Kurzfassung
Ein Digitaler Zwilling eines Produktionssystems kann vielfältig zur Planung, Steuerung und Optimierung genutzt werden. Bislang sind seine Erstellung und Pflege jedoch noch sehr aufwändig, weshalb häufig nicht der reale Zustand der Produktion abgebildet ist bzw. schnell veraltet und der Digitale Zwilling somit nicht mehr effektiv genutzt werden kann. Dieser Beitrag präsentiert ein Konzept für Digitale Zwillinge von Produktionssystemen, die sich selbstständig an die reale Produktion anpassen. Der Digitale Zwilling basiert auf einer Materialflusssimulation, die direkt an die Produktionsdatenbank angeschlossen ist und durch lernende Algorithmen adaptiert wird.
Literatur
1. Slapp, C.; Lidell, P.; Jackson, M.: Beyond the Hype. Separating Ambition from Reality in i4.0. KPMG, Australia, 2017Search in Google Scholar
2. von Heynitz, H.; Bremicker, M.; Amadorf, D. M.: The Factory of the Future. Industry 4.0 – The Challenges of Tomorrow. KPMG, 2016Search in Google Scholar
3. Gutenschwager, K.; Rabe, M.; Spieckermann, S.; Wenzel, S.: Simulation in Produktion und Logisitik – Grundlagen und Anwendungen. Springer-Verlag, Berlin, Heidelberg2017, S. 110.1007/978-3-662-55745-7_1Search in Google Scholar
4. Buckowski, L.: Reliable, Secure and Resilient Logistics Networks – Delivering Products in a Risky Environment. Springer-Verlag, Cham, Switzerland2019, S. 151–15310.1007/978-3-030-00850-5Search in Google Scholar
5. Rudel, S.: Prozess-Simulation in KMU: Entwicklung und Analyse eines Petrinetzbasierten Baukastensystems als Instrument zur Modellierung und Simulation von Produktions- und Logistikprozessen – Speziell ausgelegt zur Unterstützung von kleinen und mittleren Unternehmen (KMU). Dissertation, Universität Duisburg-Essen, 2016Search in Google Scholar
6. Verein Deutscher Ingenieure e. V.: VDI-Richtlinie 3633 „Simulation von Logistik-, Materialfluss und Produktionssystemen“. VDI-Verlag, Düsseldorf2014Search in Google Scholar
7. Westkämper, E.; Löffler, C.: Strategien der Produktion: Technologien, Konzepte und Wege in der Praxis. Springer-Verlag, Berlin, Heidelberg2016, S. 131610.1007/978-3-662-48914-7Search in Google Scholar
8. Lu, Y.; Liu, C.; Wang, K.I.-K.; Huang, H.; Xu, X.: Digital Twin-driven Smart Manufacturing: Connotation, Reference Model, Applications and Research Issues. Robotics and Computer-Integrated Manufacturing61 (2020), S. 10183710.1016/j.rcim.2019.101837Search in Google Scholar
9. Lee, H.: Digital Twin Standardization Activities. NIST OAGI, 2019. Online unter https://oagi.org/Portals/0/Downloads/Meetings/2019%20NIST%20Summit/%283.0.1%29Digital%20Twin%20Standardization%20Activities-Hyunjeong%20Lee-r5.pdfSearch in Google Scholar
10. Grieves, M.: Digital Twin: Manufacturing Digital Twin: Manufacturing Excellence through Virtual Factory Replication. Grieves LLC. 2003Search in Google Scholar
11. Negri, E.; Fumagalli, L.; Macchi, M.: A Review of the Roles of Digital Twin in CPS-based Production Systems. Procedia Manufacturing11 (2017), S. 939–94810.1016/j.promfg.2017.07.198Search in Google Scholar
12. Cimino, C.; Negri, E.; Fumagalli, L.: Review of Digital Twin Applications in Manufacturing. Computers in Industry113 (2019), S. 103–13010.1016/j.compind.2019.103130Search in Google Scholar
13. Stark, R.; Kind, S.; Neumeyer, S.: Innovations in Digital Modelling for Next Generation Manufacturing System Design. CIRP Annals66 (2017) 1, S. 169–17210.1016/j.cirp.2017.04.045Search in Google Scholar
14. Stecken, J.; Ebel, M.; Bartelt, M.; Poeppelbuss, J.; Kuhlenkötter, B.: Digital Shadow Platform as an Innovative Business Model. Procedia CIRP83 (2019), S. 204–20910.1016/j.procir.2019.02.130Search in Google Scholar
15. Bao, J.; Guo, D.; Li, J.; Zhang, J.: The Modelling and Operations for the Digital Twin in the Context of Manufacturing. Enterprise Information Systems13 (2019) 4, S. 534–55610.1080/17517575.2018.1526324Search in Google Scholar
16. Kritzinger, W.; Karner, M.; Traar, G.; Henjes, J.; Sihn, W.: Digital Twin in Manufacturing: A Categorical Literature Review and Classification. IFAC PapersOnLine51 (2018) 11, S. 1016–102210.1016/j.ifacol.2018.08.474Search in Google Scholar
17. Damjanovic-Behrendt, V.; Behrendt, W.: An Open Source Approach to the Design and Implementation of Digital Twins for Smart Manufacturing. International Journal of Computer Integrated Manufacturing32 (2019) 4–5, S. 366–38410.1080/0951192X.2019.1599436Search in Google Scholar
18. Delbrügger, T.; Rossmann, J.: Representing Adaptation Options in Experimentable Digital Twins of Production Systems. International Journal of Computer Integrated Manufacturing32 (2019) 4–5, S. 352–36510.1080/0951192X.2019.1599433Search in Google Scholar
19. Leng, J.; Zhang, H.; Yan, D.; Liu, Q.; Chen, X.; Zhang, D.: Digital Twin-driven Manufacturing Cyber-physical System for Parallel Controlling of Smart Workshop. Journal of Ambient Intelligence and Humanized Computing10 (2019) 3, S. 1155–116610.1007/s12652-018-0881-5Search in Google Scholar
© 2020, Carl Hanser Verlag, München
