DT bestehen aus drei Elementen: intelligente Prozesssteuerung (IPC), KI-gesteuerte Modellierung und Entscheidungsunterstützungssysteme (DSS).

Der kombinierte Einsatz von Simulation (Finite-Elemente-Analyse, FEA) und Datenanalyse senkt die Kosten und erhöht die Zuverlässigkeit von Qualitätsprognosemodellen.

Mit Hilfe der Simulation können Sie den Produktionsprozess verstehen, signifikante Prozessparameter und die entsprechenden Intervalle identifizieren. Anschließend können Sie gezielte experimentelle Versuchsplanungen (DOEs) durchführen und die für die Erstellung der Modelle benötigten Daten kostengünstiger sammeln.

Durch die Anwendung multivariabler Analysetechniken können Sie genaue Prognosemodelle erstellen und diese validieren. Die Modelle können dann in die Maschine integriert werden, indem virtuelle Sensoren erstellt werden oder dem Bediener die richtigen Prozessparameter vorgeschlagen werden.

Datengesteuerte Digital Twins:

• Unterstützen verschiedene Tracking-Systeme zur Identifizierung jeder Komponente und Position sowie Kommunikationsprotokolle mit Prozessmaschinen und Qualitätskontrollsystemen
• Integrieren mehrfach aufgelöste und multivariable Prozessdaten, die von einem Netzwerk von Sensoren im verteilten Steuerungssystem überwacht und gesammelt werden, sowie fortschrittliche Modelle, die Prozessvariablen mit der Null-Fehler-Fertigung (zero defect manufacturing - ZDM) verknüpfen
• Aktivieren wissensbasierte Echtzeit-Reaktionen auf jegliche Prozessabweichungen und Qualitätsrisiken
• Implementieren die automatische Aktualisierung von Prozess-Metamodellen auf der Basis intelligenter Lernmethoden mit virtuellen und Echtzeit-Produktionsinformationen
• Kalibrieren direkte Messungen und deren Korrelation mit dem Prozess und den Zielfunktionen des Produkts, wobei generell die Produktanforderungen angepasst werden, um den Grad der Unsicherheit für signifikante Parameter des Fertigungsprozesses zu kontrollieren
• Anzeigen der Echtzeit-Datenverarbeitung, Sicherheitsmeldungen und statistische Produktionsdiagramme für Multi-User-Schnittstellen wie Maschinenbediener, Produktionsleiter, Qualitätsingenieure und Werksleiter.

Design von automatischen Maschinen und Roboterzellen mit Virtueller Inbetriebnahme

Die virtuelle Inbetriebnahme wird für die integrierte Konstruktion von Mechanik, Robotik und Automatisierung von Maschinen, automatischen Linien und Systemen für die Fabriklogistik eingesetzt.

Anhand des 3D-CAD-Modells der automatisierten Maschine oder des Produktionssystems wird ein virtuelles Inbetriebnahme-Modell erstellt, das die Programmierlogik von SPS- und Robotersteuerungen integriert, um eine realistische Simulation zu ermöglichen.

Diese Modelle ermöglichen es, das System zu entwerfen und die Automatisierung (Interaktion zwischen Sensoren, Aktoren und Steuerungssoftware) vor der Realisierung zu validieren. Ziel hierbei ist es, das reale Verhalten zu simulieren und Probleme zum Zeitpunkt der Inbetriebnahme zu vermeiden (eine „Bindung" zwischen der physischen Maschine und dem Steuerungssystem). Darüber hinaus ermöglichen Augmented-Reality-Funktionen die Verwendung von virtuellen Inbetriebnahme-Modellen zur Unterstützung des Verkaufs und der Wartung von automatischen Maschinen sowie für simulationsbasierte Schulungen.

Entwurf und Optimierung von Systemen und Produktionslinien mit eventdiskreter und agentenbasierter Simulation

SIMUL8 ist eine Simulationssoftware für die Modellierung, Analyse und Optimierung der Leistung von Produktionssystemen auf Systemebene während ihrer Entwurfs-, Rekonfigurations- und Produktionsplanungsphasen. Mit den Simulationsbausteinen können Sie genaue Systemmodelle komplexer Systemarchitekturen erstellen, wie z. B. Produktionslinien, Job-Shops, Roboterzellen, Montagesysteme und komplexe Produktströmungen. Die Erstellung eines vorläufigen Modells erfordert nur wenige Informationen (z. B. ausgehend von einer Prozessliste und dem 2D-Layout der Anlage), während die Simulation schrittweise um weitere Details ergänzt werden kann.
SIMUL8-Modelle liefern Entscheidungsträgern wichtige Informationen, wie z. B:

• Ressourcenauslastung (Maschinen, Bediener, etc.)
• Zwischenspeichersättigung
• Die Strömung von Materialien und halbfertigen Produkten
• die Effizienz des Produktionssystems

Die Modelle lassen sich leicht mit Optimierungsalgorithmen verbinden, indem sie die Ausgabeziele (Durchsatz, Qualitätsausbeute) und Randbedingungen (Maschinenkapazitäten, Ausfallraten, Schichtmuster und andere Faktoren, die die Gesamtleistung und Effizienz von Produktionssystemen beeinflussen) berücksichtigen.

Daher ermöglichen sie die Bewertung der Auswirkungen verschiedener Planungsstrategien, des Chargen- und Produktionslaufmanagements und der Bediener, der Wartungsstrategien, der Auswirkungen von Eingriffen in das System (Änderung des Layouts, Austausch von Maschinen, Eingriffe zur Verringerung der durchschnittlichen Wiederkehrzeit bestimmter Ereignisse usw.), der Auswirkungen des Hinzufügens neuer Produkte online usw. und die Ermittlung der besten Kompromisslösungen angesichts gegensätzlicher Ziele (z. B. Kosten vs. Produktivität).

Entwicklung von Zustandsüberwachungs- und vorausschauenden Wartungsmodellen auf Anlagenebene

Die Kombination von Technologien für numerische und symbolische Berechnungen (Maple) und einem Multi-Domain-Simulationssystem auf Basis von Modelica (MapleSim) ermöglicht die Erstellung effizienter Simulationsmodelle, die mechanische, elektrische, hydraulische usw. Komponenten und deren Steuerung integrieren. Basierend auf der Fähigkeit, 3D-CAD-Modelle zu importieren, ist es möglich, gelenkige Systeme (kinematische Ketten) unter Berücksichtigung von Massen und Trägheit genau zu modellieren. Die Kombination dieser Funktionen ermöglicht eine genaue Modellierung, die das Verhalten realer Systeme nachbildet.

Die effiziente Generierung von C-Code gemäß dem FMI-Standard (Functional Mockup Interface) ermöglicht es, die Modelle in Form einer FMU (Functional Mockup Unit) zu exportieren und sowohl den Modellaustausch als auch die Co-Simulation durch die Integration anderer Technologien zu unterstützen. Die resultierenden Modelle können mittels Software in the Loop (SIL) in die Logik der Maschine integriert werden, indem ein digitaler Zwilling für die Zustandsüberwachung von Anlagen und die vorausschauende Wartung erstellt wird.