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 Maschinen 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 im Zusammenspiel mit den restlichen mechatronischen Komponenten mithilfe von simulierten – virtuellen – Maschinen in unterschiedlichen Szenarien getestet und optimiert – oft zu einem Zeitpunkt, zu dem die physikalische Anlage noch gar nicht verfügbar ist.

Das volle Potenzial der Modelle ausschöpfen

Während die virtuelle Inbetriebnahme und die damit verbundene Verwendung von Simulationsmodellen im Maschinen- und Anlagenbau bereits immer weiter verbreitet ist, wird oft vergessen, dass Simulationsmodelle einen weitaus breiteren Nutzen erfüllen können als ‚nur‘ für die virtuelle Inbetriebnahme. 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.

Schematische Darstellung der Parallelisierung der Entwicklung durch die virtuelle Inbetriebnahme

© Mathworks

Durch die dadurch mögliche Parallelisierung kann die Durchlaufzeit vom Projektstart bis zum Produktionsstart verkürzt werden (siehe Bild). Als Basis für digitale Zwillinge spielen die Simulationsmodelle über die gesamte Lebenszeit der Anlage eine Rolle.
Generell ist es wichtig, sich bereits zu Beginn die Frage nach dem Return on Investment (ROI) zu stellen. Dabei geht es darum, eine transparente Aufstellung der erwarteten Einsparungen, wie zum Beispiel Ausfallkosten der Maschine im Betrieb, Reiseaufwand für Serviceeinsätze, Material- und Energieeinsatz während der physikalischen Inbetriebnahme et cetera, dem Aufwand – wie Personalkosten für die Erstellung und Wartung der Modelle, Know-how-Aufbau im Team, Lizenzkosten und so weiter – entgegenzustellen.

Mit höherer Genauigkeit der Simulationsmodelle steigt in der Regel auch der Aufwand für die Modellierung signifikant, daher sollte darauf geachtet werden, dass mit einem einfachen Modell begonnen wird, und die Komplexität mit Fortschreiten des Projekts – soweit erforderlich – erweitert wird. Auch sollte die modellbasierte Entwicklung nicht gleich im ersten Projekt auf die gesamte Maschine oder Anlage angewendet, sondern es sollte mit einer relevanten Teilkomponente begonnen werden. Damit kann zum einen der Mehrwert der Simulation relativ schnell aufgezeigt, zum anderen die Entwicklungsmethode sukzessive eingeführt werden, ohne dass dabei etablierte Prozesse in zu kurzer Zeit komplett verändert werden müssen.

Die Modellierung

Beispiel eines Simulationsmodells eines Handlingroboters.

© Mathworks

Der Aufwand für die Modellierung hängt von mehreren Komponenten ab. Die detaillierte Modellierung der einzelnen Komponenten einer Anlage, zum Beispiel Antriebe oder Sensoren, 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, etwa der Genauigkeit einer Positionsregelung oder der korrekten Auslegung der Antriebe, nicht geeignet.

Simulationsumgebungen wie Simulink bieten daher unterschiedliche Module für die Modellierung, welche 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 wird dann in mehreren Schritten über die gesamte Entwicklungs- und Inbetriebnahmezeit hinweg verwendet, um das Zusammenspiel zwischen Mechanik, Elektrik und Elektronik sowie Software kontinuierlich zu verifizieren. 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.

Die Desktop-Simulation

Philipp Wallner ist Industry Manager bei Mathworks.

© Mathworks

Im ersten Schritt wird die Simulation am Desktop-Rechner ausgeführt. Das Verhaltensmodell der Maschine wird gemeinsam mit den Algorithmen, die später auf einer SPS oder einem Industrie-PC laufen, 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. Von Vorteil ist an dieser Stelle, dass die Desktop-Simulation nicht in Echtzeit läuft, und damit eine große Anzahl an unterschiedlichen Tests in kurzer Zeit und teilweise auch parallel durchgeführt werden können. Darüber hinaus können in der Simulation Werte aufgezeichnet werden, die in der Praxis mangels entsprechender Sensorik nicht messbar wären.

Code-Generierung und Hardware-in-the-Loop

Hardware-in-the-Loop-Simulation mit Simulink und Speedgoat Hardware

© Mathworks

Ist die Desktop-Simulation erfolgreich abgeschlossen, kommt im nächsten Schritt die automatische Generierung von ausführbarem Echtzeitcode zum Einsatz. Werkzeuge wie Simulink bieten die Möglichkeit, Quellcode in unterschiedlichen Sprachen (ANSI-C, C++, IEC 61131-3 etc.) direkt aus dem Simulationsmodell zu erstellen. Dadurch können die bereits in der Simulation getesteten Software-Komponenten, etwa für die Regelungstechnik oder für Predictive Maintenance, ohne Umwege über die in der Regel fehleranfällige und zeitaufwendige manuelle Programmierung in echtzeitfähigen und ausführlich dokumentierten Programmcode umgewandelt und auf die Industriesteuerung übertragen werden. Optional wird die Dokumentation für die Software mitgeneriert. Die modellbasierte Entwicklung mit Simulink unterstützt dabei die gängigen Industriesteuerungsplattformen.

Zudem kann aus dem Anteil des Simulationsmodells, der das physikalische und logische Verhalten der Maschine oder Anlage repräsentiert, automatisch echtzeitfähiger Code erstellt werden. Dieser läuft dann beispielsweise auf Echtzeit-Hardware der Firma Speedgoat gemeinsam mit Simulink Real-Time. Diese Echtzeit-Simulation des Maschinenmodells wird dann über gängige Industrieprotokolle wie Profinet, Ethercat, Ethernet/IP oder Modbus mit der SPS verbunden. Dadurch wird der Industriesteuerung das Verhalten der physikalischen Anlage vorgegaukelt, sodass unterschiedliche Tests – diesmal unter Echtzeit-Bedingungen – durchgeführt werden können.

Digitale Zwillinge – 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. Der digitale Zwilling erhält dabei laufend Messdaten von der physikalischen Anlage und gleicht diese mit den aus der Simulation errechneten Werten ab. Dadurch können Abweichungen frühzeitig erkannt und Ausfälle oder Qualitätsschwankungen vorhergesagt werden. Im Bereich der vorausschauenden Wartung oder Predictive Maintenance kommen digitale Zwillinge auf Basis von Simulationsmodellen immer häufiger zum Einsatz. Die Modelle werden dabei in die IT-Infrastruktur der Produktionsanlage eingebettet. Werkzeuge wie Simulink bieten entsprechende Möglichkeiten für den Einsatz von Modellen auf Edge oder Cloud-Systemen.

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.