Schlagworte wie IoT (Internet of Things) und der digitale Zwilling haben in Entwicklung und Produktion nicht erst gestern Einzug gehalten. Seit der sogenannten digitalen Transformation der Produktion gewinnen sie an Bedeutung. Doch wie lassen sich das Internet der Dinge in Entwicklung und Produktion einbinden, und welche Vorteile ergeben sich aus vernetzen Produkten?
Bei einem smarten Kühlschrank lässt sich sicherlich darüber streiten, ob dieses Küchengerät von sich aus Milch nachbestellen soll. Anders sieht es allerdings aus, wenn Betriebsdaten einer Anlage gesammelt werden, um effizientere Abläufe zu ermitteln oder um daraus Prognosen über anstehende Wartungsintervalle, Restlebensdauer oder Funktionssicherheit abzuleiten.
Der digitale Zwilling ist in der Produktentwicklung und im gesamten Produktlebenszyklus ein Trend, der sich nicht mehr ignorieren lässt. Beim Blick auf die digitale Produktentwicklung entsteht sogar der Eindruck, dass es den digitalen Zwilling schon viel länger gibt als das aktuell in allen Medien kursierende Schlagwort.
Aber was macht das digitale Entwicklungsmodell eines Produktes zu einem echten digitalen Zwilling? In einem früheren Blogbeitrag haben wir uns bereits an einer Definition versucht. Altairs Vision von IoT und sein Verständnis des digitalen Zwillings ist wie folgt: Um aus einem virtuellen Entwicklungsmodell einen digitalen Zwilling zu machen, müssen die Daten des real im Einsatz befindlichen Produktes gesammelt und in das virtuelle Modell implementiert werden. Damit werden präzisere Vorhersagen möglich, was dazu beiträgt, dass zukünftige Produkte noch besser werden.

Das virtuelle Modell
Aufgrund seiner langen Tradition im Bereich der virtuellen Produktentwicklung bietet Altair verschiedene Werkzeuge, mit denen ein Produkt bis hin zur Marktreife entwickelt werden kann. So können Sie hier einen gesamten virtuellen Entwicklungsprozess anhand eines IoT-fähigen Cobots (Kollaborativer Roboter oder engl.: collaborative robot) nachverfolgen.
Bei der Entwicklung des Cobots oder ähnlich komplexen Produkten ist es von zentraler Bedeutung, das gesamte mechatronische System zu betrachten – einschließlich Struktur, Sensoren, Aktuatoren mit dynamischer Kontrolle und elektromagnetischer Verträglichkeit. Für einen industriellen Cobot ist
Arbeitsplatzsicherheit das oberste Gebot, welche unter anderem mit leichteren Strukturen erreicht werden kann. Leichtere Bauteile und geringere Trägheiten verbessern die Armleistung und erhöhen die Lebensdauer des Systems. Zusätzlich muss ein Cobot auch physische Interaktionen mit Menschen in der gemeinsamen Arbeitsumgebung berücksichtigen, was die Komplexität der Bewegungsbefehle zusätzlich erhöht.
Um das multidisziplinäre System des Cobots abzubilden, werden CAE-Werkzeuge eingesetzt. Lokale Auswirkung wie mechanische oder elektrische Lasten, thermische Effekte und mehr müssen betrachtet werden. Beim Design des komplexen Cobot-Antriebs müssen die Interaktionen zwischen elektromagnetischen Systemen, wie z. B. Motoren, Aktuatoren und Sensoren, analysiert werden. Die Aktuatoren sowie auftretenden elektromagnetischen und thermischen Phänomene müssen beurteilt und ausgelegt werden. Außerdem sollte, zur Beseitigung unerwünschter Vibrationen, die Struktur des Cobots optimiert werden. Die für die Kommunikation mit dem Internet oder zwischen einzelnen Geräten erforderlichen Antennen des Cobots sollten eine effiziente drahtlose Kommunikation sicherstellen.
Eine Schlüsselrolle in der Cobot-Entwicklung nehmen digitale Steuerungsalgorithmen ein: CAE-Software kann zur Entwicklung und Simulation des Steuerungssystems eingesetzt werden. Anhand des Steuerungsdiagramms kann automatisch ein echtzeitfähiger Mikroprozessor Code erstellt werden, der direkt über einen Mikro-Controller verwendet wird. Für eine effiziente und präzise Steuerungsstrategie ist es so möglich, Regelparameter interaktiv zu aktualisieren.

Vom virtuellen Modell zum digitalen Zwilling
Ganz gleich ob Cobot, Fahrzeug oder Flugzeugtriebwerk – dank der im virtuellen Modell berücksichtigten physikalischen Phänomene und Kopplungen kann ein realitätsnahes Modell des Produktes entstehen.
Der noch fehlende Schritt zum digitalen Zwilling ist nun die Rückführung realer Betriebsdaten in das validierte Simulationsmodell. Die so gewonnenen Einblicke gehen allerdings weit über die Verifizierung eines Entwicklungsmodells hinaus. Die Berücksichtigung von Betriebsdaten in einem validierten Simulationsmodell ermöglicht es, sowohl Aussagen über den aktuellen Zustand der realen Produkte als auch Vorhersagen über eventuelle Probleme und Versagensszenarien zu treffen, wie beispielsweise die verbleibende Lebensdauer eines Motors. Dieses sogenannte „Predictive Modelling“ setzt neben einem repräsentativen Ausgangsmodell gewisse Schritte voraus, um eine relevante Aussagekraft zu erlangen. Diese umfassen:
- Definition der Zielsetzung
- Datenerfassung und -analyse/ Beschränkung der Daten auf zielrelevante Parameter
- Predictive Modelling/ Beginnend mit einfachen Modellen und schrittweiser Erhöhung der Komplexität
- Vorhersagen in Bezug auf die Zielsetzung (z. B. verbleibende Lebensdauer)
Um zu erfahren, welche Zustandsinformationen für eine Prognose über das Verhalten eines Produktes im weiteren Betrieb maßgeblich sind, ist es wichtig, die Daten auf relevante Parameter zu beschränken. So lassen sich die enormen Datenmengen deutlich reduzieren.
Der so erstellte digitale Zwilling bietet Einblicke in ein Produkt, das sich bereits im Betrieb befindet. Zudem ermöglicht er es, Vorhersagen – z. B. in Bezug auf Versagensrisiken, Funktionssicherheiten und Lebensdauer – zu treffen. Der virtuelle Protoptyp aus der Entwicklung, der den Idealzustand für die Produktion definiert, wird somit zum Vorhersagewerkzeug für ein Produkt über seinen gesamten Lebenszyklus.
Weg frei für die digitale Transformation
Die beiden grundlegenden Faktoren bei der Umsetzung von Strategien für die digitale Transformation sind Vernetzung und Informationstransparenz. Nur so lassen sich Sensordaten nutzen, um digitale Modelle zu erweitern und ein virtuelles Abbild der realen Welt zu erstellen. Darüber hinaus helfen technische Assistenzsysteme, die gewonnenen Informationen zu bewerten, zu visualisieren und verständlich zu kommunizieren. Das wiederum ist die Basis, um fundierte Entscheidungen treffen zu können und auftretende Probleme schneller zu lösen. Dabei können die Systeme autonom agieren und eigenständig Maßnahmen treffen oder aber, z. B. bei Störungen oder Zielkonflikten, diese Aufgabe an eine höhere Instanz übertragen.
Die Erweiterung der seit vielen Jahren eingesetzten virtuellen Prototypen bzw. digitalen Entwicklungsmodelle um Sensordaten aus dem Betrieb und die Ableitung von Vorhersagemodellen bietet nicht nur die Chance, einen nächsten großen Schritt in Richtung realitätsgetreuer Simulationsmodelle und damit besserer Produkte zu machen. Vielmehr ermöglicht der daraus resultierende digitale Zwilling, Vorhersagen zu treffen und operative Verbesserungen von Maschinen und Anlagen über den gesamten Produktlebenszyklus vorzunehmen. Dies wird sich nicht zuletzt in frühzeitigen und daher kostengünstigeren Entscheidungen hinsichtlich Wartung, Betriebsrisiken und Lebensdauer bemerkbar machen. Daraus ergibt sich für viele Industrien ein klarer Wettbewerbsvorteil.
- IoT in Entwicklung und Produktion - 21. August 2019