Virtuelles Design treibt Innovation in Flugzeugkabinen voran

Wenn Passagiere auf einer Boeing 787 Dreamliner Getränk und Snack genießen, kommt dieser aus einer Galley von Jamco Corporation, Flugkabinenhersteller.

Neben Jamcos Erfolg bei Galleys, Toiletten und Sitzen für Boeing, Airbus und andere, kam integrierter Managementbedarf für 3,2 Millionen CAD-Datensätze. Trotz aller Daten konnte das Unternehmen grundlegende Fragen nicht beantworten: Warum wurde ein Produkt so designed? Warum wiederholte man Designfehler, obwohl man in anderen Teilen CAD-Änderungen zur Beseitigung genau dieses Fehlers vorgenommen hatte? Warum löschte man ein essenzielles Element zur Kostensenkung, nur um es später wieder hinzuzufügen? Lösung: Digitaler Faden (Digital Thread) basierend auf Aras Innovator, einer Low-Code-Produktinnovationsplattform. Die Plattform ermöglicht Jamcos Designern und Ingenieuren in Japan, Frankreich und USA, Designhistorie zu suchen und zu verstehen, WARUM ein Produkt so designed wurde – und vergangene Fehler nicht zu wiederholen.

„Indem wir Suchergebnisse mit unseren Informationen verknüpfen – Liefergegenstände, Vorschriften – können unsere Designer jeden Prozess bis zum Abschluss jederzeit durchsuchen und erreichen auf Aras Innovator die richtigen Informationen, ohne auf technischen Wissenstransfer zwischen Ingenieuren angewiesen zu sein“, so Hiroshi Sakurai, Deputy General Manager, Engineering & Technology Division, Aircraft Interiors & Components Group bei Jamco.

Aras' Plattform und Anwendungen sind unter vielen Tools, mit denen Hersteller digitale Fäden erstellen können – idealerweise aus Daten über den gesamten Produktlebenszyklus. Ein Digital Thread ist Log/Aufzeichnung ab CAD-Daten, kann PLC-Daten, Wartung, Sensoren, Energieverbrauch u. v. m. umfassen.

Das Unternehmen und andere nutzen auch Tools für Digitale Zwillinge – virtuelle Modelle, gekoppelt mit physischen Assets, um Änderungen zu verstehen und Auswirkungen zu bewerten, ohne die reale Welt zu beeinflussen. Assets: Menschen, Prozesse, Workflows, einzelne Maschine – oder ganzes Fabrik-System. Anwendungen: Sicherheitsplanung, Fehlervermeidung im Design.

Tools für Digital Twin und Thread: bekannte Manufacturing-Tools – CAD, PLM, IoT-Anwendungen.

Innovator ist Open Source, Anwendungen (Aras und andere) meist bezahltes SaaS-Abo. Unterschiede: Off-the-shelf vs. Custom, Benutzerfreundlichkeit, Flexibilität, Support für Custom-Apps, Low-Code-Apps, Modelle für Digital-Twin-Elemente, gebündelt oder à la carte.

Was Anbieter weitgehend einig sind: Die Vorteile von Digital Twin, Digital Thread oder beidem.

Digitaler Zwilling bereichert Ideenmanagement

Jamcos Erfahrung zeigte Nutzen von Digital Thread für Historie und Kontext in Designphase bei Eliminierung wiederholter Fehler – für mehr Effizienz und Qualität.

Weitere Nutzung: Wartung, sagt Craig Melrose, EVP Digital Transformation Solutions bei PTC.

„Ich kann ihnen Wartungsverständnis und -erfahrung via Augmented Reality (AR) liefern: Erst dies demontieren, zweitens jenes prüfen, drittens jenes inspizieren. Wenn Austausch nötig: Details zu Austausch/Wiedereinbau. Wie korrekte Ausführung bestätigen. Wie wieder zusammenbauen und verifizieren, dass alles korrekt und bereit für Wiedereinschalten. Selbst Sicherheitsaspekte: Strom abschalten, Lock-out – all das via AR.“

Digitaler Zwilling bietet eigene Vorteile.

„Vorteile sind VIEL größer als Investition“, sagt Zohair Mehkri, Director Engineering für Digital Twin bei Flex Ltd., 24 Mrd. $ Global Contract Manufacturer. „Beispiel: Vollständige Optimierung von Prozessen, Gebäuden, BEVOR irgendwas passiert. Dinge verschieben, Produkte ändern, neue Maschinen, Personal/Material hinzufügen/entfernen – alles in Software testen, bevor man Fabrik betritt.

Zeit und Aufwand für Trial-and-Error an physischen Fertigungsprozessen, die finanziell belasten, ist riesig. Fähigkeit, das im Digital Twin zu tun, ist enorm.“

Einmal erstellt, können Hersteller Monitoring, Optimierung, Analyse starten. Jeder Schritt hat eigene Vorteile.

„Prozessanalyse mit Digital Twin ist mächtig – beschreibt nicht nur Prozess, sondern sagt: ‚Hier muss verbessert werden‘“, so Mehkri. „Muss kein Flaschenhals sein. Könnte sein: ‚Hier leerer Raum, könnte genutzt werden.‘ Oder: ‚Nicht-wertschöpfende Aufgabe entfernen.‘“

Wichtig: Digital Twin ist mit physischem Modell via Hard- und Software gekoppelt – Closed Loop.

„Passiert was im physischen System, weiß digitales Modell: Änderung occurred, passt sich an, optimiert sich basierend auf Änderung, gibt Optimierung an physisches System zurück.“

Bei Flaschenhals bietet Digital Twin Lösungen, sagt Ali Ahmad Malik, Assistant Professor Industrial & Systems Engineering, Oakland University.

„Beispiel: Montagezelle, Ziel 1.000 Einheiten/Tag. Zu bestimmter Stunde evaluiert Digital Twin: Bei aktuellem Tempo Ziel verfehlt. Aber nicht nur Problemvorhersage, sondern LÖSUNGEN – weil es simulieren kann und intelligent ist. Infos aus vergangenen Incidents. Vorschläge: Roboter hinzufügen, Roboter beschleunigen. Erfordert Datenkonnektivität und dass Digital Twin aus vergangenen Events/Learning intelligenter wird. Machine Learning Dimension muss enabled sein.“

Malik (Erfahrung mit Robotern/Cobots): Twin hilft auch bei Montageprozess-Balancierung. Aufgaben an Menschen/Roboter, um Assembly in gegebener Zeit zu bauen, kein Operator idle. Vor Digital Twin: manuell.

„Mit Digital Twins, die Roboter-Geschwindigkeit kontinuierlich evaluieren, balanciert es Prozess kontinuierlich und weist Aufgaben richtiger Quelle zu. Manuelle Balancierung entfällt. Bei High-Mix, Low-Volume hilft Digital Twin enorm.“

Auch schnellere Reaktion auf Marktschwankungen: Fertigungslinien/zellen virtuell hinzufügen/löschen/modifizieren, via Simulation testen, akzeptieren/ablehnen basierend auf Ergebnissen. In regulierten Branchen: Pre-Qualifizierung digital vor physischer Qualifizierung.

Melrose: Schnelle virtuelle Änderungen, per Simulation getestet, halten Produktion am Laufen.

Beispiel: Fiktive Fabrik, 10 Maschinen. Arbeiter haben Probleme, Teile in/aus Maschine zu wechseln – zu schwer. Besitzer will Lifthilfe. „Statt Produktion zu unterbrechen, teste ich das offline am Computer, dass es funktioniert. Installiere/ teste am Wochenende, starte Montag mit neuem Item.“

Über allem: Digital Twin liefert Kontext und Framework für Sensordaten smarter Maschinen, sagt Rob McAveney, CTO bei Aras.

„Zwei Flugzeuge, zwei Motoren, Feedback wie Motor 1 vs. Motor 2 läuft. Feedback wertvoll, aber VIEL wertvoller, wenn ich weiß: Welches Flugzeug, wo fliegt es, Wartungshistorie. Alles wichtig für Analyse der Sensordaten. Digital Twin liefert dort den meisten Wert.“

Thread, Twin Apps könnten mehr CAD-ähnlich sein

McAveney sieht größte Herausforderung in getrennten Daten disparater Systeme.

„Daten in verschiedenen Formaten, genutzt von verschiedenen Personen in verschiedenen Abteilungen, die nie miteinander sprechen. Wenn sie Daten liefern müssen, manuell massieren, um für andere anwendbar zu machen.“

Disparate Systems an sich nicht schlecht – aber keine Verbindung.

„Nicht technologisch nicht sprechen, sondern SEMANTISCH nicht sprechen. Heißt: Stückliste in PLM, Stückliste in ERP, kein Mapping, niemand in der Mitte sagt: ‚Feld X in System A = Feld Y in System B.‘ Synchronisation nötig. Nicht mal konzeptionelle Verbindung, geschweige denn physische.“

Malik vergleicht mit CAD-Daten verschiedener Anbieter: „AutoCAD-Daten waren [einmal] nicht exportier-/importierbar in SolidWorks, heute ganz normal, Standardformate. Dasselbe nötig in dieser Dimension – nicht nur CAD-Daten, auch dynamische Daten, Infos aus physischen Systemen. Jetzt auf eine Firmenplattform limitiert.“

Anbieter und Nutzer einig: Erster, wichtigster Schritt bei Digital Twin – Ziel bestimmen und welche Teile des physischen Systems modelliert werden sollen.

Fabrikbesitzer will vielleicht nur Plant visualisieren, Mehkri: „Wo sind Materialien? Wo verbringen Leute Zeit? High-Traffic-Bereiche? Linien-Probleme?“

„Wenn man diese Herausforderungen visualisiert, geht man in zweiten Faktor: Wie löse/optimieren/beseitige ich sie?“

Melrose stimmt: Richtiges Ziel wählen ist Schlüssel.

„Firmen zu Recht risikoscheu, aber wählen maybe Low-Value-Use-Case und wegen Unsicherheit falsche Technologie basierend auf Preis statt Impact. Geraten in Pilot-Purgatory.“

Manche Anbieter discourage Customization, mindestens einer ermutigt sie explizit.

„Kunde frei, Anwendungen zu erweitern, neue zu bauen. Aras stellt sicher, dass alle Änderungen mit Technologie mitgehen. Aras released neue Capability/Versionen für neuere Compute Stacks – Garantie im Abo: Was Sie heute bauen, funktioniert nächstes Jahr.“

Mehkri nutzt Lean-Prinzipien bei Diskrepanz Twin vs. Realität. „Möglichkeiten unmöglich alle zu listen. Ich könnte falsch modelliert haben, User Error, verschiedene Datenquellen, Datenquelle selbst problematisch. Bestimmung via Power of Gemba – Lean-Technik: an Ort der Arbeit gehen. Physischen Floor besuchen, in Prozess eintauchen, RCA (Root Cause Analysis) auf Diskrepanz, Problem lösen.“

Branchenweites Problem: Nicht genug Off-the-Shelf-Content für Materialien, Maschinen, Elemente im Digital Twin. Fehlendes Modell = selbst erstellen, zeitaufwendig.

Malik: User braucht evtl. mehrere Produkte für Digital Twin. „Tool A für Design der Elemente, Tool B für Dynamik/Kinematik, Tool C für Datenintegration physisch→digital. 4–5 Softwares nötig.“

Prominente Anbieter haben umfassende Toolsets, aber KMUs können sich oft nicht leisten oder haben keine Skills. Selbst bei großen Anbietern: Anwendungen übertragen Daten nicht immer reibungslos.

„Aber wenn Software mehr Features in EINER Umgebung: Visual Components bietet kontinuierliche Simulation, Datenkonnektivität, Diskrete Ereignissimulation, Stochastische Analyse in EINER Umgebung. Sehr gutes Feature – braucht nicht 3–4 Softwares.“