Generic Digital Twin Development Framework for Enhancing Energy Efficiency and Flexibility in Industrial Production Processes

Denne forskning adresserer det voksende behov for energieffektivitet og fleksibilitet i industrielle produktionsprocesser i sammenhæng med den udviklende dynamik i den globale energiomstilling. Flere udfordringer hindrer i øjeblikket implementeringen af energieffektivitet og fleksibilitetspraksis i industrien. Udfordringerne er hovedsageligt centreret omkring industrier, der ikke er klar over de potentielle omkostningsbesparelser og effektivitetsgevinster, der er mulige ved at implementere energieffektivitet og fleksibilitetspraksis. På grund af kompleksiteten og sammenkoblingen af industrielle produktionsprocesser er det desuden en udfordring at forudsige konsekvenserne af at integrere energieffektivitet og fleksibilitet. Energieffektivitet og fleksibilitets indvirkning på det bredere produktionssystem er ofte svære at fastslå.

For at løse disse udfordringer foreslås et generisk digital twin framework. Gennem digital twin teknologi kan implementeringen af energieffektivitets- og fleksibilitetspraksis undersøges uden risiko for produktionsprocessen. Denne forskning præsenterer et generisk digital twin framework, der giver en struktureret og systematisk tilgang til at designe og implementere digital twins for disse processer. Frameworket letter undersøgelsen af muligheder for energieffektivitet og fleksibilitet, tillader virtuelle tests, evaluering af strategier og reducerer risici forbundet med implementering i den virkelige verden.

Denne forskning præsenterer et seks-lags digital twin framework, der adresserer forskellige dele af digital twin udviklingsprocessen. Frameworket er opdelt i et fysisk lag, et dataindsamlingsprotokollag, et datalagrings- og behandlingslag, et digital twin lag, et kommunikations- og integrationslag og et applikationslag. Forskellige metoder og frameworks præsenteres med hvert lag. I dataindsamlingsprotokollaget introduceres DEVELOP-cyklussen som en ny tilgang til identifikation af data og informationskilder. Datalagrings- og behandlingslaget præsenterer en tilgang til dataanalyse, der kombinerer logistiske og miljømæssige data fra den undersøgte produktionsproces. Digital twin laget er realiseret som et software framework, der giver et grænsefladehierarki og en værktøjspakke til udvidelse til domænespecifikke variationer, hvilket gør det muligt at fange fællestræk og variationer.

Den forskning, der præsenteres i denne afhandling, anvender en multimetode-tilgang, der integrerer økosystemmodellering til data- og informationskildeidentifikation, dataanalyse og multimetodemodellering og -simulering, herunder agentbaseret modellering, diskret hændelsessimulering og systemdynamik. Ydermere præsenteres eksempler på multi-kriterie beslutningstagning, tidsserie K-means clustering og multi-objektiv optimering i frameworkets applikationslag.

Anvendeligheden af det foreslåede framework verificeres ved hjælp af flere casestudier fra forskellige danske industrielle produktionsprocesser, herunder to prydgartneriprocesser, køling af kødprocesser, et bryggeri og et støberi. Disse casestudier leverede forskellige applikationer, der verificerer frameworkets evne til at udvikle digital twins i forskellige domæner og vurdere energieffektivitet og fleksibilitet.

Denne forskning påviser frameworkets kapacitet til at udvikle digital twins til forskellige produktionsprocesser på tværs af domæner og identificere potentielle implikationer af energieffektivitet og fleksibilitetspraksis. Rammen undersøger konsekvenserne af at integrere sådan praksis i komplekse produktionssystemer. Ydermere verificerer resultaterne digital twin frameworkets evne til at kommunikere med eksterne softwaresystemer og digital twins.

Denne forskning bidrager til feltet ved at introducere et generisk digital twin framework, der muliggør en struktureret og systematisk tilgang til at designe og udvikle digital twins af industrielle produktionsprocesser til energieffektivitets- og fleksibilitetsvurderinger. Videnskabeligt giver det en ny metodologi, der synergerer økosystemmodellering, dataanalyse og multimetodesimulering. Denne tilgang giver en dybdegående forståelse af energieffektivitet og fleksibilitet i forskellige industrielle domæner, tilbyder indsigt på tværs af domæner og validerer frameworkets generiske karakter. Forskningen præsenterer muligheder for industrier til at optimere energiforbruget, reducere omkostningerne, mindske risici forbundet med implementeringer i den virkelige verden, fremme bæredygtighed og støtte informeret beslutningstagning relateret til energieffektivitet og fleksibilitet.