Digitale Zwillinge im Anlagenbau: Der Weg zu mehr Nachhaltigkeit

Anbieter zum Thema

CADFEM Germany GmbH

ITWH Inst.f.technisch- wissensch. Hydrologie GmbH

CAD+T Solutions GmbH

Umweltschutz, Nachhaltigkeit und Sicherheit werden immer wichtigere Themen. In der Industrie werden diese durch Digitalisierung und technologische Neuerungen ermöglicht. Das Konzept des digitalen Zwillings, das erstmals von unter anderem der NASA genutzt wurde, steht dabei im Mittelpunkt.

Digitale Zwillinge in der Praxis: Industrieunternehmen sollten Technologien wie künstliche Intelligenz, die Cloud und das Internet der Dinge parallel einsetzen. Denn daraus ergeben sich Vorteile wie optimierte Geschäftsprozesse, eine höhere Effizienz in der Wertschöpfung sowie eine Verbesserung der Mitarbeiterproduktivität.

Digitale Zwillinge: Darum geht's

Der Kern dieser Technologien ist der digitale Zwilling. Er ist ein digitales Spiegelbild von physischen Anlagen, Prozessen, Personal, Systemen und Geräten. Der digitale Zwilling bildet Echtzeit-Informationen dieser verbundenen Systeme ab und gibt so einen tiefen Einblick über die Effizienz verschiedener Prozesse und beschleunigt die Automatisierung. In der Industrie werden digitale Zwillinge aktuell etwa dafür eingesetzt neue Anlagen und Prozesse digital zu testen, Mitarbeitende zu schulen oder den laufenden Betrieb zu optimieren, um dadurch bessere Entscheidungen zu treffen und erhebliche Nachhaltigkeitsvorteile zu erlangen.

Der wichtigste Aspekt des digitalen Zwillings ist die ständige Aktualisierung und somit eine kontinuierliche Datenerhebung. Informationen werden in einer Datenbank gesammelt und die digitale Kopie der Anlage wird in Echtzeit konfiguriert. Ingenieure mehrerer Fachrichtungen können gleichzeitig von dieser zentralen Datenbank aus arbeiten, in der alle Dokumente und Modelle automatisch aktualisiert werden, sobald Änderungen vorgenommen werden. Künstliche Intelligenz (KI) ist also das Herzstück des digitalen Zwillings.

Intelligente Anlagen verbessern die Nachhaltigkeit

Aus den verschiedenen Formen der KI – wie neuronale Netze, computerbasiertes Sehen und maschinelles Lernen – ergeben sich unterschiedliche Analysemöglichkeiten. Die einzelnen KI-Analysen können fundamental wertvolle Erkenntnisse schaffen, die zu Verbesserungen der Abläufe von sicheren und effizienten Prozessen führen. Zudem können sie Überwachungs- und Kontrollprozesse automatisieren, um die Sicherheit und Leistung zu gewährleisten. Schon jetzt unterstützen KI-Modelle die menschliche Entscheidungsfindung, indem sie datengestützte Erkenntnisse zur Verbesserung von Wertschöpfung und Nachhaltigkeit liefern – dies nennt Aveva Performance Intelligence.

Für den industriellen Einsatz lassen sich diese KI-Analysen in fünf Kategorien unterteilen:

• vorausschauende (predictive) Analysen

• leistungsbezogene (performance) Analysen

• empfehlende (prescriptive) Analysen

• prognostizierende (prognostic) Analysen

• erkenntnisreiche (perceptive) Analysen

Vorausschauende und leistungsbezogene Analysen

In der Industrie ist die vorausschauende Analyse eine der am häufigsten eingesetzten fortschrittlichen Technologien, die Big Data und maschinelles Lernen nutzt, um Anomalien in Prozessen und Anlagen zu erkennen. Dies kann aktuelle Ineffizienzen aufzeigen und die Mitarbeitenden in die Lage versetzen, Prozesse zu optimieren. Zusätzlich kann sie auch vor zukünftigen Anlagenausfällen warnen – Tage, Wochen oder sogar Monate im Voraus. Mit diesen Informationen können Unternehmen Wartungsreparaturen lange vor einem Ausfall der betreffenden Anlagen planen. Dadurch lassen sich das Betriebsrisiko senken und Kosten durch die Vermeidung ungeplanter Ausfallzeiten sparen.

Durch die Kombination von branchen- und anlagenspezifischen Algorithmen ist KI nicht nur in der Lage, Anomalien zu erkennen, die einem Unternehmen helfen, Fehler zu entdecken und zu beheben, bevor sie auftreten. Sie kann auch Prozesse optimieren, die den Ertrag und die betriebliche Effizienz verbessern.

Digitale Zwillinge: Ausfallzeiten durch Prognosen minimieren

Die empfehlende Analyse geht über die bloße Warnung vor einem Problem hinaus. Sie ermittelt zusätzlich die beste Vorgehensweise zur Lösung des Problems und empfiehlt diese. Dies geschieht durch Ursachenanalyse und risikobasierte Entscheidungsunterstützung. Hierbei werden die Kritikalität und Dringlichkeit eines Problems analysiert, um Maßnahmen zu empfehlen, die die Effizienz und Rentabilität optimieren. Ausfallzeiten sollen so minimiert und kostspielige Verzögerungen vermieden werden.

Mit einer prognostizierenden Analyse, neuronalen Netzen, Deep- und Reinforcement Learning können Ereignisse – wie die Verschlechterung der Betriebsleistung oder die Restnutzungsdauer einer Anlage – vorhergesagt werden. Dies kann Unternehmen dabei helfen, Risiken zu managen, die Rentabilität zu maximieren und die Nachhaltigkeit zu verbessern.

Prognostizierende KI kann zur Optimierung von Betriebs- und Wartungsstrategien eingesetzt werden, indem sie risikobasierte Erkenntnisse für Entscheidungen liefert: zum Beispiel, ob ein Betrieb bis zum nächsten geplanten Wartungsstillstand weiterlaufen sollte oder ob dringendere Arbeiten durchgeführt werden müssen. Sie kann auch dabei helfen, bestimmte Bereiche mit Verbesserungsbedarf zu identifizieren. Bei der erkenntnisreichen Analyse geht es darum, wie intelligente Maschinen mit ihrer Umgebung interagieren. Fortgeschrittene Technologien wie Bild- und Audio-KI und natürliche Sprachverarbeitung werden eingesetzt, um automatisch Beziehungen zwischen Sensoren und Geräten zu erkennen.

Mit Smart Factory CO2-Ausstoß reduzieren

Schneider Electric will seine Anlagen digitalisieren und diese dadurch effizienter und nachhaltiger machen. Durch die digitale Transformation will das Unternehmen Energie und Ressourcen optimal nutzen. Hierfür werden interne und globale Fertigungsprozesse umgestaltet, um somit Nachhaltigkeit und Skalierbarkeit fördern zu können. Mithilfe des digitalen Zwillings werden Lebenszykluslösungen phasenübergreifend von der Konzeption über die Entwicklung bis hin zu Betrieb und Wartung verfügbar gemacht. Schneider Electric nutzt die technologische Neuerung konkret, um:

• die Überwachung der betrieblichen Leistung und Effizienz der Anlage zu verbessern

• detailliertere Daten über Anlagenausfälle zu gewinnen und somit genauere Angaben zu deren Behebung machen zu können.

• neue digitale Lösungen entwickeln zu können, die sich auf die verschiedenen Anlagen am Standort Batam, Indonesien erstrecken sollte.

Darüber hinaus wurde das Werk in Lexington im US-Bundesstaat Kentucky in eine intelligente Fabrik umgewandelt, um neue Vorteile aus der fortschrittlichen KI und Analytik ziehen zu können. Dazu gehört die Optimierung von Prozessen, eine schnellere und intelligentere Entscheidungsfindung und Verbesserungen bei der Arbeitsproduktivität. Hinzu kommen eine Reduzierung ungeplanter Ausfallzeiten um 6 Prozent, eine Energiereduzierung um 26 Prozent, eine CO2-Reduzierung um 78 Prozent und eine Reduzierung des Wasserverbrauchs um 20 Prozent. Insgesamt hat das Unternehmen durch das Umsteigen auf maschinelles Lernen bereits 21 Prozent Energieeinsparungen an einigen Standorten und 377 Tonnen CO2 weltweit eingespart.

Von Jim Chappell.

Lesen Sie auch: Siemens und Desktop Metal: Nachhaltige additive Fertigung