Suchen

Dieser Beitrag ist im Rahmen des Themenspecials "SPS 2019" erschienen.

sponsored by

Virtueller Doppelgänger

Der Digital Twin in der Smart Factory

| Autor/ Redakteur: Vincent Ohana / Nico Litzel

Die Einführung kognitiver und intelligenter Prozesse treibt die digitale Transformation der Industrie mit einer Fülle an Optimierungsmöglichkeiten voran – die Fertigungsprozesse werden immer digitaler und automatisierter. Hier setzt das Konzept des Digital Twins an.

Firmen zum Thema

In einer Smart Factory fungiert der Digital Twin als exaktes Abbild eines physischen Systems – aber eben digital.
In einer Smart Factory fungiert der Digital Twin als exaktes Abbild eines physischen Systems – aber eben digital.
(Bild: gemeinfrei / Unsplash)

Ein Digital Twin ist eine digitale Abbildung der physischen Eigenschaften einer Fabrik, eines Produkts oder eines Prozesses in nahezu Echtzeit. Seine Anwendung findet sich in einer Vielzahl von Bereichen. Echtzeitdaten von vernetzten Objekten erzeugen einen digitalen Fußabdruck eines Produkts von der Entwurfs- und Entwicklungsphase bis zum Ende des Produktionszyklus. Diese Daten können nach verschiedenen Kriterien verarbeitet, aggregiert und ausgewertet werden und lassen ein digitales Profil des Produktes entstehen.

Technisch und wirtschaftlich möglich wird der Einsatz von Digital Twins vor allem durch die rasante Technologieentwicklung der vergangenen Jahre, durch die die Kosten für Rechenleistung, Speicher und Bandbreite drastisch gesunken sind.

Was macht der Digital Twin in der Smart Factory?

Die Industrie 4.0 hat den Übergang von rein physischen Systemen hin zu cyber-physischen Systemen eingeläutet: die Produktionsstätten werden zunehmend intelligent, die viel zitierte Smart Factory entsteht. In diesem Kontext begegnet uns der Digital Twin als die exakte digitale Abbildung eines physischen Systems.

Ein Digital Twin lebt letztlich von der schnellen Erfassung, der Aggregation und der Analyse der Daten vernetzter Technologien und erlaubt die Simulation möglicher Szenarien zur Vorhersage von Ergebnissen im Virtuellen, ohne dass dabei die reale Produktion beeinträchtigt wird. Das spart nicht nur wertvolle Zeit, sondern hilft dabei, mögliche Fehler mit einer prädiktiven Strategie zu identifizieren, bevor sie auf die physischen Prozesse übertragen wird. Dies wirkt sich positiv auf Prozesseffizienz und Produktqualität aus.

Auch Support oder Servicedienste werden beschleunigt und verschlankt, wenn Maschinen bei Bedarf remote, etwa über eine kabellose Verbindung, mit den nötigen Software- oder Konfigurationsupdates versorgt werden können.

Eine zentrale Stärke des Digital Twin liegt in der Visualisierung der Daten: aus Daten werden so Einsichten in die Abläufe, die sich neben den Fachleuten auch einem technisch weniger versierten Publikum erschließen und zudem räumlich unabhängig verfügbar sind. Diese Datenvisualisierung fördert Lern- und Entscheidungsprozesse auf allen Ebenen der „Connected Enterprise“ und hilft kritische Bereiche unmittelbar zu identifizieren.

IDAM – Metall-3-D-Druck für die Automobilindustrie

Concept Reply hat bereits erfolgreich Digital Twins in verschiedenen Szenarien und in unterschiedlichen Branchen entwickelt und implementiert. Aktuell ist der IoT-Experte der Reply Gruppe im Rahmen des BMBF-Forschungsprojektes „Industrialisierung und Digitalisierung von Additive Manufacturing für automobile Serienprozesse" (IDAM) für die Erstellung eines Digital Twin einer gesamten Additive Manufacturing (AM)-Produktionskette verantwortlich. Das Projekt verfolgt das Ziel, den Metall-3D-Druck für die Serienproduktion von Automobilteilen einzusetzen.

Der Entwicklung eines Digital Twin kommt in diesem Projekt eine zentrale Bedeutung zu. Nur durch die Integration der Softwarelandschaft und der industriellen Fertigungslinie in einen industrialisierten und hochautomatisierten Serienprozess lässt sich Additive Manufacturing nahtlos in eine automobile Produktionsumgebung einbinden. Auf der physischen Seite müssen dazu alle Glieder der Prozesskette mit geeigneten Sensoren (z. B. Wärme-, Druck-, Vibrations- und visuelle Sensoren) ausgestattet sein. Diese Sensoren liefern über genau definierte Schnittstellen und Protokolle sicher und zuverlässig eben jene Daten, aus denen der Digital Twin besteht. Umgekehrt werden Aktuatoren (wo benötigt) eingesetzt, um Anweisungen des Digital Twin in die physische Welt zu übertragen.

Der Digital Twin wird so zu einer Drehscheibe für alle Datenanalyse- und Visualisierungswerkzeuge, um die Kommunikation zwischen Maschinen und den relevanten Stakeholdern zu erleichtern. Der Digital Twin eröffnet zudem die Möglichkeit, Tools aus den Bereichen Big Data und Künstliche Intelligenz einzubinden, mit dem Ziel, das hochkomplexe Zusammenspiel zwischen verschiedenen Maschinen in der gesamten Produktionsumgebung zu orchestrieren.

Ergänzendes zum Thema
Beispiele aus der Praxis

Automobilindustrie

Neben dem genannten IDAM hat Concept Reply bereits mehrere Digital Twin Projekte in der Automobilindustrie umgesetzt: In einem Fall wird der Digital Twin zur Modellierung der technischen Besonderheiten von Hard- und Software bei unterschiedlichen Fahrzeugmodellen, Baureihen und Konfigurationen eingesetzt. Dabei hat Concept Reply den Prozess der Datenerfassung je nach gewünschter Plattform automatisiert, um die verschiedenen Datenmodelle zu harmonisieren. So können Data Scientists auf bestimmte Datenpunkte (z.B. Fahrzeuggeschwindigkeit) zugreifen, ohne die technischen Details der Zielplattform kennen zu müssen.

Connected Infrastructure

Im Bereich Connected Infrastructure wurde ein Device Shadow für Geräte entwickelt, bei denen eine Verbindung nicht immer gewährleistet ist. Die Geräte laufen mit Akkubetrieb und ihr Zustand wird in der Cloud verwaltet. Auf diese Weise sind Kunden in der Lage, die Synchronisation zwischen dem gewünschten und dem tatsächlichen Zustand des Gerätes sicherzustellen und bei Bedarf den Zustand des Gerätes zu aktualisieren.

OEE Optimierung

In einem Industrie-4.0-bezogenen Projekt hat Concept Reply ein Überwachungssystem für eine Flotte von Anlagen in einer Fabrik entwickelt. Dank individueller Signal-Sensoren, Alarmprotokollen und komplexer Zustandsmaschinen ist der Kunde heute in der Lage, eine Reihe von KPIs zu verfolgen; die wichtigste davon ist die Overall Equipment Effectiveness (OEE). Die OEE beschreibt, wie gut eine Maschine im Verhältnis zu ihrer Kapazität ausgelastet ist. Eine schlechte OEE ist ein klares Signal dafür, dass Maßnahmen wie Maschinenwartung oder Prozessoptimierung erforderlich sind. Darüber hinaus bieten die Alarm-Logdateien einen Ansatzpunkt, um im Sinne eines Process Mining technische Defizite der Maschinen aufzudecken, und mit Machine Learning Alarmmuster zu trainieren, die helfen die Leistung weiter zu verbessern.

Dieser Beitrag ist ursprünglich auf unserem Partnerportal BigData-Insider erschienen.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46110160)