Mit einem digitalen Zwilling Änderungen an der Fertigung prüfen.

Mit der Entscheidung beginnen, nicht mit 3D

NIST beschreibt digitale Zwillinge als synchronisierte Modelle zum Darstellen, Diagnostizieren, Vorhersagen und Optimieren. Prüfen Sie, welche Betriebsdaten das Modell aktualisieren und wie häufig die gewählte Entscheidung neue Daten braucht.

Legen Sie zuerst die Entscheidung fest: Puffer, Reihenfolge, Personal, Wartung oder Produktmix. Benennen Sie Systemgrenze, Zeithorizont, verantwortliche Person und zulässige Abweichung.

• Entscheidung und verantwortliche Person
• Physische Grenze und Zeithorizont
• Ergebnis und zulässige Unsicherheit
• Begründete Aktualisierungsfrequenz

Nur die erklärenden Daten verbinden

Beginnen Sie mit vorhandenen Daten aus Steuerungen, Sensoren, Zeitreihenspeichern, Fertigungs- und Unternehmenssystemen sowie Wartungs-, Qualitäts- und CSV-Aufzeichnungen. Ordnen Sie jedes Feld einer Modellgröße zu. Bewahren Sie Quelle, Einheit, Zeitstempel und Qualität auf.

Setzen Sie maschinelles Lernen dort ein, wo es die Untersuchung unterstützt, etwa bei ungewöhnlichen Zyklen oder Ausfallverteilungen. Dokumentieren Sie, wie Sie die Rohdaten aufbereiten und welche Beobachtungen das Modell verwendet.

• Eindeutige Anlagenkennungen und abgeglichene Uhren
• Zustände, Mengen, Takte, Ausfälle und Qualität
• Aufträge, Mix, Wege, Schichten und Personal
• Fehlwertregeln, Herkunft und Zugriff

Modelltreue nach Entscheidungsbedarf wählen

Ein zweckgerechter Zwilling kann Ereignissimulation für Fluss, physikalische Modelle für Anlagen und Statistik oder KI für unsichere Eingaben verbinden. Zusätzliche Details erhöhen Kalibrieraufwand und Fehlermöglichkeiten.

Trennen Sie beobachtete Werte von Schätzungen und dokumentieren Sie die Annahmen. Bilden Sie nur die Zusammenhänge ab, die die gewählte Entscheidung beeinflussen.

Vor Empfehlungen validieren

Verifikation prüft die korrekte Implementierung; Validierung die ausreichende Abbildung der Realität. Normale und ungewöhnliche Zeiträume vergleichen und Durchsatz, Warteschlangen, Durchlaufzeit, Stillstand, Qualität und Ereignisfolge prüfen.

Beziffern Sie die Unsicherheit. Prüfen Sie das Modell erneut, wenn sich Produkt, Prozess, Sensorik oder Steuerung ändern; viele Nachkommastellen ersetzen diese Prüfung nicht.

1. Verifizieren

   Logik, Einheiten, Wege und Wiederholbarkeit prüfen.

2. Kalibrieren

   Unsichere Eingaben aus repräsentativen Daten schätzen.

3. Validieren

   Mit nicht zur Anpassung verwendeten Perioden vergleichen.

4. Unsicherheit zeigen

   Bandbreiten und entscheidende Eingaben benennen.

5. Verantwortung und Freigaben klären

   Benennen Sie die verantwortliche Person, Anlässe für eine erneute Prüfung und die nötigen Freigaben.

Siehe auchDigitaler Zwilling, Simulation und Process Mining

Prognosen in kontrollierte Verbesserung übersetzen

Vergleichen Sie die Ausgangslage mit klar beschriebenen Änderungsszenarien. Zeigen Sie Ergebnisse, Annahmen, Unsicherheit, Aufwand und Risiken für Sicherheit und Qualität. KI kann Vorschläge liefern; Modell und Fachleute prüfen deren mögliche Wirkung. Die Entscheidung bleibt bei den zuständigen Personen.

Vergleichen Sie nach der Umsetzung das tatsächliche Ergebnis mit der Prognose. Halten Sie die Abweichung fest und prüfen Sie, welche Modellannahme Sie anpassen müssen.