Forschungsprojekt SDM4FZI – Software-defined Manufacturing für die Fahrzeug- und Zulieferindustrie

Die Herausforderung in der Fahrzeug- und Zulieferindustrie besteht heute darin, trotz hochvolatiler Märkte und unter dynamischen Bedingungen, wirtschaftlich zu produzieren.

Der hierfür entscheidende Wettbewerbsfaktor ist die Wandlungsfähigkeit von Produktionssystemen. Um die maximale Wandlungsfähigkeit zu erreichen, ist eine strikte Trennung zwischen der Hardware der Produktionssysteme und der steuernden Software zu schaffen. Das Projekt SDM4FZI beschäftigt sich daher mit der neuen Methode: Software-defined Manufacturing (SDM). Analog zu Lösungen aus der Informations- und Kommunikationstechnik sollen auch nicht vordefinierte Funktionen durch automatisch generierte Software realisiert werden.

Grundvoraussetzung ist die Abstraktion der vorhandenen Hardware durch digitale Zwillinge, mit deren Hilfe die Software automatisch abgeleitet und verteilt werden kann. Dazu ist die vorhandene Produktions-OT (Operational Technology) neu zu denken, um die Steuerungs- und Kommunikationsinfrastruktur SDM-fähig zu gestalten. SDM schafft die Grundlage für innovative Anwendungen und Geschäftsmodelle, die als Kern digitale Zwillinge zur Optimierung wandlungsfähiger Produktionssysteme verwenden.

In SDM4FZI befasst sich SimPlan vorrangig damit, Wertstrom- und Logistikmodelle durch die Integration in die SDM4FZI-Plattform zu Wertstrom- und Logistikzwillingen weiterzuentwickeln. Ferner wird die Nutzbarkeit der Wertstrom- und Logistikzwillinge zur Unterstützung der Wandlungsfähigkeit zusammen mit Anwendungspartnern wie Audi und Bosch demonstriert.

Video: Automatische Knotenkanten-Netze via VDA5050 in Plant Simulation

Im Video wird gezeigt, wie im Forschungsprojekt SDM4FZI eine VDA5050-konforme Schnittstelle in Plant Simulation implementiert wurde, um die virtuelle Inbetriebnahme von Flottenmanagern zu ermöglichen. Dabei wird erläutert, wie automatisch ein Knoten-Kanten-Netz erzeugt wird, das als Grundlage für wandelbare Produktionssysteme dient. Anhand praktischer Beispiele erfahren Sie, wie sich Digital-Twin-Modelle effizient testen und optimieren lassen.