Partnerschaft mit der Zukunft

Industriemaschinen wie Werkzeugmaschinen sind so konzipiert, dass sie über einen längeren Zeitraum in anspruchsvollen Umgebungen betrieben werden können. Im Laufe des Betriebs kommt es bei Maschinen unweigerlich zu einer Verschlechterung des Gesundheitszustands und der Leistung. Wenn eine solche Verschlechterung übersehen oder nicht ordnungsgemäß überwacht wird, kann dies zu unerwarteten Maschinenausfällen führen und den gesamten Produktionsprozess unterbrechen. Diese Störung könnte zu kostspieligen Verzögerungen, erhöhtem Wartungsbedarf und einer erheblichen Verringerung der Gesamteffizienz führen. Die Hersteller haben sich seit langem mit diesem Problem auseinandergesetzt. Um dem entgegenzuwirken, verlassen sie sich auf planmäßige Wartungsarbeiten, Maschinen mit einer soliden Wartungshistorie, effiziente Reparaturteams und Ersatzmaschinen.

Es wurden Anstrengungen unternommen, um die Produktions- und Wartungsplanung zu verbessern, beispielsweise durch eine detaillierte Protokollierung von Maschinenausfällen und die Überwachung relevanter Parameter von der Maschinensteuerung aus. Den Überblick über diese Maßnahmen zu behalten, ist jedoch eine große Herausforderung. Sie können ungenau und teuer sein und verhindern nicht immer unerwartete Ausfälle. Was wirklich benötigt wird, ist die Fähigkeit, die Verschlechterung des Maschinenzustands auf Komponentenebene sowie die Leistungsverschlechterung im Laufe der Zeit und über verschiedene Fertigungsprozesse hinweg zu verfolgen und zu vergleichen.

Stellen Sie sich vor, Sie erstellen ein virtuelles Modell der Maschine, das ihr physisches Gegenstück genau widerspiegelt. Und das, dieses virtuelle Modell könnte verwendet werden, um verschiedene Szenarien zu simulieren, Ergebnisse vorherzusagen und Fehler zu identifizieren, bevor sie auftreten. Dies ist ein Beispiel für die Fähigkeiten digitaler Zwillinge und zeigt ihr Potenzial für noch mehr Funktionalität.

In diesem Artikel wird untersucht, wie digitale Zwillinge eine fortschrittliche Maschinenwartung und fortschrittliche Lösungen zur Verbesserung des Maschinenbetriebs ermöglichen können. Wir werden anhand der Erkenntnisse eines Experten näher darauf eingehen, wie das funktioniert und vieles mehr. Am Ende werden Sie ein Verständnis für eine Technologie gewinnen, die im Begriff ist, unseren Ansatz für die Wartung und den Betrieb von Industriemaschinen zu verändern. Lass uns anfangen!

Digitale Zwillinge verstehen

Digitale Zwillinge sind computergestützte Modelle eines Subsystems, einer Maschine oder sogar einer gesamten Produktionslinie in einer Fabrik. Auf Maschinenebene werden digitale Zwillinge mithilfe umfassender Simulationen erstellt, um eine physische Maschine und ihre Prozesse bis hin zur Komponentenebene virtuell abzubilden. Folglich können sie verwendet werden, um den aktuellen Zustand einer Maschine zu bewerten und zukünftiges Verhalten vorherzusagen. Ziel ist es, den Produktions- und Wartungsteams zeitnahe und relevante Informationen zur Verfügung zu stellen und so die Maschinenauslastung zu optimieren, die Wartungsintervalle zu verlängern und ungeplante Stillstände und unerwartete Ausfälle zu reduzieren.

Die Fortschritte in der fortschrittlichen Sensortechnologie und im industriellen Internet der Dinge (IIoT) haben die Genauigkeit digitaler Zwillinge verbessert und ihre Integration praktikabler gemacht. Modelle wie digitale Zwillinge müssen mit Sensor- oder Messdaten abgestimmt werden, um diese Genauigkeit sicherzustellen. Diese Fortschritte stellen sicher, dass die digitale Version die historischen Daten zusammen mit dem aktuellen Zustand der Maschine genau wiedergibt. Moderne Sensoren, die hochempfindlich, genau und robust sind, ermöglichen eine qualitativ hochwertige Datenerfassung, wenn sie richtig eingesetzt werden. Und IIoT-Systeme sind in der Lage, diese hochwertigen Daten auf verschiedene Plattformen zu übertragen, wodurch Flexibilität bei der Datenverwaltung und Zugänglichkeit gewährleistet wird. Hier führen digitale Zwillingsmodelle Vergleiche mit historischen Daten und idealen Szenarien durch. Sie führen auch Simulationen durch, um Parameter zu identifizieren, die angepasst werden müssen, um die Maschinenauslastung und den Betrieb zu optimieren. Digitale Zwillingsmodelle sind auch in der Lage, Betriebsverhalten zu erkennen und zu verfolgen, das vom erwarteten Verhalten abweicht, wie Kollisionen an Werkzeugmaschinen und Stromverbrauch der Maschine.

Digitale Zwillinge sind daher eine Konvergenz zahlreicher Technologien, die im Zuge des Industrie 4.0-Paradigmas entwickelt wurden. Ihre Systemarchitektur umfasst Datenerfassung, Analyse, Zustandsüberwachung, Gesundheitsbewertung, Prozessbewertung, Prognose, Entscheidungsunterstützung und eine Benutzeroberfläche. Kurz gesagt, bei einem digitalen Zwilling geht es darum, mithilfe von Daten und Physik ein virtuelles Modell zu erstellen, das die tatsächliche Maschine widerspiegelt, um Produktion und Wartung zu vergleichen, zu antizipieren und zu planen, wodurch die Effizienz verbessert und unerwartete Ausfälle reduziert werden.

‍

‍

Die Schnittstelle von digitalen Zwillingen und vorausschauender Wartung — ein Gespräch mit Andreas Archenti

Prof. Andreas Archenti ist einer der Gründer und Chefwissenschaftler von iPercept, der sich auf die Zuverlässigkeit und Leistung von Maschinen spezialisiert hat. Seine Karriere zeichnet sich durch sein aktives Engagement in der präzisionsorientierten Forschung aus. Seit 2018 ist er als Lehrstuhlinhaber für industrielle Zuverlässigkeit am KTH Royal Institute of Technology tätig, mit besonderem Schwerpunkt auf Präzisionstechnik, Messtechnik und Analytik. Seine umfangreiche Erfahrung und sein akademisches Können machen ihn zu einem unschätzbaren Mitglied unseres Teams.

Andreas sprach mit uns über die Schnittstelle von Digital Twins und Predictive Maintenance, die erforderlichen Fähigkeiten und Kompetenzen sowie den Einsatz digitaler Zwillinge in Produktion und Wartung.

Was sind die wichtigsten Komponenten eines robusten Digital-Twin-Systems?

Andreas Archenti: Digitale Zwillingssysteme sind in hohem Maße auf Domänenwissen und Rückverfolgbarkeit auf physikalische Phänomene angewiesen. Dies ist besonders wichtig in einer Zeit, in der die Genauigkeit der Daten oft übersehen wird.

Ein System, beispielsweise eine Maschine, kann anhand ihrer jeweiligen Funktionen in seine Grundkomponenten zerlegt werden. Beispielsweise kann das komplexe System einer Werkzeugmaschine in Translations- und Rotationsbewegungen unterteilt werden, wie in den Subsystemen Spindeln, Linearachsen und Drehachsen veranschaulicht.

Der Prozess der Erstellung eines physikalischen Modells beginnt mit dem Verständnis der Phänomene und Prozesse, die in den digitalen Zwilling integriert werden müssen, um nützliche Ergebnisse zu erzielen. Dies ermöglicht die Simulation von Messungen virtuell platzierter Sensoren in einer vereinfachten Umgebung, den Vergleich mit der Realität und die anschließende Analyse der Unterschiede.

Welche Fähigkeiten sind für ein Team erforderlich, um ein Digital-Twin-System effektiv zu implementieren und zu verwalten?

Andreas Archenti: Um ein Digital-Twin-System effektiv zu implementieren und zu verwalten, benötigt ein Team ein tiefes Verständnis des Bereichs, den das DT repräsentieren sollte. Darüber hinaus sind Fachkenntnisse in Bereichen wie Mechatronik, Maschinenbau und Elektrotechnik sowie Regelungstheorie unerlässlich. Die Fähigkeiten, die für die Erstellung einer digitalen Zwillingssimulation einer bestimmten Maschine erforderlich sind, unterscheiden sich erheblich von denen, die für die Entwicklung einer Lösung erforderlich sind, die auf verschiedene Maschinen verallgemeinert werden kann. Dies unterstreicht die Notwendigkeit, die gemeinsamen Merkmale und Eigenschaften von Maschinen zu verstehen.

Wie misst man die Genauigkeit eines Digital-Twin-Systems?

Andreas Archenti: Die Genauigkeit eines digitalen Zwillings wird an seiner Fähigkeit gemessen, einen großen Teil der Komplexität eines Phänomens mit der einfachsten Lösung zu erfassen. Validierung und Verifizierung (V&V) sind Schlüsselkomponenten und sollten als kontinuierlicher Prozess und nicht als einmaliges Ergebnis betrachtet werden. In den Iterationen der Produktentwicklung dient der V&V-Prozess als Leitprinzip und hilft uns dabei, den nächsten Faktor zu identifizieren, der in unser Modell integriert werden muss, um den größten Einfluss auf die Produktionsqualität zu haben.

Hier können Konzepte aus den Bereichen Feinmechanik und Messtechnik integriert werden, die Prinzipien wie Präzisionsdesign zur Minderung von Auswirkungen wie Abbe-Fehlern sowie Überlegungen zur Unsicherheit und Kalibrierung umfassen.

„Ein digitaler Zwilling muss keine perfekte Abbildung der Realität sein; er muss nur gut genug sein“, unterstreicht einen grundlegenden Aspekt der Implementierung eines digitalen Zwillings: Der Grad der Genauigkeit wird durch die Entwurfsanforderung bestimmt, die durch die funktionale Leistung repräsentiert wird.

Wie verändert die Implementierung digitaler Zwillinge die Dynamik der Produktions- und Wartungsteams?

Andreas Archenti: Der Einsatz digitaler Zwillinge bringt eine neue Dynamik in die Produktions- und Wartungsteams. Simulationen digitaler Zwillinge sind ein entscheidendes Instrument zur Förderung einer Kultur der kontinuierlichen Verbesserung. Herkömmliche datenbasierte Lösungen, die in der Produktion auf Blackbox-Modellen basieren, hatten Schwierigkeiten, genügend umsetzbare Erkenntnisse und Skalierbarkeit zu liefern. Digitale Zwillinge werden es uns ermöglichen, einen Punkt zu erreichen, an dem wir unsere Daten verstehen und interpretieren können, wodurch das Potenzial fortschrittlicher Algorithmen, einschließlich Deep Learning, ausgeschöpft wird.

Was sind die wichtigsten Vorteile von Digital Twin-Simulationen?

Andreas Archenti: Digitale Zwillingssimulationen haben viele Vorteile. Die Geschwindigkeit, Tiefe und Gültigkeit von Vorhersagen auf realen physikalischen Systemen sind erhebliche Vorteile. Auf diese Weise können wir Messungen zuverlässig mit tatsächlichen Änderungen des Maschinenzustands oder des Gerätebetriebs verknüpfen. In der daraus resultierenden Umsetzbarkeit liegen die wirklichen praktischen Auswirkungen und die Wertschöpfung.

Denken Sie beispielsweise an den Unterschied zwischen diesen beiden Erkenntnissen: „Es liegt ein kritisches Problem mit Ihrer Maschine vor“ und „Die Mutter der Kugelumlaufspindel der X1-Achse ist stark beeinträchtigt“. Durch diese Detailgenauigkeit kann ein ganzer Tag an Ausfallzeiten vermieden werden.

Ein weiterer Vorteil ist die Geschwindigkeit. Simulationen mit digitalen Zwillingen können verwendet werden, um Prognosemodelle vorab zu trainieren, sodass Sie nicht warten müssen, bis bei jeder Maschine in jedem Messaufbau die verschiedenen Probleme und Ausfälle auftreten. Modelle können beispielsweise auf eine Vielzahl von Maschinen angewendet werden, um tiefere Einblicke in die Betriebsbedingungen und mögliche Verbesserungen zu gewinnen.

Darüber hinaus können Simulationen des digitalen Zwillings dazu beitragen, falsch positive Vorhersagen herauszufiltern, was einen erheblichen Vorteil bei der Aufrechterhaltung der Effizienz und Effektivität unserer Systeme sowie bei der Budgetierung von Unsicherheiten bei der Entscheidungsfindung in industriellen Betrieben bietet.

‍

‍

Verwenden Sie die Lösung von iPercept, um Ihre datengesteuerten Wartungsprogramme auszuführen

Bei iPercept sind wir auf KI-basierte, hardwarefähige Softwarelösungen und Dienstleistungen spezialisiert, die am besten als Fitness-Tracker für komplexe Industriemaschinen beschrieben werden können. Unser Ansatz kombiniert fortschrittliche Sensortechnologie mit prädiktiven Algorithmen, die alle auf einem proprietären Datenstrom basieren.

Diese leistungsstarke Kombination ermöglicht es Ihnen, mehr über den Zustand Ihrer Maschinen zu erfahren und Mikrometerveränderungen an jeder kritischen Komponente zu erkennen. Sie liefert verwertbare Einblicke in die notwendigen Wartungsarbeiten und den optimalen Zeitpunkt für diese. Darüber hinaus ermöglicht es Ihnen die Überwachung des Maschinenbetriebs und bietet Anleitungen zur Optimierung ihrer Auslastung und vieles mehr.

Unsere Lösungen sind für eine nahtlose Integration konzipiert und bieten eine Plug-and-Play-Installation sowohl für alte als auch für neue Maschinen. Alles sicher bereitgestellt, ohne dass Zugriff auf Maschinensteuerungen oder IT-Systeme erforderlich ist.

Durch die Reduzierung der Wartungskosten und Ausfallzeiten bei gleichzeitiger Steigerung der Produktivität bieten unsere Dienstleistungen unseren Kunden eine solide Kapitalrendite.

Bleiben Sie auf LinkedIn mit uns in Verbindung und suchen Sie auf unserer Website nach ähnlichen Inhalten und Updates von iPercept. Wir sind nur eine Nachricht entfernt, wenn Sie Fragen haben.