Automated creation of digital twins

Abstract

En digital tvilling er en virtuell representasjon av en fysisk eiendel eller et objekt som er knyttet til sin virkelige motpart gjennom en dataforbindelse. De siste årene har det vært en rask økning i interesse og investeringer i denne teknologien, hovedsakelig på grunn av ankomsten av Industri 4.0. Denne nye teknologien tilbyr alternative løsninger på ordinære utfordringer, som har betydelig relevans for moderne bedrifter.

Denne masteroppgaven handler om automatisk generering av digitale tvillinger og problemfri integrering av sanntids datastrømmer for å muliggjøre dynamiske oppdateringer. For å oppnå disse målene ble Python-skript og Omniverse Extensions utviklet, noe som gjorde det mulig å konstruere digitale tvillinger ved hjelp av ulike datakilder. I tillegg til dette har det blitt gjennomført omfattende forskning på flere datakilder og teknikker, noe som har resulterer i en dypere forståelse av feltet.

Resultatene av denne master oppgaven viser at automatisk generering av digitale tvillinger er svært mulig, som også overgår de mer tradisjonelle programvarene som er tilgjengelig for øyeblikket. Denne fremgangen viser seg gjennom bemerkelsesverdig forbedring i kvaliteten på teksturene og terrengene som er laget, samt å gi en mer fleksibel modell som kan videreutvikles med andre kilder og for andre brukstilfeller. Videre ble integrering av sanntidsdata oppnådd ved å samle sensordata og data fra andre relevante kilder. Disse ble deretter sendt til en database før de ble integrert i den digitale tvillingscenen.

A digital twin is a virtual representation of a physical asset or object that is linked to its real-world counterpart through a data connection. In recent years, there has been a rapid increase in interest and investments, mainly due to the arrival of Industry 4.0. This emerging technology offers alternative solutions to conventional challenges, which hold significant relevance to modern businesses.

This master thesis revolves around the automatic generation of digital twins and the seamless integration of real-time data to facilitate dynamic updates. To accomplish these objectives Python scripts and Omniverse Extensions were developed, which enabled the construction of digital twins using diverse data sources. In addition to this, major research into different data sources and techniques has been carried out, resulting in a deeper understanding of the field.

The results of this thesis show that the automatic generation of digital twins is highly possible, which surpasses the capabilities of conventional software currently available. This advancement is manifested through notable improvement in the quality of the textures and terrains created, as well as giving a more flexible model that can be further developed with other sources and for different applications. Furthermore, the successful incorporation of real-time data was achieved by collecting sensor data and data from other relevant sources, which subsequently were sent to a database before getting integrated into the digital twin scene.