Digitale Produkt- und Prozesszwillinge (Digital Twins)

Digitale Zwillinge (Digital Twins) gehören zu den besonders vielversprechenden Anwendungsbeispielen für Industrie 4.0 und das Internet der Dinge (IoT). Dabei handelt es sich um virtuelle, dynamische Modelle, die ein physisches Objekt oder einen Prozess vollständig und in Echtzeit abbilden und dadurch präzise Vorhersagen über die Performance, die Schwachstellen, Materialermüdung oder sonstige Risiken erlauben. Klassische Digital Twins werden dabei insbesondere für besonders kostenintensive, kritische und langlebige Produkte aufgebaut – beispielsweise komplexe Maschinen – und ermöglichen wertvolle Erkenntnisse im Hinblick auf die Optimierung eines Produkts und seine Wartung.

Durch den digitalen Zwilling für Prozesse (Digital Process Twin) lassen sich hingegen nicht nur Analysen einzelner Produkte, sondern des gesamten Wertschöpfungsprozesses oder sogar des gesamten Wertschöpfungsnetzwerks durchführen und so das Potenzial der Digitalisierung und Vernetzung umfassend heben. Dabei werden auch Zulieferer und Kunden des Unternehmens in Echtzeit eingebunden. Mit der virtuellen Simulation des gesamten Wertschöpfungszyklusses lassen sich verborgene Ineffizienzen identifizieren, kritische Situationen in Produktionsabläufen schnell auflösen und damit eine fortlaufende Verbesserung bei wesentlichen Strukturen, Prozessen und Ressourcen erreichen.  

Beim Aufbau eines Digital Process Twins werden zunächst Prozessparameter definiert, die einen Einfluss auf die Performance der im Fokus stehenden Prozesse oder Anlagen haben. Im zweiten Schritt gilt es die vorhandenen Prozessdaten richtig zu erfassen und bei Bedarf durch weitere Daten, die durch zusätzliche Sensorik generiert werden, zu ergänzen. Die gesammelten Daten werden anschließend in einer Cloud-Anwendung zusammengeführt und analysiert.

Damit entsteht die Basis für den Aufbau eines Modells, das die prozessrelevanten Parameter, deren Wechselwirkungen und kritische Werte in der gesamten Prozesskette möglichst genau abbildet. Der so entstehende Digital Process Twin bildet ein wertvolles Instrument, um deskriptive, prädiktive und präskriptive Analysen in Echtzeit durchführen zu können, das Modell mit weiteren Technologien wie Machine Learning zu integrieren und nachhaltig die Qualität, Effizienz und Transparenz der Prozesse zu verbessern – von Einkauf und Lieferantenqualifizierung über Logistik und Produktion bis hin zur kundenindividuellen Delivery oder Maintenance-Planung.