Wenn viele von Ihnen das Wort "Digitaler Zwilling" hören, assoziieren Sie damit in der Regel eine digitale Darstellung einer Maschine oder eines physischen Vermögenswerts. Dies ist jedoch nur eine Teilmenge oder eine Anwendung davon. Bei Simio haben wir einen robusteren und ganzheitlicheren Blick auf den digitalen Zwilling, der sich auf die Fähigkeit konzentriert, heterogene Daten über mehrere, miteinander verbundene Prozesse hinweg zu erfassen und in modellierten Informationen darzustellen, die Echtzeitanalysen unterstützen.
Die Erfassung von Datensätzen über Industrie- oder Fertigungssysteme hinweg - von der Lieferkette, der Maschinenleistung, dem Durchsatz und anderen Beziehungen in der Fertigung - und die Anwendung semantischer Datenstrukturierung zur Gewinnung von Erkenntnissen ist der ganzheitliche Ansatz zur Nutzung der digitalen Zwillingstechnologie. Durch die logische Darstellung heterogener Daten erhält Ihr Unternehmen die Informationen, die es braucht, um betriebliche Herausforderungen zu meistern und Ergebnisse zu optimieren. In diesem Beitrag wird erörtert, wie Simio Digital Twin Fertigungsunternehmen die Werkzeuge an die Hand gibt, um semantische Datenstrukturierung und datengesteuerte Erkenntnisse zu nutzen.
In der Prozessfertigung geht es um die Handhabung verschiedener Prozesse und die Umgehung von Produktionseinschränkungen, um den erforderlichen Durchsatz zur Erfüllung der Kundenerwartungen oder der Nachfrage zu erreichen. Diese verschiedenen Prozesse und Zwänge erzeugen ihre eigenen Daten und wirken sich auf unterschiedliche Weise auf die industriellen Prozesse aus. Daher muss die Entwicklung von digitalen Zwillingsmodellen von Prozessfertigungsanlagen und -abläufen die Einschränkungen und die komplexe Logik, die in Echtzeit auftreten, berücksichtigen.
Simio integriert den Einsatz neuronaler Netze, um den Prozess der Modellierung komplexer Logik und die Einbeziehung von Randbedingungen in digitale Zwillingsmodelle von Fertigungs- und Industriesystemen zu vereinfachen. Anstatt den arbeitsintensiven Prozess der manuellen Erstellung komplexer Logik zu durchlaufen, können Sie sich auf NN verlassen, um die Wiederherstellung der Logik zu erstellen und zu automatisieren, wo dies erforderlich ist. Der Einsatz von neuronalen Netzen verkürzt die Modellierungsdauer und verbessert die Genauigkeit der digitalen Zwillingsmodelle für die Entscheidungsfindung.
Wie bereits erwähnt, gibt der digitale Zwilling Industrieunternehmen die Werkzeuge an die Hand, mit denen sie den Betriebsprozess bewerten können, um Entscheidungen zu treffen und die Produktivität zu optimieren. Die Darstellung der Einblicke in die Entscheidungsfindung, die der Digitale Zwilling den Stakeholdern in der Chefetage und den Technikern in der Werkstatt bietet, erfordert eine gewisse Einfachheit. Die Darstellung von Streaming-Daten würde die Entscheidungsträger nur noch mehr verwirren, daher ist es notwendig, die Ergebnisse zu visualisieren. Simio Results und Dashboard Reports bieten Datenanalysten und Technikern die Möglichkeit, Business Intelligence auf eine Weise zu visualisieren, die jeder versteht.
Mithilfe von Dashboard Reports können Analysten die Auswirkungen verschiedener Parameter wie Bestandsverfügbarkeit, Ausfallzeiten oder erhöhte Nachfrage für die Produktionslinie leicht darstellen. Auf Werkstattebene informieren Planungsberichte die Mitarbeiter über ihre Aufgaben und den Erfolg, der durch die Einhaltung optimierter Pläne erzielt wird.
Industrie 4.0-Geschäftsmodelle wie die vorausschauende Wartung, die datengesteuerte Optimierung der Anlagenleistung und die risikobasierte Planung nutzen semantische Daten für ihre Umsetzung. Digitale Zwillingsmodelle bieten Fertigungsunternehmen die Werkzeuge zur Implementierung eines Echtzeit-Überwachungs- und Managementsystems, das diese Geschäftsmodelle unterstützt.
Die Fähigkeit des digitalen Zwillings, Echtzeitdaten in die Entwicklung optimierter Pläne zu integrieren, ermöglicht es beispielsweise, fehlerhafte Anlagen zu entdecken und schnell anwendbare risikobasierte Pläne zu erstellen, um Ausfallzeiten zu vermeiden. Diese Echtzeit-Überwachungsfunktionen und die Möglichkeit, historische Datensätze zu analysieren, sind auch die treibende Kraft hinter der vorausschauenden Wartung.
Der Weg zur optimalen Nutzung Ihrer Daten durch den Einsatz von Digital Twin-Modellen bringt einige Herausforderungen mit sich. Simio Software vereinfacht diese Herausforderungen durch die Bereitstellung umfangreicher unterstützender Funktionen, die den Modellierungs- und Analyseprozess erleichtern. Sie können mehr über die Nutzung der Dashboard-Berichte aus dem Simio Webinar und über die Verwendung von Neuronalen Netzen aus diesem YouTube Video.