- Die längere Entwicklungszeit ist akzeptiert, weil einfachere Stufen nachweislich nicht reichen
Nur mit Belegen, dass Stufe 2 nicht ausreicht.
Warum einfachere Modelle gewinnen
In Tagen statt Monaten
Die Herleitung aus First Principles ist schnell. Ein funktionierendes lineares Modell eines neuen Systems braucht meist einige Tage — kein halbjähriges Modellierungsprojekt.
Interpretierbare Parameter
Jeder Parameter hat eine physikalische Bedeutung — Masse, Trägheit, Steifigkeit, Dämpfung —, das Modell lässt sich an Messungen validieren und bei Hardwareänderungen anpassen.
Toolchain-kompatibel
Zustandsraummodelle gehen direkt in MATLAB, Python-Control, CasADi und jeden MPC-Solver — ohne Übersetzungsschicht.
Ehrlich zur Unsicherheit
Ein einfaches Modell, dessen Näherung man kennt, ist sicherer als ein komplexes, das man für genau hält. Die Grenzen des Modells zu kennen gehört zum Reglerentwurf.
Ergebnisse
Nicht gemessene Zustände sehen
Temperaturprofile, Konzentrationen und Verschmutzung laufend geschätzt aus den Messungen, die bereits vorhanden sind.
Testen, bevor die Anlage berührt wird
Neue Betriebspunkte, Regelstrategien und Anfahrsequenzen zuerst am Modell — ohne Risiko für die Produktion.
Regelungsmodelle bleiben kalibriert
Laufende Parameterschätzung hält die MPC- und RTO-Modelle genau, während die Anlage altert.
Wissen, das bleibt
Prozesswissen in einem kalibrierten, dokumentierten Modell statt in einzelnen Köpfen.
Ein digitaler Prozesszwilling ist kein eigenständiges Produkt — er verbindet die anderen Ebenen: verlässliche Messungen; Soft-Sensoren für die Lücken (soft-sensor.com); Zustandsschätzung, die das Modell synchron hält; APC/MPC, das die Vorgaben umsetzt (Industrial Process NMPC / APC); und RTO, das sie berechnet (Echtzeit-Optimierung). Meine Arbeit deckt die Ebenen Modellierung, Schätzung, Regelung und Optimierung ab.
Relevante Design-Muster
30-Min Technik-Fit-Call buchen
Wenn Sie ein Digital-Twin-Projekt bewerten oder verstehen möchten, welche Prozessebene zuerst angegangen werden soll — ein 30-minütiges Gespräch reicht, um die Architektur zu skizzieren.
30-Min Technik-Fit-Call buchen →