Digitale Anlagenmodellierung mit neutralen Datenformaten

Im Projekt DIAMOND werden ein gemeinsames und an verschiedene Anwendungsfälle anpassbares Datenmodell sowie ein moderner Datenaustausch über gemeinsame Datenräume entwickelt und erprobt. Dabei werden neben technischen Lösungen auch die Organisationen und Bedürfnisse beteiligter Personen der Unternehmen betrachtet. Der Fokus des von der EU und dem Bund geförderten Projekts mit 25 Konsortialpartnern liegt dabei auf dem Prozess der Anlagenplanung und Konstruktion in der Automobilindustrie.


Die zunehmende Durchdringung der Digitalisierung hat gleichermaßen Konsequenzen für das Fahrzeug als Produkt als auch für dessen Fertigung. Der anstehenden Transformation und den damit einhergehenden Veränderungen widmet sich das Projekt DIAMOND.
Hier werden durchgängige, datengestützte Lösungen für die Entstehung, Übertragung und Nutzung digitaler Zwillinge im Anlagenentstehungsprozess geschaffen.
Dabei wird durch Neutralität und Skalierbarkeit eine hohe Marktdurchdringung angestrebt.
Durch das digitale „Common Data Model“ sollen unter anderem kürzere Projektlaufzeiten im Engineering von Produktionsanlagen für die schnellere Integration von neuen Fahrzeugen und Antriebstechnologien forciert werden. Die Prozessbeschleunigung im gesamten Lebenszyklus führt zu nachhaltigen operativen Verbesserungen bei gleichzeitiger Qualitätssteigerung.
Kosten können durch flexible, dynamische Mehrfachnutzung reduziert und Investitionen durch vorausschauende Verifikationsverfahren vermieden werden.
Auch die Weiterentwicklung der Resilienz, um Störungen in den verknüpften, weltweiten Wertschöpfungsketten möglichst effizient ausgleichen zu können, steht im Fokus.
So wird die Basis für eine nachhaltige Implementierungsstruktur von Industrie 4.0 in Wertschöpfungsketten der Fahrzeughersteller und Zuliefererindustrie geschaffen.
Die neuartigen datenorientierten Produktionsverfahren werden mit simulativen Möglichkeiten sowohl die Absicherung der operativen Elemente als auch die Befähigung des Strukturwandels begleiten.

Mehr erfahren
Icon Digitaler Zwilling

Digitaler Zwilling

Blaupause-Prozesse und Strategien für die Migration zum Digitalen Zwilling im kompletten Anlagenentstehungsprozess.

Icon Transparenz

Transparenz

Transparenz- und Resilienz-Steigerung von Produktionsanlagen durch umfassend vernetzte Wertschöpfungsprozesse.

Icon Ressourceneffizienz

Ressourceneffizienz

Vollständige Kontrolle über den gesamten Fahrzeuglebenszyklus durch den Digitalen Zwilling.

Icon Wettbewerbsfähigkeit

Wettbewerbsfähigkeit

Zukünftige Planungsleistungen Made in Germany

Icon Wissenstransfer

Wissenstransfer

Verbreitung und Nutzbarmachung der Projektergebnisse in der Fahrzeug- und Zulieferindustrie.

Icon Effektive Datennutzung

Effektive Datennutzung

Datenintegrität und Verfügbarkeit trotz komplexer Prozesse durch verlustfreie und effiziente Datenverarbeitung.

Icon Interoperabilität

Datendurchgängigkeit

Icon Dateneffizienz

Datenstruktur

Icon Effizienzsteigerung

Nachhaltigkeit

Icon Datendurchgängigkeit

Datendurchgängigkeit

Icon Datenstruktur

Datenstruktur

Icon Nachhaltigkeit

Nachhaltigkeit

Datendurchgängigkeit

Why?

Um die Datendurchgängigkeit in der heterogenen Toollandschaft im digitalen Anlagenentstehungsprozess erreichen zu können, müssen durchgängige Standards bei den Datenstrukturen und den Technologien des Datenaustauschs angewendet werden.

How?

Durch neutrale und skalierbare Datenmodelle, die mittels standardisierter Datenaustauschtechnologien abbildbar sind, wird eine hohe Marktdurchdringung ermöglicht, welche letztlich zu einer signifikanten Prozessbeschleunigung entlang der gesamten Wertschöpfungskette im Anlagenentstehungsprozess führt.

What?

Ein neutrales und digitales Common Data Model für einzelne Maschinen, Fertigungshilfsmittel und -komponenten aber auch für Produkte und Prozesse wird die Basis für den digitalen Anlagenentstehungsprozess von der ersten Planung bis zur Inbetriebnahme der Produktionsanlage bilden und zur Ableitung von Standards und Schnittstellen in Form von Demonstratoren verwendet.

Datenstruktur

Why?

Die Komplexität im Anlagenengineering nimmt mit den Digitalisierungsbestrebungen der Unternehmen rasant zu. Die Umsetzung einer ganzheitlichen Informationsvernetzung muss sich daran orientieren, allen Prozessanforderungen zwischen Produktionsplanung, Betrieb und Zuliefernetzwerk gerecht zu werden. Ziel ist es, eine gemeinsame Datenstruktur zu erarbeiten und deren Anpassung am Beispiel ausgewählter Szenarien zu validieren.

How?

Aus gemeinsam erarbeiteten Szenarien werden wir beispielhafte Elemente aufzeigen und anhand von Zielbildern hinsichtlich Werthaltigkeit, idealisierter Datenstrukturen und dem funktionalen Zusammenspiel validieren. Damit zeigen wir den Weg, wie Stück für Stück ein Digitalisierungsgewebe (Digital Threads) entsteht und die entsprechenden Prozesse bedient.

What?

Reale Beispiele liefern den Nachweis für die Anwendbarkeit unter Verwendung geeigneter funktionaler Elemente und ausführlicher Dokumentation. Unternehmen können somit Migrationsstrategien aufbauen, um abgesicherte Module einer unternehmensspezifischen Digitalisierungsstrategie zuzuführen.

Nachhaltigkeit

Why?

Ein nachhaltiger digitaler Zwilling erfordert eine umfassende Planung, eine klare Vision, Berücksichtigung von technischen und organisatorischen Anforderungen, gründliche Analyse des Geschäftsprozesses, enge Zusammenarbeit mit Benutzern und Stakeholdern, Wartbarkeit und Anpassungsfähigkeit, Schaffung von Kompetenzen und Fähigkeiten, Schulung und Unterstützung bei der Nutzung und Betrachtung als langfristige Investition mit bereitgestellten Ressourcen.

How?

Wichtige Aufgaben bei der Schaffung von Wissen über digitale Zwillinge sind das Verstehen und Kommunizieren der Vorteile und Anwendungsbereiche durch Informationsmaterialien, Schulungen und Workshops für verschiedene Zielgruppen, die Gewährleistung von Transparenz bei Entscheidungen durch Bereitstellung von Informationen über Kosten und Nutzen, sowie die Schaffung eines Experten-Netzwerkes zur Unterstützung der Wissensvermittlung und Umsetzung von Projekten. Es ist wichtig, dass diese Bemühungen fortlaufend gepflegt und aktualisiert werden.

What?

Um die Verwendung von digitalen Zwillingen zu verbessern, wird es hilfreich sein, Anwendungsbeispiele bereitzustellen, Schulungsunterlagen, Einführungskonzepte, einen Wirtschaftlichkeitsrechner, Datenchecks und andere Werkzeuge bereitzustellen. Diese Ressourcen können helfen, die Vorstellungskraft der Benutzer zu schärfen, die Implementierung zu vereinfachen, die Kompetenzen der Benutzer zu verbessern und die Integrität und Qualität der Daten zu überwachen. Es ist wichtig, dass diese Ressourcen regelmäßig überprüft und aktualisiert werden, um sicherzustellen, dass sie den aktuellen Anforderungen und Entwicklungen entsprechen.

Interoperabilität Bild

Interoperabilität

Das Common Data Model ermöglicht durch seine standardisierte Struktur einen einheitlichen Austausch von Daten und Informationen zwischen verschiedenen Systemen und Softwareanwendungen. Dies erleichtert die Zusammenarbeit zwischen Automobilherstellern und ihren Zulieferern, da die Daten einheitlich und leicht verständlich sind. Dadurch kann die Zusammenarbeit effizienter und produktiver gestaltet werden.

Dateneffizienz Bild 1 Dateneffizienz Bild 2

Dateneffizienz

Das Common Data Model ermöglicht durch seine standardisierte Struktur einen strukturierten Austausch von Daten und Informationen entlang des Anlagenerstellungsprozesses zwischen Automobilherstellern und ihren Zulieferern, unabhängig von der verwendeten Software. Dies erleichtert die Zusammenarbeit und ermöglicht es, Daten und Informationen schneller und präziser auszutauschen, was die Effizienz und Qualität des Anlagenerstellungsprozesses verbessert.

Effizienzsteigerung Bild

Effizienzsteigerung

Das Common Data Model ermöglicht durch seine standardisierte Struktur einen schnellen und effizienten Austausch von Daten und Informationen entlang des Anlagenerstellungsprozesses zwischen Automobilherstellern und ihren Zulieferern. Dies kann helfen, Projektzeiten bei der Entwicklung von Produktionsanlagen zu verkürzen, da die Daten in einheitlicher Form vorliegen und schneller verarbeitet werden können. Dadurch kann die Integration neuer Fahrzeuge und Antriebstechnologien beschleunigt werden, was die Anpassungsfähigkeit und Wettbewerbsfähigkeit des Unternehmens erhöhen kann.

Standardisierung Bild

Standardisierung

Das Common Data Model ermöglicht durch seine standardisierte Struktur einen einheitlichen und unternehmensübergreifenden Austausch von Daten und Informationen, unabhängig von der verwendeten Software. Dies kann den Datenaustausch sowohl für neue als auch für wiederverwendete Produktionsanlagen erheblich verbessern, da die Daten in einheitlicher Form vorliegen und schneller und präziser ausgetauscht werden können. Dadurch kann die Zusammenarbeit und die Effizienz des Anlagenerstellungsprozesses gesteigert werden.

Blog

Alle Neuigkeiten auf einen Blick

Hier erhalten Sie Einblicke in die aktuellen Ergebnisse des Forschungsprojekts DIAMOND

Bild: Engineering und Inbetriebnahme von Produktionsanlagen

07.08.2023

Engineering und Inbetriebnahme von Produktionsanlagen

Eine Analyse der beteiligten Prozessschritte und des entstehenden Datenflusses

Downloads

Weitere Einblicke in die detaillierten Prozessschritte finden Sie in unserem Download Bereich

Über das Formular können Sie die Zugangsdaten für den Download-Bereich anfordern.


Zum Download Bereich