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 eine robustere und ganzheitlichere Sicht auf den digitalen Zwilling, die 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 Technologie des digitalen Zwillings. 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.
Anwendung neuronaler Netze zur Integration komplexer Logik und Beschränkungen
Bei der Prozessfertigung geht es darum, mit verschiedenen Prozessen umzugehen und Produktionsbeschränkungen zu umgehen, um den Durchsatz zu erreichen, der erforderlich ist, um die Erwartungen oder die Nachfrage der Kunden zu erfüllen. Diese verschiedenen Prozesse und Zwänge erzeugen ihre eigenen Daten und wirken sich auf unterschiedliche Weise auf die industriellen Prozesse aus. Daher müssen bei der Entwicklung von digitalen Zwillingsmodellen von Prozessfertigungsanlagen und -vorgängen die Einschränkungen und die komplexe Logik, die in Echtzeit auftreten, berücksichtigt werden.
Simio integriert den Einsatz neuronaler Netze, um die 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.
Visualisieren Sie datengestützte Einblicke mit Dashboard-Berichten
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. Die Funktion Simio Results and Dashboard Reports bietet Datenanalysten und Technikern die Möglichkeit, Business Intelligence so zu visualisieren, dass sie für alle verständlich ist.
Mithilfe von Dashboard-Berichten 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 in Echtzeit umsetzen
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 geben Fertigungsunternehmen die Werkzeuge an die Hand, um ein Echtzeit-Überwachungs- und Verwaltungssystem zu implementieren, das diese Geschäftsmodelle unterstützt.
Die Fähigkeit des digitalen Zwillings, Echtzeitdaten in die Entwicklung optimierter Pläne zu integrieren, ermöglicht es ihm 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.
Schlussfolgerung
Der Weg zur optimalen Nutzung Ihrer Daten durch die Anwendung von Digital Twin-Modellen bringt seine eigenen Herausforderungen mit sich. Simio Software erleichtert diese Herausforderungen durch die Bereitstellung umfangreicher unterstützender Funktionen zur Vereinfachung des Modellierungs- und Analyseprozesses. Sie können mehr über die Nutzung der Dashboard-Berichte aus dem Simio Webinar und über die Verwendung von Neuronalen Netzen aus diesem YouTube Video.