Digitaler Zwilling für thermohydraulische Prozesse: Echtzeit‑Fehlererkennung

Die Echtzeitüberwachung von Produktionsprozessen ist in vielen Industrien ein zentrales Anliegen, um Sicherheit, kontinuierliche Produktion und hohe Effizienz zu gewährleisten. Durch die Kombination fortschrittlicher Simulationswerkzeuge für physikalische Systeme mit datengetriebenen Machine‑Learning‑Modellen eröffnen sich neue Möglichkeiten, numerische Instrumente für eine effiziente Systemüberwachung zu entwickeln.

Der digitale Zwilling stellt dabei ein geeignetes Rahmenwerk dar, das diese Herausforderungen adressiert. In dem vorliegenden Beitrag wird ein solcher Zwilling speziell für die Fehlererkennung und -diagnose in thermohydraulischen Prozessen konzipiert.

Auf Basis einer numerischen Simulation des Systems werden zusammen mit Machine‑Learning‑Methoden verschiedene Module entwickelt, die Änderungen der Prozessparameter erkennen und online schätzen können. Diese Module bilden die Grundlage für einen robusten Fehler‑Detection‑Algorithmus.

Die Validierung des Ansatzes erfolgt anhand eines definierten Testszenarios, in dem einzelne, einmalige Parameteränderungen im System auftreten. Die numerischen Ergebnisse zeigen eine hohe Genauigkeit bei der Lokalisierung der Parameteränderungen sowie bei der Aktualisierung ihrer Werte.

Die Arbeit demonstriert damit, dass ein digitaler Zwilling, der physikalische Simulationen mit datenbasierten Lernalgorithmen kombiniert, zuverlässig Fehler in thermohydraulischen Prozessen erkennen und diagnostizieren kann. Dies trägt wesentlich zur sicheren und effizienten Produktion bei und eröffnet neue Perspektiven für die industrielle Prozessüberwachung.