A A A
| Sitemap | Kontakt | Impressum | Datenschutz
ETZ Logo VDE Verlag Logo

Der digitale Zwilling

Der digitale Zwilling

Die Vision des digitalen Zwillings beschreibt einen Ansatz, die bestehenden Brüche zwischen einzelnen Phasen – vom Vertrieb über das Engineering bis zum Betrieb – zu beseitigen und eine durchgehende Verfügbarkeit relevanter Infor­mationen und Modelle im Produktleben zu erreichen. Der digitale Zwilling begleitet ein Produkt über den gesamten Lebenszyklus.

01  Der digitale Zwilling wird in der Engineering-Prozesskette über den gesamten Lebenszyklus mit Informationen  ange­reichert. Dadurch können alle Beteiligten von bereits  erfasstem Wissen über das reale System profitieren

01  Der digitale Zwilling wird in der Engineering-Prozesskette über den gesamten Lebenszyklus mit Informationen ange­reichert. Dadurch können alle Beteiligten von bereits erfasstem Wissen über das reale System profitieren

02  Der digitale Zwilling umfasst Daten und Modelle einer Maschine, aus denen ­unterschiedliche Werkzeuge in unterschiedlichen Domänen in unterschiedlichen  Phasen gespeist werden können und die wiederum ihre Informationen im digitalen ­Zwilling ­hinterlegen

02  Der digitale Zwilling umfasst Daten und Modelle einer Maschine, aus denen ­unterschiedliche Werkzeuge in unterschiedlichen Domänen in unterschiedlichen Phasen gespeist werden können und die wiederum ihre Informationen im digitalen ­Zwilling ­hinterlegen

03  In Analogie zu den Zielen im digitalen Engineering – der Reduzierung der  Time-­to-Market – liegt das Ziel des Vertriebs in der kürzeren „Time-to-decision“  – also einer verkürzten Zeit bis zum Auftrag. Gleichzeitig muss die Komplexität  der Lösungsfindung reduziert werden

03  In Analogie zu den Zielen im digitalen Engineering – der Reduzierung der Time-­to-Market – liegt das Ziel des Vertriebs in der kürzeren „Time-to-decision“ – also einer verkürzten Zeit bis zum Auftrag. Gleichzeitig muss die Komplexität der Lösungsfindung reduziert werden

04  Am Beispiel eines Herstellers von Robotersystemen bedeutet die Ideenfindungsphase die Geburt des digitalen Zwillings eines Roboters. Dies ist unabhängig von unterschiedlichen Vertriebsansätzen. In allen Fällen können  die erhobenen Informationen zur Anwendung und zum Lösungskonzept zur Parametrierung generischer Modelle genutzt werden, die ein schnelles Feedback zur grundsätzlichen Eignung der Lösung geben

04  Am Beispiel eines Herstellers von Roboter- systemen ­bedeutet die Ideenfindungsphase die Geburt des digitalen Zwillings eines Roboters. Dies ist unabhängig von unterschiedlichen Vertriebsansätzen. In allen Fällen können die erhobenen Informationen zur Anwendung und zum Lösungs- konzept zur Parametrierung generischer Modelle genutzt werden, die ein schnelles Feedback zur grundsätzlichen Eignung der Lösung geben

Die Digitalisierung und Vernetzung von Geschäftspro­zessen ist im Hinblick auf die Zusammenarbeit in der ­Entwicklung und Produktion ein entscheidender Faktor für die Zukunftsfähigkeit von Unternehmen. Dies betrifft zum einen eine Verkettung von Arbeitsschritten innerhalb einer Organisation und aktuell noch viel mehr die Vernetzung unterschiedlicher Beteiligter innerhalb einer Lieferkette.

Eine der Grundideen des digitalen Engineering ist es, dass man von der Idee bis zur produzierenden Maschine an einem zentralen Modell arbeitet. Dabei greifen alle Engineering-Werkzeuge auf dieses, nach dem Single-Source-Prinzip arbeitende Modell zu. Die Bereitstellung von Komponenten­daten durch den Lieferanten vereinfacht Integrationspro­zesse im Entwicklungsprojekt.
Ein digitaler Zwilling ist die vollständige digitale Abbildung einer Maschine oder Anlage in allen ihren Aspekten. Dies umfasst alle relevanten Informationen für das Engineering, für den Fertigungs- und Produktionsprozess sowie auch alle Informationen, die für den Betrieb des Systems als eigenständige Einheit oder integriert in einen Produktionsablauf erforderlich sind (Bild 1).

Idee versus Realität

Heutzutage sind während des Vertriebs, der Entwicklung und des Betriebs von Maschinen in allen Branchen ver­schiedene Softwarewerkzeuge zur Planung, Simulation und ­Bewertung im Einsatz. Bei genauerer Betrachtung unterscheiden sich allerdings die eingesetzten Methoden sehr stark. Während bei manchen Produkten aufwendige Simulationen und durchgängig dokumentierte Prozessketten nicht mehr wegzudenken sind, wird in anderen Branchen nur das digital erfasst, was ein Konstrukteur mit dem ­Bleistift berechnet hat. Der Verbreitungsgrad moderner ­Engineering- und IT-Verfahren richtet sich dabei nach ­unterschiedlichen Faktoren wie dem Verhältnis vom Entwicklungsaufwand zum Aufwand von Simulations­modellen, dem Mangel an Alternativen zu Simulationen oder zeitlicher Druck.

Hinsichtlich der Simulationsmethoden und des Datenhandlings sind alle Probleme im Prinzip technisch gelöst. Doch sitzen viele einzelne Lösungen derzeit noch auf Inseln, die einer bestimmten Domäne oder einem bestimmten Kundenkreis vorbehalten sind. Eine Herausforderung stellt die Effizienz der Modellerstellung und die domänenspe­zifische Modelltransformation dar, die zukünftig durch ­einheitliche Lieferketten für Modelle mit einer definierten Genauigkeit gelöst werden muss.

Je mehr Tools einer Toolkette und je mehr Anwender in die Entwicklung eingebunden werden, desto wichtiger sind Methoden zur Datenhaltung und -versionierung. Daraus kann der Bedarf an einer Anbindung zu PDM-Systemen abgeleitet werden. Diese sind heute häufig noch auf die ­Daten innerhalb einer Organisation begrenzt. Dies hat zur Folge, dass bei den komplexen Lieferketten moderner ­Maschinen nicht alle Informationen und Modelle zum richtigen Zeitpunkt verfügbar sind. Das Konzept des digitalen Zwillings bietet das Potenzial, die Klammer über maschinenspezifischen Daten und die Einbindung aller Modelle entlang des Lebenszyklus zu bilden (Bild 2). Der digitale Zwilling stellt einen wesentlichen Faktor für die Einführung agiler Entwicklungsprozesse bzw. die effiziente Realisierung von Kundenprojekten dar.

Die Modelle des digitalen Zwillings

Die Bildung von Modellen dient Wissenschaftlern und ­Ingenieuren seit Generationen dazu, komplexe Sachverhalte mathematisch beschreibbar und besser begreifbar zu ­machen. Heutzutage wird der Begriff Modell häufig synonym zu computergestützten Modellen und Simulationen verwendet. Trotz der wachsenden Möglichkeiten dieser Technologie gelten für den sinnvollen Einsatz weiterhin ­dieselben Grundsätze. Modelle sollten in jeder Phase und für jede Anwendung so einfach wie möglich und so genau wie nötig sein. In der Regel ist es nicht notwendig, die Physik vollständig abzubilden, sondern nur für den jeweiligen ­Anwendungsfall hinreichend genau. Dazu werden verschiedene Prinzipien zur Modell­bildung angewandt:

  • Abgrenzung: nichtrelevante Objekte ­werden im Modell nicht berücksichtigt.
  • Reduktion: Objektdetails werden nicht übernommen.
  • Abstraktion: Objekte werden durch ­abstrakte Ersatzmodelle substituiert.
  • Dekomposition: Objekte werden in ­einzelne Segmente zerlegt.
  • Aggregation: mehrere Objekte ­werden vereinigt.

Funktionsmodellierung

Die Funktionsmodellierung oder auch Functional Modeling bezeichnet im System Engineering einen Ansatz zur strukturierten Abbildung von Funktionen und Abläufen in einem Modell. Modelica ist eine herstellerneutrale Modellierungssprache für physikalische Modelle. Die Beschreibung des Systemverhaltens erfolgt dabei durch die logische Verknüpfung von Funktionselementen und -blöcken. Neben dem Automotive-Bereich mit Anwendern, wie Audi, BMW, Daimler, Ford, Toyota und VW, findet Modelica Anwendung im Kraftwerksbau [1]. Verschiedene Anbieter bieten Lösungen für die funktionale Modellierung an. ­Dymola von Dassault Systems ermöglicht Simulation auf Basis von Modelica-Modellbeschreibungen [2]. Modelon, inzwischen ebenfalls Teil von Dassault Systems, ist ein ­Anbieter von Softwarelösungen für die Systemmodel­lierung und -simulation mit einer starken Fokussierung auf FMI [3].

Einen Ansatz zur Standardisierung von Modellschnittstellen stellt das Functional Mock-up Interface (FMI) dar. Mit FMI können sowohl funktionale Verhaltensmodelle als C++-Code oder DLL gekapselt werden, wie auch standardisierte Schnittstellen für den Austausch von Daten zur Co-Simulation genutzt werden.

Mechanische Modelle

Mit mechanischen Modellen soll im Entwicklungsprozess ein System ohne den Einsatz physischer Modelle virtuell abgebildet werden. Die wesentlichen Treiber stellen die Überprüfung des Systemverhaltens und die Dimensionierung beziehungsweise Topologieoptimierung von Bauteilen dar. Insbesondere bei Modellen, die primär geometrische Abbilder darstellen, um einen Eindruck der Maschine zu vermitteln, spricht man auch von Digital Mock-Up. Die Modelle werden in der Regel auf Basis von CAD-Modellen aufgebaut. Traditionell gibt es auch bei der mechanischen Modellierung den Ansatz, vereinfachte Ersatzmodelle für spezielle Untersuchungen abzuleiten, um die Komplexität und damit den Rechenaufwand zu reduzieren. Allerdings führen die steigende Rechenleistung und der ­zunehmende Zeitdruck dazu, dass für immer mehr Anwendungen Kon­struktionsmodelle für Simulationen verwendet werden. Werden geometrische Modelle mit Steuerungen oder Steue­rungsemulatoren gekoppelt, lassen sich neben der geome­trischen ­Betrachtung von Bauteilen und Baugruppen auch Funktionen abbilden. Bei ­diesem Ansatz spricht man von Functional Digital Mock-Up.

Im Bereich der mechanischen Einsatzsimulation sind die beiden numerischen Ansätze Mehrkörpersimulation (MKS) und Finite-Elemente-Methode (FEM) weitverbreitet. Während bei der MKS das Zusammenspiel verschiedener Körper im Fokus steht, also beispielsweise die Bewegung eines mechanischen Systems, beschäftigt sich die FEM stärker mit Vorgängen im Kontaktbereich und im Inneren von Körpern, wie Spannungen und Dehnungen. Heute sind diese Funktionen zur Simulation zunehmend auch in CAD-Umgebungen, wie Siemens NX, PTC Creo oder Dassault Systèmes Catia, integriert. Dennoch sind in der Regel bei komplexeren Simulationen spezialisierte Werkzeuge mit einer Vielzahl an integrierten Gleichungslösern für unterschiedliche FE-Simulationen, wie Ansys Workbench, MSC Nastran, Simulia Abacus FEA, im Einsatz.

Anlagensimulation

Insbesondere bei großen Automatisierungssystemen und bei komplexen Bearbeitungsprozessen spielt die 3D-Visualisierung von Prozessen eine besondere Rolle. In Abhängigkeit des jeweiligen Anwendungszwecks reichen die Lösungen von reinen Visualisierungen idealisierter Prozessabläufe, über die Abbildung physi­kalischer Zusammenhänge bis hin zur Einbindung realer Hardware in die Simulation (Hardware-in-the-Loop). Beispielsweise bietet Machineering eine physikbasierte 3D-Simulationssoftware mit Echtzeitfähigkeit für Materialflusssimulation, Ablaufsimulation, Robotersimulation, Simulation von Steuerungen, Hardware-in-the-Loop-Simulation [4].

Der offene Standard Automation-ML nach IEC 62714 ermöglicht es, Planungsdaten von Fertigungsanlagen in ­einem XML-basierten Format zu speichern und zwischen verschiedenen Werkzeugen auszutauschen. Hierzu können unterschiedliche Modelltypen in jeweils standardisierten ­Formaten, wie 3D- oder Kinematikmodelle (Collada), Topologien (CAEX) oder Logik (PLC open XML) in Automation ML, gekapselt integriert werden.

Eine Herausforderung in der Modellierung technischer Systeme stellt der ­Detaillierungsgrad des Modells beziehungsweise die Genauigkeit der Simulation dar. Ein Modell sollte immer so genau wie nötig, aber gleichzeitig so einfach wie möglich sein. Außerdem ist es nicht immer erforderlich, die gesamte Maschine beziehungsweise den ganzen Prozess mit derselben Genauigkeit abzubilden. Einzelne, kritische Teilprozesse lassen sich in Submodellen mit einer höheren Genauigkeit gesondert betrachten.

Geräte- und maschinenzentrierte digitale Zwillinge

Digitale Zwillinge unterstützen den Entwickler dabei, die Komplexität eines Systems zu beherrschen und das Entwicklungsergebnis vorab besser abzusichern. Dabei ist zu beachten, dass die Modelle immer nur so gut sind wie die Personen, die die Modelle erstellen, und die Daten, die zur virtuellen Abbildung bereitgestellt werden. In der Betrachtung von Komponentenlieferanten und OEM können grundsätzlich zwei Sichtweisen auf einen digitalen Zwilling unterschieden werden. Ein gerätezentrierter digitaler Zwilling (device centric digital twin) ist das Abbild eines bestimmten Geräts oder einer Komponente mit Verweisen auf einen Gerätetyp und mit den spezifischen Informationen, die ihn von anderen Geräten unterscheidet und es individuell beschreibt.

Ein maschinenzentrierter digitaler Zwilling (machine centric digital twin) ist der digitale Zwilling einer bestimmten Maschine mit allen maschinenspezifischen Parametern und Verweisen auf digitale Zwillinge oder generische Modelle von Untergeräten. Hier besteht die Herausforderung, entsprechende Lieferketten für digitale Zwillinge und darin enthaltene Modelle zu etablieren, um Informationen in ­verschiedenen Domänen wieder zu verwenden. Es kann ­erwartet werden, dass zukünftig bestimmte Modelle von Geräten wie die Dokumentation eines Geräts selbstverständlich geliefert werden müssen. In der Konsequenz müssen auf einer höheren Betrachtungsebene digitale Zwillinge von Maschinen für den digitalen Zwilling der Produktionsanlage verfügbar sein.

Der digitale Zwilling im Produktlebenszyklus

Der digitale Zwilling spielt in seinen unterschiedlichen Ausprägungen über alle Phasen im Produktlebenszyklus eine Rolle. Als zentrale Klammer um alle Informationen und Modelle einer Komponente, einer Maschine oder einer ­Anlage dient der digitale Zwilling verschiedensten Beteiligten als Anlaufstelle und Datenablage.

Eine besondere Herausforderung ist es, möglichst früh in der Entstehungsphase einer Maschine Aussagen zu treffen, um Entscheidungen herbeizuführen. Dies kann beispielsweise durch eine technische Bewertung und zum anderen durch eine reine Visualisierung des Lösungskonzepts erfolgen. Neben dem eigentlichen digitalen Engineering-Prozess wird somit ein vorgelagerter digitaler Vertriebsprozess benötigt, in dem das Konzept einer Maschinenlösung erarbeitet wird. Eingesetzte Werkzeuge müssen hierbei zwei Ziele ­erfüllen: Zum einen muss die Komplexität so weit heruntergebrochen werden, dass der Vertrieb ohne direkte Beteiligung des Engineerings Lösungskonzepte mit dem Kunden ausarbeiten kann. Zum anderen soll die Zeit für die Konzept­erstellung wesentlich reduziert werden. Dies kann durch intelligente Tools oder vereinfachte, leicht einsetzbare ­Modelle erreicht werden (Bild 3 und 4).

Beispielsweise setzt Krauss-Maffei für automatisierte ­Anlagen mit Spritzgussmaschinen Lösungen von Dualis und Visual Components ein. Die Visualisierung von Anlagen dient der Unterstützung von Marketing und Vertrieb und fungiert als Entscheidungshilfe sowie Bindeglied zum Kunden [5].

Sichere Entwicklung mit virtueller Überprüfung

Die zunehmende Komplexität technischer Anlagen und ­steigende Marktanforderungen führen dazu, dass die Entwicklung mit Werkzeugen unterstützt werden muss, welche die Sicherheit erhöhen und gleichzeitig die Effizienz sicherstellen. Virtualisierte Iterationsschritte im Entwicklungsprozess dienen dazu, Kosten und Risiken während der Entwicklung und bei Tests an realen Produktionsanlagen zu senken. Hier gilt das Prinzip „Fail fast & cheap“: Wenn schon Rückschläge in der Entwicklung unvermeidbar sind, sollten diese möglichst schnell und ohne einen hohen monetären Einsatz identifiziert werden.

Um dies zu erreichen, muss der ­jeweils aktuelle Entwicklungsstand kontinuierlich über das gesamte Projekt erfasst, überprüft und virtuell ­getestet werden. Hierfür ist es erforderlich, dass unterschiedliche Domänen wie die mechanische und elektrische Konstruktion sowie die Softwareentwicklung an einem gemeinsamen ­Datenstamm – dem digitalen Zwilling – arbeitet. Dadurch können zum ­einen Änderungen wie der Einsatz einer ­anderen Motorenreihe frühzeitig anderen Entwicklungsabteilungen bekannt gemacht und dort berücksichtigt werden. Zum anderen können die im digitalen Zwilling hinterlegten Informationen genutzt werden, um den Entwicklungsstand anhand eines digitalen Prototyps virtuell zu testen. Technische Lösungen einzelner Aspekte dieses Ansatzes stellen beispielsweise der Mechatronic Concept Designer von ­Siemens [6], Syngineer von Eplan [7] oder Machineering für Anlagen dar.

Während für eine einfache Verhaltensmodellierung einer Maschine oder Anlage ein Steuerungsemulator ausreichend ist, wird für eine realitätsnahe Erprobung der Steuerungssoftware in der Regel eine virtuelle Steuerung des jeweiligen Herstellers benötigt. Dies liegt daran, dass herstellerunabhängige Emulatoren zumeist nur eingeschränkt zur Ver­wendung der originalen Programme geeignet sind. Entsprechende Soft-SPS werden von verschiedenen Herstellern angeboten.

Virtuelle Inbetriebnahme

Die virtuelle Inbetriebnahme einer Maschine stellt die ­finale Überprüfung einer Maschine vor der physischen Realisierung dar. Ziel ist es, ein möglichst umfassendes Bild über das spätere Maschinenverhalten zu gewinnen und dieses mit den Anforderungen des Kunden zu spiegeln. Hierzu wird in der Regel der durch den digitalen Zwilling repräsentierte virtuelle Prototyp der Entwicklung verwendet. Neben einer rein virtuellen Inbetriebnahme können auch durch Hardware-in-the-Loop reale Komponenten wie die Steuerung mit der entsprechenden Steuerungssoftware erprobt werden. Dies erlaubt ein virtuelles Einfahren der Maschine oder eines Prozesses, um einzelne Geräte- oder Prozessparameter vorab zu optimieren.

Ein weiteres Anwendungsfeld entsprechender Maschinen- und Anlagenmodelle stellt die virtuelle Schulung von Maschinenführern dar. Der Einsatz umfangreich geschulten Personals kann die Hochlaufzeit (Ramp-up) während der realen Inbetriebnahme reduzieren.

Inbetriebnahmen sind traditionell von dem Bild geprägt, dass hier die Theorie die Praxis trifft. Da ein Modell wahrscheinlich nie exakter sein wird als sein physisches Ebenbild, bleibt die Inbetriebnahme auch zukünftig noch ein iterativer Prozess – allerdings mit besseren Startwerten und Werkzeugen für eine zielgerichtete Optimierung. Die vorgelagerten virtualisierten Erprobungsprozesse vor der physischen Inbetriebnahme führen zu einer besseren Ausgangslage. Die ­Bereitstellung relevanter Informationen zum erwarteten ­Maschinenverhalten durch den digitalen Zwilling erlauben eine effizientere Fehlersuche und Parameteranpassung. Wichtig: An dieser Stelle endet das Leben des digitalen ­Zwillings nicht. Alle – sei es physisch oder parametrisch – Änderungen während der Inbetriebnahme an der Maschine müssen in den digitalen Zwilling zurückgeführt werden.

Betriebsphase einer Maschine

In der Betriebsphase ergeben sich weitere Szenarien, die die sukzessive Aufnahme von Informationen über ein technisches System und der virtuellen Abbildung des Systemverhaltens erfordern. Für flexibel einsetzbare Maschinen ergibt sich der Bedarf, bei Produktwechseln Bearbeitungsprogramme anzupassen oder neue zu erzeugen. Der damit verbundene Aufwand hängt allerdings sehr stark von der jeweiligen Maschine ab. Während bei Druckanwendungen der Prozess grundsätzlich unverändert bleibt und sich nur einige Parameter ändern, können in der Metallverarbeitung unter Umständen völlig neue Bearbeitungsreihenfolgen und Belastungen der Maschine auftreten. Daher müssen individuelle Prozesse für entsprechende Maschinen analog zu der Auslegung von ­Maschinen ausgelegt und erprobt werden.

Die Reduzierung von Losgrößen bis hin zur Losgröße 1 stellt die Fertigungsplanung vor Herausforderungen hinsichtlich Flexibilität, Planungs- und Liefertreue. Während früher auch noch im Laufe der Abarbeitung eines Fertigungsloses die Prozessabfolge optimiert werden konnte, muss bei der Einzelteilfertigung der gesamte Fertigungs­ablauf stets auf Anhieb wirtschaftlich sein. Daher spielt neben der simulationsbasierten Planung und Überwachung von Prozessen an einzelnen Bearbeitungsstationen auch die Betrachtung der gesamten Fertigungslinie eine immer wichtigere Rolle. Ein Ansatz stellt hierzu die Kopplung von Manufacturing Execution Systems (MES) mit Ablaufsimulationen mit dem Ziel einer optimierten Fertigungssteuerung durch Simulationen auf Basis aktueller Fertigungsdaten dar. Damit können im laufenden Betrieb­ Änderungen im Prozessablauf vorab simuliert und analysiert werden. Als Beispiele sind hier Lösungen von Edag [8] oder Fauser [9] zu nennen.

Im Betrieb einer Maschine können nicht alle prozessrelevanten Informationen ohne erheblichen wirtschaftlichen Aufwand oder wegen fehlender technischer Möglichkeiten eventuell auch überhaupt nicht durch Sensoren erhoben werden. Gleichzeitig hat man diese Informationen aber ­bereits in der Entwicklung durch entsprechende modell­hafte Abbildungen von Wirkzusammenhängen ermittelt. Daher können die virtuellen Modelle auch zur Betriebszeit der ­Maschine mit realen Maschinendaten gespeist werden, um parallel zum Produktionsprozess die reinen Maschinendaten um virtuelle Prozessdaten anzureichern.

Eine kommerzielle Lösung für eine Plattform zur Verbindung von Simulationsmodellen und IoT-Maschinendaten stellt GE Predix dar. In Kooperation mit dem Anbieter von CAE-Software Ansys bietet GE seinen Kunden die Möglichkeit, im Betrieb Asset-Daten von Maschinen um Simula­tionsergebnisse zu erweitern, um frühzeitig Störungen zu identifizieren, Wartungsmaßnahmen zustandsabhängig zu planen oder den Betrieb zu optimieren.

Diese Ansätze unterscheiden sich von den gemeinhin ­unter den Begriffen Big Data und Data Analytics zusammengefassten Methoden, da hier keine statistischen oder analytischen Methoden zur Identifizierung von Zusammenhängen eingesetzt werden, sondern bekannte, in Modellen beschriebene physikalische Zusammenhänge anhand aktueller Daten abgebildet werden. Dazu wird das in den ­Modellen des digitalen Zwillings vorgehaltene Wissen aus der Entwicklung zur Laufzeit eingesetzt.
Bei Abweichungen oder Störungen einer Maschine ist ­sowohl für den Support als auch den Service eine Herausforderung, Fehlerbilder zu analysieren und effizient eine Lösung zu entwickeln. Hierbei kann der digitale Zwilling wertvolle Unterstützung bieten. Ein weiteres Einsatzszenario für Werkzeuge zur virtuellen Abbildung von Maschinen und für ­Daten digitaler Zwillinge stellt das Retrofit, also die Modernisierung von Bestandsanlagen, dar. Hierbei sollen zum ­einen Erkenntnisse aus dem Betrieb der Anlage in die Modernisierungsmaßnahmen einfließen, zum anderen besteht das Ziel, die Umbau- und Wiederinbetriebnahmezeit zu minimieren. Dies erfordert virtuelle Modelle der Bestandsanlage, welche die Grundlage für die Planung bilden. Derzeit müssen CAD-Modelle und Elektropläne häufig noch auf Basis der Anlagendokumentation und der Bestandsanlage selbst neu aufgebaut werden. Zukünftig können diese Aufwände durch die Vorhaltung der Daten im digitalen Zwilling auf eine Verifikation des Datenstands reduziert werden.

Fazit

Der Einsatz digitaler Zwillinge als zentrale Informationsquelle hilft Konstrukteuren und Betreibern die Entwicklungskomplexität zu beherrschen und hilft sowohl die Entwicklungsergebnisse als auch Änderungen an den laufenden Systemen vorab besser absichern zu können – allerdings sind die eingesetzten Modelle nur so gut wie die Personen, die die Modelle erstellen. Nichts ist kritischer, als sich selbst oder den Kunden durch falsche Modelle in falscher Sicherheit zu wiegen.

Daher wird auch die Bereitstellung der erforderlichen ­Verhaltensmodelle und Daten in Zukunft das Maß der ­Dinge sein. Für Komponentenlieferanten betrifft dies den digitalen „Geräte-Zwilling“, aus dem dann Maschinenbauer und ­Systemanbieter die entsprechenden „Maschinen-“ und „Anlagen-Zwillinge“ bauen. Dies wird zukünftig so selbst­verständlich sein, wie heutzutage die Bereitstellung von ­Datenblättern und CAD-Daten. Wer aus dieser digitalen Zwillings-Lieferkette herausfällt, wird früher oder später auch aus der realen Wertschöpfungskette herausfallen.

Die ungekürzte Version dieses Beitrags gibt es als Download (siehe unten). (hz)


Literatur

[1] Modelica Association: Modelica. www.modelica.org (Zugriff am 13. 8. 2018).

[2] Dassault Systems: Dymola. www.3ds.com/products-services/catia/products/dymola (Zugriff am 13. 8. 2018)

[3] Modelon: Modelon – System Modeling and Simulation for ­Automotive. www.modelon.com (Zugriff am 13. 8. 2018)

[4] Freye, B.: Neuer Ansatz: Continuous Commissioning im ­Engineering. machineering, 1. 11. 2017. www.machineering.de/blog/unserer-experten-berichten/article/neuer-ansatz-­continuous-commissioning-im-engineering

[5] Krauss-Maffei: Planungssicherheit mit 3D-Simulation. Virtual Reality Magazin, 9. 5. 2016. www.virtual-­reality-magazin.de/kraussmaffei-planungssicherheit-mit-3d-simulation

[6] Siemens PLM: Get to market faster by reducing machine ­development time with MCD. www.plm.automation.siemens.com/global/de/products/­mechanical-design/mechatronic-­concept-design.html (Zugriff am 15. 11. 2018)

[7] Eplan: Syngineer: Mechatronisches Engineering durch ­interdisziplinäres Teamwork. www.eplan.de/de/loesungen/­produktuebersicht/syngineer (Zugriff am 15. 11. 2018)

[8] N. N.: MES spricht mit der Simulation. Produktion (2016), H. 28, S. 30

[9] Berlak, J.; Fauser, M.; Schubert, M.: Fertigungsfeinplanung mit JobDISPO MES. PPS Management 9 (2004) H. 2, S. 45 – 48


Autor:
Jan Brüning ist Fachreferent Engineering Tools & ­Processes bei der Lenze Automation GmbH in Aerzen.


Whitepaper-Reihe zu digitalen ­Herausforderungen

Whitepaper-Reihe zu digitalen ­Herausforderungen

Industrie 4.0, Industrial Internet of Things (IIoT), Big Data – die digitale Transformation ist in vollem Gang. Der fundamentale Wandel der gesamten Branche passiert genau jetzt. In einer Whitepaper-Reihe von Lenze werden wesent­liche Fragen ausführlich beantwortet.

Whitepaper gibt es unter anderem zu folgenden Themen: Der digitale Zwilling (dieser Fachbeitrag ist eine gekürzte Ver­sion), Die digitale Herausforderung, Funktionale Sicherheit, Software-Dilemma im Maschinenbau und Cloud Computing im Maschinenbau.
Ein Download der Whitepaper ist möglich unter: www.lenze.com/de-de/ueber-lenze/lenze-in-deutschland/presse/whitepaper.


Lenze: Bessere Werkzeuge für das Digital Engineering

05  Der digitale Engineering-Prozess

05  Der digitale Engineering-Prozess

Während die Produktion bereits zunehmend digitalisiert wird, steht die digitale Transforma­tion bei Kon­struktion und Entwicklung noch am Anfang. Zwar sind viele Aspekte des digitalen Zwillings inzwischen Realität, doch noch fehlt es an einer durchgehenden Werkzeugkette. Lenze treibt die Anpassung und Erweiterung seiner Tools und Services voran, um diese Lücke zu schließen (Bild 5).

Ausgangsbasis für die Entwicklung sind die bekannten Werkzeuge, wie etwa die Application-Software-Toolbox ­Lenze Fast. Dazu kommen neue Anwendungen, die speziell im Hinblick auf das Digital Engineering entwickelt werden. Den Einstieg liefert das „InA“-Konzept. Damit kann ein OEM aus mechatronischen Maschinenmodulen eine ­Applikation konfigurieren und parametrieren sowie die Software automatisch generieren. Mithilfe einer VR- oder Hololens-Brille lässt sich daraus eine virtuelle ­Maschine als Augmented-Reality-Objekt in 3D darstellen, die einfache Abläufe in der Simulation zeigt.

Die Fast-Application-Software-Toolbox, mit der sich eine modulare Maschinensteuerung einfach entwickeln lässt, wird zu einem Software-Framework ausgebaut, das zum ­einen mit dem digitalen Zwilling umgehen kann und zum anderen die Basis für die automatische Code-Generierung legt. Ergänzt wird dies um Werke zum automatisierten Code-Testing. Ähnlich dem Tool Drive Solution Designer entsteht eine Anwendung, die nicht nur Motion Control, sondern die vollständige Automatisierung von Maschinen abdeckt.

Mithilfe weiterer Tools können Maschinen beziehungs­weise Anlagen in unterschiedlichen Leveln simuliert werden, die verschieden hohe Anforderungen an Rechenzeit und -­kapazitäten stellen: die Physik der Mechanik, Antriebs­technik und Motion-Applikationen bis hin zu Automations­systemen und kompletten Fertigungsprozessen – nicht nur die grundsätzlichen Eigenschaften, sondern die kundenspezi­fische Konstruktion mit konkreten Details. Mit ausreichender ­Rechenpower kann auf diesem Weg bereits eine virtuelle ­Inbetriebnahme erfolgen. Alle dafür nötigen Daten finden sich im digitalen Zwilling. Diese liefern darüber hinaus wertvolle Informationen für neue Services und Geschäftsmodelle des OEM. Mit seinen standardisierten Datenmodellen und -formaten vereinfachen die Daten der Verwaltungsschale ­zugleich den Einsatz von Cloudanwendungen.