Digital Twin

Durch den Einsatz eines digitalen Zwillings können Optimierungen und Fehlerbehebungen über den gesamten Produktlebenszyklus vorgenommen und damit erhebliche Kosten gespart werden. Beispiele für Digitale Zwillinge, die schon heute verwendet werden, ist die digitale Abbildung von Singapur zur Optimierung der Stadtplanung oder das digitale Abbild einer Flugzeugturbine bei der Firma Boeing.

So können bei der Entwicklung beispielsweise Formen für Bauteile in Bezug auf ihr Strömungs- oder Festigkeitsverhalten mithilfe von Machine Learning Methoden und Algorithmen optimal ausgelegt werden. Fehler und Schwachstellen werden früh erkannt und vermieden. Die Algorithmen wählen Simulationsmodelle mit der größten Erfolgswahrscheinlichkeit aus, wodurch der Aufwand der Erstellung aufwendiger und teurer Prototypen minimiert wird. Dadurch werden Kosten eingespart und durch die Reduktion des Entwicklungsprozesses keine Zeit vergeudet.

Ein digitaler Zwilling kann nicht nur zu Beginn des Produktlebenszyklus implementiert werden, sondern auch für ein bestehendes Produkt oder System, welches bereits in Produktionsanlagen zum Einsatz kommt. Anhand von realen Daten können Zusammenhänge erschlossen und Produkte bzw. Systeme optimiert werden. Zudem kann darauf aufbauend eine vorausschauende Instandhaltung eingeführt werden, die Ausfälle frühzeitig erkennt, sodass Wartungsarbeiten besser geplant und ein Stillstand vermieden werden kann.

Wenn man den digitalen Zwilling anhand des Produktalters im Produktlebenszyklus betrachtet, entstehen zwei Anwendungsfälle: Der Digital Twin in der Planungs- und Entwicklungsphase und der Digital Twin eines sich in Produktion befindlichen Produktes.

Digital Twin in der Planungs-/Entwicklungsphase eines Produkts

Um sich mit Beginn des Lebenszyklus eines Produktes einen Vorteil zu verschaffen liegt es Nahe, bereits von Anfang an einen digitalen Zwilling zu entwickeln. So können Fehler zu Beginn des Lebenszyklus erkannt und Software für einzelne Geräte oder ganze Systeme getestet werden, ohne teures Prototyping betreiben zu müssen. Auch können dadurch Systeminteraktionen vorab simuliert und so beispielsweise verschiedene Produktvarianten getestet werden. Gegenüber der üblichen Herangehensweise entsteht so eine große Zeit- und Kostenersparnis. Der in dieser Phase erstellte digitale Zwilling kann im späteren Produktlebenszyklus weitergeführt werden.

Digital Twin eines sich in Produktion befindlichen Produkts

Ist das Produkt bereits in Produktion, gibt es zwei Möglichkeiten einen digitalen Zwilling zu erstellen. Zum einen kann mit vorhandenen digitalen Abbildungen gearbeitet werden, die dann zusätzlich mit realen Sensordaten, einer Datenbank und Analyse-Software verknüpft werden. Zum anderen besteht die Möglichkeit aus den realen Sensordaten mithilfe von Machine Learning einen digitalen Zwilling abzubilden.

Ein Zwilling in der Produktionsphase wird genutzt um Schwachstellen zu finden, übergreifende Zusammenhänge im System zu erkennen und es anhand der neuen Informationen effizienter zu gestalten. Zudem ermöglicht er die Einführung einer vorausschauenden Instandhaltung, die durch Modelle und den realen Sensordaten eine Ausfallwahrscheinlichkeit bestimmen kann. So werden kritische Komponenten frühzeitig erkannt und gezielte Wartungen durchgeführt.

Des Weiteren lassen sich Software-Updates oder neue Produkte auf einem digitalen Zwilling vorab simulieren, um das Verhalten der Maschine oder der Produktionslinie zu beobachten. Fehler werden wiederum frühzeitig erkannt und können daher vermieden werden, wodurch es zu einer Steigerung der Effizienz und damit verbundenen Reduzierung der Kosten kommt. 

Die Sensordaten können zudem für eine ständige Optimierung des Produkts, der Produktionslinie oder des Bauteils genutzt werden. Mithilfe von Machine Learning werden aus den lokalen Zustandsdaten frühzeitig Zusammenhänge erkannt, woraus sich Verbesserungen ableiten lassen.

Es besteht außerdem die Möglichkeit, Personal mit Hilfe eines digitalen Zwillings und Virtual-Reality-Technologie zu schulen. Dadurch können neue Mitarbeiter auf virtuellen Produktionsanlagen und Maschinen eingewiesen werden, wodurch das Lerntempo erhöht und die Fehlerrate gesenkt wird.

Da Produkte in vielfältigen Formen und Komplexitätsgraden bestehen, gibt es auch verschiedene digitale Zwillinge. Zu unterscheiden sind der Bauteilzwilling, der Produktzwilling und der Systemzwilling:

Part Twin (Bauteilzwilling)

Digitale Zwillinge von bestehenden Bauteilen sind bereits viele Jahrzehnte im Einsatz. Die Auslegung von Bauteilen in der Entwicklungsphase mithilfe von CAD-Programmen, FEM-Simulationssoftware oder Strömungssimulationen gehört zum absoluten Industrie-Standard. Durch den Einsatz von Machine Learning Verfahren kann der Prozess weiter optimiert und Simulationen auf die essenziellen Bestandteile eingeschränkt werden. So werden nicht nur die Simulationszeiten verkürzt, sondern es können auch neue, außergewöhnliche und effizientere Formen erschlossen werden, die zu einer Verlängerung der Lebenszeit eines Bauteils, einer verkürzten Entwicklungszeit und in letzter Konsequenz zu einer Kostenreduktion führen.

Zudem hört die Nutzung des Bauteilzwillings nicht nach der Entwicklung auf.  Im nächsten Schritt des Produktlebenszyklus – der Inbetriebnahme – werden weiter Daten des Bauteils mithilfe von Sensoren gesammelt. Somit wird das Bauteil auf seine Funktionsfähigkeit überwacht und mithilfe von Machine Learning werden daraus Verbesserung abgeleitet. Dadurch ist eine Vorausschauende Instandhaltung und ständige Verbesserung des Bauteils möglich.

Product Twin (Produktzwilling)

Im Gegensatz zum Bauteilzwilling besteht der Produktzwilling aus mehreren Komponenten bzw. aus mehreren Bauteilzwillingen. Neben den eigentlichen Bauteilen können diese Komponenten zusätzlich auch aus Reglern und Software bestehen. Wie auch beim Bauteilzwilling kann dieser Zwilling eingesetzt werden, um bei der Entwicklung Zeit und Kosten einzusparen. Komplexe und übergreifende Zusammenhänge werden simuliert, erkannt und Entwicklungsparameter optimal gesetzt.

Während der Produktlebensphase werden vorausschauende Instandhaltung, Monitoring, Software Updates, und Produktsimulationen umfassend abgedeckt. Die stetige Einspeisung von Realdaten schafft damit eine gute Grundlage für die Aussagekraft von Vorhersagemodellen, Stresstests und Simulationen.

System Twin (Systemzwilling)

Der Systemzwilling ist dem Produktzwilling übergeordnet und besteht aus mehreren Produktzwillingen. Ein Systemzwilling könnte somit eine Produktionslinie oder gar ein komplettes Werk abbilden. Anwendung findet dieses Modell vor allem in der Interaktion mit anderen Werken und Zulieferern, der Logistik sowie bei der Erfassung der Zustandsdaten eines ganzen Werkes.

Referenzarchitektur

In nachfolgender Abbildung ist eine Referenzarchitektur eines Digitalen Zwillings auf höchster Ebene dargestellt.

Referenzarchitektur eines Digitalen Zwillings.Quelle: eigene Darstellung

Zu sehen ist, dass ein digitaler Zwilling nicht nur eine virtuelle Abbildung, wie zum Beispiel ein CAD-Modell oder eine Softwaresimulation ist, sondern aus verschiedenen Softwarekomponenten besteht: dem digitalen Modell, Data Analyse Software, Datenbanken, Kommunikationsschnittstellen zu Sensoren und grafische Oberflächen. Die Herausforderung ist hierbei die Verarbeitung der hohen Datenmenge von Sensoren und Simulationen sowie die Konfiguration und Zuordnung der Sensoren.

Vor allem im Bereich Anlagen- und Maschinenbau kann Sie game4automation bei der Visualisierung, der Simulation und den Sensordaten unterstützen, um einen graphisch anspruchsvollen und effizienten digitalen Zwilling aufzubauen.

Wir beraten Sie bei der Entscheidung, ob ein digitaler Zwilling einen langfristigen Mehrwert für Ihr Produkt und Ihr Unternehmen darstellt.

Darauf basierend unterstützen wir Sie beim Aufbau eines digitalen Zwillings. Das kann entweder ein Zwilling eines neuen oder aber eines bestehenden Produkts/Systems sein. Gemeinsam entwickeln wir die Architektur und greifen Ihnen bei der softwareseitigen Umsetzung unter die Arme: vom Datenbankmanagement über die Datenanalyse mit Machine Learning bis hin zur Visualisierung.

Erwarten Sie von uns nichts weniger als die:

• Konzeption von digitalen Zwillingen im Kontext neuer Geschäftsmodelle.
• Auswahl benötigter Technologien basierend auf der existierenden Systemlandschaft.
• Umsetzung Ihrer Konzepte – agil und im stetigen Austausch.

Der digitale Zwilling ist nur eine Dimension der Digitalisierung. Weitere Dimensionen sind Geschäftsmodelle und Datenanalysen.

Informieren Sie sich und behalten Sie den Überblick – Wir helfen Ihnen dabei!