Teilnahme: Zoom Konferenzraum | Meeting-ID: 822 292 5909 | Kenncode: DIV2024
Viele Firmen haben in den Jahren seit dem Beginn von „Industrie 4.0“ Schritte in die Digitalisierung gemacht, mehr oder weniger erfolgreich; viele proprietäre Lösungen blieben hinter den Erwartungen zurück. Skalieren werden Business Applikationen nur, wenn sie auf einer gemeinsamen Basis („Shared Services“) aufbauen und Unternehmen bereit sind, Daten innerhalb vertrauenswürdiger Datenökosysteme zu teilen. Genau dies ist der nächste Schritt ist von Industrie 4.0: Daten über den kompletten Lebenszyklus von Produkten und Anlagen zu sammeln und auszuwerten, und das im Austausch mit anderen Unternehmen: Zulieferern, Kunden, Ausrüstern. So lassen sich weitere Potenziale heben, beispielsweise
- im Engineering, um Produktionsanlagen und ihre Digitalen Zwillinge zu testen und schnell in Betrieb zu nehmen,
- entlang der Lieferkette, um z.B. lückenlose Rückverfolgbarkeit zu ermöglichen oder
- um Produktionsprozesse zu verbessern, z.B. indem Prozessparameter aufgrund verschiedener Qualitäts-Messwerte schnell angepasst werden.
Für Interoperabilität beim Datenaustausch sorgen Digitale Zwillinge, deren Daten offenen Standards genügen. Ein Digitaler Zwilling ist das Abbild des physischen ‘Assets‘ in der realen Fabrik und erlaubt dessen Simulation, Steuerung und Verbesserung. Als Digitale Zwillinge werden Produkte sowie Maschinen und ihre Komponenten mit Hilfe Digitaler Werkzeuge modelliert, und zwar einschließlich sämtlicher Geometrie-, Kinematik- und Logikdaten. Arbeitsgruppen der Plattform Industrie 4.0 diskutieren Digitale Zwillinge in Verbindung mit der sog. Verwaltungsschale / Asset Administration Shell (AAS).
Konkrete Projekte sind Digitale Zwillinge von Produkten in Form komplett digitalisierter Produktlebenslaufakten oder von Produktionsanlagen; beispielsweise geht es bei den Anlagen darum, Qualitätsdaten mit Prozessparametern zu korrelieren, so dass bei n.i.O.-Teilen Prozessparameter nachgeregelt werden können. Hier kommen auch die Zulieferer ins Spiel, da die Anlagenbetreiber mehr Daten zu den Produkten und Prozessen fordern, um damit ihre eigenen Prozesse zu verbessern. Konkretes Beispiel sind Daten zu Coils, die im Presswerk zu Platinen und Tiefziehteilen verarbeitet werden. Je feingranularere Messwerte der Stahlhersteller mit dem Coil mitliefert, umso besser lassen sich Tiefziehparameter einstellen, um Risse oder andere n.i.O.-Merkmale zu verhindern oder sogar vorherzusehen.
