Die Vorteile der analysebasierten Produktentwicklung

Ein Blick darauf, wie Systemsimulation und IoT-Funktionen die Datenrückkopplungsschleife schließen können.

Nachdem ein Produkt verkauft wurde, erhalten Produktingenieure in der Regel sehr wenig Feedback über seine Leistung im Feld. Das muss nicht mehr sein. Mit der richtigen Lösung können Produkthersteller Systemsimulationen und IoT-Fähigkeiten kombinieren, um Produktdesigns zu verbessern und dann Lösungen mithilfe von Simulationen basierend auf realen Lastfällen herauszugeben.

RTInsights hat sich kürzlich mit Jasmin Klein, Global Portfolio Development, und Christian Binkowski, Cloud Solution Manager, von Siemens zusammengesetzt, um die Vorteile einer Datenrückkopplungsschleife zwischen Produktingenieuren und dem Gerät im Feld zu besprechen, um eine digitale Produktoptimierung in Echtzeit zu erreichen Zwillinge und mehr. Hier ist eine Zusammenfassung des Gesprächs.

RTInsights:Was ist analysebasierte Produktentwicklung?

Klein: Die analysebasierte Produktentwicklung ermöglicht es Benutzern, Live-Leistungsdaten von einem Produkt oder einer Maschine im Feld zu nehmen und sie zurück in das Produktsimulationsmodell zu übertragen, um das Produktdesign zu verbessern. Durch die Rückkopplung der Live-Produktionsdaten in das Modell wird ein digitaler Zwilling in einem geschlossenen Regelkreis erstellt.

Dieser digitale Zwilling kann dann genutzt werden, um das Design des Produkts aktiv zu verbessern. Wenn beispielsweise bei einem Produkt Probleme auftreten, können Sie mithilfe der Live-Daten eine genaue Simulation durchführen und damit beginnen, die Grundursache eines Problems zu identifizieren. Wenn die Probleme vollständig verstanden sind, können erforderliche Änderungen am Design für zukünftige Iterationen vorgenommen werden. Die Auswirkungen der Änderungen können auch mithilfe des genaueren Simulationsmodells mit den realen Daten der Maschine genau verifiziert werden.

RTInsights:Welche Vorteile bietet die analysebasierte Produktentwicklung?

Klein: Mit genauen Simulationen können Designer nicht nur bessere Entscheidungen treffen, sondern auch Zeit und Kosten reduzieren, um neue Designs auf den Markt zu bringen. Der Bedarf an Prototypen wird nahezu eliminiert. Unternehmen haben die Möglichkeit, nutzerzentrierte Produkte zu entwickeln, die Kundenbedürfnisse erfüllen und die Kundenzufriedenheit steigern. Sie können aus den Problemen vor Ort lernen, indem sie echte Daten verwenden, Fehler simulieren und das Design verbessern. Auf diese Weise können sie Produktprobleme beseitigen, Zeit und Geld sparen, indem sie die Zeit für die Produktvalidierung verkürzen, und Over-Engineering vermeiden. Zusammen verbessert dies die Gesamteffizienz.

RTInsights: Welche Lösung bietet Siemens in diesem Bereich an?

Binkowski: Siemens hat MindSphere®, die industrielle IoT-as-a-Service-Lösung, die Produkte, Maschinen und Anlagen aller Art und Marke miteinander verbindet. Diese Lösung sammelt, aggregiert, verwaltet und analysiert Leistungsdaten. Insbesondere für die MindSphere Analytics-Based Product Engineering-Lösung ist MindSphere nahtlos in Simcenter ^TM integriert Amesim ^TM Software über einen speziell entwickelten Connector. Die MindSphere-Anwendung verwendet diesen Konnektor, um Live-Leistungsdaten zurück in die Simulationsmodelle zu übertragen.

(Die Simcenter Amesim-Software simuliert alle verschiedenen Arten von mechatronischen Systemen. Sie wird mit unzähligen Bibliotheken und Lösungsvorlagen für Maschinen, Autos, Batterien, Schiffe und mehr geliefert.)

Sobald Sie eine Verbindung zwischen beiden Systemen hergestellt haben, können Sie die Zeitreihendaten auswählen, die Sie untersuchen möchten. Wenn es beispielsweise vor Ort ein Problem gibt, möchten Sie möglicherweise 20 Minuten vor oder um diesen Vorfall herum simulieren. Sie können den Zeitraum in MindSphere auswählen, und MindSphere generiert ein Simulationspaket und überträgt dieses an Simcenter Amesim. Dann wird die Simulation ausgeführt und danach können Sie sich die Simulationsergebnisse in MindSphere ansehen.

RTInsights: Können Sie Beispiele für Anwendungsfälle und Erfolge nennen?

Klein: Ich würde mit einem allgemeinen Anwendungsfall beginnen. Heutzutage wird eine Maschine in den meisten Fällen an den Kunden geliefert, und der Produktmanager erhält nie Informationen über die Leistung der Maschine im Feld, um das Produktdesign zu verbessern. Bei Problemen wird der Support kontaktiert und das Problem beim Kunden vor Ort behoben. Die Informationen vom Support gelangen in der Regel nicht zum Produktingenieur oder werden viel später übermittelt. Aufgrund dieser Lücken muss der Produktingenieur ein hypothesengetriebenes Design entwickeln, was zu Over- oder Under-Engineering führt. Unter dem Strich bedeutet dies, dass die Kundenanforderungen nicht erfüllt werden oder zukünftig nicht erfüllt werden.

Der analysebasierte Engineering-Ansatz von MindSphere bietet diese Feedback-Schleife, um das Produktdesign zu ändern und seine Leistung im Feld zu verbessern.

Binkowski: Ein weiteres Beispiel ist die Leistungsoptimierung eines bestehenden Produkts. Diese Lösung bietet die Möglichkeit, bestimmte Parameter des Simulationsmodells direkt in MindSphere zu optimieren. Wenn Sie beispielsweise ein Produkt haben, das mit unterschiedlichen Geschwindigkeiten betrieben werden kann, können Sie testen, welche Geschwindigkeit am besten ist. Unter Verwendung des aktualisierten Simulationsmodells zum Ausführen von Parametern können Sie die Maschinen unter den aktuellen Bedingungen der Linie testen.

Klein: Wenn wir uns ein Beispiel eines Kunden ansehen, der Maschinen verkauft, die mit einer IoT-Lösung wie MindSphere verbunden sind, kann dieser Kunde kontinuierlich Daten sammeln, jederzeit Einblicke in die Leistung erhalten und dann mithilfe dieser Informationen ein Problem simulieren, um das Produktdesign zu verbessern.

Der Produktingenieur kann direkt aus den Live-Daten der Maschine lernen und Rückschlüsse ziehen. Letztendlich stellt dies sicher, dass der Produktingenieur ein benutzerorientiertes Produkt entwickeln und die Kundenzufriedenheit steigern kann.

Ein Beispiel ist Konecranes, ein finnisches Unternehmen, das sich auf die Herstellung und den Service von Kränen und Hebezeugen spezialisiert hat. Es hat eine digitale Lösung implementiert, um seinen Produktentwicklungsprozess zu beschleunigen und die Produkt- und Leistungsdaten miteinander zu verbinden.

Das Unternehmen nutzt MindSphere und Teamcenter®, die Digital-Lifecycle-Management-Software von Siemens, um mithilfe des digitalen Zwillings die Anzahl der zu produzierenden Prototypen zu reduzieren. Dies hilft ihnen, die Effizienz zu steigern und auch die Produktvalidierungszeit zu verkürzen. Durch die Implementierung einer digitalen Innovationslösung beschleunigten sie den Produktentwicklungsprozess und verstärkten die Zusammenarbeit zwischen den Simulationstest- und Engineering-Organisationen in ihrem Unternehmen.