Digital Twins of production systems - Automated validation and update of material flow simulation models with real data

Um eine gute Wirtschaftlichkeit und Nachhaltigkeit zu erzielen, müssen Produktionssysteme über lange Zeiträume mit einer hohen Produktivität betrieben werden. Dies stellt produzierende Unternehmen insbesondere in Zeiten gesteigerter Volatilität, die z.B. durch technologische Umbrüche in der Mobilität, sowie politischen und gesellschaftlichen Wandel ausgelöst wird, vor große Herausforderungen, da sich die Anforderungen an das Produktionssystem ständig verändern. Die Frequenz von notwendigen Anpassungsentscheidungen und folgenden Optimierungsmaßnahmen steigt, sodass der Bedarf nach Bewertungsmöglichkeiten von Szenarien und möglichen Systemkonfigurationen zunimmt. ... mehrEin mächtiges Werkzeug hierzu ist die Materialflusssimulation, deren
Einsatz aktuell jedoch durch ihre aufwändige manuelle Erstellung und ihre zeitlich begrenzte, projektbasierte Nutzung eingeschränkt wird. Einer längerfristigen, lebenszyklusbegleitenden Nutzung steht momentan die arbeitsintensive Pflege des Simulationsmodells, d.h. die manuelle Anpassung des Modells bei Veränderungen am Realsystem, im Wege. Das Ziel der vorliegenden Arbeit ist die Entwicklung und Umsetzung eines Konzeptes inkl. der benötigten Methoden, die Pflege und Anpassung des Simulationsmodells an die Realität zu automatisieren. Hierzu werden die zur Verfügung stehenden Realdaten genutzt, die aufgrund von Trends wie Industrie 4.0 und allgemeiner Digitalisierung verstärkt vorliegen. Die verfolgte Vision der Arbeit ist ein Digitaler Zwilling des Produktionssystems, der durch den Dateninput zu jedem Zeitpunkt ein realitätsnahes Abbild des Systems darstellt und zur realistischen Bewertung von Szenarien verwendet werden kann. Hierfür wurde das benötigte Gesamtkonzept entworfen und die Mechanismen zur automatischen Validierung und Aktualisierung des Modells entwickelt. Im Fokus standen dabei unter anderem die Entwicklung von Algorithmen zur Erkennung von Veränderungen in der Struktur und den Abläufen im Produktionssystem, sowie die Untersuchung des Einflusses der zur Verfügung stehenden Daten.
Die entwickelten Komponenten konnten an einem realen Anwendungsfall der Robert Bosch GmbH erfolgreich eingesetzt werden und führten zu einer Steigerung der Realitätsnähe des Digitalen Zwillings, der erfolgreich zur Produktionsplanung und -optimierung eingesetzt werden konnte. Das Potential von Lokalisierungsdaten für die Erstellung von Digitalen Zwillingen von Produktionssystem konnte anhand der Versuchsumgebung der Lernfabrik des wbk Instituts für Produktionstechnik demonstriert werden.

To achieve good economic efficiency and sustainability, production systems must be
operated at a high level of productivity over long periods. This poses great challenges for manufacturing companies, especially in times of increased volatility, caused, amongst others, by technological transformation in the mobility sector, as well as political and social change, which lead to constantly evolving requirements on the production system. Because the frequency of necessary adaptation decisions and subsequent optimization measures is increasing, the need for evaluation capabilities of scenarios and possible system configurations is growing. ... mehrA widely applicable powerful tool for this purpose is material flow simulation, but its use is currently limited by its time-consuming manual creation and its limited, project-based usage. A long-term, life cycle accompanying use is currently hindered by the simulation model's labor-intensive maintenance, i.e. the model's manual adaptation in case of changes in the real system.
This thesis aims to develop and implement a concept including the necessary methods to automate the simulation model's maintenance and adaptation to reality and improve the model's accuracy. For this purpose, digital data from the real system are used, which are increasingly available due to trends such as Industry 4.0 and digitalization in general. The pursued vision of this work is a Digital Twin of the production system, which represents a realistic image of the system in the long term through the databased comparison with reality and its adaptation to reality. This Digital Twin can be used for the realistic evaluation of scenarios, actions, and improvement measures.
Therefore, an overall concept and mechanisms for automatic validation and updating
of the model were developed. Among other things, the focus was on the development
of algorithms for the detection of changes in the structure and processes in the production system, as well as on the study of the influence of the available data on the achievable quality of the Digital Twin.
The developed components could be successfully applied to a real industrial use case
at the Robert Bosch GmbH where it lead to a high accuracy Digital Twin, which was
successfully used for production planning and improvement. The potential of localization data for the creation of Digital Twins of production systems could be shown in the laboratory environment of the learning factory at the wbk Institute of Production Science.