Vorgehensmodell zur Erstellung Digitaler Zwillinge für Produktion und Logistik
-
Alexander Follath
Alexander Follath, M. Eng., geb. 1993, studierte Industrial Engineering an der OTH Regensburg und arbeitet im Bereich der Fabrikplanung als Consultant bei Bross & Partner Betratende Ingenieure mbB in München.
Dr. Florian Bross, geb. 1985, ist geschäftsführender Partner des Planungsbüros Bross & Partner Beratende Ingenieure mbB mit Sitz in München. Nach Studienabschlüssen an der RWTH Aachen und Tsinghua University in Peking arbeitete er zuvor als Unternehmensberater im Bereich Produktion & Logistik und promovierte an der TU München.
und
Stefan Galka
Prof. Stefan Galka, geb. 1978, ist Professor für Materialflusstechnik und Fabriksimulation an der OTH Regensburg. Weiterhin leitet er das Labor für Robotik und das Innovationszentrum für Produktion und Logistik an der OTH Regensburg.
Abstract
Der Digitale Zwilling (DZ) ist ein wichtiger Bestandteil der Industrie 4.0 und ermöglicht Anwendungen wie Predictive Maintenance, virtuelles Prototyping oder die Steuerung von Produktions- und Logistikprozessen. Herausforderungen bei der Entwicklung des Digitalen Zwillings entstehen durch fehlende Struktur und Standards. Mit diesem Beitrag soll ein Vorgehensmodell für die Erstellung eines Digitalen Zwillings im Bereich der Produktion und Logistik aufgezeigt werden. Das Vorgehensmodell hilft bei der Einordnung, für welche Anwendungsfälle ein Digitaler Zwilling entwickelt werden kann, welche Schritte bei einer Umsetzung erfolgen müssen, und gibt einen Überblick über die Voraussetzungen und Komplexität bei der Entwicklung. Das zentrale Element bildet dabei die zielgerichtete Aufbereitung und Analyse der zugrunde liegenden Daten mittels des in der Industrie etablierten Vorgehensmodell CRISP-DM.
Abstract
The digital twin is an important component of Industry 4.0 and enables applications such as predictive maintenance, virtual prototyping or 3D simulations of entire factories. The problem with the development of the digital twin arises from the lack of standards and norms. There is no universal methodology for structuring the process. The purpose of this article is to present a process model for the creation of a digital twin in the area of production and logistics. The process model helps to classify the use cases for which a digital twin can be developed, which steps must be taken during implementation, and provides an overview of the requirements and complexity of development. The central element is the targeted preparation and analysis of the underlying data using the CRISP-DM process model established in the industry.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWFAdvisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Alexander Follath, M. Eng., geb. 1993, studierte Industrial Engineering an der OTH Regensburg und arbeitet im Bereich der Fabrikplanung als Consultant bei Bross & Partner Betratende Ingenieure mbB in München.
Dr. Florian Bross, geb. 1985, ist geschäftsführender Partner des Planungsbüros Bross & Partner Beratende Ingenieure mbB mit Sitz in München. Nach Studienabschlüssen an der RWTH Aachen und Tsinghua University in Peking arbeitete er zuvor als Unternehmensberater im Bereich Produktion & Logistik und promovierte an der TU München.
Prof. Stefan Galka, geb. 1978, ist Professor für Materialflusstechnik und Fabriksimulation an der OTH Regensburg. Weiterhin leitet er das Labor für Robotik und das Innovationszentrum für Produktion und Logistik an der OTH Regensburg.
Literatur
1 Wagner, S.; Milde, M.; Barhebwa-Mushamuka, F.; Reinhart, G.: Digital Twin Design in Production. In: Wagner, S. et al. (Hrsg.): Towards Sustainable Customization: Bridging Smart Products and Manufacturing Systems. Springer International Publishing, Cham 2022, S. 339–346 DOI:10.1007/978-3-030-90700-6_3810.1007/978-3-030-90700-6_38Suche in Google Scholar
2 Dertien, S.; Lang, J.; Immermann, D.: Digital Twin – A Primer for Idustrial Enterprise. Online unter https://www.ptc.com/-/media/ Files/PDFs/IoT/digital_twin_industrialenterprises-6-11-19.pdf [Abruf am 30.08.2022]Suche in Google Scholar
3 Grieves, M.: Completing the Cycle: Using PLM in the Sales and Service Function. SME Management Forum, Troy, MI 2002Suche in Google Scholar
4 Shafto, M.; Conroy, M.; Doyle, R.; Glaessgen, E.; Kemp, C.; LeMoigne; Wang, L.: Modeling, Simulation, Information Technology & Processing Roadmap – Technology Area 11. National Aeronautics and Space Administration, Washington, D.C. 2012Suche in Google Scholar
5 Listl, F. G.; Fischer, J.; Rosen, R.; Sohr, A.; Wehrstedt, J. C.; Weyrich, M.: Decision Support on the Shop Floor Using Digital Twins. In: Dolgui, A. et al. (Hrsg.): Advances in Production Management Systems. Artificial Intelligence for Sustainable and Resilient Production Systems. Springer International Publishing, Cham 2021, S. 284–292 DOI:10.1007/978-3-030-85874-2_3010.1007/978-3-030-85874-2_30Suche in Google Scholar
6 Kritzinger, W.; Karner, M.; Traar, G.; Henjes, J.; Sihn, W.: Digital Twin in Manufacturing: A Categorical Literature Review and Classification. IFAC-PapersOnLine 51 (2018) 11, S. 1016–1022 DOI:10.1016/j.ifacol.2018.08.47410.1016/j.ifacol.2018.08.474Suche in Google Scholar
7 Negri, E.; Fumagalli, L.; Macchi, M.: A Review of the Roles of Digital Twin in CPSbased Production Systems. In: Kumar, V.; Leng, J.; Akberdina, V.; Kuzmin, E. (Hrsg.): Digital Transformation in Industry. Springer-Verlag, Berlin 2017, S. 291–307 DOI:10.1007/978-3-030-20704-5_1310.1007/978-3-030-20704-5_13Suche in Google Scholar
8 Stark, R.; Damerau, T.: Digital Twin. CIRP Encyclopedia of Production Engineering, 2019, S. 1–8 DOI:10.1007/978-3-642-35950-7_16870-110.1007/978-3-642-35950-7_16870-1Suche in Google Scholar
9 Listl, F. G.; Fischer, J.; Rosen, R.; Sohr, A.; Wehrstedt, J. C.; Weyrich, M.: Decision Support on the Shop Floor Using Digital Twins. In: Dolgui, A. et al. (Hrsg.): Advances in Production Management Systems – Artificial Intelligence for Sustainable and Resilient Production Systems. Springer International Publishing, Cham 2021, S. 284–292 DOI:10.1007/978-3-030-85874-2_3010.1007/978-3-030-85874-2_30Suche in Google Scholar
10 VDI – Verein Deutscher Ingenieure e. V.: VDI 5200 Blatt 1 Fabrikplanung – Planungsvorgehen. VDI, Düsseldorf 2011Suche in Google Scholar
11 ISO – International Organization for Standardization: Automation Systems and Integration – Digital Twin Framework for Manufacturing – Part 4: Information Exchange, Nr. 23247–4, 2021Suche in Google Scholar
12 Riedelsheimer, T.; Lünnemann, P.; Wehking, S.; Dorfhuber, L.: Digital Twin Readiness Assessment: Eine Studie zum Digitalen Zwilling in der fertigenden Industrie. Fraunhofer IPK, Berlin 2020Suche in Google Scholar
13 Moyne, J.; Qamsane, Y.; Balta, E. C.; Kovalenko, I.; Faris, J.; Barton, K.; Tilbury, D. M.: A Requirements Driven Digital Twin Framework: Specification and Opportunities. IEEE Access 8 (2020), S. 107781–10780 DOI:10.1109/ACCESS.2020.300043710.1109/ACCESS.2020.3000437Suche in Google Scholar
14 ISO – International Organization for Standardization: Automation Systems and Integration – Digital Twin Framework for Manufacturing – Part 1: Overview and General Principles, Nr. 23247–1, 2021Suche in Google Scholar
15 Trauer, J.; Wöhr, F.; Eckert, C.; Kannengiesser, U.; Knippenberg, S.; Sankowski, O.; Zimmermann, M.: Criteria for Selecting Design Process Modelling Approches. In: Proceedings of the Design Society 1 (2021), S. 791–800 DOI:10.1017/pds.2021.7910.1017/pds.2021.79Suche in Google Scholar
16 Chapman, P.: The CRISP-DM User Guide. Vortragsunterlagen, Brussel 1999Suche in Google Scholar
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany
Artikel in diesem Heft
- Inhalt
- Editorial
- Ein Klima des ständigen Wandels
- Produktionsmanagement
- Datengetriebene Produktion zum Anfassen
- Maschinelles Lernen
- Human-in-the-Loop-Ansatz vereinfacht maschinelles Lernen für das Störungsmanagement
- VR-basierte Schulung
- Qualifikation von Maschinenbedienenden
- Assistenzsysteme
- Einsatz eines Sprachassistenzsystems in der Produktion
- Qualifizieren statt Dressieren?
- Operator 5.0: Intelligente Arbeitsergonomie im Automobilumschlag
- MTM-Analyse
- Automatisierte Erstellung von MTM-Analysen
- Nachhaltigkeit
- Sustainability Value – Ökologie und Ökonomie auf einen Blick
- Elektrische Antriebe
- Entwicklung eines Condition-Monitoring-Systems für Niederspannungsmotoren
- Federnde Rotorkomponenten für elektrische Antriebe
- Energiespeicherung
- Entwicklung einer autonomen Elektrodenbeschichtung
- Wirtschaftlichkeit
- Beherrschung von Nachfrageschwankungen durch Belastungsflexibilität
- Schleiftechnologie
- Sensorische Schleifspindel fühlt Prozesskräfte beim Werkzeugschleifen
- Digitalisierung
- Paperless Production in der Prozessindustrie
- Digitaler Zwilling
- Vorgehensmodell zur Erstellung Digitaler Zwillinge für Produktion und Logistik
- Künstliche Intelligenz
- Intelligente Schweißroboter
- Vorschau
- Vorschau
Artikel in diesem Heft
- Inhalt
- Editorial
- Ein Klima des ständigen Wandels
- Produktionsmanagement
- Datengetriebene Produktion zum Anfassen
- Maschinelles Lernen
- Human-in-the-Loop-Ansatz vereinfacht maschinelles Lernen für das Störungsmanagement
- VR-basierte Schulung
- Qualifikation von Maschinenbedienenden
- Assistenzsysteme
- Einsatz eines Sprachassistenzsystems in der Produktion
- Qualifizieren statt Dressieren?
- Operator 5.0: Intelligente Arbeitsergonomie im Automobilumschlag
- MTM-Analyse
- Automatisierte Erstellung von MTM-Analysen
- Nachhaltigkeit
- Sustainability Value – Ökologie und Ökonomie auf einen Blick
- Elektrische Antriebe
- Entwicklung eines Condition-Monitoring-Systems für Niederspannungsmotoren
- Federnde Rotorkomponenten für elektrische Antriebe
- Energiespeicherung
- Entwicklung einer autonomen Elektrodenbeschichtung
- Wirtschaftlichkeit
- Beherrschung von Nachfrageschwankungen durch Belastungsflexibilität
- Schleiftechnologie
- Sensorische Schleifspindel fühlt Prozesskräfte beim Werkzeugschleifen
- Digitalisierung
- Paperless Production in der Prozessindustrie
- Digitaler Zwilling
- Vorgehensmodell zur Erstellung Digitaler Zwillinge für Produktion und Logistik
- Künstliche Intelligenz
- Intelligente Schweißroboter
- Vorschau
- Vorschau
