Wie der digitale Zwilling die Automobilfertigung revolutioniert

Herkömmliche Wartungsarbeiten in der Automobilzulieferkette haben sich auf empirische Beobachtungen und menschliche Messungen der Ausrüstung verlassen. Dieser Ansatz konnte die Maschinenleistung nur in diskreten Intervallen abtasten. Es wurde von Wiederholbarkeitsproblemen geplagt, die auf der Tageszeit der Messung, menschlichen Interpretationsfehlern und der Sensorplatzierung beruhten. Eine modernere Darstellung der gleichen Wartungsmethode kann jetzt digital durch intelligente Simulationen eines sogenannten „digitalen Zwillings“ erfolgen.

Um die detaillierten Betriebseigenschaften komplexer Maschinen im Einsatz in einer Fabrik zu bewerten, kann jetzt eine vollständig digitale Zwillingsdarstellung als wichtigstes Intelligenztool verwendet werden. Ein digitaler Zwilling besteht aus drei digitalen Komponenten:einer Datenmodellrepräsentation, einem Satz analytischer Algorithmen und Verhaltenswissen über den Maschinenbetrieb. Digitale Zwillinge verwenden historische Informationen mit bekannten Leistungsdaten, um vergangenes Verhalten zu verstehen. Sie wenden direkte und indirekte Daten auf aktuelle Maschinenzustände an. Durch die Verwendung intelligenter maschineller Lernalgorithmen anhand dieses Wissens kann eine Vorhersage des zukünftigen Verhaltens der Maschine modelliert werden.

Ein vollständiger digitaler Zwilling einer Maschine besteht aus mehreren Teilen. Jedes mechanische Maschinenteil wird durch einen Komponentenzwilling repräsentiert. Lüfterflügel, Lager, Kolben und Befestigungselemente können alle auf ihrer grundlegendsten Ebene als Komponente digital dargestellt werden. Der Komponentenzwilling ist eine wichtige Unterkomponente mit erheblichem Einfluss auf die Leistung des Vermögenswerts, zu dem er gehört.

Während der Konstruktionsphase einer Maschine werden diese digitalen Elemente zusammen entwickelt, um das gesamte Asset wie einen Motor oder eine Pumpe zu bilden. Der Anlagenzwilling verwendet die Zusammenstellung der Komponentenzwillinge innerhalb der Konstruktion, um ein vollständiges Modell der Maschinenanlage zu erstellen. Anlagenzwillinge können Sammlungen von Informationen aller ihrer Komponentenzwillinge sein. Anlagenzwillinge bieten Transparenz auf Geräteebene. Indem Sie den aktuellen Betriebskontext anwenden und den zukünftigen Zustand eines digitalen Zwillings vorhersagen, können Sie eine Anlage effektiv überwachen, simulieren und steuern. Eine intelligente Nutzung dieser Informationen kann den Lebenszyklus des Assets nachhaltig optimieren.

Erweiterte Analysesimulationen in der Cloud aus Asset-Zwillingsdaten können kontinuierliche Echtzeitinformationen über die Leistung von Geräten in einer Fertigungsumgebung liefern. Auf eine noch höhere Ebene extrahiert, kann dieses Asset-Zwillingsmodell Teil eines Prozesszwillings und eines Gesamtunternehmenszwillings sein, der die Nutzung von Fabriken, Lieferketten und Vertriebskanälen modelliert. Die Anlagenzwillingsdaten können zur Erkennung von Anomalien genutzt werden, wenn sie mit statistischen Modellen verglichen werden, um vorausschauende Wartungswarnungen und Einblicke in die verbleibende Nutzungsdauer zu generieren.

Für den Benutzer des digitalen Zwillings ergeben sich mehrere Vorteile. Mit der richtigen Entscheidungsfindung aus Erkenntnissen werden eine erhöhte Zuverlässigkeit und Verfügbarkeit der Anlage geschaffen. Es besteht ein geringeres Risiko von Verlusten oder katastrophalen Störungen, wenn die Informationen aus den digitalen Zwillingssimulationen für Verbesserungen verwendet werden. Die Produktionseffizienz der Ausrüstung wird durch weniger häufige Bruch- und Wartungsstillstandszeiten erhöht. Insgesamt fallen weniger Wartungskosten an, da der Zustand der Ausrüstung robust überwacht werden kann. Dies führt zu einer schnelleren Amortisierung der Kosten des Vermögenswerts in der Produktionsnutzung.

Die IoT-Fertigung in der Automobilindustrie verbessert den Einblick in das Leistungsverhalten hochentwickelter Maschinen. Die Fähigkeit, Daten in neue Erkenntnisse umzuwandeln, setzt genaue Simulationen und Modelle der verwendeten Ausrüstung voraus. Durch die Implementierung digitaler Komponentenzwillinge innerhalb eines Asset-Twin-Frameworks kann diese Erkenntnis nun digital ohne die empirisch getriebenen physikalischen Messverfahren der Vergangenheit extrahiert werden. Industrielle IoT-Lösungen von MachineMetrics für Maschinen nutzen die Leistungsfähigkeit von Maschinendaten, um den Durchsatz zu steigern und den Wert zu maximieren. Buchen Sie eine Demo, um zu sehen, was MachineMetrics-Anwendungen für Ihr Unternehmen tun können.