Vorsprung durch digitale Zwillinge

Dieser Artikel ist in Ausgabe 5/17 der "Smart Engineering" erschienen.

Der Digitale Zwilling ist ein intensiv diskutiertes Thema in Wissenschaft und Forschung. Die Verknüpfung von digitalen Modellen mit echten Zustandsdaten verspricht vielfältige Anwendungsfälle, die Fabriken leistungsfähiger und Produkte kundenorientierter machen können. Die Entwicklungen im Zuge der vierten Industriellen Revolution rücken den Digitalen Zwilling nun auch stärker in den Fokus der Unternehmen, die aus den theoretischen Konzepten realen Nutzen ziehen wollen. Prozesse und Systeme müssen jetzt auf den Einsatz des Digitalen Zwillings vorbereitet werden. In diesem Artikel werden realisierbare Nutzenaspekte des Digitalen Zwillings dargestellt und Herausforderungen sowie Lösungswege bei der Umsetzung aufgezeigt.

Das Konzept „Digitaler Zwilling“

Der Einsatz digitaler Modelle in Industrieunternehmen ist längst Standard. Diese Modelle werden bei der Produktentwicklung (CAD), im Zuge digitaler Absicherung (DMU, Simulation), in der Produktion (CAM), zur Visualisierung und für Marketingzwecke (hochwertige Renderings) eingesetzt. Gleiches gilt für die Planung komplexer Produktionsanlagen, welche zur Visualisierung (Design Review), für Kollisionsprüfungen (Collision Detecting) und zur Ermittlung der Leistungsfähigkeit und des idealen Betriebszustands (Materialflusssimulation) eingesetzt werden. Verbindet man beide Welten, sind Anwendungsfälle wie die Offline-Programmierung von Robotern und CNC-Anlagen bekannt. Diese Liste ließe sich branchenspezifisch und individuell anpassen, erweitern und modifizieren. Digitale Modelle sind in vielen Unternehmen allgegenwärtig. Allen hier dargestellten Anwendungsfällen ist gemein, dass sie mehrheitlich im Vorfeld der konkreten Nutzung des Produkts oder Produktionsmittels zum Einsatz kommen, allenfalls noch in Zwischenphasen der Nutzung, wie bei Änderungen der Anlagenkonfiguration.

Das Konzept des Digitalen Zwillings geht über dieses Modellverständnis hinaus und setzt in der Nutzungsphase eines Produkts oder einer Produktionsanlage an. Es besteht aus drei wesentlichen Bestandteilen: dem realen Produkt, dem digitalen Abbild und (neu) der Verknüpfung dieser beiden Welten. Durch die Verknüpfung von realen Zustandsinformationen mit dem digitalen Modell kann ein virtuelles Abbild der Realität erstellt werden, das nicht für eine initiale Konfiguration gültig ist, sondern den echten Zustand des realen Produkts einzunehmen vermag. So können im digitalen Abbild Untersuchungen und Tests durchgeführt werden und beispielsweise durch Simulation verbesserte Konfigurationen für die momentane Situation des realen Produkts ermittelt werden. Sind reales Produkt und digitales Abbild nun in beide Richtungen miteinander verknüpft, können diese Konfigurationen und Einstellungen am realen Produkt umgesetzt werden und somit die Produkteigenschaften gezielt modifiziert und optimiert werden. Dieser Optimierungszyklus ist in Abbildung 1 dargestellt. 

Abbildung 1: Konzept des digitalen Zwillings

Der Optimierungszyklus

Der Optimierungszyklus im Digitalen Zwilling kann also in den folgenden Schritten beschrieben werden: 

• Der Ausgangspunkt ist die Nutzung des Produkts.
• Während der Nutzung des Produkts werden Daten über das Produkt und das Nutzungsverhalten erfasst.
• Die erfassten Daten werden entweder lokal dezentral, oder zentral z.B. in einer Cloud gespeichert.
• Werden die Daten nicht an einer zentralen Stelle vorgehalten, müssen sie an das digitale Abbild übertragen werden.
• In der digitalen Welt werden die Daten ausgewertet und analysiert. Im einfachsten Fall können Nutzungsdaten direkt mit Variablen im digitalen Modell verknüpft werden, in komplexeren Fällen müssen die Daten vorher analysiert und für die Verwendung im digitalen Modell angepasst werden.
• Zusätzlich zu den aus der Realität gespeisten Variablen werden Produktparameter variiert. Nur ein Produkt mit Freiheitsgraden eröffnet einen Handlungsspielraum für Optimierungen.
• Durch die Simulation der Produkteigenschaften mit angepassten Parametern wird das zukünftige Produktverhalten bei geänderten Parametern und Einstellungen vorhergesagt.
• Durch die Auswertung der Simulationen kann der Grad der Verbesserung bestimmt und eine Handlungsempfehlung für das reale Produkt abgeleitet werden. Die Schritte 5 bis 7 werden so lange wiederholt, bis die erwünschte Optimierung erreicht ist.
• Die variierten Parameter werden, wie zuvor die erfassten Daten, gespeichert.
• Ggf. müssen die Parameter in die reale Welt übertragen werden.
• Nach dem Erhalt der Informationen aus der Simulation müssen die Parameter im realen Produkt eingestellt werden.
• Das Produkt wird mit optimierten Parametern und Einstellungen genutzt.

Der gesamte Optimierungszyklus kann dabei an vielen Stellen automatisiert und damit beschleunigt werden. Datenerfassung und ihre Übertragung können heute quasi in Echtzeit erfolgen. Je nach Anwendungsfall können auch die Simulation und die Rückkopplung der Informationen automatisiert werden.
Ziel der Nutzung eines Digitalen Zwillings ist dabei stets die Verbesserung der Leistungsfähigkeit des realen Produkts – ob im Consumer-Markt oder für Produktionsanlagen bzw. ganze Produktionssysteme im B2B-Bereich.

Digitaler Zwilling im Consumer-Markt

Für den Anbieter auf dem Consumer-Markt ergeben sich durch Einsatz des Digitalen Zwillings eine Reihe von neuen Geschäftsmodellen. So kann beispielsweise eine stetige Leistungssteigerung des Produkts auch nach dem Verkauf stattfinden. Bereits heute werden zusätzliche Erlöse generiert, indem Anpassungen oder Upgrades der Software nach dem Kauf neue Funktionen für den Kunden frei schalten. Zum Beispiel setzt der E-Mobility-Anbieter Tesla auf Softwarekonfigurationen, um die Leistungsklassen innerhalb einer Produktlinie zu differenzieren. Setzt man darüber hinaus einen Digitalen Zwilling ein, können Optimierungen und neue Funktionen basierend auf der individuellen Nutzung angeboten werden. Diese individuelle Steigerung des Produktnutzens kann nach objektiven Gesichtspunkten (z.B. Leistung des Produkts) oder nach subjektiven (Individualisierung) erfolgen. Ebenfalls denkbar ist der Verkauf des Digitalen Zwillings selbst. Der Kunde kann dabei eigenständig die Optimierung seines Produkts vornehmen und hierzu auf die Simulations- und Prognosefähigkeiten des Digitalen Zwillings zurückgreifen.

Der praktische Nutzen für Anbieter eines Digitalen Zwillings im Consumer-Markt lässt sich daher wie folgt darstellen:

• Wettbewerbsvorteil durch ständige Leistungssteigerung bestehender Produkte
• Individualisierung der Produkte zur Erhöhung des Kundennutzens
• Zusätzlicher Verkauf des Digitalen Zwillings

Digitaler Zwilling im B2B-Bereich

Auch die Nutzung des Digitalen Zwillings einer Produktionsanlage zielt auf die stetige Leistungssteigerung der Anlage ab. Beispielsweise werden Prozessdaten einer Zerspanungsmaschine über ihre gesamte Nutzungsphase aufgenommen und an das digitale Abbild übergeben. In diesem werden die Daten genutzt, um alternative Produktionsszenarien und Fertigungsparameter zu simulieren. Die simulativ optimierten Parameter werden zurück an die Anlage übertragen und die Produktion mit diesen fortgeführt. So können optimierte Anlagenkonfigurationen zur Verlängerung der Werkzeugstandzeiten oder für eine maximale Leistungsfähigkeit in der verfügbaren Produktionszeit bis zum nächsten definierten Wartungsintervall ermittelt werden. Diese auf Realdaten basierende Simulation kann zukünftig auch automatisch, quasi in Echtzeit erfolgen und eine stetige Optimierung ermöglichen. So könnte der Abfall bestimmter Leistungskennzahlen automatisch eine Simulation mit geänderten Parametern auslösen und zu einer Optimierung führen.

In der Betrachtung eines ganzen Fertigungsnetzwerks können durch die Verknüpfung der Anlagendaten mit dem geplanten Produktionsprogramm Leistungsgrenzen und Engpässe frühzeitig erkannt und Gegenmaßnahmen eingeleitet werden. In eventuell eingesetzten Optimierungen durch ein APS-System  können somit weitere Kriterien eingebunden werden, wie die bereits angesprochene Werkzeugstandzeit, Verschleiß oder Energieeinsatz. Interessante Geschäftsmodelle für den Anlagenhersteller ergeben sich zusätzlich durch den Verkauf von Fertigungsleistung einer Maschine als Dienstleistung und nicht der Maschine als Hardware. Der Hersteller profitiert dann selbst von der erwirkten Leistungssteigerung und kann Erkenntnisse aus einem individuellen Anwendungsfall auch auf die Anwendungen anderer Kunden übertragen.

Der praktische Nutzen des Digitalen Zwillings mit dem Fokus auf eine Produktionsanlage oder ein Produktionssystem auf einen Blick:

• Stetige Steigerung der Leistungsfähigkeit der Produktion
• Automatische/teilautomatische Simulation und Optimierung von Produktionsparametern
• Frühzeitiges Erkennen von Leistungsgrenzen oder Engpässen
• Verkauf der Leistung eines Produkts, daher eigener Profit an der stetigen Leistungssteigerung

Voraussetzungen und Herausforderungen

Die Voraussetzungen für den Aufbau des Digitalen Zwillings sind stark vom individuellen Anwendungsfall abhängig und lassen sich in drei Dimensionen bewerten (s. Abbildung 2):

1. Leistungsfähigkeit des digitalen Abbilds
Die notwendige Leistungsfähigkeit des digitalen Abbilds muss auf den geplanten Einsatzzweck des digitalen Zwillings angepasst werden. Alle Produkteigenschaften, die einen signifikanten Einfluss auf die Stellgrößen und die Leistungskennzahlen besitzen, müssen im Modell abgebildet sein. Zusätzlich muss das digitale Abbild in der Lage sein, die erfassten Daten des realen Produkts zu verarbeiten. Variablen, Schnittstellen, Speicherart und -ort müssen auf den individuellen Fall angepasst sein und in vorhandenen Modellen ggf. verändert oder geschaffen werden.

2. Fähigkeit der Datenerfassung
Die nächste Voraussetzung ist die Möglichkeit zur Erfassung der Daten und Informationen des realen Produkts. Welche Informationen und Daten relevant sind, hängen wiederum stark vom Anwendungsfall ab. Um die Erfassung der Daten zu ermöglichen, ist die erforderliche Sensorik gegebenenfalls in der Produktentwicklung vorzusehen oder an einer Produktionsanlage nachzurüsten.

3. Fähigkeit der Verarbeitung
Schließlich muss das reale Produkt auch über die nötigen Stellmechanismen verfügen, um die ermittelte Optimierung umsetzen zu können. Die optimierten Parameter müssen vom Produkt/der Anlage empfangen und verarbeitet und die Konfiguration eingestellt werden können.