Digitale Zwillinge Wie Atlas Copco Produktions- und Felddaten über Matlab-Modelle koppelt

Anbieter zum Thema

Mathworks Deutschland

CADFEM Germany GmbH

Schneider Electric GmbH

IBR Leiterplatten GmbH & Co. KG

Mit mehr als 250.000 vernetzten Maschinen im Einsatz baut Atlas Copco ein digitales Ökosystem mit Echtzeit-Datenerfassung auf, das datengestützte Entscheidungsfindung, betriebliche Effizienz, Produktpersonalisierung und einen höheren Kundennutzen ermöglicht.

Digitale Zwillinge bei Atlas Copco gehen über traditionelle Simulationsmodelle hinaus. Es handelt sich um dynamische, hochpräzise digitale Nachbildungen physischer Produkte, die Daten aus den Phasen Design, Produktion, Betrieb und Service umfassen. Die mit Matlab und Simulink entwickelten digitalen Zwillinge modellieren die Interaktionen zwischen physischen Systemen, Sensoren und Steuerungen und ermöglichen so eine genaue Nachbildung realer Szenarien und effiziente Tests, die die Grenzen traditioneller Testansätze überwinden.

Der digitale Zwilling von Atlas Copco erzeugt eine Single Source of Truth für die gesamte Wertschöpfungskette, indem Millionen von Echtzeit-Datenpunkten aus Produktions-, Test- und Konstruktionssystemen zusammengeführt werden. Auf diese Weise fördert das Unternehmen kontinuierliche Verbesserungen durch evidenzbasierte und datengestützte Entscheidungen.

Das Digital-Twin -Framework für Kompressoren bei Atlas Copco umfasst vier Schlüsselphasen (Abb. 1): In der „As-Designed“-Phase liegt der Fokus auf Prototyping und Machbarkeitsanalysen. In der „As-Configured“-Phase werden die Produkte an die genauen Kundenanforderungen angepasst. Die „As-Built“-Phase umfasst die Erfassung von Produktionsdaten und Sicherstellung der Rückverfolgbarkeit, während in der „As-Maintained“-Phase Betriebsdaten für vorausschauende Wartung und kontinuierliche Optimierung genutzt werden.

Jede dieser Phasen trägt zu einem ganzheitlichen Ansatz bei, der Kontinuität von der Idee über die Konstruktion und den Bau von Kompressoren bis hin zu deren Betrieb gewährleistet. So wird der digitale Zwilling zu einer lebendigen, sich ständig weiterentwickelnden Ressource, die die Entscheidungsfindung auf allen Ebenen unterstützt.

Um die Digital-Twin-Strategie zu fördern, hat Atlas Copco die Model-Based Engineering (MBE) Community of Excellence gegründet – ein globales Netzwerk, das Teams aus verschiedenen Abteilungen und Bereichen miteinander verbindet. Diese Community verwendet Prinzipien des Model-Based Design (MBD), um Wissen auszutauschen, Prozesse zu standardisieren und die Zusammenarbeit zu fördern. Sie spielt eine entscheidende Rolle bei der Abstimmung von Design, Konfiguration, Fertigung und Wartung und stellt sicher, dass die in einem Bereich gewonnenen Erkenntnisse schnell im gesamten Unternehmen verbreitet werden.

Eine zentrale Herausforderung besteht darin, die Modellgenauigkeit mit der Entwicklungseffizienz in Einklang zu bringen. Dabei muss das dynamische Verhalten des Produkts für die Entwicklung von Regelungsalgorithmen genau erfasst werden, ohne unnötig Entwicklungszeit und Rechenressourcen zu verbrauchen. Dies ist ein Balanceakt zwischen Simulationsgenauigkeit und Leistung, den Atlas Copco durch Tests, Zusammenarbeit und Daten kontinuierlich verfeinert.

Die GA VSDs (Variable Speed Drive) OIS-Kompressorreihe veranschaulicht diesen Ansatz. Sie ist das erste Produkt, das vollständig mithilfe der Digital-Twin-Technologie entwickelt wurde und dadurch optimierte Regelungsalgorithmen, CI/CD-Workflows, effizienteren Betrieb sowie Dienstleistungen wie Predictive Maintenance ermöglicht.

Infrastruktur für digitale Zwillinge

Eine robuste und skalierbare MBE-Plattform bildet das operative Rückgrat des Digital-Twin-Ökosystems von Atlas Copco. Im Mittelpunkt steht dabei der Matlab Production Server (MPS), der eine Brücke zwischen den Systemen der Betriebstechnik (OT) und der Informationstechnologie (IT) schlägt. Die Plattform verbindet physikalische Systeme, digitale Modelle und unternehmensweite Softwaretools und ermöglicht es Ingenieurteams, Marketinganalysten und Servicemanagern, auf dieselben Datensätze und Erkenntnisse zuzugreifen und mit ihnen zu interagieren. Zudem erlaubt MPS-Modelle und Anwendungen mit Nicht-Matlab-Anwendern zu teilen, wodurch Entwicklungsprozesse und Zusammenarbeit beschleunigt werden.

Die MBE-Plattform bietet drei Kernfunktionen:

• Zentrale Verarbeitung: Matlab Production Server führt Modelle zentral aus und gewährleistet so Sicherheit, Konsistenz, Skalierbarkeit und eine Verarbeitung des bereitgestellten Codes mit geringer Latenz.

• API-basierte Integration: Die Plattform lässt sich mit Tools wie Power BI, SAP, Matlab Web App

• Server und vielen anderen Anwendungen verbinden, wodurch die Lücke zwischen Betriebstechnik (OT) und Informationstechnologie (IT) leicht überbrückt werden kann.

• Cloud-Skalierbarkeit: Die Cloud-Infrastruktur ermöglicht eine dynamische Skalierung, um den Prozessanforderungen gerecht zu werden, von nächtlichen Modelltests bis hin zu globalen Webanwendungen.

Die MBE-Infrastruktur entwickelte sich durch Integration bestehender Komponenten und Systeme wie PLM, ERP, IoT und Testdaten weiter. Dabei werden digitale Zwillinge zentral bereitgestellt und sind für relevante Teams zugänglich, was funktionsübergreifende Einblicke ermöglicht. Durch die Verbindung von Datensilos, Teams und Tools wurden digitale Zwillinge zu einer unternehmensweiten Lösung skaliert, die Vorteile wie verbesserte Transparenz, Automatisierung und Leistungsoptimierung in allen Phasen des Produktlebenszyklus bietet.

Konfiguration und Vertrieb

Der digitale Zwilling „As Configured” optimiert den Vertriebsprozess durch technisch fundierte und validierte Empfehlungen. Diese basieren auf einer schnellen Simulation der Kompressorleistung für spezifische Kundenanforderungen (Abb. 5), wie beispielsweise Höhenlage, Umgebungstemperatur, Luftfeuchtigkeit und Nutzungsmuster.

Produktion und Qualität

In der „As-Built“-Phase schließen digitale Zwillinge die Lücke zwischen Produktionslinien und Qualitätssystemen. Dabei integriert Atlas Copco Werkzeugmaschinendaten, Messsysteme und Testvalidierungen in ein einheitliches Qualitätsrahmenwerk. Daten von Sensoren, Maschinen und Bedienern werden mit dem digitalen Modell jeder Einheit verknüpft, wodurch eine lückenlose Rückverfolgbarkeit gewährleistet ist. Die In-house-Konstruktion aller wichtigen Kompressorkomponenten ermöglicht das zugrunde liegende digitale Fingerprinting, was die Ursachenanalyse, die Produktionsoptimierung und die Einhaltung gesetzlicher Vorschriften unterstützt.

Betrieb und Wartung

Der digitale Zwilling „As Maintained“ ermöglicht eine vorausschauende Wartung durch die Analyse von Telemetriedaten aus mehr als 250.000 verbundenen Maschinen. Die SmartLink-Plattform von Atlas Copco verarbeitet reale Nutzungsmuster, erkennt Anomalien und empfiehlt Maßnahmen. Durch die Integration von SmartLink-Daten mit Konstruktions- und Produktionsaufzeichnungen ermöglicht das System eine vollständige Rückverfolgbarkeit und erlaubt eine Ursachenanalyse des Maschinenverhaltens im Einsatz. Dieser ganzheitliche Ansatz macht es möglich, dass Kompressoren Serviceteams proaktiv auf sich anbahnende Probleme aufmerksam machen können, um Ausfallzeiten zu reduzieren, die Lebensdauer der Anlagen zu verlängern und die Betriebssicherheit zu steigern.

Über das Produkt hinaus

Die Digital-Twin-Strategie des schwedischen Unternehmens geht über Produkte hinaus und umfasst auch die für Tests und Validierungen verwendeten Systeme. Fortschrittliche Testzellen schaffen eine Umgebung für Echtzeit-Modellierung, Simulation und Algorithmus-Prototyping sowie Tests unter Bedingungen, die realen Szenarien sehr nahekommen (Abb. 5). Jede Testzelle ist mit Speedgoat-Steuergeräten ausgestattet, auf denen Simulink- und Simscape-basierte digitale Zwillinge in Echtzeit laufen. Diese Regelungssysteme simulieren dynamisch komplexe Lastbedingungen, Umweltschwankungen und Maschinenverhalten.

Überdies können Regelalgorithmen spontan implementiert und angepasst werden. Mit der neuen MBE-Infrastruktur können Software und Hardware in einem agilen, iterativen Kreislauf gemeinsam weiterentwickelt werden, was eine schnelle Prototypenerstellung von intelligenten Regelungsfunktionen wie Energiesparmodi oder fortschrittlicher Fehlererkennung ermöglicht.

Einheitliche Kommunikationsprotokolle wie OPC UA, zentralisierte Datenspeicherung und wiederverwendbare Modellkomponenten stellen sicher, dass Erkenntnisse aus einem Produkt oder Test auf andere übertragen werden können. Durch die Speicherung und Organisation umfangreicher Testdaten baut Atlas Copco eine wertvolle Wissensbasis für kontinuierliche Innovationen auf. Dieser Ansatz, der zunächst in der GA-VSD-Produktreihe getestet wurde, wird nun unternehmensweit skaliert und integriert die Erkenntnisse sowohl in Produkte als auch in deren Entwicklungsprozesse.

Fazit: Status Quo und Ausblick

Atlas Copco verbessert seine Digital-Twin-Fähigkeiten kontinuierlich weiter, wobei jedoch noch einige technische Herausforderungen und Entwicklungsziele bestehen. Eine entscheidende Aufgabe ist die nahtlose Integration von Matlab-basierten Modellen mit Programmiersprachen wie Python und Plattformen wie Databricks, um die Flexibilität und Interoperabilität zwischen den Teams zu verbessern. Eine weitere Herausforderung ist der Einsatz digitaler Zwillinge auf Edge-Geräten, um Einblicke in Echtzeit und prädiktive Regelung zu ermöglichen. Um diesen Herausforderungen zu begegnen, entwickelt Atlas Copco vereinfachte, schnellere Versionen seiner hochpräzisen, rechenintensiven digitalen Zwillinge, die als Surrogat-Modelle bezeichnet werden.

Ferner bereitet Atlas Copco die Einführung intelligenter Testzellen in allen Geschäftsbereichen vor. Ziel ist es, Echtzeit-Simulationen und -Tests als Standard über den gesamten Produktlebenszyklus hinweg zu etablieren.

Die enge Zusammenarbeit mit MathWorks und die Partnerschaft mit Schulungs-, Beratungs- und Entwicklungsteams zielen darauf ab, die Rahmenbedingungen für Regelungssysteme und die Integration von KI-gesteuerten Arbeitsabläufen mit hochpräzisen Modellen zu verfeinern. Durch diese Initiativen will Atlas Copco die interdisziplinäre Zusammenarbeit verbessern, KI und physikalische Modellierung besser aufeinander abstimmen und virtuelle Systemsimulationen ohne physikalische Prototypen ermöglichen. Ziel ist es, datenreichen Umgebungen zu erkenntnisreichen Ökosystemen zu transformieren und durch die Digital-Twin-Technologie eine kontinuierliche Verbesserung zu unterstützen.

*Zu den Autoren:
Dr. Simone Giorgetti ist Manager Model-Based Engineering bei Atlas Copco,
Dr. Dmitry Samarkanov ist Technical Expert bei MathWorks und
Dr. Mo Anas ist Regional Engineering Manager bei MathWorks.

 (mc)

(ID:50631352)