Vivix baut mit Siemens, Snowflake und NVIDIA einen KI-gestützten digitalen Zwilling seines Glasofens

Ein Ofen, der sich kaum beobachten lässt

Vivix stellt Glas und Spiegel für den Bau- und den Möbelmarkt her. Bei der Floatglas-Produktion zählt der Ofen laut dem Beitrag zu den kritischsten Anlagen und gehört zugleich zu den am schwersten zu überwachenden. Bei Betriebstemperaturen von etwa 1.550 bis 1.600 °C haben die Teams nur begrenzte direkte Einblicke, wie Verbrennungsgase, Glasschmelze und feuerfeste Wände zusammenwirken.

Diese Bedingungen im laufenden Betrieb zu verstehen, ist entscheidend für Entscheidungen über Energieeinsatz, Lebensdauer der Anlage und Glasqualität. Der xDT kombiniert technische Simulationen, beobachtete Ofenbedingungen und KI-Modelle. So sollen Teams Zustände abschätzen können, die sich nicht direkt messen lassen, und mögliche Änderungen im Betrieb bewerten. Vivix konzentriert sich zunächst auf drei miteinander verbundene Bereiche: den Zustand der Feuerfestauskleidung, die Verbrennungseffizienz und die Qualität der Glasschmelze.

So funktioniert die Architektur

Der Beitrag beschreibt einen Zielkonflikt: Klassische physikalische Simulationen liefern sehr genaue Vorhersagen, sind aber rechenintensiv, während gängigen KI-Modellen oft das physikalische Verständnis fehlt. Der xDT will diesen Kompromiss vermeiden. Hochauflösende Multiphysik-Modelle von Siemens Simcenter werden per Simcenter Reduced Order Modeling in schlanke, portable Executables umgewandelt und nativ in Snowflakes AI Data Cloud bereitgestellt. Der Simcenter Executable Digital Twin Manager steuert den gesamten Lebenszyklus des xDT in einer einzigen Lösung.

Snowflake bringt die technischen Erkenntnisse mit den Betriebsdaten von Vivix zusammen. Vivix führt IT- und OT-Daten (Operational Technology), darunter Messwerte physischer Sensoren, in einem Unified Namespace in Snowflake zusammen. Die Teams erhalten eine gesteuerte Sicht auf die beobachteten Ofenbedingungen, die sie neben den Vorhersagen des Zwillings nutzen können, statt Simulationsergebnisse isoliert zu betrachten.

Mit NVIDIA PhysicsNeMo baut Vivix KI-Surrogatmodelle, die physikalisch begründete Kausalität mit Simulations- und Beobachtungsdaten für Echtzeitvorhersagen verbinden. Technologien auf Basis von NVIDIA-Omniverse-Bibliotheken ermöglichen es Engineering- und Betriebsteams, hochauflösende Ergebnisse gemeinsam zu begutachten. Die Lösung läuft auf Amazon Web Services (AWS).

Das Ergebnis funktioniert als kontinuierlicher „virtueller Sensor“. Er rekonstruiert innere Zustände, die sich nicht messen lassen, darunter die volumetrische Wärmeverteilung, Gasgeschwindigkeitsfelder und thermische Flüsse durch die feuerfesten Wände, und zwar ohne ständige Anbindung an aufwendige Simulationsumgebungen.

Drei Optimierungsfelder

• Schutz der Feuerfestauskleidung: Durch die Verknüpfung von Echtzeit-Thermoelementdaten mit thermischer Profilierung der Auskleidung berechnet der Zwilling lokale Verschleißraten und erkennt entstehende Hotspots Stunden im Voraus. Ziel ist es, die Ofenreise zu verlängern, bevor Kaltreparaturen nötig werden.
• Verbrennungs- und Energieeffizienz: Luftströmungs- und Wärmemodelle bewerten Brennerleistungen und Wärmeverteilungsmuster. Das unterstützt die Optimierung von Sollwerten, um die Verbrennung zu stabilisieren, den Erdgasverbrauch zu senken und Emissionen zu verringern.
• Glasschmelze und Qualität: Die Modellierung von Temperaturgradienten und Strömung im Glasbad gibt Einblick in die Verweilzeitverteilung und die Vollständigkeit des Schmelzens. Das soll die Homogenität des Glases verbessern und die Fehlerquote senken.

Auf Basis des Pilotprojekts erwartet Vivix, den Energieverbrauch des Ofens um 3 bis 5 % zu senken, die Lebensdauer des Ofens um ein Jahr zu verlängern und den Zyklus aus Datenerfassung und Analyse um 80 % zu verkürzen. Dabei handelt es sich um Erwartungen aus dem Beitrag, nicht um Ergebnisse aus dem vollen Produktionsbetrieb.

Zugang per natürlicher Sprache und was das bedeutet

Durch die Kombination der Physikmodelle von Siemens Simcenter mit Snowflake Cortex AI kann das Hybridmodell das Verhalten des Ofens unter neuen Bedingungen vorhersagen und virtuelle „Was-wäre-wenn“-Simulationen durchführen. Über eine KI-Multiagenten-Schnittstelle von Snowflake können Bediener in natürlicher Sprache mit dem Zwilling sprechen. Ingenieure können etwa nach optimalen Luftgeschwindigkeiten fragen, Szenarien testen und Ursachendiagnosen erhalten, ohne die physische Anlage zu gefährden.

Für Betreiber der Schwerindustrie zeigt der Fall einen Weg, Simulation, Sensordaten und KI in einer einzigen gesteuerten Umgebung zusammenzuführen. Vivix zufolge bietet das Testen von Änderungen am virtuellen Zwilling, statt physische Anlagen in unbekannte und womöglich unsichere Betriebszustände zu bringen, eine sicherere und vorausschauendere Grundlage. Die bisherigen Zahlen stammen aus einem Pilotprojekt und aus eigenen Prognosen des Unternehmens.