Digital Twin: Der erste Schritt in Richtung Industrie 4.0

13. November 2019 Rafal Jasinski

In einem unserer letzten Beiträge haben wir das Konzept des Mesh Twin Learning (MTL) vorgestellt, das moderne Technologien nutzt, um Industrieunternehmen einen Wettbewerbsvorteil zu verschaffen, indem es Mikrooptimierungen einführt und gelernte Erfolge im gesamten Unternehmen teilt.

MTL ist ein sehr fortschrittliches Konzept. Es benötigt Daten von IoT-Sensoren, die Erstellung von Digital Twins, Machine Learning Trainingsmodelle und mehr. All dies erfordert Zeit und Ressourcen, die nicht jedes Unternehmen im Voraus zu investieren bereit ist.

Abgesehen von MTL können Unternehmen jedoch bereits in der Anfangsphase ihrer Industrie 4. 0-Entwicklung von datenbezogenen Technologien profitieren. Schauen wir sie uns an!

Digital Twins, IoT und Industrie 4.0

Hier möchte ich auf Industrial IoT und Digital Twins eingehen, die die Grundlage von Industrie 4.0 bilden.

Damit wir uns richtig verstehen, lassen Sie uns kurz rekapitulieren:

  • Das IoT, oder das Internet der Dinge, bezieht sich auf Geräte mit Sensoren und externer Konnektivität. Diese Geräte können Daten aufzeichnen und übermitteln, was eine Vielzahl von Geschäftsmöglichkeiten eröffnet. Im Produktionsbereich und in anderen Industriezweigen umfasst dies alles, von der Produktionsausrüstung bis hin zu logistischen Bemühungen.
  • Ein Digital Twin ist die virtuelle Darstellung eines Objekts, Prozesses oder Systems aus der realen Welt. Der Digital Twin aggregiert verschiedene Arten von Daten in Bezug auf das Objekt, von CAD-Entwürfen und Schaltplänen bis hin zu Daten, die von IoT-Sensoren selbst gesammelt wurden (sowohl aktuelle als auch historische). Digital Twins bestimmter Elemente können auch miteinander verbunden werden, um größere Twins komplexerer Systeme zu schaffen. Beispielsweise können Digital Twins für individuelle Maschinen mit einer ganzen Produktionslinie „gepaart“ werden.

Digital Twins in der Produktion

Es gibt verschiedene Möglichkeiten, Digital Twins im Produktionsbereich zu implementieren. Wir können sie grob in drei Hauptkategorien einteilen:

  • Digital Twins einzelner Produkte
  • Digital Twins von Produktionsprozessen
  • Digital Twins von Leistung

Warum sprechen wir nun insbesondere über die Produktion? Digital Twins sind hier von entscheidender Bedeutung, weil sie eine Bewertung und mögliche Verbesserungen ermöglichen, ohne die Produktion zu stoppen. Früher erzeugte das Anhalten einer Produktionslinie einen zu großen Verlust, so dass nur wesentliche Wartungsarbeiten durchgeführt wurden. Digital Twins warnen und benachrichtigen produzierende Unternehmen im Voraus und bieten die Möglichkeit, die Ergebnisse zunächst in der virtuellen Welt zu verfeinern, bevor Änderungen an realen Prozessen riskiert werden.

Nachdem das nun erledigt ist, schauen wir uns die beiden Hauptkategorien genauer an.

Digital Twins einzelner Produkte

Der Digital Twin eines Produkts wird am Ende der Designphase des jeweiligen Produkts erstellt. Sobald er live ist, wird er während der Produktion und Nutzung des Produkts mit Daten aus der realen Welt angereichert. Als solcher bietet er die aktuellsten Informationen über die Eigenschaften des aktuellen Produkts und zwar ohne das Endprodukt physisch zu bearbeiten.

Die wichtigsten und entscheidenden Vorteile sind:

  • Nutzungsbezogene Anforderungen – Ingenieure können bei der Entwicklung neuer Produktversionen reale Daten über die Produktnutzung und -bedingungen verwenden, was eine bessere Marktanpassung ermöglicht und mehr Werte generiert.
  • Digitale Produktrückverfolgbarkeit – Die Digital-Twin-Technologie bietet einen vollständigen Überblick über die Produktinformationen und verbessert die funktionsübergreifende Zusammenarbeit. Sie verbessert die Effizienz des Änderungsmanagements in Produktions- und Serviceprozessen. Zusätzlich können diese Twins eingesetzt werden, um Produktions- und Serviceanweisungen zu geben, wenn sie benötigt werden.
  • Optimiertes Produktdesign – Wenn ein digitales Modell eines Produkts mit realen Leistungsdaten ergänzt wird, ermöglicht es komplexe Simulationen, um die Qualität und Leistung der neueren Versionen zu verbessern.

Ein großartiges Beispiel für einen solchen Digital Twin für Produkte stammt von Whirlpool. Das Unternehmen kombiniert reale Daten aus seinen intelligenten, vernetzten Produkten mit der Produktdefinition über einen „digitalen Faden“ und wendet Simulationsfunktionen über einen Digital Twin an, um Prototypen mit minimaler Investition zu testen.

Dank des Einsatzes der Digital Twin-Technologie ist das Unternehmen in der Lage, den Zeitaufwand für die Erprobung neuer Konzepte zu minimieren, indem es Fakten anstelle von Annahmen als Grundlage für die Ideenfindung nutzt. Dies erhöht die Innovationsgeschwindigkeit und beschleunigt die Einführung neuer Produkte auf dem Markt – zwei entscheidende Faktoren für den Erfolg auf einem stark umkämpften Markt.

Digital Twins von Produktionsprozessen

Digital Twins einzelner Assets, die jeweils Teil eines größeren Produktionsprozesses sind, vereinen sich zu einem ganz neuen Maß an betrieblicher Transparenz und Erkenntnis.

Der „digitale Faden“ eines operativen Workflows hilft, die Punkte unterschiedlichster Informationssysteme zu verbinden. Einige der besten Anwendungsfälle für diese Digital Twins sind:

  • Verbundene Betriebsinformationen – Ein Digital Twin für einen gesamten Produktionsprozess kombiniert Daten und Informationen aus unterschiedlichen Anlagen- und Unternehmenssystemen in einer einzigen Echtzeitansicht des gesamten Prozesses. Die Verfügbarkeit solcher Daten und Erkenntnisse steigert die betriebliche Leistung und ermöglicht es Unternehmen, bessere und fundierte Entscheidungen zu treffen.
  • Die richtige Information zur richtigen Zeit – Wenn man den Digital Twin eines Produktionsprozesses mit Enterprise Resource Planning (ERP – Planung von Unternehmensressourcen) und Manufacturing Execution Systems (MES – Systeme zur Produktionsabwicklung.) verbindet, ist es möglich, adaptive Arbeitsanweisungen im Kontext zu liefern und die Produktivität der Bediener zu erhöhen sowie die Produktionsqualität zu verbessern.
  • Digitalisierte Qualitätssicherung – Digital Twins liefern Daten, die helfen können, die Quelle von Qualitätsproblemen zu identifizieren und diese zu verhindern. Darüber hinaus ist es möglich, das Fachwissen der hauseigenen Experten im Bereich Qualitätssicherung auf das digitale System zu übertragen. Sobald es eingerichtet ist, kann maschinelles Lernen auf die Daten angewendet werden und liefert vorhersagbare Qualitätswarnungen und ihre Ursachen.

Ein fantastisches Beispiel für den Einsatz der Digital-Twin-Technologie in der Produktion ist bei Volvo zu finden. Eines der Ziele der Unternehmen ist es, die Flexibilität und Agilität innerhalb der Fertigung zu verbessern, um Änderungen der Konfigurationen entsprechend den wechselnden Anforderungen ihrer Kunden zu berücksichtigen. Ein „digitaler Faden“, der von der Konstruktion bis hin zu den gesamten Fertigungsprozessen reicht, war einer der größten Schritte, die das Unternehmen auf dem Weg zu Spitzenleistungen in Technik und Fertigung unternommen hat.

Volvo hat auch die Mitarbeiter in diesen Prozess eingebunden und einen Digital Twin der Qualitätssicherungsaufgaben in den Werken geschaffen. All dies zusammengenommen führte zu folgendem Ergebnis:

  • Verbesserung der betrieblichen Effizienz und Kosteneinsparungen bei gleichzeitiger Annäherung an das Ziel einer Qualitäts-/Fehlerquote von 0 Teilen pro Million (PPM – Parts Per Million).
  • Die Aktualisierung und Validierung von Motorkonfigurationen und QS-Checklistenprozessen reduzierte diese Aufgaben von mehr als einem Tag auf weniger als eine Stunde – was Zeit, Geld und andere Ressourcen freisetzt.
  • Durch die Digitalisierung des QS-Prozesses werden voraussichtlich Tausende von Euro pro Arbeitsplatz und Jahr eingespart.

Digital Twins von Leistung

Ein Digital Twin für den Betrieb sammelt die Betriebsdaten von verschiedenen Anlagen, wie z.B. den Maschinen, die Teil der Produktionslinie sind. Ein solcher Digital Twin wird von IoT-Sensoren mit Daten über alle möglichen Parameter wie Temperatur, Druck, Vibrationen, Energieverbrauch usw. gespeist. Wenn es darum geht, einen vollständigen Überblick über den Prozess zu schaffen heißt dies: je mehr, desto besser!

Solche Daten in einer zentralisierten Simulation zu haben, bietet Unternehmen viele Vorteile:

  • Echtzeit-Leistungsüberwachung – Bei der Aggregation von Leistungsdaten können diese Arten von Digital Twins BI-Dashboards speisen und eine genaue Datenvisualisierung für eine einfache Interpretation liefern, was Unternehmen bei der Überwachung des Anlagezustands hilft. Solche kombinierten Daten machen es auch wesentlich einfacher (und schneller), Fehlfunktionen zu erkennen. Er liefert auch Daten für weitere Analysen, die oft zu weiteren Prozessoptimierungen führen.
  • Vorausschauende Wartung – Von einem Digital Twin gesammelte Daten können dazu verwendet werden, Modelle für maschinelles Lernen zu trainieren, um die Leistung zu überwachen und zu optimieren. Solche ML-Anwendungen können auch Maschinen erkennen, deren Betrieb auf übermäßigen Verschleiß hindeutet, und die erforderliche Wartung anfordern, bevor die Maschine ausfällt und Ausfallzeiten verursacht.
  • Optimierung des Energieverbrauchs – Daten über den Energieverbrauch und die Leistung der Anlagen ermöglichen es Unternehmen, Kernbereiche der Verbesserung zu identifizieren und Maßnahmen zur Energieeffizienz zu implementieren, die die Kosten erheblich senken können.

Gestamp, ein spanischer Zulieferer der Automobilindustrie, ist ein Paradebeispiel für ein Unternehmen, das die Digital Twin-Technologie zur Bewertung, Verfeinerung und Optimierung der Leistung einsetzt. Eines der wichtigsten Ziele für Gestamp ist es, die Produktionskosten so weit wie möglich zu reduzieren. Das bedeutet oft, dass man Energie einsparen muss. Der erste Schritt für das Unternehmen bestand darin, Lösungen zu implementieren, die Energieverbrauchsdaten von ihren Produktionsanlagen, wie Pressen und Luftkompressoren, nahezu in Echtzeit erfassen.

Die entwickelte Anwendung sammelt täglich rund 800 Millionen Datenelemente. Mit diesen Daten war das Unternehmen in der Lage, den gesamten Prozess zu analysieren und Möglichkeiten für Verbesserungen zu identifizieren. Die anschließende Umsetzung von Energiesparmaßnahmen führte allein im Jahr 2016 zu einer Gesamteinsparung von 50 Gigawattstunden Energie.

Zusammenfassung

Die Kombination von Planung und realistischen digitalen Prognosen hat sich nicht nur unter dem Gesichtspunkt der Kosten- und Zeitersparnis als vorteilhaft erwiesen, sondern auch im Hinblick auf die mittel- und langfristige Steigerung der Einnahmen. Wie wir in diesem Artikel gesehen haben, bringt jede Anwendungsebene der Digital Twins, sei es auf der Produkt-, der Prozess- oder der Leistungsebene, ihre eigenen Vorteile mit sich.

Als Ausgangspunkt kann ein einzelnes, unkritisches Asset im digitalen Raum kopiert werden, mit dem nach Belieben experimentiert werden kann. Wenn dies erfolgreich ist, kann diese Technologie auch auf andere individuelle Assets und Prozesse angewandt werden, bis ein Stadium der digitalen Agilität erreicht ist, in dem Unternehmen Veränderungen immer schneller vorhersehen und umsetzen können.

Die höchste Ebene bildet das angeschlossene Werksnetz, in dem alle auf der Mikro- und Makroebene gesammelten Erkenntnisse über die Produktionsstätten hinweg ausgetauscht werden. Je mehr Digital Twins implementiert werden, desto greifbarer ist diese Lösung.

Unternehmerische Perspektive

Es gibt zwar viele hoch entwickelte Lösungen für die Fertigung, wie z.B. Mesh Twin Learning, aber es ist auch möglich, mit einzelnen Digital Twins zu beginnen und diese auszubauen. In den richtigen Bereichen angewandt, kann die Digital Twin-Technologie unmittelbare Vorteile bringen, die den Unternehmen helfen, ihren Weg zu Industrie 4.0 zu beschleunigen.

Quellen

Unsere Empfehlungen