Nachricht

Jul 15, 2023

3 Fragen, die Sie in einem Testszenario für digitale Zwillinge stellen sollten

Digitale Zwillinge sind eine beliebte Möglichkeit, physische Dinge wie Autos, Fabriken und Gebäude sowie nicht feste Einheiten wie Geschäftsprozesse, Lieferketten und sogar Städte zu modellieren und zu testen

Digitale Zwillinge sind eine beliebte Methode zum Modellieren und Testen physischer Dinge wie Autos, Fabriken und Gebäude sowie nicht fester Einheiten wie Geschäftsprozessen, Lieferketten und sogar städtischer Infrastruktur. Teresa Tung, Cloud-First-Cheftechnologin bei Accenture, beschreibt digitale Zwillinge als eine Möglichkeit für Unternehmen, „die physische Produktentwicklung auf die gleiche Weise zu transformieren, wie sich die Softwareproduktentwicklung von Wasserfall zu Agile entwickelt hat“.

Der Hauptunterschied zwischen den herkömmlichen Modellierungsworkflows, die zum Testen verwendet werden, und dem Ansatz des digitalen Zwillings besteht darin, dass letzterer auf kontinuierlichen Aktualisierungen basiert, die aus realen Daten stammen. Systeme zur Unterstützung digitaler Zwillinge verfügen in der Regel über eine Reihe semantischer Schemata, die dabei helfen, die Punkte zwischen verschiedenen Ansichten sowohl simulierter als auch realer Komponenten zu verbinden.

Diese Arten von Schemata können Elektro-, Maschinenbau- und anderen Ingenieurteams dabei helfen, Design- und Leistungskompromisse in einer einzigen Ansicht zu untersuchen, anstatt Daten zwischen separaten Tools und Dashboards zu übertragen. Der Ansatz des digitalen Zwillings ist jedoch nicht narrensicher, und Unternehmen, die ihn effektiv implementieren möchten, müssen sich drei wichtige Fragen stellen, die sich auf die Datenintegrität, den Geschäftskontext und die Genauigkeit bestehender Testverfahren beziehen.

Bryan Kirschner, Vizepräsident für Strategie beim Datenmanagementanbieter DataStax, empfahl den QA-Teams, besonders darauf zu achten, wie der Zustand der realen Welt und des digitalen Zwillings voneinander abweichen könnten. Testteams müssen Szenarien testen, die den Bereich der Bedingungen definieren, unter denen dem Zwilling als maßgebliche Quelle der Wahrheit vertraut werden kann.

„Das Ziel des Testens verlagert sich von der Frage ‚Wie gut funktioniert dieses System?‘ zu „Kann man ihm als verlässliche Quelle der Wahrheit vertrauen?“ sagte Kirschner und betonte, wie wichtig es sei, bestimmte Szenarien zu identifizieren, in denen es möglich sei, dass die Daten des Zwillings möglicherweise keine genaue Darstellung der realen Bedingungen darstellen. Um dies zu erreichen, müssen QA-Teams sicherstellen, dass das zugrunde liegende Design digitaler Zwillinge mit den derzeit vorhandenen Testworkflows einer Organisation übereinstimmt.

Jim Christian, Chief Product and Technology Officer bei mCloud Technologies, sagte beispielsweise, dass das Unternehmen einen digitalen Zwillingsansatz verwendet, um Systeme zur Datenverarbeitung mit hohem Volumen zu modellieren und zu simulieren, um die Betriebsleistung in Echtzeit zu testen. Um dies zu erreichen, werden die digitalen Zwillinge mithilfe einer modularen Architektur entworfen, sodass Teile sowohl einzeln als auch gemeinsam getestet werden können und so die Datenintegrität besser im Auge behalten können.

Laut Siva Anna, Senior Director of Enterprise QA beim Digitaldienstleister Apexon, ist es wichtig, sorgfältig zu überlegen, welche Datenpunkte QA-Teams aus realen Quellen für die Verwendung mit digitalen Zwillingen sammeln. Eine erfolgreiche Implementierung eines digitalen Zwillings hängt von der Erfassung spezifischer, wichtiger Parameter ab, die letztendlich zur Kalibrierung von Leistungs- und Designverbesserungen beitragen. Testteams sollten bedenken, dass die verschiedenen Sensoren, die Daten an digitale Zwillingssysteme weiterleiten, wahrscheinlich mehrere Datenformate und Qualitätsstufen abdecken können, die sauber in einer einzigen Ansicht konsolidiert werden müssen.

Testteams sollten auch mit Entwicklern zusammenarbeiten, um den Kontext zu verstehen, der durch Anwendungsfälle ausgedrückt wird, sagte Puneet Saxena, Vizepräsident für Lieferkettenplanung bei Blue Yonder. Bei der integrierten Bedarfs- und Angebotsplanung für Hersteller wird beispielsweise ein digitaler Zwilling verwendet, um eine physische Lieferkette in einem detaillierten Softwaremodell darzustellen, das sowohl physische Dinge wie Lagerartikel, geografische Standorte oder automatisierte Maschinen als auch abstrakte Einheiten wie Rechnungen darstellt Materialien, durchschnittliche Zykluszeiten und Produktionsratenziele.

„Je realistischer die Darstellung der physischen Realität im Softwarebereich ist, desto besser ist das Ergebnis“, sagte Saxena. Beispielsweise könnte ein digitaler Zwilling einer Lieferkette Unternehmen dabei helfen, realistische Produktionsbenchmarks für eine bestimmte Produktionsanlage zu ermitteln, basierend auf Vorhersagen darüber, was diese Anlage angesichts der bestehenden Nachfrage, der Verfügbarkeit von Rohstoffen, der Zeitpläne für unfertige Erzeugnisse usw. produzieren kann andere Faktoren im Zusammenhang mit der Produktionskapazität.

Scott Buchholz, Forschungsdirektor für aufstrebende Technologien bei Deloitte Consulting, ist der Ansicht, dass QA-Teams auch digitale Zwillingstests für neue Steuerungssysteme entwerfen sollten, die die Ergebnisse über erwartetes Verhalten und Fehlermodi für das reale Gerät und den digitalen Zwilling bei Verwendung mit der Steuerungssoftware vergleichen.

QA-Teams müssen Abweichungen zwischen simuliertem und realem Verhalten beheben; Dies kann auf einen Fehler im Zwilling, in der Software oder in beiden hinweisen. Anzahl, Art und Komplexität der Tests variieren je nach Kritikalität des Systems. Ein Software-Steuerungssystem für einen autonomen Zug beispielsweise ist wahrscheinlich viel direkter haftbar als die Software, die ein Thermostatsystem für Privathaushalte steuert. Letztlich sollen Tests sicherstellen, dass die Endergebnisse die erwarteten Ergebnisse innerhalb vordefinierter Toleranzgrenzen widerspiegeln – und Buchholz ist der Meinung, dass diese Tests besondere Priorität gegenüber anderen haben sollten.

In gewisser Weise ähnelt die Implementierung eines digitalen Zwillings der Einführung der testgetriebenen Entwicklung (TDD), bei der Softwareteams automatisierte Testsuiten erstellen, bevor die Code-Schreibvorgänge überhaupt beginnen. Bei TDD können Fehler sowohl in den Testfällen als auch in der Software auftreten. Abhängig von der Komplexität der automatisierten Tests und der Teamgröße können sie von einem QA-Team, einem Kernentwicklungsteam oder einem anderen dedizierten Anwendungswartungsteam debuggt und gewartet werden, abhängig von der Ausgereiftheit und der zugrunde liegenden Technologie des digitalen Zwillings selbst.