Der digitale Zwilling als Basis für ein intelligentes und skalierbares Produktionssystem

Der digitale Zwilling ist der interdisziplinäre Kern zahlreicher Industrie-4.0-Anwendungen (I4.0). Implementierungsansätze sind allerdings oft noch individuell und kostenintensiv, da nutzbare Standards und Referenzmodelle bisher nicht vorhanden waren. Die Plattform I4.0 hat die Verwaltungsschale als einheitlichen Standard für den digitalen Zwilling eingeführt. Im Rahmen des KI-Innovationswettbewerbs entsteht daher im vom BMWi geförderten Forschungsprojekt IIP-Ecosphere eine Implementierung der Verwaltungsschale in der Sennheiser Future Factory.
 Die Verwaltungsschale erschließt den digitalen Zwilling in der Sennheiser Future Factory.
Die Verwaltungsschale erschließt den digitalen Zwilling in der Sennheiser Future Factory.Bild: Institut für Fertigungstechnik und Werkzeugmaschinen

Der digitale Zwilling hat sich in den letzten Jahren von reinen Simulationsanwendungen zu einem deutlich umfassenderen Konzept stets aktueller, virtueller Repräsentanten von Produktionselementen mit Echtzeitkommunikation entwickelt. In der produzierenden Industrie sind solche Produktionselemente sämtliche Betriebsmittel und Produktionsprozesse (Assets). Eine Überführung dieser Assets in einen digitalen Zwilling erlaubt damit ein ganzheitliches Abbild der Produktion zu erschaffen, das den realen Zustand eines Produktionssystem jederzeit virtuell widerspiegelt. Damit kann der digitale Zwilling einerseits zur kontinuierlichen Überwachung aller Assets genutzt werden. Andererseits eröffnet er die Möglichkeit, bestehende Produktionsprozesse zu optimieren und weitere Effizienz- und Flexibilitätssteigerungen zu realisieren. Eine konsistente und interoperable Nutzung von digitalen Zwillingen bedingt jedoch entsprechende Standards und Referenzmodelle. Ohne klar definierte Informationsmodelle und einheitliche Semantik verlieren zur Verfügung stehende Daten schnell an Sinngehalt und Zusammenhang. Vor diesem Hintergrund wurde die Verwaltungsschale, konform dem Referenzarchitekturmodell I4.0 (RAMI 4.0), von der Plattform I4.0 als standardisierte Struktur eines digitalen Zwillings geschaffen.

Verwaltungsschale ermöglicht digitalen Zwilling

Die Verwaltungsschale bildet den ersten internationalen, marktübergreifenden und genormten Standard zur homogenen und konsistenten Implementierung eines digitalen Zwillings. Zukünftig werden physische und nicht-physische Wirtschaftsgüter, die von einem Unternehmen oder einer Organisation individuell verwaltet werden, durch aktive virtuelle Abbilder repräsentiert. Die so entstehende I4.0-Komponente erweitert das reale Wirtschaftsgut um eine robuste, digitale Repräsentanz und integriert reale und digitale Informationswelt mit Hilfe eines konsistenten und standardisierten Informationsmodells.

 Beispielhafte Verwaltungsschale eines Prüfadapters in der Sennheiser Future Factory
Beispielhafte Verwaltungsschale eines Prüfadapters in der Sennheiser Future Factory Bild: Institut für Fertigungstechnik und Werkzeugmaschinen

Über ein streng einheitliches Format wird sichergestellt, dass alle Komponenteneigenschaften homogen in der Verwaltungsschale abgelegt werden. Hierzu wird in der Umsetzung z. B. eCl@ss genutzt. Jede Verwaltungsschale ist unterteilt in einen Header und einen Body. Der Header beinhaltet die eineindeutige Identifikation und beschreibt konsistent zur Verfügung stehende Eigenschaften und Fähigkeiten der I4.0-Komponente. Diese werden im Body über Submodelle spezifiziert, in welchen wesentliche Merkmale und Parameter einer I4.0-Komponente einheitlich beschrieben werden. Im Rahmen ihres Meta-Modells verfügt die Verwaltungsschale zudem über drei Typen: passiv, reaktiv und proaktiv. In ihrer passiven Form liegt die Verwaltungsschale als Datei vor. In ihrer reaktiven Form verfügt die Verwaltungsschale über eine API-Schnittstelle. In ihrer proaktiven Form ist es der Verwaltungsschale sogar möglich, autonom über I4.0-Sprache nach VDI2193 mit anderen Verwaltungsschalen zu kommunizieren und zu interagieren.

Agiles und skalierbares Produktionssystem

Ein interdisziplinäres Team aus den Unternehmen Sennheiser, Bitmotec, Rapidminer und Slashwhy entwickelt und erforscht im Rahmen des Forschungsprojekts IIP-Ecosphere eine exemplarische Umsetzung der Verwaltungsschale als Basis für einen standardisierten digitalen Zwilling. Begleitet durch das Institut für Fertigungstechnik und Werkzeugmaschinen (IFW) der Leibniz Universität Hannover, wird eine vollständig autonome, agile und skalierbare Prüfzelle zur Leiterplattenprüfung in der Sennheiser Future Factory als Demonstrator entstehen. Diese Prüfzelle wird über Verwaltungsschalen vollständig digital abgebildet, wodurch zukünftig weitere Prüfzellen flexibel skalierbar und ohne aufwändige, manuelle Systemintegration integriert werden können.

Zur Vermeidung monotoner, manueller Arbeiten werden diese Prüfzellen die herkömmlichen Arbeits- bzw. Prüfplätze sukzessive ergänzen. Eine Prüfzelle besteht in diesem Zusammenhang aus vier Kernkomponenten, die einen autonomen und agilen Betrieb erlauben: ein Roboter zur Handhabung aller Leiterplattentypen, ein universelles Prüfsystem zur elektrischen Leiterplattenprüfung, typenspezifische Prüfadapter zur Kontaktierung von Leiterplatten und einem fahrerlosen Transportsystem (FTS) zur autonomen Belieferung von Leiterplatten und Prüfadaptern. Die Prüfadapter sind transportable Elemente, die über einen Rüstvorgang zwischen Prüfzellen ausgetauscht werden können.

Der digitale Zwilling einer solchen Prüfzelle wird anhand hinterlegter Submodelle der Verwaltungsschale jeweils individuell konfiguriert und definiert. Neben den generischen Submodellen ‚Identifikation‘, ‚Typenschild‘ und ‚Technische Daten‘ kommen auch komponentenspezifische Submodelle wie ‚PCB‘ (Printed Circuit Board), ‚Elektrischer Prüfadapter‘ und ‚Elektrisches Prüfsystem‘ zum Einsatz. Die Verwaltungsschale eines Prüfadapters besteht bspw. aus einer Teilmenge der genannten Submodelle. So definiert das Submodell ‚Elektrischer Prüfadapter‘ z. B. die Testfähigkeit eines Adapters über eine direkte Zuordnung der damit prüfbaren PCB-Teilenummern digital in einem Blockmerkmal. Im Submodell ‚Elektrisches Testsystem‘ wird zudem die aktuelle Topologie des spezifischen Prüfsystems hinterlegt. Darüber ist der jeweils gerüstete Prüfadapter bestimmt. Bei einem Rüstvorgang wird dieses Merkmal im Submodell geändert und der digitale Zwilling dadurch aktualisiert.

Systemtechnische Trennung zwischen Verwaltung und Nutzung

Die Verwaltung der Submodelle erfolgt im Product-Lifecycle-Management-System (PLM-System) und wird systemtechnisch getrennt vom operativen Produktionssystem realisiert. Voraussetzung ist eine Programmierschnittstelle (API) und die Unterstützung einer Unified Communication des PLM-Systems, sodass reaktive Verwaltungsschalen abgebildet werden können. Dadurch werden die Submodelle einerseits in eine industrieübliche Versionsverwaltung überführt und andererseits die Konformität und Kompatibilität der Merkmalsdefinition und Merkmalsidentifikation nach dem eCl@ss-Standard sichergestellt.

Seiten: 1 2Auf einer Seite lesen

Institut für Fertigungstechnik und

Das könnte Sie auch Interessieren

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.