Episode 01: Zukunftsvorhersage leicht gemacht – so funktioniert die digitale Fabriksimulation
Einblick. Zweiblick. Weitblick. Digitale Services im Gespräch ·
Show notes
Welches Optimierungspotenzial verbirgt sich in Ihrem Werk? Ob es ein kurzfristiger Blick in die Zukunft sein muss, um schnell Produktionsentscheidungen treffen zu können, oder ein strategischer in die fernere Zukunft: all das ist möglich mit der Siemens Simulationssoftware für die digitale Fabrik. Anhand von zwei Siemens Werken, die diese Technologie nutzen und darauf basierend täglich Entscheidungen treffen, werden die Möglichkeiten dieser spannenden Zukunftstechnologie von unseren Siemens Digiexperten Daniel Klein, Stefan Richthammer vom Elektronikwerk in Amberg und Heiko Rochholz vom Gerätewerk in Erlangen auf ihre Praxistauglichkeit hin untersucht und der faktische Nutzen mit konkreten Zahlen hinterlegt. In unserer exklusiven Service-Digithek gibt es außerdem spannende Zusatzinfos: Whitepaper, Experten Talks, Transkripte der Podcasts und Vieles mehr. Nutzen Sie außerdem die Chance uns ein Feedback zu geben oder nehmen Sie gleich mit uns Kontakt auf: Exklusive Service-Digithek
Transcript
Ein Blick, Zweiblick, Weitblick Digitale Services im Gespräch. Hallo und herzlich willkommen zu unserer neuen Podcastreihe. Einblick, Zweiblick Weitblick Digitale Services im Gespräch. Mein Name ist Katja Lübke und ich begleite Sie als Moderation durch diesen Podcast. Ich bin selbst bei Siemens in der Unternehmenskommunikation tätig. Wir wollen in unserer neuen Podcastreihe herausfinden, was die Welt der Services bewegt, speziell der digitalen Services. Und dazu lade ich spannende Gäste ein. Das können zum Beispiel Anwender, also Kunden sein, begleitet durch Siemens- Ansprechpartner oder auch Spezialisten, die sich mit Themen rund um die digitalen Services beschäftigen. Wie der Titel des Podcasts sagt, beleuchten wir mehrere unterschiedliche Blickwinkel. Auch wenn sich die Gäste, die sich gleich auch noch mal genauer vorstellen werden, heute alle aus dem Hause Siemens sind, wird sich zeigen, warum auch hier verschiedene Blickwinkel möglich sind. Die Technik, über die wir uns unterhalten werden, ist noch so neu, dass wir sie erst einmal an internen Kunden ausprobiert haben und dementsprechend heute zwei Siemens- Ansprechpartner als Kunden sprechen lassen. Bei mir zu Gast sind heute Stefan Richthammer vom Siemenswerk in Amberg, Heiko Rochholz vom Siemenswerk in Erlang sowie unser Siemens Digitalisierungsexperte Dr. Daniel Klein. Stellt euch doch gerne einmal vor. Ja. Hallo, mein Name ist Heiko Rochholz. Meine Verantwortung ist die Entwicklung und Verbreitung digitaler Lösungen und Prozesse für die Produktionsplanung für den Werkeverbund der Siemens- Elektronik Werke in Motion Control. Und ein Werk davon ist eben das Siemenswerk in Erlangen. Hier. Maschinensteuerungen und Antriebe hergestellt. Unser Geschäftsmodell hierbei ist Make to order. Das bedeutet, dass wir unsere Aufträge im Kundentakt fertigen, woraus sich eben die Herausforderung ergibt, dass wir je nach Kundennachfrage einen Mix von niedrigen bis mittleren Stückzahlen. Bei der gleichzeitig hohen Produktvarianz produzieren müssen. Deshalb setzen wir auf flexible Automatisierungslösungen durch Unterstützung von digitalen Tools wie beispielsweise Simulation. Hallo auf meiner Seite. Mein Name ist Stefan Richtermer. Ich komme aus dem Elektronikwerk Am Werk und bin verantwortlich für alles ums Thema Digitalisierung in unserer Business Unit Factory Automation. Im Gegensatz zum Gerätewerk Erlangen produzieren wir in Amberg, ähm auf Lager, das heißt, wir haben eine Mac to Stock Fertigung. Unsere Planung ist dahingehend natürlich dann auch ein ganzes Stück anders, da wir uns damit beschäftigen, möglichst viel Volumen zu produzieren. Das heißt in möglichst kurzer Zeit möglichst viele Produkte. Welche Produkte produzieren wir überhaupt in Amberg? Das ist zum einen, äh, die ganze Familie der Speicherprogrammierbaren Steuerungen der S71500. Und dann noch alles, was zum Thema Eingabe geht, also Human Machine Interfaces, Touch Panels, das wird auch in Amberg noch produziert. Mein Name ist Daniel Klein. Ich arbeite bei Siemens in einer Geschäftseinheit, die sich Digital Enterprise und Digital Services nennt. Und darin bin ich verantwortlich für das Team Digital Twin Applications. Das heißt, bei mir im Team gibt's eigentlich zwei wesentliche Bereiche, mit denen wir uns beschäftigen. Das eine ist die Implementierung von Lösungen direkt beim Kunden, und zwar alles um den digitalen Zwilling herum. Und, ähm, das zweite Gebiet, das, äh, in meinem Team eben, ähm, verfolgt wird, ist die Entwicklung neuer Lösungen rund um den digitalen Zwilling und eben die Fabrik der Zukunft. Siemens Werke sind ja eigenständige Betriebe innerhalb der Siemens AG, auch vergleichbar mit jedem anderen Produktionsbetrieb in Deutschland. Und auch hier gibt es ständig Anforderungen nach permanenter Verbesserung im Betriebsablauf und in den Fertigungsprozessen. Und solche Optimierungen nehmen ja eigentlich nie ein Ende. Neben den klassischen kontinuierlichen Verbesserungsprozessen. Wo können denn Digitalisierungsmaßnahmen weiterhelfen? Neben dem Einsatz der Simulation in der Planungsphase, in der man natürlich noch enormen Einfluss auf das Fertigungssystem hat und zum Beispiel Materialflusslogik, Puffergrößen oder Anzahl von Maschinen und Werkstückträgern im System optimieren kann, macht natürlich auch eine Simulation von bestehenden Systemen Sinn, um Optimierungsmassnahmen festzustellen. Und bei den Simulationen, wo die Anzahl der Simulationsläufe aufgrund der Vielzahl und Varianz von Parametern zu groß ist, helfen uns KIA. Sätze, also künstliche Intelligenz, um uns den richtigen Stellgrößen anzunähern, ohne alle möglichen Szenarien und Kombinationen durchzusimulieren. Und das ist im Grunde auch immer der Beginn eigentlich von so einem DFO Projekt, wie wir es nennen, also Digital Factory Optimization. Die Aufgabe von der Produktion ist es ja im Grunde zu produzieren und möglichst effizient das Ganze auch zu tun. In der Regel findet man dort keine keine Experten im Bereich von Simulation oder auch künstlicher Intelligenz. Und das setzen wir aber an, wenn wir eben genau solche Use cases bekommen, wo es darum geht, zum Beispiel die Logistik zu optimieren, Produktionsreihenfolgen zu optimieren, zu schauen, was passiert, wenn ich bestimmte Dinge an meiner Produktion ändere, um vielleicht noch effizienter zu arbeiten. Und das sind so klassische Fragestellungen, die am Anfang im DFO-Projekt stehen. Und wie das dann abläuft, ist eigentlich relativ strukturiert und immer gleich. Also es gibt da wirklich einen. Rohbau, dem alle Projekte folgen, egal ob es jetzt um Logistikoptimierung geht, ob es jetzt um die Produktionsreihenfolgen Optimierung geht oder ob es um Szenarioanalysen geht. Am Anfang steht natürlich erst einmal, ähm, zu verstehen, was der Kunde eigentlich genau möchte und was die Ausgangsvoraussetzungen sind. Das Minimalziel oder die Minimalanforderung ist letztendlich jemanden zu identifizieren beim Kunden in der Produktion, der in der Lage ist, die Produktion zu erklären, weil das ist die Grundlage, um überhaupt ein Modell erstellen zu können. Und wenn wir dann noch Daten bekommen über Produktionsabläufe in der Vergangenheit oder dergleichen, dann ist das alles ein sehr, sehr wichtiger Add-on. Aber wichtig ist, vor allem jemanden zu haben, der die Produktion erklärt. Und zusammen mit dem Experten aus der Produktion bauen wir dann in einem ersten Schritt dieses Grundmodell auf der Fertigung. Das heißt, wir versuchen diese Logik, die der Produktionsexperte erklärt, in ein Simulationsmodell zu packen. Das macht dann eben unser Simulationsexperte und die arbeiten sehr, sehr eng zusammen. Iterativ wird dieses Modell aufgebaut und verbessert wie so eine Art Skulptur, die immer immer feiner und immer besser wird. Dann im nächsten Schritt geht es letztendlich dann um die Detailanalyse. Das heißt, wenn man das Modell hat, man sagen kann. Okay, ich habe die Logik der Fertigung abgebildet. Dann geht es um die Analyse. Wir können KI mit reinbringen ins Spiel. Wir können aber auch klassische Datenanalyse Algorithmen mit ins Spiel bringen, die auf Basis von den Simulationsdaten eben dann Fragestellungen beantworten können und auch helfen, bestimmte Szenarien zu analysieren. Und im dritten Schritt geht es dann auch darum, gezielte, wenn der Kunde das möchte, ja nochmal gezielte Szenarien noch mal genauer zu beleuchten, zum Beispiel auch mit KID häufig einsetzen. Braucht das denn wirklich diese Simulation? Oder ist das für euch eher so eine Art Add-on? Aber es ist nicht zwingend notwendig. Beim Kunden ist es halt häufig so. Er hat einfach gar keine anderen Möglichkeiten, um bestimmte Sachen zu machen, außer die Simulation, weil versuchen Sie mal in die Zukunft zu schauen. Versuchen oder zu berechnen. Versuchen Sie mal schnell was zu ändern, mal schnell die Position von der Maschine zu verändern, mal schnell die Produktionsreihenfolge zu verändern. Schichtpläne, Anzahl Werke, Anzahl fahrerlose Transportsysteme. In der Realität ist es unglaublich schwierig, das überhaupt zu implementieren und dann zu untersuchen. Sie müssten jedes Mal die Produktion anhalten. Bei uns in der Simulation, in der virtuellen Welt ist das überhaupt kein Problem. Und es wird noch besser, weil sie können relativ schnell Hunderte und sogar Tausende Szenarien durchrechnen, wenn Sie das möchten und können eben Zusammenhänge erkennen, die einfach verborgen bleiben. Ähm, das sind, das sind Modelle, die wirklich auch mittlerweile eine Vorhersagegüte haben, äh, die massives Potenzial ableiten können. Also darum, die Frage Add-on ist eigentlich, ähm, steht eigentlich dabei nie im Raum. Du hast vorhin auch von Daten gesprochen. Woher genau kommen die Daten, die ihr dafür verwendet, so ein Simulationsmodell zu erstellen? Es gibt verschiedenste Datenquellen. Das erste klar ist wirklich auch das Wissen bei den Produktionsexperten, das wir dann übersetzen in ein Simulationsmodell. Was wir aber auch häufig nutzen, ist zum Beispiel Daten aus dem Auftragsmanagementsystem. Wir nutzen häufig Daten. Das kommt immer auf die Systemlandschaft des Kunden an, auch Daten aus einem EAP System. Wir nehmen auch öfters Daten aus von MS-Systemen. Das hängt dann auch vom Use Case ab. Aber wie gesagt, die Minimal Voraussetzung für die Simulation und für dieses Digital Factory Optimization ist jemand muss es erklären können in der Fertigung. Und natürlich, je mehr Daten wir haben, umso besser. Aber die Lösung steht und fällt nicht mit irgendwelchen Daten aus Warenmanagement, M oder so Heiko, Ihr habt im Gerätewerk in Erlangen genau solch ein Projekt umgesetzt. Wie sah das denn in der Praxis aus? Also, wir haben da eine bestehende Produktionslinie zur Geräteendmontage eines Umrichters simuliert. Und diese Simulation hat gezeigt, dass durch eine Veränderung des Produktmixes. 23 % der Produktionszeit eingespart werden kann und auch, dass an den Produktionslinien 42 % des Materials, was in den Materialzuführspuren direkt an der Linie steht, auch eingespart werden kann. Man möchte immer den Work and Process sehr niedrig halten. Um eben das gebundene Kapital so gering wie möglich zu halten. Passt diese Digitalisierungslösung Digital Factory Optimization nur für einen Anwendungsfall wie bei euch in der Erlanger Fertigung, oder gibt es auch weitere Anwendungsbereiche? Also, es ist natürlich so, dass dieses diese Lösung Digital Facture Optimization, die ist eigentlich unabhängig von diesen von dem speziellen Use Case, die ist relativ breit anwendbar. Wir hatten auch beispielsweise Anwendungsfälle im Bereich der Logistik. Wir haben auch, wir haben selbst Flughafensysteme optimiert für die Gepäckbeförderung, weil am Ende des Tages auch diese diese Simulationen, man bezeichnet das eben auch als Ereignis diskrete Simulationen. Das ist ganz einfach dargestellt, wird eine Maschine betrachtet als eine Blackbox, wo Teile hintransportiert werden. Das dauert eine Zeit. Dann werden die Teile bearbeitet. Das dauert eine gewisse Zeit. Und dann werden die Teile wieder weitertransportiert. Und das natürlich auf einer sehr, sehr großen, in einer sehr, sehr großen Skala, so baut man dieses Modell auf. Und damit kann ich Logistiksysteme simulieren. Ich kann Fertigungen simulieren. Und ich kann eigentlich alles simulieren, wenn ich es eben in der beschriebenen Weise abstrahieren kann. Und dementsprechend ist es eigentlich unabhängig von irgendeiner von der Branche oder einem speziellen Anwendungsfall. Stefan, magst du einmal vorstellen, was bei euch die Herausforderung in Amberg war und wie da geholfen werden konnte? Ja, sehr, sehr gerne. Ich sage mal so bei uns in Amberg. Wir machen natürlich auch das Thema Standalone Simulation. Wir haben jetzt kein. direkt das Digital Factory Optimization Projekt umgesetzt. Aber wir haben eben auch mit den Kollegen das Customer Service zusammen, äh, jetzt einen Proof of Concept gestartet, wie man das angehen kann. Das Ganze nennt sich dann Digital Plant Shadow. Und zwar, ähm, gehen wir sogar noch einen Schritt weiter. Wir nehmen nicht nur Daten, die irgendwo in der Vergangenheit existiert haben, sondern wir versuchen, die tatsächliche Datenlandschaft und den tatsächlichen Zustand unserer Fertigung ins Simulationsmodell zu übergeben, um darauf aufbauen, für die Zukunft vorhersagen zu können. Naja, wie sieht denn jetzt in der kurzfristigen nächsten Zeit? jetzt mein, äh, Fertigungsprogramm aus, wie sieht meine Auslastung der Anlagen aus? Und ich habe das ja am Anfang beschrieben, wir sind ja immer bestrebt, möglichst optimiert unsere Fertigung auszulasten, damit wir unseren Kunden auch beliefern können. Und da ist es natürlich ein wesentlicher Anwendungsfall der Simulation, dass wir sagen, wie können wir es schaffen, dass unsere einzelnen Teilgewerke, die irgendwo im Werk unterwegs sind, die zusammenspielen müssen, dass die sich untereinander verstehen und auch wissen, was kommt auf mich zu, was muss ich produzieren, was muss ich priorisieren. Und da haben wir dann mit der Simulation und dem Customer Service zusammengearbeitet und versuchen, das jetzt in einem ersten. Wurf in einem Proof of Concept bei uns umzusetzen. Und was sind jetzt die ersten Ergebnisse dieser Zusammenarbeit? Also die ersten Ergebnisse sind relativ vielversprechend. Man muss sagen, es geht relativ flexibel, die Systeme anzubinden. Natürlich ist es immer schwierig, jetzt aus einem Brownfield heraus, also aus bestehenden Systemen heraus, die Daten dann zu extrahieren und zu übergeben. Aber man kann ganz klar sehen, dass man, äh, dadurch einfach diese lokalen Über- und Unterlastungen äh einzelner Bereiche deutlich einfacher erkennen kann, äh, und auch einfach eine Unterstützung an den Arbeiter, an die Arbeiterin, die tatsächlich vor Ort ist und entscheiden muss, äh, was produziere ich denn als nächstes geben kann und äh Die da maßgeblich mit unterstützen kann. Daniel, ist es denn vom Prozess her so, dass ihr genauso vorgegangen seid wie in Erlangen? Oder sind da auch eure Beratungsansätze andere? In Amberg ist es natürlich ein anderer Use Case. Dementsprechend gehen wir da auch etwas anderes vor. Der Stefan hat es gerade auch angesprochen. Gerade da spielen jetzt schon die Daten eine ganz zentrale Rolle bei. In Erlangen baut man haben wir ja letztendlich ein Modell gebaut von der Fertigung und haben das analysiert. Aber es war eine Offline-Simulation. Das heißt, ich kann Grundsatzentscheidungen ableiten. Ich kann mal Maschinenpositionen verändern, Schichtpläne verändern, Anzahl Fahrer Transportsysteme und so weiter. Das kann ich da tun. Ich analysiere es und erhalte grundlegende Aussagen, wie ich meine Fertigung besser aufbaue. Was wir jetzt dann tun, ist dieses Modell. Und das jetzt kommen wir zum Amberger Ucase. Dieses Modell, das wir da erzeugt haben, für für den Kunden von seiner Fertigung. Das enthält ja die komplette Logik. Und da ist es dann der konsequente logische Schritt, dieses Modell dann auch zu nehmen und es mit Realdaten zu verbinden und auch letztendlich mit Realdaten anzureichern und für für weitere. Optimierungen zu nutzen. Und das ist dann Amberg, das ist so der, der der der logische nächste Schritt. Und wenn wir ehrlich sind in Amberg, das ist ja auch so das Sinnbild des digitalen Zwillings, ein Modell angereichert mit realen Daten. Und dementsprechend ist aber dann die Vorgehensweise etwas anders. Da gehen wir erstmal hin zum Kunden analysieren natürlich den Use Case und analysieren aber auch welche Datenlandschaft haben wir denn heute da? Also wo, in welchen Systemen liegen die Daten? In welchem Format liegen die? In welcher Frequenz werden denn die Daten zur Verfügung gestellt? Das ist der erste Schritt. Und dann mappen wir das auch mit den Herausforderungen oder den Anforderungen von diesem digitalen Zwilling. Das heißt oder von von der Simulation. Das heißt, was muss ich jetzt tun mit den Daten aus dem Shopfloor, damit die der digitale Zwilling verarbeiten kann. Und so gehen wir dann nach und nach vor mappen diese Daten und bauen dann das Ganze in der Fertigung auch ein. Und jetzt geht's wie in Amberg dann auch in die Inbetriebphase. Das heißt, man muss ja auch die Leute auf dem Schopfler mit abholen, die das anwenden sollen. Aber, und das ist ganz wichtig, Simulation und der digitale Zwilling ist auch etwas, das einem Werker auf dem Schopflur zur Verfügung gestellt werden muss, weil am Ende des Tages hat es einen massiven Einfluss auf die Fertigungseffizienz und auch die Qualität. Wenn diese Informationen da angekommen, wo sie auch gebraucht werden. Jetzt bist du ja auch das Bindeglied sozusagen, oder die Gemeinsamkeit zwischen den beiden Werken. Ist es denn auch so, dass du jetzt die Kunden miteinander ins Gespräch bringst? Also tauscht ihr euch aus zu solchen Projekten, um auch eure Gedankengänge gegenseitig anzuregen? Es ist natürlich so intern zwischen den Werken gibt es natürlich einen regen Austausch. Das ist auch so, dass man bestimmte Muster in einigen Werken verprobt, bevor man es dann in andere ausholt. Dieser Digital Blind Shadow ist eigentlich ein gutes Beispiel dafür. Wir implementieren das jetzt im Werk in Amberg, aber sind auch schon parallel in Diskussion mit weiteren Werken, die Interesse angemeldet haben. Ähm, auch mit externen Kunden gibt es natürlich da immer einen gewissen Austausch, aber das hängt dann von den Kunden selber ab, ob die sich austauschen möchten. Wir haben ja jetzt hier das Thema Pionierprojekt. Weswegen ist denn die Wahl aufs GWA und aufs GWE als Gerätewerke gefallen, weil es eh schon digital war? Oder gab es da andere Beweggründe? Die Wahl ist deshalb auf Amberg und Erlangen gefallen. Eigentlich aus zwei Gründen. Der erste Grund ist, dass wir natürlich versuchen, solche neuen Lösungen erst mal bei uns in den Werken zu verproben, weil wir natürlich die Prozesse zum Teil auch kennen. Weil wir sowieso in regen Austausch mit den Kollegen sind und auch sicher gehen möchten, dass, bevor wir jetzt zum externen Kunden mit so einer Lösung gehen, dass wir die auch sicher in unseren Werken implementiert haben. Das ist der erste Grund. Der zweite Grund ist natürlich, wenn Sie, wenn Sie heute eine neue Lösung haben, also das heißt, wie die Digital Plan Shadow, die was völlig Neuartiges eigentlich ist, dann möchte man sich eigentlich auf diese Lösung erstmal konzentrieren. Das heißt auf diese ganze. Digital Plant Shadow Implementierung auf die Software, die diesen Plan Shadow ausmacht, und nicht auf die Datenanbindung erstmal oder auch irgendwelche Systeme grundsätzlich anzubinden. Und sowohl in Amberg als auch in Erlangen ist der Status da relativ weit fortgeschritten. Wir hatten einfach ein einfaches Spiel für eine Erstimplementierung, aber. Es ist schon so, dass wir jetzt Schritt für Schritt auch in Werke gehen, wo diese Grundlage eben nicht so existiert, weil wir wissen eben draußen außerhalb dieser Siemens Werke und auch einige Siemens Werke im Verbund haben nicht diese Grundlagen. Aber auch da können wir das anbieten. Und das wissen wir auch heute schon, dass das geht. Was genau ist denn Digital Plant Shadowing und welche Voraussetzungen benötigt es? Der Digital Plant Shadow ist eigentlich der konsequente nächste Schritt in Richtung Digitalen Zwilling, so was ist es. Es ist eigentlich eine Simulation, die parallel zum Betrieb in der Fertigung läuft und mit realen Daten angereichert wird. Das heißt aktuellen Zustand. Dem Aktienzustand aus der Produktion. Ich vergleiche das ganz gerne mit einer Art Wetterbericht. Wenn man sich heute den Wetterbericht anschaut, dann ist es ein Wettermodell, das letztendlich Daten von Wetterstationen auf der ganzen Welt bekommt. Und auf Basis von diesen Daten und dem Wettermodell kann ich jetzt das Wetter vorhersagen. Ich kann in die Zukunft schauen. Wie wird das Wetter morgen werden oder die nächsten zwei Tage. Ich kann aber auch und das dafür nutzt man. Solche Wetterdaten und Wettermodelle auch. Ich kann auch analysieren, was ist in der Vergangenheit passiert. Wieso hat es gewisse Konstellationen gegeben? …