Obrovský potenciál digitálních dvojčat již úspěšně využívá průmysl, zejména pak automotive, který je doslova tahounem pokroku. Tato technologie ovšem nachází využití i v jiných sférách. A přesně na to se zaměřil tým výzkumníků z VŠCHT, který vytvořil tři projekty nasazení digitálních dvojčat ve vodohospodářství.
„Ve všech třech případech se jedná o využití této technologie přímo na reálné infrastruktuře při výrobě pitné či recyklované vody nebo při čištění odpadních vod,“ říká k možnostem využití digitálních dvojčat v oblasti vodohospodářství vedoucí týmu Petr Dolejš z Ústavu technologie vody a prostředí.
První projekt, na kterém pracujete, se týká úpravny pitné vody v Železné Rudě. O co v něm jde konkrétně?
V tomto případě jsme stávající technologii úpravny, tedy veškeré strojně-technologické vybavení jako čerpadla, filtry, trubní rozvody, včetně kabelů a rozvaděčů, překreslili do digitálního prostředí v objektové architektuře. Vytvořili jsme tedy objekty, které si s sebou nesou atributy — informace.
A na tyto jednotlivé objekty lze napojovat statická i dynamická data, což je stále v dnešní projekční praxi rarita, protože většina projektů se kreslí v CAD (computer aided design — počítačem podporované projektování) softwaru, který sám o sobě tyto možnosti nemá. My jsme tedy technologii převedli do projektové dokumentace, která má atributovou databázi. Dalo by se říci, že náš projekt v digitální struktuře je už jakýmsi předstupněm BIM (building information modelling, případně management — informační model/management budovy).
Digitální dvojče má ale i další část, která se věnuje procesu samotné úpravy vody. Tento proces má nějaké technologické stupně, které jsme schopni matematicky popsat a simulovat. Proto jsme v nástroji Matlab [interaktivní programové prostředí a skriptovací programovací jazyk vyvíjené společností MathWorks — pozn. red.], resp. Simulink [na Matlabu založené grafické programovací prostředí pro modelování, simulaci a analýzu multidoménových dynamických systémů — pozn. red.] vytvořili matematický model, pomocí něhož simulace provádíme. A součástí digitálního dvojčete je navíc také predikce různých vstupujících stavů za pomoci neuronových sítí.
Jaké jevy tedy v digitálním dvojčeti simulujete a proč vlastně?
Signály z jednotlivých čidel a sond, strojů a zařízení, kterými je úpravna osazena, přenášíme v reálném čase do infrastruktury digitálního projektu. V technologickém objektu, například ve filtru nebo čerpadle, tedy dokážeme v reálném čase snímat nejen simulované hodnoty o kvalitě vody, ale třeba i motohodiny či spotřeby energie.
Ty se nám propisují do projektu, prostřednictvím digitálního dvojčete se ukládají do databáze a správce majetku si pak může například prohlédnout aktuální stav projektové dokumentace. Nadstavba je v tom, že to ještě celé vizualizujeme ve zjednodušeném 3D modelu, v němž jsou nad technologickými celky zobrazovány piny s aktuálními hodnotami. Obsluha úpravny vody, resp. digitálního modelu — dvojčete, tedy vidí, jak kvalitní voda se vyrábí, kolik spotřebovává energie dané čerpadlo a podobně. Zároveň si může simulovat různé provozní stavy, v reálném čase, nicméně bez rizika. Dále lze například nastavit notifikace údržby, kdy digitální dvojče automaticky vygeneruje servisní ticket a poté správce ví, že buď má, či nemá zavolat údržbu například na dané čerpadlo.
Hovořil jste o tom, že součástí digitálního dvojčete jsou i neuronové sítě. Jaký je jejich účel?
Neuronové sítě se zpětnovazebním modelem používáme na predikci kvality vody ve zdroji povrchové vody (potok) na základě parametrů, jako je zákal a barva vody, srážkových dat z ČHMÚ či průtoku v potoce… Nyní budeme testovat i přidání vstupních dat o nasycenosti půdy vodou v lokalitě. Tato dopředná znalost (predikovaná data) pak vstupuje do matematického modelu, díky kterému dokážeme vypočítat, jaká bude kvalita vyrobené pitné vody, když predikujeme zhoršenou kvalitu na vstupu.
Funkce tedy dává čas technologům či obsluze lépe řídit proces úpravy. Vlastně jde o synergii dvou technologií v jednom zařízení.
V Matlabu si můžeme odsimulovat jev, ale bez neuronových sítí jde jen o simulaci se stávajícími hodnotami kvality vody, které přicházejí z čidel. Neuronová síť nám ale dává možnost predikce kvality vstupu na 2—5 hodin dopředu. Nutno ovšem říci, že zrovna Železná Ruda leží v horské lokalitě s velkými výkyvy kvality vody, a proto tam má smysl predikovat maximálně v horizontu 1—2 hodin, pak už jsou předpovědi velmi nepřesné.
(Celý článek naleznete v aktuálním vydání Technického týdeníku.)