Die Orchestrierung von Arbeitsabläufen
Die Anforderungen an die Arbeitsabläufe (Workflows) während einer modellbasierten Entwicklung ändern sich in der Regel von Projekt zu Projekt. Fest definierte, monolithische Workflows sind hier unvorteilhaft, da die zugrundeliegenden Routinen/Skripte immer erst zeitaufwändig an die neuen Aufgabenstellungen adaptiert werden müssen.
Der Orchestrator ist als Softwareanwendung zur grafischen Beschreibung von individuellen Workflows aus beliebigen technischen Domänen konzipiert. Neben Simulations-Workflows können dies auch Workflows zur Messdatenauswertung sein.
Für Simulations-Workflows können mittels FMU-Plugin digitale Zwillinge aus unterschiedlichen Simulationsprogrammen in den Workflow integriert werden.
Die Zusammenstellung des Workflows aus vordefinierten Plugins und die Verwendung von Python zur Skripterstellung ermöglicht die flexible Anpassung der Workflows an die unterschiedlichsten Fragestellungen.
Welche Vorteile bietet die Orchestrierung eines digitalen Zwillings?
Aufbau und Parametrierung eines digitalen Zwillings (Simulationsmodell) sind kein Selbstzweck. Jeder digitale Zwilling dient der Beantwortung von Fragestellungen. Die anschließende Arbeit mit dem digitalen Zwilling ist häufig geprägt von wiederkehrenden Arbeitsschritten (Jobs), die aber in der Regel automatisierbar sind.
- Jeder dieser Jobs (Parametrierung, Berechnungen, Analyse, Reporterstellung, …) für sich ist unabhängig, interagiert aber mit anderen Jobs.
- Der Orchestrator befreit den Entwickler von der Ausführung der wiederkehrenden Jobs und übernimmt die Gesamtverantwortung zur Steuerung der Abhängigkeiten und des Zusammenspiels der Jobs.
- Der Begriff Orchestrierung stammt ursprünglich aus der Musik. In der IT bedeutet Orchestrierung die Komposition mehrerer Jobs (Dienste) zu einem Workflow (Gesamtservice).
- Durch die sinnvolle Vernetzung einzelner Jobs lassen mit dem Orchestrator komplexe Workflows nach dem Fork-Join-Model abbilden.
Die Orchestrator Oberfläche
Die Oberfläche des Orchestrator stellt verschiedene Module für die Abbildung des Workflows zur Verfügung.
- DSHplus-Simulationsmodelle können inklusive aller zugehörigen Parametersätze direkt als Fluidon Cube-Job geladen werden. Das Berechnungsergebnis enthält sämtliche Variablen des Modells.
- Linux-FMU-Modelle (functional mock-up unit) aus allen FMI-konformen Entwicklungstools können importiert werden. Das Berechnungsergebnis enthält die Eingangs- und Ausgangssignale der FMU.
- Mittels Python-Skripts werden Pre-Processing-Arbeitsschritte realisiert, z. B. um Parameterstudien durchzuführen oder Trainingsdaten für das Machine Learning zu erzeugen. Python ist auch das geeignete Werkzeug für das anschließende Post-Processing der Berechnungsergebnisse oder von Messdaten und kann für Big-Data-Analysen eingesetzt werden.
- Ein Documentation-Plugin ist dazu gedacht, den Workflow mit Kommentaren, die auch Formeln im LaTeX-Format enthalten können, zu beschreiben.
- Durch ein RT-Plugin lässt sich der Orchestrator an Feldbusnetzwerke ankoppeln, um dem Entwickler virtuelle Inbetriebnahmetechniken für SiL- und HiL-Anwendungen zur Verfügung zu stellen.
- Das Plugin Unity-Gateway leitet Daten aus dem Fluidon Cube in Echtzeit an eine 3D-Visualisierung weiter.
Sowohl die Benutzeroberfläche mit den Plugins als auch das darunterliegende Software-Framework basieren auf Open-Source-Toolkits und standardisierten Schnittstellendefinitionen, wodurch ein Workflow sehr leicht um neue Bausteine erweitert und an unternehmensspezifische Anforderungen angepasst werden kann.
