Dataplatforme og digitale tvillinger
Senest opdateret 27.06.2024

Dataplatforme og digitale tvillinger

Aktivitetsplanen har fokus på brug og udvikling af dataplatforme og datamodellering til digitalt-fysiske systemer og domænespecifikke digitale tvillinger.

Opsummering

Aktiviteten vil fortsætte arbejdet med at identificere, udvikle og afprøve en række ready-to-use platforme, softwarekomponenter og værktøjer, der gør det nemt for virksomheder at afprøve nye idéer og udvikle nye datadrevne produkter og services igennem aktivitetsområdets TDU (Test-, Demonstrations-, og Udviklingsfacilitet).Målsætning med aktiviteten er at gøre det nemt for virksomheder at få valideret ideer til datadrevet optimering og forretningsudvikling. Fx spørgsmål som “hvordan kan data hjælpe mig til optimering af arbejdsgange og bæredygtighed i min produktion” eller ”hvordan kan simulerede energidata hjælpe til at vurdere et fremtidig energi-mix”. For at opnå dette anvendes og udbygges en fælles værktøjskasse, der understøtter rapid prototyping i TDU’en. Værktøjskassen gør det muligt at bygge prototyper og PoC, der kan kvalificere teknologiens potentiale for at skabe konkret indsigt, værdi og vækst og øget bæredygtighed hos virksomhederne.
Den fælles værktøjskasse består af eksisterende værktøjer og basisteknologier, som suppleres med state-of-the-art softwarekomponenter for domænespecifikke digitale tvillinger. Aktiviteten sigter ikke på at erstatte eksisterende avancerede modellerings- og simulerings-værktøjer, fx fysisk simulering af et produktionsanlæg eller modeller af energisystemer. Ambitionen er til gengæld at tilbyde en letvægtsmodel / et standardiseret lag i den digitale tvilling, hvorigennem data udstilles i lettilgængeligt og fleksibelt format. Letvægtsmodellen kan både udstille data fra en eksisterende avanceret simulering, eksisterende målepunker eller nyetablerede sensorer. Modellerne kan anvendes på tværs af cases og standardisere formidling med Extended Reality (AR, MR, VR) og dataanalyser baseret på kunstig intelligens og machine learning. Herved understøttes målet om rapid prototyping, og kobling til de øvrige aktivitetsplanerne.
Aktiviteten vil igennem konkrete problemstillinger hos case-virksomheder undersøge domænespecifikke behov, metoder og teknikker (fx inden for industri, logistik, energi). Cases sikrer at udvikling af state-of-the-art softwarekomponenter samt teknologiske ydelser og services, er afprøvet og pilot-testet med målgruppevirksomheder i de relevante domæner, og dermed understøtter et konkret og reelt behov i markedet.

Læs mere

Opsummering

Aktiviteten vil fortsætte arbejdet med at identificere, udvikle og afprøve en række ready-to-use platforme, softwarekomponenter og værktøjer, der gør det nemt for virksomheder at afprøve nye idéer og udvikle nye datadrevne produkter og services igennem aktivitetsområdets TDU (Test-, Demonstrations-, og Udviklingsfacilitet).Målsætning med aktiviteten er at gøre det nemt for virksomheder at få valideret ideer til datadrevet optimering og forretningsudvikling. Fx spørgsmål som “hvordan kan data hjælpe mig til optimering af arbejdsgange og bæredygtighed i min produktion” eller ”hvordan kan simulerede energidata hjælpe til at vurdere et fremtidig energi-mix”. For at opnå dette anvendes og udbygges en fælles værktøjskasse, der understøtter rapid prototyping i TDU’en. Værktøjskassen gør det muligt at bygge prototyper og PoC, der kan kvalificere teknologiens potentiale for at skabe konkret indsigt, værdi og vækst og øget bæredygtighed hos virksomhederne.
Den fælles værktøjskasse består af eksisterende værktøjer og basisteknologier, som suppleres med state-of-the-art softwarekomponenter for domænespecifikke digitale tvillinger. Aktiviteten sigter ikke på at erstatte eksisterende avancerede modellerings- og simulerings-værktøjer, fx fysisk simulering af et produktionsanlæg eller modeller af energisystemer. Ambitionen er til gengæld at tilbyde en letvægtsmodel / et standardiseret lag i den digitale tvilling, hvorigennem data udstilles i lettilgængeligt og fleksibelt format. Letvægtsmodellen kan både udstille data fra en eksisterende avanceret simulering, eksisterende målepunker eller nyetablerede sensorer. Modellerne kan anvendes på tværs af cases og standardisere formidling med Extended Reality (AR, MR, VR) og dataanalyser baseret på kunstig intelligens og machine learning. Herved understøttes målet om rapid prototyping, og kobling til de øvrige aktivitetsplanerne.
Aktiviteten vil igennem konkrete problemstillinger hos case-virksomheder undersøge domænespecifikke behov, metoder og teknikker (fx inden for industri, logistik, energi). Cases sikrer at udvikling af state-of-the-art softwarekomponenter samt teknologiske ydelser og services, er afprøvet og pilot-testet med målgruppevirksomheder i de relevante domæner, og dermed understøtter et konkret og reelt behov i markedet.

Læs mere
Kontaktpersoner
sebastian-christophersen
Sebastian Holmgaard Christophersen
Strategic Program Manager

GTS Login

Log ind som GTS bruger for at administrere dine indsatsområder og aktiviteter.

E-mail *
Password *