07.12.2021 – Kategorie: Digitale Transformation

Digital Twin Solutions: Die neue Technologie in der Fertigung

Digital Twin SolutionsQuelle: Chesky / Shutterstock

Digitale Zwillinge können als digitale Abbilder von Produktionsanlagen und Fertigungslinien die ungenutzten Potentiale in Ablauf, Wartung und Qualitätskontrolle sichtbar machen. Sie sind skalierbar und niedrigschwellig implementierbar – und dadurch die ideale Technologie für den Einsatz in Produktion und Instandhaltung.

Digital Twin Solutions: 75 Prozent der deutschen Unternehmen setzen sich laut einer Umfrage von BearingPoint aktiv mit dem Thema Predictive Maintenance, also vorausschauender Wartung, auseinander. Sie konnten dadurch ihre Maschinen- und Anlagenstillstandszeiten um 18 Prozent sowie die Wartungs- und Servicekosten um 17 Prozent reduzieren.

Digital Twin Solutions: Die Lösung?

Zudem stellten die befragten Unternehmen einen Umsatzanstieg um durchschnittlich zehn Prozent fest. Die Digitalisierung der Produktion kann also messbare Vorteile im großen Umfang liefern. Zu den anspruchsvollsten Aufgaben bei der Umsetzung von Predictive Maintenance gehören derzeit eine geeignete IT-Infrastruktur, die Auswahl und Verfügbarkeit der Daten sowie der geschätzte Implementierungsaufwand. Diese Herausforderungen können durch ein stufenweises Vorgehen und den Einsatz von Digital Twin Solutions gelöst werden.

Einsatzgebiete eines Digital Twins

Die Hauptaufgabe von Produktionsverantwortlichen besteht in der Regel in der Vernetzung von Produktionslinien oder verteilten Standorte sowie der Sicherstellung eines nahtlosen Produktionsflusses und einer intelligenten Steuerung von Anlagen und Abläufen – ohne Qualitätseinbußen. Unternehmen nutzen dazu branchenübergreifend digitale Überwachung in Echtzeit, um jederzeit Anpassungen und Verbesserungen vornehmen zu können. Digital Twins bieten dabei insbesondere für Anlagen- und Linienüberwachung, Wartung und integrative Qualitätskontrolle einen großen Mehrwert.

In der Wartung und Instandhaltung soll der Digital Twin helfen, Ausfallzeiten von Maschinen oder ganzen Linien zu minimieren. Dafür muss immer häufiger neben der Wartung vor Ort auch der Remote-Zugriff reibungslos funktionieren. Zudem wird immer mehr auf Predictive Maintenance gesetzt, um Störungen vorherzusagen, bevor sie tatsächlich zu Problemen führen. Eine typische Lösung ist ein intelligentes Warnsystem, das zum Beispiel einen Alarm auslöst, wenn Maschinen oder Sensoren vom gelernten Normverhalten abweichen. Voraussetzung für ein funktionierendes Warnsystem ist ein umfangreicher „Data Lake“ mit validen Daten, der sich aus den erhobenen Produktionsdaten speist.

In der Produktionsplanung und -steuerung wiederum besteht die Herausforderung darin, die Produktionslinien und Zuläufe am Shopfloor sicherzustellen, Rüstzeiten zu optimieren und Anlauf-Simulationen digital gestützt durchzuführen. Grundlage dafür sind Daten aus der laufenden Produktion, die durch eine Anbindung von Maschinen oder die Nachrüstung der Anlagen mit Sensoren erhoben werden. Sie werden anschließend konsolidiert und verarbeitet, um den Produktionsprozess transparent darstellen und basierend auf den Daten optimieren zu können.

Einsatz von Digital Twin Solutions in der Halbleiterproduktion

Ein Unternehmen, das Predictive Maintenance bereits erfolgreich einsetzt, ist der amerikanische Halbleiterhersteller Globalfoundries (GF). Er nutzt seit Kurzem am Standort Dresden eine smarte Sensorik bei der Überwachung der Reinstwasserventile. Die Ventile sind produktionskritisch und wurden bislang mit großem Aufwand von Mitarbeitenden analog überwacht. Globalfoundries erfasst nun an den Ventilen Audiodaten, um dann mithilfe von Machine Learning-Methoden ein Datenmodell zu erstellen. Dieses ermöglicht – in Kombination mit kontinuierlich erfassten Sensordaten – eine Bewertung des Ist-Zustandes sowie eine Prognose hinsichtlich zu erwartender Veränderungen der Ventile.

Über ein Dashboard können Fachleute diese Informationen einsehen und entsprechende Wartungsmaßnahmen vornehmen. Zusätzlich können Verläufe historischer und aktueller Parameter angezeigt sowie Grenzwerte für eine Alarmierung definiert werden. Dies ermöglicht eine frühzeitige Fehlererkennung und bedarfsgerechte Wartungsplanung, verhindert dadurch Ausfallzeiten, reduziert Wartungskosten und steigert die Zuverlässigkeit und Lebensdauer der Anlage signifikant.

Digital Twin Solutions
IoT-Systeme in der Produktion müssen immer angepasst werden. Damit trotzdem ein schneller Projektstart gelingt, ist es sinnvoll, typische Funktionen in vorgefertigten Modulen und Assets zu kapseln und von den kunden- und anlagenspezifischen Aspekten zu trennen.
Bild: T-Systems MMS

Wenn Unternehmen sich für ein solches IoT-System entscheiden, sollten sie beachten, dass es bisher kein fertiges System gibt, das alle Anforderungen eines solchen Smart-Factory-Projekts direkt erfüllt. IoT-Systeme in der Produktion müssen immer angepasst werden. Damit trotzdem ein schneller Projektstart gelingt, ist es sinnvoll, typische Funktionen in vorgefertigten Modulen und Assets zu kapseln und von den kunden- und anlagenspezifischen Aspekten zu trennen. Beispiele solcher Module können die Anomalieerkennung, AR/VR-gestützte Wartungsszenarien oder Blockchain-basierte Herstellungsnachweise sein. Trotz Modularisierung und Individualisierung müssen ­Lösungen im Kern flexibel gestaltet und so implementiert werden, dass sie skalierbar sind. Das heißt: Ein Einstieg muss kostengünstig mit wenigen Anlagen möglich sein und schnell Mehrwerte aufzeigen. Gleichzeitig muss die Skalierung auf mehrere Linien und Produktionsstandorte übertragbar sein.

Der Weg zum Digital Twin

Die Entwicklung eines lückenlosen Monitorings von Produktionsanlagen entspricht daher eher einem schrittweisen Prozess. Zu Beginn steht die Aufnahme und Konsolidierung von Daten jeder einzelnen Maschine, jedes einzelnen Sensors, und so weiter. Sie werden im zweiten Schritt zur Verarbeitung On-Premise, über einen Edge-Controller in der Peripherie oder direkt in die Cloud übertragen. In der dritten Stufe werden alle strukturierten und unstrukturierten Daten aufbereitet, visualisiert und interpretiert, um sie für die Prozessoptimierung nutzbar zu machen. Nun können Fachleute Muster erkennen, Korrelationen herstellen und Schwellenwerte für Alarmierungen ermitteln. In der fünften und letzten Phase kann schließlich mittels KI und Machine Learning ein vollumfänglich digitales Abbild der bestehenden Produktionsprozesse „erlernt“ werden. So lassen sich unter anderem digitale Anlaufsimulationen zur Verkürzung von Rüstzeiten, oder selbstlernende und -optimierte Modelle realisieren.

Am Digital Twin lässt sich der Status und das Verhalten von Produktionsanlagen überwachen und dank KI oder Machine Learning intelligent analysieren und prognostizieren. Unternehmen können so physikalische, retrospektive Qualitätskontrollen minimieren, Wartungsprozesse effizienter gestalten und Produktionsstätten standortübergreifend im Blick behalten. Die Einstiegshürden zur Einrichtung eines Digital Twins sind dabei dank des skalierbaren Stufenmodells und der unmittelbaren Wertschöpfung sehr niedrig.

Lesen Sie auch: Cloud Zones: Wie die Migration reibungslos klappt

Digital Twin Solutions
Bild: T-Systems MMS

Der Autor Dr. Stefan Pietschmann leitet bei der T-Systems MMS den Bereich „Digital Twin Solutions“.


Teilen Sie die Meldung „Digital Twin Solutions: Die neue Technologie in der Fertigung“ mit Ihren Kontakten:


Scroll to Top