Cyfrowy bliźniak otwiera nowe możliwości

Jakie wiążemy nadzieje i perspektywy z technologią Digital Twin i podobnymi technologiami Przemysłu 4.0 w kontekście RBI (Risk Based Inspection) – planowanie Inspekcji na podstawie Analiz Ryzyka?

„Cyfrowe bliźniaki stają się imperatywem biznesowym, obejmującym cały cykl życia zasobu lub procesu i tworzącym podstawę dla powiązanych produktów i usług. Firmy, które nie zareagują, zostaną w tyle.”[1]

Autorzy “Enabling technologies and tools for digital twin” [2] przytaczają wyjaśnienie istoty technologii Digital Twin jako „organicznej całości złożonej z fizycznego zasobu oraz jego cyfrowej reprezentacji, które wzajemnie się komunikują, wspierają i współewoluują ze sobą poprzez dwukierunkowe interakcje.”

W tym artykule chciałbym przybliżyć Państwu:

a) praktyczną kategoryzację dojrzałości Digital Twin,

b) przewidywany przez nas związek technologii Digital Twin z bezpieczeństwem procesowym,

c) zasady planowania inspekcji z wykorzystaniem RBI (Risk Based Inspections) oraz wskazać miejsca styku tej metodologii z technologią Digital Twin i podobnymi technologiami Przemysłu 4.0.

Aby umożliwić szybki rozwój technologii typu Digital Twin rozpoczęto prace zmierzające do standaryzacji rozwiązań i technologii w tej dziedzinie. JTC 1 to platforma współpracy w IEC (International Electrotechnical Commision) zajmująca się standaryzacją w dziedzinie technologii informacyjnych, w ramach której opracowywane są normy dla technologii informacyjnych. Jedna z grup roboczych – ISO/IEC JTC 1/SC 41 “Internet of Things and Digital Twin” otrzymała zadanie aby służyć jako główny podmiot i orędownik programu normalizacji JTC 1 w zakresie Internetu rzeczy i Digital Twin i powiązanych technologii oraz udzielania wskazówek JTC 1, IEC, ISO i innym podmiotom opracowującym aplikacje związane z Internetem rzeczy i Digital Twin [3].

Dość obszerna literatura na temat Digital Twin wskazuje, że technologia ta umożliwia:

a) tworzenie cyfrowych, samoadaptujących się modeli obiektów rzeczywistych umożliwiając zrozumienie, eksperymentowanie, testowanie nowych rozwiązań czy wariantów procesu lub optymalizację istniejących, niemal równie skuteczne jak w przypadku testowania obiektów rzeczywistych a o wiele bezpieczniejsze bo bez rzeczywistych konsekwencji, tańsze i obarczone mniejszym ryzykiem biznesowym utraty produktu czy jego jakości

b) analizowanie relacji i wykrywanie nieprawidłowości ale też nowych, szerszych możliwości w procesach produkcyjnych a następnie doskonalenie efektywności i wydajności tych procesów, co z pewnością jest pierwszym celem i przewidywanym źródłem korzyści z wdrożenia Digital Twins

c) przewidywanie problemów/zakłóceń procesowych, przestojów itp.

d) testowanie scenariuszy zakłóceń procesowych poprzez wirtualne wytrącanie modelu procesu ze stanu równowagi co stanowi istotny potencjał dla analiz zagrożeń i ocen ryzyka,

e) potencjał szkoleniowy dla kadry oraz lepsze zaplanowanie zużycia eksploatacyjnego i serwisu aparatów, rurociągów, pomp, kompresorów i innego kluczowego wyposażenia.

W ramach ustawowej działalności UDT wynikającej m.in. z Art.37 ustawy o dozorze technicznym dostrzegliśmy w technologii Digital Twin kolejne, szerokie możliwości wsparcia przedsiębiorstw eksploatujących urządzenia techniczne objęte dozorem technicznym.

Możliwości stwarzane przez nowoczesne technologie uwalniają szereg rozwiązań, w szczególności w odniesieniu do tych urządzeń, które nie są łatwo dostępne do badań technicznych, gdyż np. wymaga to kosztownych wyłączeń z eksploatacji lub, z uwagi na występujące w nich mechanizmy degradacji eksploatacyjnej, samo badanie wymaga znaczących nakładów lub ingerencji w konstrukcję urządzenia np. pobrania próbek z materiału konstrukcyjnego celem ich laboratoryjnego zbadania lub może stać się przyczyną uszkodzeń wskutek wprowadzenia powietrza lub wilgoci do wnętrza urządzenia.

Modelowanie przy pomocy Digital Twin, przy odpowiednio wiarygodnej i nadzorowanej jakości zastosowanych modeli, może pozwolić na dobór terminów wykonania badań czy terminów pobierania próbek jak najmniej kolidujących z planami produkcyjnymi przedsiębiorstwa i zapewniających utrzymanie bezpieczeństwa.

Dojrzałość Digital Twin. Czy mamy już Digital Twin czy jeszcze nie?

Mówiąc o dojrzałości zastosowanej technologii DT autorzy „Digital Twin in manufacturing: a categorical literature review and classification” [4] wyróżniają niżej wymienione fazy rozwoju.
1. Digital Model – to cyfrowa reprezentacja istniejącego lub planowanego obiektu fizycznego, która nie wykorzystuje żadnej formy automatycznej wymiany danych między obiektem fizycznym a obiektem cyfrowym.
2. Digital Shadow – istnieje zautomatyzowany jednokierunkowy przepływ danych między stanem istniejącego obiektu fizycznego a obiektem cyfrowym.
3. Digital Twin – dane przepływające między istniejącym obiektem fizycznym a obiektem cyfrowym są w pełni zintegrowane w obu kierunkach.

Rysunek 1. Digital Model, Digital Shadow oraz Digital Twin na podstawie „Digital Twin in manufacturing: a categorical literature review and classification” [4]

Po uzyskaniu przepływu danych z obiektu do modelu i zdolności adaptacji modelu do aktualnych parametrów stanu rzeczywistego uzyskana zostanie dojrzałość na poziomie Digital Shadow. 

To bardzo ważny etap, który pozwoli ograniczyć ilość nakładów pracy ponoszonych na weryfikację ryzyka związanego z eksploatacją już zamodelowanych obiektów i przesunąć znaczącą ilość zasobów na modelowanie kolejnych obszarów lub doskonalenie modeli tam gdzie daje to dalsze korzyści. Digital Shadow pozwolą inżynierom procesowym na szybsze korygowanie pracy modelowanych urządzeń i instalacji w celu ograniczenia ryzyka eksploatacji, zwiększenia jakości i wydajności pracy itp..

 Poziom dojrzałości systemów określany jako Digital Twin umożliwiłby dalsze odciążanie człowieka i powierzenie prowadzenia procesów produkcyjnych w sposób bardzo efektywny i z optymalnym marginesem bezpieczeństwa oraz prawdopodobieństwa utrzymania ciągłości produkcji. Zakłada się, że systemy Digital Twin będą proponowały rozwiązania lub wręcz miały dostęp do modyfikacji parametrów procesowych w celu ich optymalizacji. Przewiduje się, że modele będą się dobrze sprawdzać w przede wszystkim w typowych sytuacjach a w nietypowych będą zawiadamiały nadzorujących je ludzi. Aktualnie taka sytuacja ma miejsce w rozwoju pojazdów autonomicznych – nadal jest wymagany kierowca mogący przejąć kontrolę, gdyby systemy pojazdu miały kłopoty ze zinterpretowaniem sytuacji.

Czy technologie typu Digital Twin są bezpieczne? Czy oddawanie algorytmom częściowej kontroli nad procesem technologicznym jest akceptowalne?

Myśląc o bezpieczeństwie procesowym mając w perspektywie rozwój technologii typu Digital Twin należy pamiętać, że nad bezpieczeństwem procesów przemysłowych czuwają ludzie oraz niezależne systemy automatyki zabezpieczającej tj. ESD, BMS, CSPRS, SRMCR itp. nadrzędne nad wszelkimi technologiami regulacyjnymi. Tutaj UDT także pełni swą rolę inspekcyjną, gdyż automatyka zabezpieczająca realizująca funkcje bezpieczeństwa kluczowe dla integralności mechanicznej urządzeń podlegających dozorowi technicznemu jest zaliczana do osprzętu zabezpieczającego i podlega inspekcji oraz uzgodnieniom i badaniom przy modernizacji. Stoimy na stanowisku, że skuteczność, nadrzędność i odpowiednia niezależność systemów automatyki zabezpieczającej nie może być zagrożona nawet przy najambitniejszych projektach innowacyjnych.

Oczywiście nawet w systemach automatyki zabezpieczającej dopuszczalna jest elastyczność o udokumentowanym marginesie bezpieczeństwa. UDT od lat uzgadnia rozwiązania typu blokady dynamiczne o wartościach nastawy uzależnionych od trybu pracy instalacji lub nastaw w postaci zależności ograniczających pole pracy danego procesu.

Intencją prowadzącego procesy przemysłowe jest taka eksploatacja instalacji, aby nie zbliżać się do warunków powodujących przywołanie funkcji bezpieczeństwa ponieważ spowoduje to sprowadzenie procesu do stanu bezpiecznego – a zwykle oznacza to jego zatrzymanie lub znaczące spowolnienie i w efekcie straty finansowe.

Tak więc dopracowanie omawianych narzędzi i ich zintegrowanie z systemami produkcyjnymi wymaga wiele uwagi i pracy, wymaga skrupulatnych analiz bezpieczeństwa eksploatacji ale niesie ze sobą ogromne potencjalne korzyści. Wiadomo już, że jest to dzisiaj jeden z głównych kierunków budowania przewagi konkurencyjnej.

RBI vs. Digital Twin?

Badając możliwości zastosowania Digital Twin liczymy na to, że uzyskamy kolejne, jeszcze doskonalsze narzędzie planowania inspekcji – rozwinięcie metodologii RBI, stosowanej przy udziale UDT od 2011 roku.

Analizy RBI bazują na standardach technicznych API 580 oraz API 581 opracowanych przez American Petroleum Institute na podstawie wieloletnich doświadczeń, opisów i danych z degradacji eksploatacyjnej rzeczywistych obiektów rafineryjnych i petrochemicznych. API 581 zawiera wzory algebraiczne oraz współczynniki i parametry do opisu prawdopodobieństwa oraz konsekwencji uszkodzenia poszczególnych typów urządzeń rafineryjnych i petrochemicznych. Część z tych współczynników i parametrów jest podana w formie tablicowej a część wymaga obliczenia na podstawie rzeczywistych parametrów konstrukcyjnych, technologicznych oraz danych chemicznych o czynnikach roboczych występujących w konkretnych miejscach realizowanego procesu. Zastosowanie tych standardów wymaga wielodyscyplinarnego zespołu analitycznego i stałego dostępu do danych procesowych.

Analiza RBI jest analizą predykcyjną, tzn. na podstawie znajomości danych aktualnych i historycznych, znając założenia do przyszłego sposobu eksploatacji urządzenia modelowane są przewidywane prawdopodobieństwo i konsekwencje uszkodzenia poszczególnych urządzeń.
W wyniku analiz RBI otrzymujemy terminy i zakresy czynności niezbędnych do weryfikacji stanu technicznego i potwierdzenia lub korekty założeń modeli RBI urządzeń.

Rysunek 2 Modelowanie wzrostu ryzyka eksploatacji urządzeń wg metodologii RBI oraz Digital Twin (opr. UDT)

Przecięcie krzywej ryzyka modelu RBI z wartością Risk Limit określa maksymalny termin kolejnych inspekcji mających na celu ustalenie stanu technicznego czyli ograniczenie ryzyka. Przewidywane mechanizmy degradacji oraz miejsca ich aktywności pozwalają na dobór metod inspekcji oraz ich zakresu i efektywności czy prawdopodobieństwa detekcji uszkodzeń o określonej morfologii i wymiarach.

Model RBI urządzenia technicznego jest zbiorem składowych modeli RBI tworzonych dla każdego, istotnego z uwagi na bezpieczeństwo, komponentu urządzenia technicznego. Zwykle modeluje się komponenty, których uszkodzenie jest najbardziej prawdopodobne lub takie których uszkodzenie spowoduje najwyższe konsekwencje. W wyniku analiz RBI pojedyncze urządzenie ciśnieniowe jak zbiornik technologiczny, reaktor, wymiennik ciepła czy rurociąg, może mieć od jednego do kilkunastu lub więcej modelowanych komponentów.

Model każdego komponentu składa się z modeli degradacji eksploatacyjnej każdego z przewidywanych mechanizmów degradacji oraz z modelu konsekwencji wycieku czynnika roboczego.
Model RBI przyjęty dla danego komponentu urządzenia jest aktualny wtedy i tylko wtedy, gdy istnieje stałe potwierdzenie, że nie zostały przekroczone założenia tego modelu, np. nie przekroczono zakresów temperatur pracy, ciśnień, przepływów oraz poziomów zawartości składników korozyjnych w medium roboczym, ich stanów skupienia itd. To stałe potwierdzenie aktualności modelu jest uzyskiwane poprzez bieżącą kontrolę określonych w analizie tzw. parametrów znaczących.
Stwierdzenie przekroczenia założeń modelu wymusza konieczność walidacji analizy RBI pojedynczego lub wielu komponentów i może spowodować konieczność zmiany terminów i zakresów inspekcji lub podjęcia innych działań redukujących ryzyko.
Wdrożenie i realizacja analiz RBI wymaga wdrożenia zaawansowanych narzędzi obliczeniowych i przetwarzania znacznej ilości danych. W wielu przypadkach może wymagać użycia dodatkowych analiz typu Fitness for Service w formie algebraicznej lub numerycznej, np. z użyciem MES. Generuje także dużo pracy nad nadzorowaniem ważności modeli RBI.

Analizy RBI obejmują więc tworzenie oraz okresową i doraźną walidację cyfrowych modeli urządzeń w aspekcie ich degradacji eksploatacyjnej na podstawie informacji i danych z obiektu rzeczywistego.

W większości przypadków dane do analiz RBI są dostarczane jako „manual data flow”. Wyniki analiz RBI prowadzą do celowanego doboru metod badawczych lub innych działań ograniczających ryzyko eksploatacji do przewidywanych w urządzeniu lub procesie technologicznym mechanizmów degradacji – także w formie „manual data flow”. Zatem aktualnie prowadzone analizy RBI należy sklasyfikować do poziomu Digital Model.

Wdrożenie analiz RBI już zoptymalizowało inspekcję i eksploatację urządzeń i umożliwia zarządzenie zużyciem eksploatacyjnym, co jest znaczącym postępem w dziedzinie inspekcji. Przy podniesieniu zaawansowania analiz do poziomu Digital Shadow lub Digital Twin mogą powstać metody i narzędzia pozwalające z wysoką wiarygodnością zredukować niepewność co do znajomości stanu technicznego przy jednoczesnym obniżeniu częstości i zakresu inwazyjnych badań technicznych koniecznych do ustalenia aktualnego poziomu bezpieczeństwa eksploatacji urządzeń technicznych oraz zmniejszeniu nakładów pracy przy nadzorowaniu ważności modeli RBI. Na drodze do stworzenia Digital Twin powstanie wiele korzystnych procesów i rozwiązań, np. algorytmizacja obróbki danych, lepsze zrozumienie danych a po wdrożeniu także oszczędności czasu podczas walidacji analiz RBI.

Poddajemy ocenie możliwość wykorzystania potencjału technologii Digital Twin w zastosowaniu do analiz RBI. Wiarygodność i audytowalność tych narzędzi czy systemów analitycznych będzie kluczowym aspektem decydującym o ich przydatności.

Wspieramy rozwój, dbamy o bezpieczeństwo.

Literatura:
[1] Bernard Marr “What Is Digital Twin Technology – And Why Is It So Important?”. Enterprise Tech; Forbes; dostęp 09.02.2021
[2] Qinglin Qi, et al. “Enabling technologies and tools for Digital Twin”; Journal of Manufacturing Systems; dostęp 29.10.2020
[3] ISO/IEC STRATEGIC BUSINESS PLAN, NOVEMBER 2020; dostęp 25.05.2021
[4] W. Kritzinger, M. Karner, G. Traar, J. Henjes, W. Sihn „Digital Twin in manufacturing: a categorical literature review and classification”, Science Direct, IFAC PapersOnLine 51-11 (2018) 1016–1022; dostęp 25.05.2021