Virtuelle Inbetriebnahme

Andrea Gillhuber,

Produktionsanlagen simulieren

Moderne Produktionsmaschinen sind nicht nur mit mehr Rechenleistung ausgestattet und speichern mehr Messdaten als jemals zuvor, sie werden auch immer komplexer. Das kann zu Verzögerungen bei der Inbetriebnahme und zu Fehlern im Betrieb führen. Abhilfe schafft die virtuelle Inbetriebnahme.

© metamorworks/Shutterstock.com

Die digitale Transformation hat im Maschinenbau unter anderem dafür gesorgt, dass die Software an Produktionsanlagen eine immer größere Rolle spielt – und immer komplexer wird. Gemeinsam mit der Variantenvielfalt, die sich durch steigende Anforderungen an die Flexibilität und daraus resultierend höhere Modularität von Maschine und Anlagen ergibt, führt das immer öfter zu Verzögerungen bei der Inbetriebnahme und zu Fehlern im Betrieb.

Abhilfe schafft die virtuelle Inbetriebnahme. Anstelle von zeitaufwendigen Tests an der physikalischen Anlage wird die Software mithilfe von Simulationsmodellen getestet und optimiert – oft zu einem Zeitpunkt, zu dem die physikalische Anlage noch gar nicht verfügbar ist.

Das Potenzial voll ausschöpfen

Obwohl die virtuelle Inbetriebnahme und die damit verbundene Verwendung von Simulationsmodellen im Maschinen- und Anlagenbau weit verbreitet sind, wird oft vergessen, dass Simulationsmodelle einen weitaus breiteren Nutzen erfüllen können. Der Entwicklungsansatz der modellbasierten Entwicklung, sprich: Model-Based Design, stellt das Modell in das Zentrum des gesamten Entwicklungsprozesses. Dabei werden Modelle bereits in der Planungsphase für die Maschine oder Anlage erstellt und über das Design bis hin zur Inbetriebnahme kontinuierlich weiterentwickelt. Durch die dadurch mögliche Parallelisierung kann die Durchlaufzeit vom Projektstart bis zum Produktionsstart verkürzt werden (Bild 1). Als Basis für digitale Zwillinge spielen Simulationsmodelle über die gesamte Lebenszeit der Anlage eine Rolle. Das ist vor allem dann wichtig, wenn man den Nutzen aus dem Modell mit dem Aufwand vergleicht, der für die Erstellung und Optimierung erforderlich ist.

Anzeige

Generell sollte bereits zu Beginn die Frage nach dem Return on Investment (ROI) gestellt und eine transparente Aufstellung der erwarteten Einsparungen den Aufwänden erstellt werden. Einsparungen sind zum Beispiel:
• Ausfallkosten der Maschine im Betrieb,
• Mehrkosten durch Verzögerungen bei der physikalischen Inbetriebnahme,
• Reiseaufwand für Serviceeinsätze,
• Material- und Energieeinsatz während der physikalischen Inbetriebnahme.

Aufwände sind beispielsweise:
• Personalkosten für die Erstellung und Wartung der Modelle,
• Know-how-Aufbau im Team,
• Lizenzkosten für Simulationswerkzeuge,
• Mehraufwände für Abgleich zwischen Maschine und Simulationsmodell mittels Messdaten.

Bild 1: Parallelisierung der Entwicklung durch virtuelle Inbetriebnahme. © MathWorks

Für den Einstieg in die virtuelle Inbetriebnahme und ganz allgemein in die modellbasierte Entwicklung haben sich folgende Punkte bewährt:
• Beginn mit reduzierter Komplexität des Simulationsmodells und sukzessiver Erweiterung über das Projekt hinweg.
• Modellierung beziehungsweise virtuelle Inbetriebnahme einer Teilkomponente der Maschine oder Anlage im ersten Projekt (Quick Wins erzielen).
• Sukzessive Einführung modellbasierter Entwicklung und Ersetzen etablierter Entwicklungsprozesse (Change-Management).

Die Modellierung

Der Aufwand für die Modellierung hängt von mehreren Komponenten ab. Die detaillierte Modellierung der einzelnen Komponenten, zum Beispiel Antriebe, Sensoren et cetera, einer Anlage liefert die genauesten Resultate – allerdings auf Kosten von Modellierungs- und Simulationszeit. Ein 3D-Verhaltensmodell der gesamten Anlage kann hilfreich für die Verifikation von logischen Softwareteilen sein, ist aber für die Bewertung von physikalischen Ergebnissen beispielweise der Genauigkeit einer Positionsregelung oder der korrekten Auslegung der Antriebe nicht geeignet.

Simulationsumgebungen wie Simulink bieten daher unterschiedliche Module für die Modellierung, die die einzelnen Aspekte entsprechend abbilden. So werden etwa logische Zustandsmodelle und Schrittketten in Stateflow modelliert, während Simscape die Möglichkeit bietet, 3D-CAD-Daten als physikalisches Modell einzulesen.

Das so erstellte Simulationsmodell der Maschine oder Anlage (Bild 2) wird dann in mehreren Schritten über die gesamte Entwicklungs- und Inbetriebnahmezeit hinweg verwendet, um das Zusammenspiel zwischen Mechanik, Elektrik und Software kontinuierlich zu verifizieren:

Desktopsimulation: Das Verhaltensmodell der Maschine wird gemeinsam mit den Algorithmen, die später auf einer SPS oder einem Industrie-PC laufen, also zum Beispiel Ablaufsteuerungen, Regelungstechnik oder KI-Algorithmen, simuliert. Dabei werden unterschiedliche Szenarien durchgespielt, die an der physikalischen Maschine nicht oder nur mit großem Aufwand möglich wären.

Bild 2: Simulationsmodell eines Handlingroboters. © MathWorks

Codegenerierung: Aus dem Simulationsmodell wird auf Knopfdruck Quellcode in unterschiedlichen Sprachen erstellt, der dann auf die Industriesteuerung übertragen und dort in Echtzeit ausgeführt wird. Optional wird zusätzlich noch die Dokumentation für die Software mitgeneriert. Die modellbasierte Entwicklung mit Simulink unterstützt dabei die gängigen Industriesteuerungsplattformen.

Hardware-in-the-Loop: Aus dem Anteil des Simulationsmodell, der das physikalische und logische Verhalten der Maschine oder Anlage repräsentiert, wird ebenfalls echtzeitfähiger Code automatisch erstellt, der auf Echtzeithardware läuft, die über gängige Industrieprotokolle mit der SPS verbunden ist (Bild 2). Dadurch wird der Industriesteuerung das Verhalten der Anlage vorgegaukelt, sodass unterschiedliche Tests unter Echtzeitbedingungen durchgeführt werden können.

Dieser Workflow ist nicht nur in der Automobilindustrie seit Jahren etabliert, sondern wird auch im Maschinenbau erfolgreich von führenden Unternehmen wie Krones, Metso oder Tetra Pak eingesetzt.

Modelleinsatz über die virtuelle Inbetriebnahme hinaus

Die für die virtuelle Inbetriebnahme entwickelten Modelle bieten auch über die Entwicklungs- und Inbetriebnahmephase hinaus noch einen entscheidenden Mehrwert. Immer öfter werden sie als sogenannte digitale Zwillinge – also virtuelle Repräsentationen der laufenden Anlage – über die gesamte Maschinenlebenszeit hinweg eingesetzt. Typische Anwendungen sind hier etwa die vorausschauende Wartung (Predictive Maintenance) oder die Vorhersage von Qualitätsschwankungen aus dem Vergleich zwischen gemessenen und simulierten Daten. Der digitale Zwilling wird dabei üblicherweise in die IT-Infrastruktur der Produktionsanlage eingebettet. Werkzeuge wie Simulink bieten entsprechende Möglichkeiten für den Einsatz von Modellen auf Edge oder Cloud-Systemen.

Eine virtuelle Inbetriebnahme hilft dem Maschinenbau dabei, in Zeiten von zunehmend komplexeren Anlagen die Inbetriebnahme weitgehend zu virtualisieren und dadurch entsprechend Zeit und Kosten einzusparen. Mithilfe der modellbasierten Entwicklung werden die so erstellten Simulationsmodelle über die gesamte Entwicklungsphase – und in Form von digitalen Zwillingen immer öfter auch darüber hinaus – eingesetzt. Mit der schrittweisen Einführung von virtueller Inbetriebnahme und mit den dafür geeigneten Softwarewerkzeugen zahlt sich dieser Schritt in der Regel bereits im ersten Projekt aus.

Philipp Wallner, Industry Manager bei Mathworks / ag

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige

Wirtschaft + Unternehmen

Vereinfacht das Engineering

Mit Hilfe eines Softwareassistenten geht die Inbetriebnahme elektrischer Achsen schneller Um bis zu 80 Prozent reduzierte Engineeringzeiten: Das ermöglicht Rexroth mit EasyHandling, der neuen Systemphilosophie für Handhabungsaufgaben.

mehr...
Anzeige
Anzeige
Anzeige

Künstliche Intelligenz

Die KI-Trends 2019

Künstliche Intelligenz gewinnt mehr und mehr an Bedeutung. Ein Grund, sechs Trends zusammenzufassen, die dieses Jahr die Entwicklung und Anwendung von KI maßgeblich bestimmen werden und sowohl für Ingenieure als auch Wissenschaftler wichtig sind.

mehr...