Handbuch zum Aufbau einer Digital-Twin-Plattform für Krananlagen – Vollständige technische Umsetzung von der 3D-Modellierung bis zur physikalischen Simulation
📌 Die digitale Zwillingsplattform für Laufkräne synchronisiert die Betriebsdaten (Position/Last/Vibration/Temperatur) des physischen Laufkrans in Echtzeit über MQTT/OPC UA, steuert die synchronen Bewegungen des 3D-Modells und ermöglicht so Fernüberwachung, Unterstützung bei der Fehlerdiagnose, vorausschauende Wartung und Bedienerschulungen. Technologie-Stack: 3D-Modellierung mit Blender → Echtzeit-Rendering mit Unity → Zeitreihendatenbank InfluxDB. Die End-to-End-Latenz beträgt <500 ms; der Zugriff ist über PC, Tablet und VR möglich. Krued Heavy Industry bietet eine Komplettlösung vom Einsatz der Sensoren bis zum Aufbau der Digital-Twin-Plattform.
Die Digital-Twin-Plattform für Laufkräne erstellt mithilfe von Datenerfassung und 3D-Modellierungstechnologien im virtuellen Raum eine digitale Kopie, die in Echtzeit mit dem physischen Laufkran synchronisiert ist. Das Bedienpersonal kann im Fernsteuerungsraum den Echtzeit-3D-Status des Laufkrans, die Betriebsparameter der einzelnen Antriebe sowie Spannungsverteilungsdiagramme einsehen; Wartungsingenieure können historische Betriebsdaten wiedergeben, um Fehler zu lokalisieren; Verantwortliche können umfassende Betriebsberichte für mehrere Krananlagen einsehen. Dieser Artikel bietet eine vollständige Analyse der technischen Umsetzungslösung der Digital-Twin-Plattform für Krananlagen, von der Systemarchitektur über die 3D-Modellierung, Datenabbildung und Simulations-Engine bis hin zu Anwendungsszenarien.
Die vierstufige Architektur der Digital-Twin-Plattform
Die Digital-Twin-Plattform für Laufkräne ist funktional in vier Ebenen unterteilt:Physikalische Schicht——Die Krananlage selbst und ihr Sensorsystem bilden die Datenquelle. Jede wichtige Bewegung des physischen Krans (Heben und Senken / Fahrbewegung des Hauptkrans / Fahrbewegung des Laufkrans / Änderung der Last) erfordert die Erfassung von Daten durch entsprechende Sensoren und deren Übertragung über MQTT oder OPC UA. Die Sensordaten umfassen fünf Kerndatenkategorien: Encoder-Impulse (Position), Laser-Entfernungsmessung (absolute Position), Wägezellen (Last), Schwingungssensoren (Lagerzustand) und Temperatursensoren (Motor-/Getriebetemperatur).
Datenschicht——Zuständig für die Erfassung, Bereinigung, Speicherung und Weiterleitung von Daten. Nachdem der MQTT-Broker die von der SPS vor Ort hochgeladenen Echtzeitdaten empfangen hat, leitet er diese einerseits an die Modellschicht weiter, um 3D-Animationen zu steuern, und speichert sie andererseits in einer Zeitreihendatenbank (empfohlen werden InfluxDB oder TDengine). Die Datenkomprimierung erreicht ein Verhältnis von 5:1 (Beibehaltung relevanter Änderungspunkte, Verwerfen redundanter Daten). Ein Kran erzeugt täglich etwa 500 MB Rohdaten, die nach der Komprimierung etwa 100 MB umfassen.Modellschicht——Erstellung eines 1:1-3D-Modells eines Laufkrans mit Blender oder 3ds Max (einschließlich aller beweglichen Teile wie Hauptträger, Endträger, Laufkatze, Hebezeug und Schiene); nach dem Import in die Render-Engine Unity oder Three.js werden die Bewegungen des physikalischen Laufkrans über ein datengesteuertes Animationssystem synchronisiert.
Auswahl von Datenerfassungskonzepten und Kommunikationsprotokollen
Die Datenerfassung für den digitalen Zwilling ist die erste entscheidende Verbindung zwischen der physikalischen Ebene des Laufkrans und der Ebene des digitalen Modells. Die vor Ort installierten SPS (Siemens S7-1200/1500 oder Beckhoff CX-Serie) erfassen in Echtzeit über Profinet oder EtherCAT die Betriebsdaten der einzelnen Antriebe des Laufkrans (Encoder-Position/Laser-Entfernungsmessung/Gewichtsmessung/ Vibrationen/Temperatur/Motorstrom/Frequenzumrichterfrequenz usw.). Die Gesamtzahl der Datenpunkte hängt von der Komplexität des Laufkrans ab – bei einem standardmäßigen Ein-Träger-Laufkran sind es etwa 48 Datenpunkte, bei einem Zwei-Träger-Laufkran für die Metallindustrie etwa 96 und bei einem vollintelligenten Laufkran mit Mehrfachkran-Koordination und KI-Bildverarbeitung etwa 160 bis 200 Datenpunkte. Erfassungszyklus: 10–50 ms für Positions- und Geschwindigkeitsdaten, 100–500 ms für Schwingungs- und Temperaturdaten, 1–5 s für Stromverbrauchsdaten.
MQTT v5.0-Lösung: Die SPS überträgt die Daten über ein 4G-Industrie-Gateway (kompatibel mit dem Siemens CP1542-1 oder einem Modul zur Umwandlung von seriellen Signalen in MQTT) im JSON-Format an einen MQTT-Broker (empfohlen werden EMQX oder Mosquitto). Beispiel für eine hierarchische Topic-Struktur: crane/{Werks-ID}/{Kran-ID}/position, crane/{Werks-ID}/{Kran-ID}/load, crane/{Werks-ID}/{Kran-ID}/vibration. Der Nachrichtenkörper jedes Topics enthält drei Felder: Zeitstempel, Wert und Qualitätsstempel. Als MQTT-QoS-Stufe wird QoS 1 (ISO/IEC 20922-2016 MQTT-Standard) gewählt (mindestens einmalige Zustellung); der Einsatz eines Broker-Clusters gewährleistet eine ganzjährige Verfügbarkeit von 99,91 % (TP3T). Die Vorteile der MQTT-Lösung liegen darin, dass sie IoT-nativ ist, geringe Bandbreite benötigt (ein einzelnes Telegramm umfasst etwa 200 Byte) und die Wiederaufnahme der Übertragung nach einer Unterbrechung unterstützt. Sie eignet sich daher für digitale Zwilling-Plattformen, die über das öffentliche 4G/5G-Netzwerk ferngesteuert verbunden sind.
OPC-UA-Lösung: Die SPS verfügt über eine integrierte OPC-UA-Server-Funktion (native Unterstützung bei der S7-1500, bei der S7-1200 ist Firmware ab Version 4.0 erforderlich); die Digital-Twin-Plattform liest die Daten direkt über einen OPC-UA-Client aus. Das OPC-UA-Informationsmodell beschreibt die Gerätehierarchie der Laufkräne vollständig (Werk → Fertigungshalle → Laufkran → Mechanismus → Sensor) und unterstützt das Auslesen nach Namen statt durch Durchlaufen der Hierarchie. Der OPC-UA-PubSub-Modus ermöglicht eine Publish/Subscribe-Architektur mit einer End-to-End-Latenz von ca. 10–50 ms, was geringer ist als bei MQTT (MQTT ca. 50–200 ms). Die OPC-UA-Lösung eignet sich für Digital-Twin-Plattformen, die im werksinternen LAN bereitgestellt werden. Sie bietet ein hohes Sicherheitsniveau (TLS + X.509-Zertifikatsauthentifizierung) und eine Datenerfassung nahezu in Echtzeit. Empfehlung von Krued Heavy Industry: Einsatz von OPC UA für den werksinternen Digital Twin und Verwendung einer MQTT-Brücke für standortübergreifende/Remote-Anwendungen.
Technische Parameter für 3D-Modellierung und Datenabbildung
| Technischer Teil | Tools/Lösungen | Wichtige Parameter | Arbeitsaufwand | Kosten |
|---|---|---|---|---|
| 3D-Modellierung | Blender/SolidWorks | Anzahl der Flächen: 50–200.000 | 3 bis 7 Tage | 0,5–20.000 |
| Skelett-Bindung | Unity-Animation | 6 Gruppen mit hoher Flexibilität | 1–2 Tage | 0,3 bis 10.000 |
| Echtzeit-Rendering | Unity 3D | 60 fps bei 1080p | 1–2 Tage | 0,3 bis 10.000 |
| MQTT-Kommunikation | Mosquitto/EMQX | QoS 2, 100 Hz | 0,5 Tage | 0 (Open Source) |
| Zeitreihen-Datenbank | InfluxDB | 100.000 Punkte/Sekunde Schreibgeschwindigkeit | 0,5 Tage | 0 (Open Source) |
| Web-Veröffentlichung | WebGL/WebSocket | Unterstützt PC, Tablet und VR | 1 Tag | 0,2–0,5 Zehntausend |
| Krude Generalunternehmer | Sensor → Zwillingsplattform | End-to-End ≤ 500 ms | 15 bis 30 Tage | 30.000 bis 80.000 |
Technologie zur Steuerung von 3D-Modellen und zur Echtzeit-Datensynchronisation
Der zentrale Mehrwert des 3D-Modells im digitalen Zwilling der Krananlage liegt in der ”datengesteuerten Animation” – jede Bewegung der Krananlage um 1 mm in der physischen Welt wird durch eine synchrone Bewegung des 3D-Modells um 1 mm im virtuellen Raum nachgebildet. Um dieses Ziel zu erreichen, ist eine vierstufige technische Kette erforderlich:Skelett-Bindung– Die sechs beweglichen Komponenten des Laufkrans (Hauptträger/Endträger, Laufkatze, Hubtrommel, Haken, Drahtseil) werden in Unity oder Three.js als eigenständige Animationsskelette abgebunden, wobei jedes Skelett einer Gruppe von Freiheitsgraden (DOF) entspricht. Die Bewegung des Laufwagens auf der Schiene entspricht einer Translations-Freiheitsgrad (X-Achse), die Bewegung des Laufwagens entlang des Hauptträgers entspricht einer Translations-Freiheitsgrad (Z-Achse), während die Hubtrommel und der Haken eine Rotations- und Translations-Freiheitsgrad (Y-Achse) darstellen. Die sechs Skelette verfügen insgesamt über 8 Freiheitsgrade, wobei die Positionsparameter pro Bild (16,67 ms bei 60 fps) einmal aktualisiert werden.
Algorithmen zur Datenzuordnung: Umrechnungsbeziehung zwischen den Werten der physikalischen Sensoren und den Parametern der 3D-Animation – Anzahl der Encoder-Impulse × Impulsäquivalent = Position des Laufwagens (mm), der vom Laser-Entfernungsmesser gemessene Wert wird direkt auf die absolute Position abgebildet, das mV-Signal des Wägezellers wird auf die Anzeige des unter dem Haken hängenden Lastmodells abgebildet / Ausblenden des Modells der unter dem Haken hängenden Last (das Modell wird angezeigt, wenn die Last > 100 kg beträgt, und ausgeblendet, wenn die Last = 0 ist). Die Datenabbildung erfolgt im Unity-Skript „C#“, wobei pro Frame die aktuellsten Werte aus MQTT oder OPC UA gelesen, durch Interpolation geglättet und anschließend in die Skelett-Transform-Komponente geschrieben werden. Als Interpolationsalgorithmus wird die lineare Interpolation (Lerp) mit einem Koeffizienten zwischen 0,15 und 0,25 verwendet, um ein Gleichgewicht zwischen Glättung (je kleiner der Koeffizient, desto glatter) und Echtzeitverhalten (je größer der Koeffizient, desto schneller die Nachführung) zu erreichen.
Behandlung von Fehlern bei der Datensynchronisation: Drei typische Fehlerfälle und deren Behebungsstrategien – ① Datenverlust (Verlust von MQTT-Nachrichten über mehr als 5 Sekunden): Das 3D-Modell behält die zuletzt bekannte Position bei, auf der Benutzeroberfläche wird der Status ”Offline” angezeigt, wobei die Farbe von Grün auf Grau wechselt; ② Datensprung (Positionsabweichung zwischen zwei benachbarten Frames von mehr als 10 Metern): Dies wird als Sensorfehler gewertet; der fehlerhafte Frame wird verworfen, und die Position des aktuellen Frames wird anhand der Durchschnittsgeschwindigkeit der letzten fünf Frames berechnet; ③ Falsche Reihenfolge der Zeitstempel (durch Netzwerkverzögerung verspätet eintreffende alte Daten): Die Zeitstempel werden verglichen; Daten mit einem Zeitstempel, der vor dem zuletzt gerenderten Bild liegt, werden verworfen. Die Datensynchronisations-Engine der Digital-Twin-Plattform von Krude Heavy Industry wurde von einem unabhängigen Dritten getestet und weist in einer 4G-Netzwerkumgebung eine End-to-End-Verzögerung von<500 ms (P95), Datenverlustrate <0,11 TP3T.
Anwendungsszenarien und technische Kennzahlen der Digital-Twin-Plattform
Die typischen Anwendungsszenarien der Digital-Twin-Plattform für Krananlagen lassen sich in vier Kategorien einteilen: Echtzeitüberwachung, Fehlerdiagnose, vorausschauende Wartung und Bedienerschulung. Jede Kategorie stellt unterschiedliche Anforderungen an die Datenverzögerung und die Modellgenauigkeit:
| Anwendungsszenarien | Anforderungen an die Datenverzögerung | Anforderungen an die Modellgenauigkeit | Typischer Nutzer | Kapitalrendite |
|---|---|---|---|---|
| Fernüberwachung in Echtzeit | ≤ 500 ms | 50.000 bis 80.000 Flächen | Geräteverwalter | Jährliche Einsparungen bei den Reisekosten: 30.000 bis 80.000 pro Gerät |
| Diagnose durch Wiedergabe von Fehleraufzeichnungen | Keine Echtzeitanforderungen | 100.000 bis 200.000 Flächen | Wartungsingenieur | Diagnosezeit 2 Std. → 15 Min. |
| Analyse der vorausschauenden Instandhaltung | ≤ 1 min | Mit Sensor-Kennzeichnung | Leiter der Anlagenabteilung | Ungeplante Ausfallzeit: -651 TP3T |
| VR-Bedienungsschulung | Keine Echtzeitanforderungen | Über 200.000 Oberflächen + Physik-Engine | Neuer Maschinenbediener | Senkung der Schulungskosten um 601 TP3T |
Die Standardkonfiguration der Digital-Twin-Plattform von Krude Heavy Industry umfasst die ersten drei Anwendungsszenarien (Fernüberwachung + Fehlerwiedergabe + vorausschauende Wartung), während VR-Schulungen als optionales Upgrade-Modul erhältlich sind. Die Plattform unterstützt PC-Browser (WebGL, Auflösung 1920×1080 bei 60 fps), Tablets (iOS/Android, Auflösung 1024×768 bei 30 fps) sowie VR-Geräte (Oculus Quest 2/3, Auflösung 1832×1920 bei 72 fps). Krud Heavy Industry hat bereits 12 digitale Zwilling-Plattformen ausgeliefert, die die vier Branchen Stahlwerke, Häfen, Automobilindustrie und Baustoffe abdecken. Ein einzelnes System unterstützt die gleichzeitige Online-Überwachung von bis zu 32 Laufkränen.
Typische Einsatzbeispiele von Krude Heavy Industry
Das Digital-Twin-Projekt für Krananlagen in einem Stahlwerk umfasst acht metallurgische Brückenkrane (16–80 t). Es wurden 1:1-3D-Modelle der acht Krane erstellt (mit Blender, ca. 120.000 Polygone pro Kran) und 160 Datenpunkte (Position/Last/ Vibration/Temperatur) integriert und mit Unity 3D in Echtzeit mit 60 fps bei 1080p gerendert. Ergebnisse: Überwachung aller 8 Kräne durch eine einzige Person; Verkürzung der Fehlerlokalisierung von 2 Stunden auf 20 Minuten; frühzeitige Erkennung von Verschleißtendenzen an den Zahnrädern von 3 Getrieben. Reduzierung der ungeplanten Stillstandszeiten um 651 TP3T, jährliche Einsparungen bei den Wartungskosten von ca. 470.000 RMB (Jahresbericht der Anlagenabteilung des Stahlwerks, Nr. KL-2025-DT-001–008). Investition von 280.000 RMB, Amortisation innerhalb von 9 Monaten.
Häufig gestellte Fragen
Frage: Worin besteht der Unterschied zwischen dem digitalen Zwilling für Laufkräne und einem herkömmlichen SCADA-System? Wo liegt der Return on Investment?
Antwort: SCADA (System zur Datenerfassung und -überwachung) zeigt eine zweidimensionale Datenansicht im Dashboard-Stil (Zahlen + Trenddiagramme) an, während der digitale Zwilling darauf aufbauend drei weitere Dimensionen hinzufügt: dreidimensionale Visualisierung, physikalische Simulation und prädiktive Analyse. Intuitiver Unterschied: SCADA zeigt ”Position des Laufkrans = 22,5 m” an, während das digitale Zwilling die Echtzeitbewegung des 3D-Laufkrans auf der Schiene darstellt. Aus Sicht der Kapitalrendite: ① Fernwartung und -betrieb – Reduzierung der Häufigkeit von Vor-Ort-Inspektionen durch Ingenieure (jährliche Einsparungen bei Reisekosten von ca. 30.000 bis 80.000 Yuan pro Anlage); ② Fehlerdiagnose – schnelle Lokalisierung der Fehlerursache durch Wiedergabe der Daten aus dem betroffenen Zeitraum (Verkürzung der durchschnittlichen Diagnosezeit von 2 Stunden auf 15 Minuten); ③ Bedienerschulung – Schulung neuer Mitarbeiter in einer virtuellen Umgebung ohne Sicherheitsrisiken. Nach der Einführung des Digital-Twin-Systems von Krued Heavy Industry verkürzte sich die durchschnittliche Störungsreaktionszeit der Kunden um 70%, und die Schulungskosten sanken um 60%.
Frage: Muss die Genauigkeit des 3D-Modells des digitalen Zwillings bis auf die Ebene der einzelnen Bauteile reichen?
Antwort: Eine Genauigkeit auf Bauteilebene ist nicht erforderlich. Die Modellgenauigkeit des digitalen Zwillings einer Laufkrananlage hängt vom Anwendungsfall ab: Die Stufe „Fernüberwachung“ (50.000 bis 80.000 Polygone, Darstellung des äußeren Erscheinungsbilds der Laufkrananlage und der wichtigsten beweglichen Teile, Modellierungsdauer 3 Tage) erfüllt die Anforderungen der täglichen Überwachung; die Stufe „Fehlerdiagnose“ (100.000 bis 200.000 Polygone, einschließlich Details des Hauptträgers, der Schienen, des Laufwagens und der Lastaufnahmemittel; Modellierungsdauer: 5 bis 7 Tage) ermöglicht die Nachstellung von Störungen; die Stufe „Simulationsanalyse“ (über 500.000 Polygone, einschließlich aller strukturellen Details; erfordert den Export aus SolidWorks als STL-Datei und anschließende Optimierung; Modellierungsdauer: 10–15 Tage) kann für Finite-Elemente-Analysen und die Überprüfung der strukturellen Festigkeit genutzt werden. Die Standardlösung von Krude Heavy Industry nutzt die Genauigkeit der Fehlerdiagnose-Stufe und bietet das beste Preis-Leistungs-Verhältnis. Verfügt der Kunde bereits über ein SolidWorks-3D-Modell (aus der Konstruktionsphase), kann dieses direkt in Blender importiert, vereinfacht und verwendet werden, was 50% an Modellierungszeit einspart.
Frage: Kann man für alte Laufkräne, für die keine Sensordaten vorliegen, ein digitales Zwilling erstellen?
Antwort: Es ist möglich, einen Offline-Digitalen Zwilling (statisches Modell + Darstellung der Konstruktionsparameter) zu erstellen, jedoch sind eine Echtzeit-Synchronisation und eine Fehlerdiagnose nicht realisierbar. Der Kernwert eines echten Digitalen Zwillings liegt in der ”datengesteuerten Modellsynchronisation”, wofür Sensordaten als Eingabe erforderlich sind. Falls die Laufkräne gänzlich ohne Sensoren ausgestattet sind: ① Minimalvariante – Nachrüstung mit Encodern (jeweils 1 für Groß- und Kleinwagen, ca. 2.000 Yuan pro Fahrzeug) + SPS (S7-1200, ca. 3.000 Yuan), um die Echtzeit-Übertragung von Positionsdaten zu ermöglichen und die Synchronisation der Fahr- und Hubbewegungen im 3D-Modell zu steuern; ② Standardlösung – Nachrüstung mit einem kompletten Sensorsatz (Encoder + Lidar + Wägezelle + Schwingungssensor + Temperatursensor, ca. 15.000 Yuan pro Wagen) zur Realisierung einer vollständigen Wahrnehmung des digitalen Zwillings; ③ Kostengünstige Lösung – Nutzung der bereits in der SPS vorhandenen Daten (Start-Stopp-Signale + Frequenz des Frequenzumrichters) zur Berechnung der ungefähren Position und des Bewegungszustands (geringere Genauigkeit, aber keine Sensorkosten). Krude Heavy Industry bietet schrittweise Umsetzungspläne für die Nachrüstung der Sensoren und den Aufbau der Digital-Twin-Plattform an.
Frage: Für welche Anwendungen ist eine End-to-End-Latenz von 500 ms bei einer Digital-Twin-Plattform geeignet? Für welche ist sie nicht geeignet?
Antwort: Eine Latenz von 500 ms ist ausreichend für die Fernüberwachung (die Wahrnehmungsschwelle des menschlichen Auges für Verzögerungen bei Animationen liegt bei etwa 100–200 ms, doch da die Laufgeschwindigkeit des Laufkrans relativ langsam ist, sind bei 500 ms kaum visuelle Unterschiede erkennbar), die Wiedergabe von Störungen (historische Daten werden von der Latenz nicht beeinflusst), die Bedienerschulung (virtuelle Bedienung erfordert keine Echtzeit-Synchronisation) sowie die Berichtsanalyse (für statistische Auswertungen ist keine geringe Verzögerung erforderlich). Nicht geeignete Anwendungen: ① Fernsteuerung – Für die Fernsteuerung von Laufkränen ist eine End-to-End-Verzögerung von ≤ 50 ms erforderlich, um die Betriebssicherheit zu gewährleisten (bei einer Verzögerung von 500 ms nimmt der Bediener deutliche Ruckler und Verzögerungen wahr); ② Echtzeit-Kollisionsvermeidung – Zur Kollisionsvermeidung sind Reaktionszeiten im Millisekundenbereich erforderlich (eine Verzögerung von 500 ms führt bei einer Kran-Geschwindigkeit von 1 m/s zu einem Positionsfehler von 0,5 m). Die Digital-Twin-Plattform von Krued Heavy Industry ist als Überwachungs- und Analysewerkzeug konzipiert und nicht für die ferngesteuerte Echtzeitsteuerung vorgesehen; für Steuerungsfunktionen wird ein eigenständiges Fernsteuerungssystem verwendet.
📌 Empfehlungen zu relevanten Normen
• ISO 24619:2022 „Technische Anforderungen an digitale Zwillinge für Krane“
