- AWS Blog
Sicher und effizient unterwegs
Wie digitale Zwillinge von MHP und AWS Elektrofahrzeuge optimieren und vernetzte Mobilität ermöglichen
Die Fahrzeuge von heute sind mehr als nur einfache Fortbewegungsmittel und entwickeln sich zunehmend zu vernetzten IoT-Geräten (Internet of Things).
In diesem Zusammenhang kann das Konzept des digitalen Zwillings genutzt werden, um komplexe Mobilitätsherausforderungen zu bewältigen.
MHP und AWS haben gemeinsam an der Entwicklung einer modularen, skalierbaren digitalen Zwillingslösung gearbeitet, um Elektrofahrzeuge - und insbesondere die Batterieleistung - zu verbessern.
Die Automobilindustrie erlebt gegenwärtig einen grundlegenden Wandel, bei welchem einfache Fortbewegungsmittel zu vernetzten IoT-Geräten werden. Hierdurch findet ein Umdenken in Bezug auf Fahrzeugbesitz und Fahrzeugnutzung statt. Dieses Umdenken lenkt die Branche in Richtung KI-basierter digitaler Zwillinge, um Herausforderungen wie intelligentes Laden, Batteriezustandsüberwachung, vorausschauende Wartung, Flottenmanagement und Kreislaufwirtschaft zu bewältigen.
Ein digitaler Zwilling ist eine virtuelle Darstellung eines physischen Systems, welchem dynamisch Daten zugeführt werden, um die Struktur, den Zustand und das Verhalten dessen nachzubilden. Die Anwendungsvielfalt von digitalen Zwillingen hat Amazon Web Services (AWS) dazu veranlasst, einen 4-stufigen Index anzubieten, um Kund:innen bei der Kategorisierung von Anwendungsfällen zu helfen und ihnen das Verständnis von Services, Technologien, Daten und Modellen zu geben. Dies ist wiederum für die Erstellung und Bereitstellung eines digitalen Zwillings erforderlich.
MHP, ein AWS Advanced Tier Services-Partner mit Kompetenzen in den Bereichen Mobilität und Fertigung, hat mit AWS zusammengearbeitet, um einen digitalen Zwilling der Stufe 4 für ein Elektrofahrzeug als Mittel zur Überwachung und Analyse von Batterien mithilfe der Nutzung von Live-Daten, Flottenwissen und KI zu entwickeln und bereitzustellen. Der Schwerpunkt dieses digitalen Zwillings liegt auf der Überwachung und Vorhersage des Batteriezustands und der Leistung, weswegen das Fahrverhalten und die Batterieeigenschaften aus der Flotte angelernt werden.
Lösen des EV-Batterieproblems
Das Lösen des EV-Batterieproblems ist für Batteriehersteller:innen, Erstausrüster:innen (Original Equipment Manufacturer; OEMs) und Benutzer:innen von zentraler Bedeutung. Jedes Elektrofahrzeug ist unterschiedlichen Umgebungsbedingungen und Nutzungsmustern ausgesetzt, wodurch jede Batteriesituation verschiedenartig ist und spezifische Berechnungen zur Leistung im Betrieb erforderlich sind. Durch die Überwachung und Vorhersage von Batterieeigenschaften wie Batteriezustand (State of Health; SoH) und Ladestatus (State of Charge; SoC) können bestimmte Thematiken wie Bedenken hinsichtlich der Reichweite, vorausschauende Wartung, Restwert und ein zweites Leben von Elektrofahrzeugen angegangen werden. Die heutigen physikgestützten Modelle, die für die Berechnung solcher Batterieparameter entwickelt wurden, haben jedoch zwei Hauptnachteile: niedrige Genauigkeit und hohe Berechnungskosten.
Die von MHP und AWS bereitgestellte Lösung basiert auf einem hybriden physik- und datengestützten Ansatz. Mit diesem können Unternehmen Betriebsmodelle erstellen, die nahezu in Echtzeit ausgeführt werden und die Auswirkungen von realistischen Faktoren durch Nutzung von Fahrzeugdaten im Betrieb berücksichtigen. Die Lösung muss für eine möglichst große Anzahl von Fahrzeugen skalierbar und modular sein, um sicherzustellen, dass weitere Elemente mit wachsender Komplexität des digitalen Zwillings hinzugefügt werden können. Darüber hinaus muss die Lösung einen skalierbaren Mechanismus bereitstellen können, um die Modelle einzelner Elektrofahrzeuge automatisch neu kalibrieren zu können, sodass weiterhin präzise Prognosen erstellt werden können.
Der Screenshot in Abbildung 1 unten zeigt die bereitgestellte Lösung für eine Flotte von vier Fahrzeugen. Hier finden Sie ein Erklärungsvideo.
Komplexe Architektur, einfache Lösung
Die Architektur der Lösung nutzt AWS IoT FleetWise, um simulierte Fahrzeugdaten in eine Amazon Timestream-Datenbank zu übertragen. Die Daten werden von dem maßgeschneiderten MHP-Service für digitale Zwillinge genutzt, welcher die Vorhersage-Metadaten in Amazon DynamoDB speichert und die Vorhersage-Ergebnisse wieder in Amazon Timestream weiterleitet. Vorhersage-Ergebnisse werden in AWS IoT TwinMaker übermittelt und in Amazon Managed Service für Grafana verwendet, um Flottenbetreiber:innen die Überwachung des Zustands und anderer fahrzeugbasierter Daten in einem nutzungsfreundlichen Dashboard zu ermöglichen. Dies ist in Abbildung 2 dargestellt.
Der MHP-Service für digitale Zwillinge ist der Schlüssel für die digitale Zwillingslösung der Stufe 4. Der MHP-Service umfasst die Weiterleitung von Betriebsdaten an das digitale Zwillingsmodell, die Ausführung des Modells, die Berechnung des Modellfehlers und die Neukalibrierung des digitalen Zwillingsmodells im Bedarfsfall. Darüber hinaus nutzt der Service Modellkalibrierungstechniken, die im Rahmen des aws-do-pm open-source framework entwickelt wurden.
Ferner verfügt der MHP-Service für digitale Zwillinge über zwei Hauptfunktionen für einen modularen digitalen Zwilling, der um neue Elemente erweitert werden kann. Zunächst wird der digitale Zwilling in Untermodule unterteilt, die jeweils durch ihren eigenen digitalen Zwilling dargestellt werden. Weiterhin ist jeder digitale Zwilling in drei Module (Abbildung 3) unterteilt: jeweils einen Service für Daten, Aktualisierungen und Vorhersagen. Dadurch entsteht ein lebensechter digitaler Zwilling der Stufe 4, welcher für Messungen zur Aktualisierung des Modells verwendet wird, um Prognosen bei neu verfügbaren Daten zu verbessern.
Zusammenfassung: MHP und AWS haben gemeinsam an der Entwicklung einer modularen, skalierbaren digitalen Zwillingslösung gearbeitet, um Elektrofahrzeuge - und insbesondere die Batterieleistung - zu verbessern. Die Lösung ist gemäß dem von AWS vorgeschlagenen 4-stufigen Index ein lebensechter digitaler Zwilling der Stufe 4. Anhand des Fahrverhaltens unter Verwendung eines digitalen Zwillings für den/die Fahrer:in und eines digitalen Zwillings für die Batterie wurde die Lösung zur Vorhersage des EV-Batteriezustands konzipiert.
Unbegrenzte Möglichkeiten durch KI
Digitale Zwillinge haben das Potenzial, die Automobilindustrie zu revolutionieren und bieten unbegrenzte Möglichkeiten für ein intelligentes Verkehrswesen. Mit KI-basierten digitalen Zwillingen kann die Branche komplexe Mobilitätsherausforderungen bewältigen, wie z. B. intelligentes Laden, Batteriezustandsüberwachung, vorausschauende Wartung, Flottenmanagement und Kreislaufwirtschaft.
Weitere Informationen finden Sie im Whitepaper von MHP. Lesen Sie unseren detaillierten APN-Blogbeitrag, und sehen Sie sich unser Webinar an
