Der digitale Zwilling ist ein leistungsfähiges Tool zur effizienten Steuerung von Produktionssystemen und zur Optimierung von Instandhaltungsprozessen. Immer mehr Unternehmen steigen bei der Modellierung von Produktionssystemen von herkömmlichen CAD-Modellen auf den digitalen Zwilling um, weil diese Form der virtuellen Darstellung realer Anlagenkomponenten und -prozesse ein detailreiches, komplexes Abbild ermöglicht, das aufgrund der Menge und der Qualität der integrierbaren Daten eine hohe Prognosefähigkeit aufweist. Im Ergebnis führt das in der Instandhaltung über optimale Wartungszyklen zu weniger Verschleiß, kürzeren Anlagenstillständen und niedrigeren Energiekosten.
Digitale Zwillinge: Virtuelle Darstellung zur Überwachung und Optimierung physischer Systeme
Ein digitaler Zwilling ist eine virtuelle Repräsentation eines realen Systems: Ein digitales Modell, das die physischen Eigenschaften, das Verhalten und die Leistung von Maschinen und Anlagen repliziert. Die Verbindung zwischen dem digitalen Zwilling und den physischen Objekten wird über Produktionsdaten, zum Beispiel aus einem Prozessleitsystem und weiteren anwendungsspezifischen Datenquellen, hergestellt. Ein anschauliches Beispiel ist die Erstellung eines digitalen Zwillings einer Pumpenanlage. Der traditionelle Ansatz war, dass CAD-Modelle vom Hersteller in Simulationsprogramme importiert werden, um das mechanische Modell zu generieren. Dann wurden zur Modellierung des dynamischen Systemverhaltens hydraulische und elektrische Elemente hinzugefügt. Diese Art der Modellierung ist für die meisten Anwendungsfälle zu komplex, so dass Aufwand und Nutzen häufig in keinem sinnvollen Verhältnis stehen.
Digitale Zwillinge modellieren dagegen das Systemverhalten als virtuelle Repräsentation. Sie nutzen Systemdaten und Messdaten von Sensoren und verknüpfen diese durch Anwendung von Künstlicher Intelligenz, wie Maschinellem Lernen oder Neuronalen Netzen. So entstehen Modelle, die sehr komplexe Eigenschaften abbilden und deren Parameter sich ohne großen Aufwand für unterschiedliche Prognoseszenarien verändern lassen.
Als minimale Ausstattung sollte ein digitaler Zwilling auf ein Set an Stammdaten zurückgreifen können: Basisinformationen, wie Abmessungen, Hersteller, technische Spezifikationen, Ersatzteillisten und Wartungsanforderungen werden in einer Datenbank gespeichert und in das Modell integriert. Durch korrekte Stammdatenintegration kann der digitale Zwilling bereits erste Funktionen erfüllen, wie zum Beispiel Informationen zu Ersatzteilen ermitteln, Wartungspläne anzupassen oder Details zu Instandsetzungsaktivitäten zur Verfügung stellen.
Wie Algorithmen hinter dem digitalen Zwilling die Leistung realer Systeme optimieren
Die Prognosefähigkeit des digitalen Zwillings lässt sich gezielt trainieren. Dazu werden Ist-Daten unterschiedlicher Quellen, also aus Prozessleitsystem, Instandhaltungsplanung, Produktionsplanung, etc. benutzt, um ein Datenmodell aufzubauen, das die Vorhersage bestimmter Szenarien erlaubt, die zum Beispiel ein verändertes Inspektionsintervall oder einen verschleißschonenden Betrieb der Anlage zum Gegenstand haben. Trotz großer Rechenleistung und Speicherkapazitäten sollte dabei eine statistische Aufbereitung erfolgen, um zu vermeiden, dass Artefakte produziert werden.
Digitale Zwillinge geben Unternehmen die Möglichkeit, auf der Grundlage von Daten Entscheidungen zu treffen, die die Systemleistung verbessern, dazu ein konkretes Beispiel. Ein chemischer Produktionsbetrieb verwendet digitale Zwillinge, um das Pumpensystem zu überwachen. Durch die Analyse von Betriebsdaten, wie Druck, Durchfluss und Vibration, kann der Algorithmus vorhersagen, wann eine Pumpe voraussichtlich ausfallen wird. Aufgrund dieser Vorhersagen kann das Instandhaltungsteam gezielte Wartungsmaßnahmen durchführen, um ungeplante Ausfallzeiten zu minimieren. Die Simulation von Szenarien ist ein weiterer Vorteil, die es ermöglicht, die Auswirkungen der getroffenen Entscheidungen vorherzusehen und dadurch Risiken zu minimieren. Das kann z.B. auch genutzt werden, um optimale Lagerbestandsniveaus für Ersatzteile zu ermitteln. Durch die ständige Datenanalyse werden potenzielle Probleme früher identifiziert, was zu einer höheren Systemverfügbarkeit führt.
Die Brücke zur Prädiktiven Instandhaltung: die Prognosefähigkeit des digitalen Zwillings
Damit der digitale Zwilling seine volle Funktionalität entfalten kann, benötigt er von Sensoren erhobene Messdaten zur Beschaffenheit und Leistung der Produktionsanlagen. Die Aussagekraft der Analysen und Prognosen, die der digitale Zwilling erstellt, wächst mit der Qualität der zur Verfügung stehenden Daten. Ein Anwendungsbeispiel sind Pumpen, die das Kühlwasser von den Kühltürmen zu den Verbrauchern fördern. Sensoren an den Pumpen liefern Daten über die Pumpenleistung bzw. den Förderstrom, die Drehzahl und das Drehmoment, die Temperatur des Pumpenmotors und den Energieverbrauch. Zusätzlich zu den genannten Daten werden auch meteorologische Daten wie Außentemperatur und Luftfeuchtigkeit erfasst, da diese ebenfalls einen Einfluss auf die Kühlwassertemperatur haben. Mit diesen Daten kann ein neuronales Netz trainiert werden, um das Verhalten des Pumpensystems auch bei anderen Messparametern zu prognostizieren.
Anhand der kontinuierlichen Überwachung und Analyse von Schwingungs- und Vibrationsdaten ist der digitale Zwilling in der Lage, den Zustand der Anlage in Realzeit zu überwachen und präzise Vorhersagen über die zukünftige Leistung der Anlage zu treffen. Unternehmen sind auf dieser Datenbasis in der Lage ihre Instandhaltungsaktivitäten Zeit- und Kostenoptimiert zu planen und durchzuführen.
Digitaler Zwilling: Mit ConMoto erfolgreich in die Zukunft starten zur Planung und Umsetzung für den optimalen Einsatz
Eine erfolgreiche Einführung und Umsetzung vom Digitalen Zwilling erfordert Planung und Zielorientierung. Die neuen Technologien und Methoden müssen mit bereits vorhandenem Prozess- und Anlagenwissen, als auch klassischer Veränderungs- und Umsetzungsexpertise, gezielt abgestimmt und kombiniert werden. ConMoto unterstützt Sie dabei, die Voraussetzungen für die Gestaltung des Digitalen Zwillings zu definieren.
English