home
our solution
about us
blog
careers
login

MADE IN GERMANY

Tel: +49 (0)30 40363399

Predictive Maintenance und Digital Twins – Science Fiction oder Wirklichkeit?

Mithilfe von Sensoren und neuen Software-Lösungen können Unternehmen bereits heute einen digitalen Zwilling ihrer Maschinen erstellen. Doch lässt sich ein Digital Twin wirklich umsetzen? Und lohnt sich das auch für den Mittelstand?

Mithilfe von Sensoren und neuen Software-Lösungen können Unternehmen bereits heute einen digitalen Zwilling ihrer Maschinen erstellen, um Prozesse zu optimieren und Maschinenausfälle präzise vorherzusagen. Doch lässt sich ein Digital Twin wirklich umsetzen? Und lohnt sich solch ein aufwendiges Unterfangen auch für den Mittelstand?

Digital Twins – das kann Industrie 4.0 bereits heute

Viele Leser werden sich wahrscheinlich die Frage stellen, worum es sich überhaupt bei einem digitalen Zwilling handelt. Um es vereinfacht auszudrücken: Ein Digital Twin bezeichnet ein Maschinen-Replikat in digitaler Form.

Konkret bedeutet dies, dass die Funktionalität der Maschine digital abgebildet wird. Hierbei werden realistische 3D-Modelle erstellt, die über Sensoren Echtzeit-Daten der physischen Maschine empfangen. Digital Twins können für jeden beliebigen Maschinentypen erstellt werden: von Pumpen über Windräder bis hin zu Motoren.

Die Digitalisierung der Maschine bringt viele Vorteile mit sich: Prozesse können optimiert und Fehlerquellen schnell ausfindig gemacht werden, was ungeplanten Maschinenausfall verhindert und die Lebenszeit verlängert – ein weiterer Schritt in Richtung Predictive Maintenance und unbegrenzter Maschinenverfügbarkeit.

So wird der digitale Zwilling umgesetzt

Die Umsetzung eines Digital Twins ist nicht einfach, da hierzu viel Expertenwissen auf unterschiedlichen Ebenen benötigt wird: Software-Experten müssen mit Maschinen-Ingenieuren eng zusammenarbeiten, um alle Funktionsweisen der Maschine präzise digital abzubilden.

Dies ist aber nur der Anfang. Sensoren müssen an der echten Maschine angebracht werden, um den Digital Twin mit Echtzeit-Daten zu versorgen. Hierbei werden Daten wie Temperatur, Spannung und weitere maschinenspezifische Parameter erfasst.

Durch die Echtzeit-Daten bekommen Ingenieure einen guten Einblick in den Zustand der Maschine. Diese Messwerte in Kombination mit historischen Daten erstellen ein präzises digitales Abbild der Maschine, sodass genaue Aussagen über mögliche Ausfälle und optimale Wartungsstrategien getroffen werden können.

Der Digital Twin ist nichts für den Mittelstand

Die vorausgehenden Beschreibungen machen deutlich: Der digitale Twin hat zumindest das nötige Potenzial, um Predictive Maintenance voranzubringen, doch leider ist diese Form von Maschinenwartung zu kostspielig, kompliziert und zeitaufwendig.

Ein akkurates Maschinenmodell digital zu erstellen erfordert viel Vorarbeit. Die physischen Eigenschaften der Maschine müssen digital in mathematische Modelle umgewandelt werden. Wir sprechen hierbei nicht nur von mechanischen, sondern auch von elektrischen Vorgängen.

Dabei gilt: Je genauer die Umsetzung und je mehr Daten erfasst werden, desto präziser werden die Vorhersagen. Des Weiteren ist bei der Erstellung des digitalen Twins eine lange Vorlaufzeit vonnöten, bis das Modell verwertbare Vorhersagen treffen kann.

Hinzu kommt, dass alle Änderungen in der physischen Maschine mit Änderungen des digitalen Twins verbunden sind, was zu einem erheblichen Mehraufwand führt. Durch Änderungen der physischen Maschine müssen beispielsweise die Algorithmen verändert werden. Des Weiteren können einige Bereiche, wie die Modifikation von Ersatzteilen, mathematisch nur schwer erfasst werden.

Auch wenn Digital Twins eine tolle Möglichkeit darstellen, Predictive Maintenance auf ein neues Level zu heben, so muss dennoch festgehalten werden, dass die Erstellung eines digitalen Zwillings mit einem erheblichen Mehraufwand verbunden ist, den sich nur einige Großkonzerne in der Automobilindustrie oder Silicon Valley leisten können. Für den Mittelstand, der nicht über die nötigen Ressourcen verfügt, ist diese Methode leider zu umständlich und kostspielig.

Ist Predictive Maintenance ohne digitalen Zwilling möglich?

Wie wäre es, wenn man den digitalen Zwilling auf das Wesentliche herunterbrechen würde, sodass die Funktionalität und Verfügbarkeit der Maschine gewährleistet werden kann, jedoch ohne hierfür komplexe digitale Modelle erstellen zu müssen?

Hier kommen moderne IoT-Firmen wie AiSight ins Spiel. Die vibrations-basierten Aion Sensoren des Unternehmens können anhand von Vibrationsanalyse genaue Aussagen über den Maschinenzustand machen, was sich positiv auf die Lebensdauer auswirkt und ungeplanten Maschinenausfall einschränkt.

Die Sensoren lassen sich innerhalb von nur einer Stunde installieren und können für eine Vielzahl von Maschinen verwendet werden, wie beispielsweise Pumpen, Motoren, Ventilatoren bis hin zu Spritzgussmaschinen und Kunststoffextrudern.

Die Aion Sensoren bilden die Maschinendaten übersichtlich in einem Dashboard ab. Mithilfe von künstlicher Intelligenz und der umfassenden Maschinen-Datenbank können die meisten Geräte innerhalb von nur wenigen Stunden kalibriert werden, sodass Unternehmen von Tag 1 an profitieren können.

Der Digital Twin ist noch Zukunftsmusik

Der Digital Twin hat das Potenzial, unbegrenzte Maschinenverfügbarkeit Wirklichkeit werden zu lassen. Leider ist hiervon aber vieles noch Zukunftsmusik. Im Jahre 2021 ist der digitale Zwilling nur für Großunternehmen umsetzbar. Um wirklich handfeste, kostengünstige Ergebnisse zu erzielen, eignen sich KI-gestützte Sensoren besser. Hierdurch können die meisten Vorteile eines digitalen Zwillings bereits heute vom Mittelstand genutzt werden.

© 2021 AiSight GmbH. Alle rechte vorbehalten.

Phone: +49 (0) 30 40363399

Website: https://aisight.de