Einführung eines Digital Twin Blueprints mit der dazugehörigen Vernetzungs- und Daten-Nutzungsstrategie für einen produzierenden Mittelständler
Ausgangslage
Das vom Unternehmen angestrebte Service-Geschäftsmodell stützt sich auf die Verwendung der Geräteeigenschaften inkl. Betriebsdaten ihrer physischen Produkte. Diese sollen über ein Condition Monitoring / IoT System über ihren Lebenszyklus erfasst werden.
Um die physischen Geräten zu einer digitalen Produktakte zuzuordnen, wird ein Datenkonstrukt – der “digitalen Zwilling” – benötigt. Dieser soll die Basis für die Zustandsüberwachung, Verortung von Servicebedarfen und Auswertung von Geräteverhalten nach Einsatz-Szenarien abbilden.
Vorgehen
- Erstellung einer Master Data Struktur, welche kurzfristig einsetzbar und langfristig auf das gesamte relevante* Portfolio skalierbar ist. Unternehmensübergreifender Deep dive in die benötigten und die vom Gerät erfassbaren (Meta-) Daten. Berücksichtigung der Datenhierarchie, Abhängigkeiten und Kompatibilitäten zwischen Produktlinien und Firmwareständen.
* relevant: Produkte bei denen die Einbindung in die Zustandsüberwachung betriebswirtschaftlich sinnvoll ist und welche eine eindeutige Serialisierung ab Werk bereits umgesetzt haben. - Die Erkenntnisse werden in eine Datenlandkarte überführt, welche das Konzept der Datenflüsse in/aus dem Digital Twin in angebundene Systeme erfasst. In diesem Rahmen wird die Stakeholderstruktur und Data Governance abgedeckt. Diese wird bereichsübergreifend abgestimmt und gegen den geplanten Business Case / Anwendungsfall geprüft.
- Mit den konzeptionellen Anforderungen erfolgt die technische und wirtschaftliche Bedarfsanalyse, welche für die Anbieterauswahl und anschließende Systemkonfiguration verwendet wird.
Umsetzung
Durch dieses Vorgehen wird die Umsetzung des Digital Twin Blueprints für die Portfolio-Flaggschiff Produktkategorie in SAP Asset Intelligence Network (AIN) Realität. Die Formulierung des Datenfluss-Konzeptes mit welchem der Digitale Zwilling mit Produktions- und Betriebsdaten befüllt wird, dient als Leitplanke für die Skalierung dieser Lösung.
Mit der Umsetzung des AIN werden die IT Abteilung und Produkt-Fachbereiche im Aufsetzen einer digitalen Produktstruktur befähigt. Die Data Policy unterstützt dabei, die Datenqualität auch bei Folgeentwicklungen im Produktbereich und bei Umstellungen interner Prozesse aufrecht zu erhalten.