Lernen vom digitalen Zwilling

Was ist eigentlich…

Lernen vom digitalen Zwilling

Bild: Epicor Software Deutschland GmbH

Digital twinning ist eine von vielen Technologien, mit denen Industrieunternehmen im Rahmen ihrer Industrie 4.0-Projekte Produkte und Services sowie ihre Produktionsanlagen optimieren und weiterentwickeln. Das ganze Potenzial eines digitalen Zwillings lässt sich erst ausschöpfen, wenn sich die digitalen Abbilder in einer vernetzten Systemlandschaft durchgängig nutzen lassen.
An den Vorteilen industrieller Transformationstechnologien wie Internet of Things (IoT), Big Data, Robotik und Künstliche Intelligenz (KI) scheint es also wenig Zweifel zu geben. Im gleichen Atemzug wird immer öfter der digitale Zwilling genannt. Der ‚digital twin‘ ist das Abbild eines physischen Assets auf einer digitalen Plattform. Damit können Hersteller Daten von Maschinensensoren erfassen, um daraus in Echtzeit Status und Leistungswerte abzuleiten. Sobald Fertigungsbetriebe damit beginnen, IoT-Endpunkte, Geräte und physische Güter mit Sensoren und Erfassungssystemen zu verbinden, können die gewonnenen Daten Einblicke vermitteln, um Prozesse zu optimieren und zu automatisieren. Digitale Zwillinge sind für alle Arten von physischen Produkten möglich – vom Mikrochip bis zum Luxusauto.

Beispiel Prototyping

Naheliegender Einsatzbereich von digital twinning – mit einem enormen Potential für Kosteneinsparungen – ist das Prototyping. Bei der konventionellen Produktentwicklung werden physikalische Prototypen meist erst sehr spät gebaut. Digitale Prototypen hingegen generieren sehr viel früher wichtige Erkenntnisse durch virtuelle Simulationen, Modifikationen können jederzeit und zu minimalen Kosten über den gesamten Entwicklungsprozess erfolgen. Damit reduzieren Fertigungsunternehmen nicht nur Entwicklungszeiten und -kosten, sondern dringen auch in den Bereich der Vorhersage von Ausfallszenarien und potenziellen Ausfallzeiten vor – was eine deutliche Effizienzsteigerung in der Produktentwicklung darstellen kann.

Einblicke gewinnen

Für Fertigungsunternehmen sind digitale Zwillinge zudem interessant, um die Produktivität zu steigern – etwa indem sie es ermöglichen, den Bau von Produktionsstätten zu überwachen, Anlagen zu steuern und Endprodukte zu prüfen. Zu diesem Anwendungsbereich gehört auch die vorausschauende Wartung beziehungsweise Predictive Maintenance. Kontinuierliche Maschinenzustandsdaten von Sensoren dienen zur Berechnung von Bauteilverschleißraten, Produktionslasten und Lebensdauer. Digital twinning vereinfacht es dabei, den optimalen Zeitpunkt für die Wartung zu bestimmen und so Kosten für größere Reparaturen sowie vorzeitige oder unnötige Wartungsarbeiten zu vermeiden. Ist in der Produktion jedes einzelne physikalische Gerät der Anlagen virtuell repräsentiert, haben Hersteller plötzlich eine Fülle von Daten über Produktionsprozesse und Leistungswerte zur Hand.

Seiten: 1 2Auf einer Seite lesen

Epicor Software Deutschland GmbH
www.epicor.com/de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

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.

Anzeige

Anzeige

Anzeige