Produktion und Produktentwicklung: So hilft der Digital Twin

Sollen sich in Produktion und Produktentwicklung noch essentielle Steigerungen ergeben, so führt kein Weg am Digital Twin vorbei. Dazu erklärt Sascha Leidig, Head of PLM Portfolio & Partner Management bei T-Systems: "Der digitale Zwilling hilft bei der Entwicklung besserer Produkte und bei der Gestaltung effizienterer Entwicklungsprozesse. Er zeigt auch Ingenieuren, wie sich die von ihnen entwickelten Produkte oder Komponenten im realen Betrieb verhalten."

Beispiel Fahrzeugbremse

Wie das in einem konkreten Fall aussieht, weiß Leidig ebenfalls zu berichten: "Bei einer Fahrzeugbremse sammelt der digitale Zwilling Daten über viele verschiedenen Bremsen. So können wir ermitteln, wie heiß die Bremsscheibe unter sämtlichen Bedingungen wird. Diese gewonnenen Informationen kann der Konstrukteur mit seinen Annahmen zur Nutzung und zu Lasten seines Produkts abgleichen. Als Konsequenz kann er das Material der Bremsscheibe, den Bremsbelag oder die Software des Steuergeräts zeitnah optimieren."

Diese Informationen habe der Konstrukteur heute nur zum Teil über Tests und Erfahrungswerte. "Die interessanteren Daten, nämlich die Felddaten, erhält er heute nur verspätet über Qualitäts- oder Mängelreports nach Markteinführung eines Produkts. Doch diese Reports erhalten in der Regel nicht die benötigten technischen Detailinformationen wie Sensorwerte oder Umweltbedingungen zu einem gewissen Zeitpunkt", ergänzt Leidig. Nach wie vor sei es so, dass das Engineering stark auf Annahmen beruhe.

Anwendung in der Produktion

Aus dem Bereich der Produktion gibt es einen Anwendungsfall, bei dem es sich um die Vorhersage der Qualität eines kleinteiligen Fertigungsschritts handelt - etwa wie eine Verlötung, Verschweißung, Verklebung oder Verschraubung. "Heutzutage finden in diesem Bereich nicht selten stichprobenhaft manuelle Prüfungen statt. Indem wir jetzt einen digitalen Zwilling einsetzen, sammeln wir Sensorwerte eines jeden Industrieroboters und können so die Qualität dieses Arbeitsschritts mithilfe von KI prognostizieren. Wir können so kritische Schweißpunkte erkennen, die dann zur Nachkontrolle durch den Menschen noch geprüft werden müssen. In Summe sparen wir hierdurch manuell Prüfaufwände und erhöhen zugleich die Prüfabdeckung", verdeutlicht Leidig.

Weitere Beispiele aus der Produktion und inwieweit 5G und Edge Computing künftig eine Rolle dabei spielen, erfahren Sie im Podcast mit Sascha Leidig.