Digital Twin & DB IoT Cloud

Deutsche Bahn - grenzenlos vernetzt:
Digitale Twins & IoT Cloud für die Digitalisierung des Bahnbetriebes
DB Systel
Digital Bewegen. Gemeinsam.

Digitale Twins sind virtuelle Abbilder von physischen Objekten oder Prozessen. Das Internet der Dinge (IoT) ist dabei die notwendige Vorstufe. Digital Twins liefern nicht nur Daten über den aktuellen Betriebszustand eines physischen Objektes, sondern sind auch Enabler für Analytics-Lösungen und ermöglichen die Generierung eines inkrementellen Produktnutzens.

Kernaussagen

01

Kernaussage 01:

Jedes Asset braucht einen digitalen Twin

02

Kernaussage 02:

Jeder Twin braucht eine IoT Cloud

Deutsche Bahn
IoT Einsatzgebiete

Vom physischen Asset zum
Digitalen Twin

DB IoT Cloud

Die DB IoT Cloud, als zentrale IoT Plattform der Deutschen Bahn, verfolgt das Ziel, die Geschäftsfelder im Konzern zu befähigen, ihre Digitalisierungsvorhaben vom Asset bis in die Applikations- und Prozesswelt (Ende-zu-Ende) umzusetzen. Hierzu werden marktführende Technologien in Form von Produkten kombinierbar für die Umsetzung von unterschiedlichen Anwendungsfällen zur Verfügung gestellt. Die Erstellung eines Digital Twin in der DB IoT Cloud soll auf Basis der nachfolgenden 12 Schritte am Beispiel zur Vernetzung von Güterwagen näher erläutert werden.

Physische Welt

01

Analoges Asset

Der Produktnutzen eines analogen Güterwagens ist auf seine physikalische Eigenschaft Transport von A nach B beschränkt. Informationen über seinen Ist-Zustand wie z.B. Standort oder Laufleistung sind nicht bekannt. Soll-Zustände liegen in verschiedenen IT-Systemen oder sogar auf Papier vor. Nicht immer sind diese Daten und Informationen übereinstimmend oder die Datenqualität ist unzureichend.

Transport
von A nach B

02

Digitalisierung des Assets

Sensoren werden verbaut und ermöglichen dem Digital Twin zwei Arten von Messungen. (1) Betriebsmessungen, die die physikalischen Leistungskriterien des Assets wie z.B. Laufleistung erfassen und (2) Umweltmessungen, die umweltrelevante oder externe Daten erfassen, die den Betrieb des physischen Assets beeinflussen wie z.B. Umgebungstemperatur, Luftfeuchtigkeit oder Stöße.

Sensoreigenschaften Bsp.:

  • Position
  • Temperatur
  • Beladezustand
  • Luftfeuchtigkeit
  • Laufleistung

03

Übertragung der Daten

Eine nahtlose und bidirektionale Integration und Konnektivität zwischen dem Asset bzw. den Sensoren oder auch Aktoren wird mit der DB IoT Cloud hergestellt. Ebenso spielt in diesem Schritt das Edge-Processing eine wichtige Rolle, z.B. für die Datenaggregation und Manipulation und der Reduzierung der Datenmenge durch Umwandlung proprietärer Protokolle in leichter verständliche Datenformate.

04

Speicherung der Daten
zur Digital Twin Identität

Die Daten werden aggregiert und verarbeitet und zu einer festen Digital Twin Identität gespeichert. Die DB IoT Cloud unterstützt eine durchgängige Datenstrategie sowie die flexible und kosteneffiziente Bereitstellung IoT- Anwendungsfall spezifischer Speichertechnologien.

Daten zur
Luftfeuchtigkeit
im Frachtraum
Daten zum
Beladezustand
Daten zu Längen-
und Breitengrad
Big Data reicht nicht aus,
um am Ende Mehrwerte zu erzielen

05

Analyse der Daten

Die gesammelten Daten werden Data Engineers und Data Analysts zur Verfügung gestellt. Durch Analyse entstehen aus Daten verwertbare Informationen (ganz einfaches Beispiel: Aus den Daten Längen- und Breitengrad entsteht die Information Standort). Die DB IoT Cloud stellt hierzu moderne Analyse-Technologien bereit.

Dienste:

  • AWS EMR
  • Spark
  • Tableau
  • R Project
  • Hadoop
  • Splunk
Sensordaten
zur Geoposition
Informationen
zum Standort

06

Künstliche Intelligenz

Mit Hilfe von Künstlicher Intelligenz und Maschinellen Lernen können iterative Modelle in der DB IoT Cloud entwickelt und die Erkenntnisse und Empfehlungen in die Entscheidungs- und Lösungsfindung einfließen.

Dienste:

  • IBM Watson
  • Microsoft
  • Amazon AWS

07

Aufbau des Digital Twins

Erkenntnisse aus den Analysen werden im Modell des Digital Twin abgelegt, um nicht zu akzeptierende Unterschiede in der Leistung des Digital Twin und der physischen Welt in einen oder auch mehreren Dimensionen aufzuzeigen, so dass ggf. weitere Untersuchungen oder sogar Änderungen (digital oder physisch) erforderlich sind.

Informationen
zur Luftfeuchtigkeit
im Frachtraum
Informationen
zum Beladezustand
Informationen
zu Stößen
Informationen
zur Laufleistung
Informationen
zum Standort

08

Produktnutzen
inkrementell erweitern

Zusätzlich können zu den Informationen auf Basis der Sensoren weitere, prozessbasierte Daten z.B. aus Warenwirtschafts- oder Supply-Chain-Managementsystemen ständig aktualisiert hinzugefügt werden, die dann als weiterer Dateninput in die Analyse und im Ergebnis in das Modell des Digital Twin fließen und somit einen zusätzlichen, digitalen Produktnutzen im Vergleich zum physischen Zwilling ermöglichen, indem auch weitere Informationen zum Güterwagen wie z.B. die prognostizierte Ankunftszeit (ETA) zur Verfügung gestellt werden.

Prognose
zur Ankunftszeit (ETA)

09

Interaktion mit dem
Digital Twin durch IoT Apps

Unterschiedliche Personas, also eine Gruppe von Nutzern mit konkret ausgeprägten Eigenschaften und einem konkreten Nutzungsverhalten (z.B. Wissensarbeiter, Fahrendes Personal, Kundenservice, Betriebssteuerung oder Produktionsarbeiter) können auf Basis der IoT Apps in Interaktion mit dem Digital Twin treten. Beispiel: Die Betriebssteuerung interessiert der Zustand des Güterwagens, um diesen manuell oder auf Basis von Regeln automatisch in die Instandhaltung zuzuführen, während der Kundenservice an der prognostizierten Ankunftszeit des Güterwagens beim Kunden interessiert ist.

10

Neue Erkenntnisse gewinnen

Durch Interaktion mit dem Digital Twin entsteht neues Wissen.

Physische Welt

11

Rückfluss der Erkenntnisse

Erkenntnisse aus den vorherigen Schritten werden in den physischen Asset- und digitalen Prozess zurückgeführt. So werden Erkenntnisse an Aktoren gegeben, die z.B. für Bewegungs- und Steuerungsmechanismen verantwortlich sind und/oder es fließen Erkenntnisse in die Prozesswelt, zum Beispiel zur automatisierten Auslösung eines Instandhaltungsauftrages in SAP, zurück.

12

Erschließung von Mehrwerten

Digital Twins schaffen Mehrwerte über die reine Vernetzung hinaus und ermöglichen die Generierung eines inkrementellen Produktnutzen über den gesamten Produktlebenszyklus hinweg. Mehrwerte ergeben sich zum Beispiel in der Bereichen:

Mehrwert 01
Höhere Effizienz
Mehrwert 02
Höhere Qualität
Mehrwert 03
Reduzierte Risiken
Mehrwert 04
Stärkeres Wachstum
Mehrwert 05
Mehr Flexibilität
Mehrwert 06
Größere Transparenz

Das Digital Twin Ecosystem als Basis der intelligenten Digitalisierung

Frau Prof. Dr. Jeschke, Handelsblatt 29.07.18

“In Zukunft sprechen Züge digital mit den Stellwerken und Weichen. Sensoren melden frühzeitig, dass ein Baum die Strecke blockiert – und die KI dahinter fordert auch gleich den „Kettensäge schwingenden Mitarbeiter“ an. Die Instandhaltung erfolgt nicht mehr nach Plan, sondern nach Bedarf. Potenzielle Defekte werden so frühzeitig erkannt und Reparaturzeiten kurz gehalten.”

Physische Welt
Güterwagon
Schiene
Werkstatt
Digital Twin Ecosystem

Mit der DB IoT Cloud schaffen wir Interoperabilität zwischen unterschiedlichen Plattformen und Technologien im DB-Ökosystem, um Datenschätze für Digital Twins übergreifend nutzbar zu machen und eine umfassende Interoperabilität von zum Beispiel Loks, Netz-Infrastruktur, Bahnhöfen und Werkstätten in Verbindung mit den individuellen Daten unterschiedlicher Personas möglich zu machen.

Mehrwert 01
Höhere Zuverlässigkeit
Mehrwert 02
Höhere Effizienz

Erweitern sie den Nutzen Ihrer
Assets durch Digitale Twins

JETZT STARTEN

Durch eine intelligente Digitalisierung mit Digital Twins lassen sich eine Vielzahl von Mehrwerten wie höhere Effizienz, Qualität, stärkeres Wachstum und größere Transparenz im gesamten Bahnkonzern erzielen. Erweitern auch sie innerhalb ihres DB Geschäftsbereichs den Produktnutzen ihrer Assets und schaffen relevante Mehrwerte durch den Einsatz von Digitalen Twins.