Das Paradigma der Vernetzung von physischer und digitaler Welt hat in den letzten zehn Jahren weite Bereiche von Wirtschaft und Gesellschaft erfasst, und sich unter Schlagworten wie Smart City, Smart Manufacturing oder Smart Health etabliert.
In Zeiten rasanten technologischen Wandels stellt sich die Frage: Was kommt nach dem Internet der Dinge? Die Chancen stehen gut für Smart Dust. Dieser «schlaue Staub» beschreibt integrierte, weiträumig verteilte Sensornetzwerke, deren einzelne Bestandteile sich in einer Grössenordnung von unter einem Kubikmillimeter bewegen [1].
Abbildung 1: Vision von Smart Dust in einem Trägermedium
SNF Spark-Projekt zur Erforschung von Nutzenpotenzialen
Motiviert zum einen durch die steigende Technologiereife und zum anderen durch das unklare Bild über Nutzungsmöglichkeiten, leitet das Product Management Center der Zürcher Hochschule für Angewandte Wissenschaften (ZHAW) ein SNF-Grundlagenprojekt zum Thema.
Das Projekt im Rahmen des neuen Förderungsinstruments «Spark», welches besonders gewagte, aber auch vielversprechende Ideen adressiert, hat zum Ziel, einzelne Anwendungsfelder, übergeordnete Einsatzbereiche und die grundsätzliche Rolle von Smart Dust im industriellen Sektor zu untersuchen.
Abbildung 2: Grössenordnung eines einzelnen Smart Dust-Korns
Bisher durchgeführte Forschungsarbeiten [2,3] in der deutschsprachigen Maschinen-, Elektro- und Metall-Industrie zeigen grosses Potential – einige Beispiele:
Im Fluidtechnikbereich kann Smart Dust durch verbesserte Flüssigkeitsmessungen helfen, hochsensible Prozesse, wie etwa das Thermomanagement in Rechenzentren, besser zu steuern. Auch industrieübergreifend bietet der «schlaue Staub» die Chance, Logistikprozesse transparenter und belastungsintensive Bauteile sicherer zu machen.
Spannend wird es insbesondere auch, wenn neben rein sensorischen auch noch aktuatorische Fähigkeiten ins Spiel kommen («Micro Robots»). So werden beispielsweise im Aerospacebereich adaptive Oberflächen, die dynamisch ihre Struktur verändern können, ermöglicht.
Gleichermassen gilt es noch viele offene Fragen zu beantworten, sei es bezüglich technischer Leistungsdaten, wirtschaftlicher Überlegungen, oder auch in Bezug auf Datenschutz und Nachhaltigkeit. Wenn auch heute noch visionär anmutend, hat das Internet der Dinge gezeigt, wie schnell und tief die Diffusion von digitalen Technologien erfolgen kann.
Danksagung
Dieses Projekt wurde durch das «Spark»-Programm des Schweizerischen Nationalfonds zur Förderung der wissenschaftlichen Forschung (SNF) unterstützt.
Literatur zum Thema
[1] Warneke, B., Last, M., Liebowitz, B., and Pister, K.S.J. 2001. “Smart Dust: Communicating with a Cubic Millimeter Computer,” Computer (34), pp. 44–51.
[2] Holler, M., Haarmann, J., van Giffen, B., and Frank, A. 2020. “Smart Dust in the Industrial Economic Sector – On Application Cases in Product Lifecycle Management,” Springer IFIP Advances in Information and Communication Technology (forthcoming).
[3] Holler, M., Dremel, C., van Giffen, B., and Fuchs, R. 2020. “Smart Dust und Micro Robots im industriellen Sektor – Chancen, offene Punkte und Handlungsempfehlungen,” Springer HMD Praxis der Wirtschaftsinformatik – Special Issue on Robotics (under review).
Ansprechpartner & Kontakt
Dr. Manuel Holler (manuel.holler@zhaw.ch | +41 58 934 7060) ist wissenschaftlicher Mitarbeiter am Product Management Center der ZHAW. Seine Forschung konzentriert sich auf digitale Innovationen für das industrielle Produkt- und Dienstleistungsgeschäft.
Veröffentlicht unter Smart Product Management | Verschlagwortet mit Digitalisierung, Forschungsprojekt, IMM, Industrie, Innovationsprojekt, Institut für Marketing Management, Internet der Dinge, Internet of Things, IoT, Micro Robots, Product Management Center, Schlauer Staub, Schweizerischer Nationalfonds, Smart Dust, SNF, ZHAW
Der Fortschritt in der Informations- und Kommunikationstechnologie verwandelt traditionelle in intelligente Produkte und ermöglicht es Unternehmen, neuartige intelligente Dienstleistungen anzubieten. Dabei gilt das Konzept des «digitalen Zwillings» als eine Schlüsseltechnologie, um mit intelligenten Diensten Mehrwert zu schaffen.
Der Digitale Zwilling wird von Gartner dementsprechend auf Platz 4 innerhalb der Top 10 der strategischen Technologietrends geführt, die „noch nicht weithin anerkannte Trends sind, jedoch Auswirkungen auf die Transformation von Industrien bis 2023 haben“ (Panetta, 2018). Auch wenn das Konzept des digitalen Zwillings relativ jung ist, wird ihm eine grosse Zukunft vorausgesagt, so soll der Markt von schätzungsweise $ 3,8 Mrd. im Jahr 2019 auf $ 35,8 Mrd. im Jahr 2025 wachsen (Rais, 2019).
Entsprechend viele Unternehmen haben sich in den letzten Jahren und Monaten dieses Thema auf die Fahne geschrieben und investieren gewaltige Ressourcen in entsprechende Entwicklungen. Allerdings sind die konkreten Mehrwerte und damit die Renditeaussichten von Investitionen in digitale Zwillinge in der Praxis oft schwierig abzuschätzen, da interne wie externe Prozesse betroffen sind und die erfolgreiche Bewältigung der Herausforderungen dieses komplexes Themas das Zusammenspiel von verschiedenen Unternehmensbereichen erfordert.
Funktionsübergreifende Diskussionen und Zusammenarbeit gestalten sich daher oft mühselig, da ein gemeinsamer konzeptioneller Rahmen, eine eindeutige Terminologie und gemeinsame Sprache auf der Grundlage eines ausreichend abstrakten, intuitiv verständlichen und einfach zu handhabenden Referenzmodells fehlen. Deshalb hat die Fachstelle für Produktmanagement des Instituts für Marketing Management 2018 ein Forschungsprojekt gestartet, um ein entsprechendes konzeptionelles Referenzmodel für die Wertgenerierung mit digitalen Zwillingen zu entwerfen und die Unternehmen damit bei ihren Innovationsprojekten zu unterstützen.
Das in diesem Beitrag vorgestellte Modell umfasst die aus akademischer Sicht zentralen Dimensionen des digitalen Zwillings und spezifiziert diese im Hinblick auf eine abgestimmte und schlüssige Wertgenerierung.
Das Digital Twin Conceptual Framework
Um die Wertgenerierung mit digitalen Zwillingen ganzheitlich zu erfassen, werden in einem ersten Schritt die Dimensionen externe Wertgenerierung (im Markt, bei den Kunden), interne Wertgenerierung (innerhalb des Unternehmens) und die dafür benötigten Datenressourcen unterschieden.
Externe Wertgenerierung
Am meisten Beachtung findet in Innovationsprojekten jeweils die externe Wertgenerierung, da eine Mehrheit der Unternehmen beabsichtigen, durch digitale Zwillinge und die dadurch ermöglichten datenbasierten Services zusätzliche Umsätze zu generieren, Margen zu erhöhen und die Kundenzufriedenheit und -bindung zu verstärken. Dabei stellt sich in jedem Fall die Frage, auf welcher Hierarchieebene des Systems (System Hierarchy Level) Wert entstehen soll, welche Bereiche des Service-Umfangs (Service Scope) verbessert werden sollen und welche Fähigkeiten (Smartness Maturity) die digitalen Zwillinge dafür aufweisen müssen.
Interne Wertgenerierung
Dabei wird oft vernachlässigt, dass digitale Zwillinge auch innerhalb des eigenen Unternehmens viele Prozesse verändern und auf vielseitige Art und Weise Wert generieren können. Im Fokus steht dabei das Management der Lebenszyklusprozesse (Lifecycle), von einzelnen Instanzen bis hin zu Produktportfolios (Value Creation Hierarchy) unter Berücksichtigung historischer, aktueller als auch zukünftiger Zustände und Daten (Generations / Time).
Datenressourcen
Sowohl die interne als auch die externe Wertgenerierung wird jedoch erst durch die Nutzung von entsprechenden Datenressourcen ermöglicht. Hierbei stellt sich die Frage welche Daten (Data Category) aus welchen Quellen (Data Sources) gewonnen werden sollen und wie stark diese aufbereitet und analysiert werden müssen (Data Format).
Anwendung des Modells zur Wertgenerierung
Das Modell bildet das ganze Spektrum an möglichen Datenressourcen und der daraus ermöglichten Wertgenerierung mit digitalen Zwillingen innerhalb und ausserhalb des eigenen Unternehmens ab. Durch die jeweils 3 Achsen mit wiederum 3 Spezifikationen können in jeder der 3 Dimensionen (Würfel) insgesamt 27 Anknüpfungspunkte für die Innovation mit digitalen Zwillingen unterschieden werden, welche für die Wertgenerierung mit digitalen Zwillingen in Frage kommen.
Für Unternehmen ist es jedoch nicht das Ziel, alle 81 im konzeptionellen Referenzmodell abgebildeten Anknüpfungspunkte umzusetzen, sondern sinnvolle Kombinationen zu ermitteln, die mit im Verhältnis möglichst optimalem Aufwand hinsichtlich der Datenressourcen effizient und effektiv interne und externe Werte schaffen. Die so generierten Werte entstehen durch einen kooperativ geschaffenen digitalen Zwilling, der ein dynamisches Verhältnis zwischen Anbieter und Nachfrager kreiert – und dadurch zu einem kaum replizierbaren Wettbewerbsvorteil führt.
Ein Beispiel wäre «predictive maintenance» also die proaktive Wartung physischer Güter aufgrund datenbasierter Vorhersagen. Hierbei wird externer Wert generiert durch Steigerung der Verfügbarkeit (Availability) mittels Kontrolle (Control) eines IoT-fähigen Assets (Connected Product). Aber nicht nur der Besitzer dieses Assets profitiert von dieser Anwendung, auch intern entsteht Wert für das Unternehmen, da die Prozesse innerhalb der Nutzungsphase (Middle of Life / MoL) des Assets (Instanz) auf Basis vergangener, aktueller und zukünftiger Zustände (Past, Present, Future) optimal gestaltet werden können. Dazu reicht es in der Regel bereits aus, ein Set an produktbezogenen (Product) IST-Daten aus dem Asset (Thing) mit überschaubaren Mitteln aufzubereiten (Structured) und mit den SOLL-Werten aus den internen Systemen (internal Systems) abzugleichen.
Predictive Maintenance kann daher ein geeigneter Einstieg in die Entwicklung eines umfangreicheren digitalen Zwillings sein, der zu einem späteren Zeitpunkt weitere Datenkategorien (Context oder Customer) aus zusätzlichen Quellen (external Systems) verwendet, um nicht nur Dashboards mit strukturierten Daten zu visualisieren, sondern daraus Aktionen (interpreted Data) zur Generierung zusätzlicher interner und externer Werte ableitet.
Ausblick
Die Möglichkeiten zur Wertgenerierung mit digitalen Zwillingen sind sehr umfangreich und können je nach Unternehmen und Anwendung sehr unterschiedlich ausfallen. In weiteren Beiträgen werden wir die drei zentralen Dimensionen der internen und externen Wertgenerierung als auch der Datenressourcen vertieft darstellen und deren Zusammenspiel anhand konkreter Beispiele erläutern.
Das in diesem Beitrag vorerst oberflächlich vorgestellte Konzept wurde im April 2020 im Rahmen der «International Conference on Information Science and Systems» publiziert und ist hier frei verfügbar.
Das Modell wird zudem kontinuierlich hinsichtlich des Einsatzes in der Praxis optimiert, wir freuen uns daher über jegliches Feedback oder gar die Kontaktaufnahme zwecks Gedankenaustauschs hinsichtlich konkreter Anwendungen und deren praktischen Umsetzung.
Autoren & Kontakt
Linard Barth ist Wissenschaftlicher Mitarbeiter, Projekt- und Studiengangleiter am Product Management Center der ZHAW. Seine Interessen gelten in erster Linie dem Zusammenspiel einzelner Elemente in grösseren Systemen und wie diese konsistent nachhaltig funktionierend ausgerichtet werden können. Dazu erforscht er den Einfluss von Internet of Things, Smart Connected Products und Digitalen Zwillingen auf Business Modelle und Value Propositions. Als ehemaliger Gründer schlägt sein Herz insbesondere für Start-Ups, Entrepreneure und innovative Firmen, welche die genannten Konzepte in der realen Welt umsetzen und berät diese in unterschiedlichen Projekten. Nebenbei leitet er den Studiengang CAS Pricing & Sales, ein Weiterbildungsangebot des Instituts für Marketing Management der ZHAW.
Dr. Matthias Ehrat ist Dozent, Projektleiter und Start-up Coach am Product Management Center der ZHAW. Bereits seit seiner Ausbildung an der Eidgenössischen Technischen Hochschule (ETH) und der Universität St. Gallen (HSG) schlägt sein Herz für technologiegetriebene Innovationen. Durch langjährige Erfahrungen in verschiedenen Positionen im industriellen Anlagenbau konnte er sich ein breites Wissen im Betriebsmanagement aneignen. Er hält selbst mehrere Patente und berät Start-ups bezüglich den Schutzmöglichkeiten und der Anmeldeverfahren ihrer technologischen Entwicklungen. Nebenbei leitet er den Studiengang CAS Industrial Product Management, ein Weiterbildungsangebot des Instituts für Marketing Management der ZHAW.
Barth, L.; Ehrat, M.; Fuchs, R. & Haarmann, J. (2020). Systematization of digital twins : ontology and conceptual framework. In: ICISS 2020 : Proceedings of the 2020 The 3rd International Conference on Information Science and System. 3rd International Conference On Information Science And Systems ICISS 2020, Cambridge, UK, 19-22 March 2020. New York: Association for Computing Machinery. S. 13-23. Verfügbar unter: https://doi.org/10.1145/3388176.3388209
Digitalization has attracted much attention across the Swiss industrial landscape. The Machinery, Electrical and Metal Industry (MEM) is directly confronted to challenges stemming from this emerging digital age.
In a report on behalf of Swissmem (see Arbeitswelt 4.0 – SwissMEM ), the impact of digitalization on MEM companies’ value chains and working environment is investigated. Interviews of Swiss MEM executives highlight the approach to and implementation of digital enablers over a 20 years’ period.
During the last 20 years, the Swiss MEM companies constantly thrived for cost reduction by using continuous improvement methods and implementing new technologies to keep up with the competition and stay at the forefront of innovation. The combination of the novel disruptive technologies and continuous improvement methods is of utmost importance to further help companies consolidate their leading position on the market. Most companies are taking advantage of the novel technologies to provide new services to their customers but do not specifically use these for generating new revenue sources.
The results imply that the workplace in the MEM sector will be greatly impacted by the adoption of Industry 4.0 applications. Some of the effects are visible on the market today where companies are seeking to hire data scientists and network software engineers, both positions being crucial in connecting the whole supply chain in real-time. A certain shift exists between Swiss MEM companies regarding their adoption of novel applications. A slight trend subdivides the companies in three different groups leading to various success prospects on the market. However, such trend must be further investigated to confirm causality. In this regard, MEM companies should consider exploring future scenarios when faced with diverse disruptive technologies to ensure a continuous and positive development of their operations.
The disclosed method delivers a broad and deep insight of companies in their adoption of Industry 4.0 applications, the impact it achieves on the value chain and specifically on the workplace transformation along the various processes.
Working with scenarios, the report identifies the challenges for especially the SMEs to effectively adopt novel technologies and methods. It is recommended that these companies to build knowledge clusters in order to compensate for the limited in-house digitalization resources.Finally, the present work also delivers recommendations regarding the education of a new generation of employees and the vocational re-training of older employees. While the machine park and its processes become increasingly automated and data-driven, harnessing software development is mandatory while statistics and data science are bound to establish themselves as key disciplines, from shop floor to management level. Through more entangled networks, information must flow within and across departments to secure an interdisciplinary knowledge transmission. Such elements must particularly be well transmitted through education and continuous education systems to ensure that the Swiss MEM sector secures its position on the global market thanks to its highly qualified workforce.
Die ZHAW School of Engineering bietet nebst den bereits bestehenden Angeboten im Bereich Industrie 4.0 nun auch einen Master of Advanced Studies (MAS) Industrie 4.0 an. Der MAS Industrie 4.0 richtet sich an technische Fach- und Führungskräfte, die sich in konkreten, auf die Technik fokussierten Fragestellungen rund ums Thema Industrie 4.0 weiterbilden möchten. Im Rahmen dieses MAS erwerben die Teilnehmenden sowohl theoretische Grundlagen als auch praktische Fähigkeiten in den folgenden Bereichen: Technologien der Smart Factory, Cloud Manufacturing, Automatisierung, Lean Management, Logistikmanagement, intelligente Vernetzung und Datensammlung, sichere und effiziente Speicherung und Verarbeitung von Daten, Cloud Computing, Analyse und Visualisierung sowie die konsequente Ausrichtung dieser Technologien an der Business-Wertschöpfung mit neuen Service-Modellen und Prozessen.
Der MAS Industrie 4.0 ist modular aufgebaut und besteht aus drei Wahlpflichtbereichen mit insgesamt acht Wahlpflicht-CAS sowie der Masterarbeit.
Hier geht’s zu den Detailinfos der Wahlpflicht-CAS:
Blogautor: Daniel Schmid Dozent, Zentrum für Produkt- und Prozessentwicklung, ZHAW, www.zhaw.ch/zpp, Schwerpunkte Industrie 4.0 und deren Einfluss auf die Produktentwicklung, Digitaler Zwilling, Sensorapplikationen
Ausgangslage
Der digitale Zwilling existiert seit geraumer Zeit. So wurde zum Beispiel in der Raumfahrt eine Zweitsonde auf der Erde belassen, um den Effekt von Steuerbefehlen vor dem Senden zur reisenden Sonde zu testen. Es war das Resultate der schieren Notwendigkeit, da die Reaktionsmöglichkeiten in den unendlichen Weiten äusserst beschränkt waren und nach wie vor sind. In der Zeit von «Internet of Things» (IoT) und der vierten industriellen Revolution «Industrie 4.0» hat der digitale Zwilling (aka «Digital Twin», «Digital Avatar») wieder an Schwung und Bedeutung gewonnen.
Zumeist wird der Zwilling als die Kombination der drei Elemente «physisches Objekt/System», «virtuelles Ebenbild» und «Schnittstelle zwischen den beiden Elementen» definiert. Unterdessen gibt es auch entsprechende Erweiterungen, um auch nichtmaterielle Güter als solchen Zwilling zu erfassen. Unter dem Begriff «Data Driven Services» entstehen digitale Zwillinge, welche über kein physisches Ebenbild verfügen und beispielsweise die Entscheidungsfindungsprozesse in Unternehmen unterstützen.
Am einfachsten kann der digitale Zwilling wohl über den Produktlebenszyklus betrachtet werden. Die drei Schritte Entwicklung, Herstellung und Betrieb werden so in die Elemente «digitaler Master», «digitaler Schatten in der Herstellung» und «digitaler Schatten im Betrieb» des Produktes aufgeschlüsselt. Der digitale Master umfasst also den eigentlichen Produktentwicklungsprozess und repräsentiert das virtuelle Ebenbild als Soll («as designed»). Fertigungstoleranzen, -schwankungen und -parameter sind die Herausforderungen der Produktion und werden im digitalen Schatten des Produkts in der Produktion abgebildet («as built»). Schliesslich wird das Produkt betrieben und somit den Umgebungseinflüssen ausgesetzt. Dies wird als digitaler Schatten des Produkts im Betrieb erfasst. Je nach Produkttyp beinhaltet dies auch Veränderungen am Produkt an und für sich (Upgrades, Firmwarewechsel, Ersatzteile, …) welche dokumentiert werden können («as maintained»).
Die richtige Herangehensweise
Oft wird gefragt, wie denn der digitale Zwilling aussieht. Dies kann so direkt nicht beantwortet werden und ist eigentlich eine wenig zielführende Herangehensweise an die Thematik. Die Frage muss lauten, welchem Nutzen soll der digitale Zwilling unterworfen werden. Daraus ergibt sich schliesslich die Ausprägung. Selbstverständlich ist es auch richtig zu schauen, was heutzutage bereits möglich ist (technology push), wobei es sich am Schluss finanziell rechnen und vom Markt gewünscht und akzeptiert werden muss (market pull). Der Kundennutzen über Zusatzfunktionen und -informationen und interne Nutzen (bspw. Qualitätssicherung, Audits, …) sind also voranzustellen, um herauszufinden, ob die Investitionen lohnend sind. «Wird der Kunde mehr dafür bezahlen?», «Werde ich an Marktanteil dazugewinnen?», «Kann ich die Produktionskosten senken?» und so weiter sind die zentralen Fragen.
Wieso es nicht den digitalen Zwilling an und für sich gibt, ist auch den unterschiedlichen Produktausprägungen geschuldet. An einem Ende der Skala ist beispielsweise ein Gebäude, das in seiner Form und Anzahl einmalig ist (Smart Building). Das andere Extrem ist ein Produkt, welches in Stückzahl und Konfiguration (Variationen und Optionen) in grosser Zahl produziert wird. Weiter stehen die Produkte an unterschiedlichen Stellen in der Wertschöpfungskette. Zum Beispiel ist ein Sensor Teil einer Steuerung, Teil eines Aufzugs, Teil eines Gebäudes, Teil eines Werkgeländes und Teil einer Stadt. Ähnlich einer Matroschka ist also die Systemgrenze zu klären, um die Ausprägung des digitalen Zwillings und die Datenströme in Informationsgehalt, Auflösung und Qualität zu definieren. Ein Modell kann geradezu beliebig genau gestaltet werden. Doch nur weil die Möglichkeit besteht, ist es nicht unbedingt zweckmässig die Grenze der Physik anzustreben. Eine Steigerung des Modellkomplexitätsgrads muss auch einen ebenso grossen Zusatznutzen stiften. Um bei obigem Beispiel zu bleiben, eine «Smart City» muss nicht zwingend alle Sensorwerte aller darin enthaltenen Subsysteme kennen.
Eine Diskussion über den digitalen Zwilling eines Produkts setzt also voraus, dass der Nutzen, die Lebenszyklusphase(n), die Produktcharakteristik und die Systemgrenzen geklärt sind. Dann ergeben sich daraus die verschiedenen Disziplinen im Rahmen von Industrie 4.0, welche beigezogen und als Werkzeuge eingesetzt werden müssen.
Die Produktentwicklung
Beim digitalen Zwilling ist wie bei der klassischen Produktenwicklung vorzugehen. Es ist also nicht besonders schwierig, sondern erfordert eine gewisse Disziplin, bei all den Schlagwörtern bez. IoT und Industrie 4.0 nicht die Übersicht zu verlieren. Die Anforderungen aus dem Markt und interne Bedürfnisse sind zu klären, über einen Business Case (Return on Investment) zu prüfen und in einem Pflichtenheft abzubilden. Dann durchläuft auch der Zwilling die drei Phasen des Produktlebenszyklus: Entwicklung, Produktion und Betrieb. Dies geht Hand in Hand mit dem physischen Produkt, wobei die Verknüpfungen zwischen diesem und der virtuellen Welt sich aus dem angestrebten Nutzen ergeben.
Der festgelegte Zielnutzen des digitalen Zwillings hat einen direkten Einfluss auf die Gestalt des physischen Produkts. Wenn eine Dienstleistung angestrebt wird (Data Driven Service), wie die Vorhersage des Betriebsendes eines Produkts unter Berücksichtigung des Belastungsprofils (Predictive Maintenance), müssen Daten erhoben werden. Das physische Produkt muss also befähigt werden, die richtige Datenmenge in der richtigen Qualität zu erfassen und zur Erfahrungsgewinnung zu übermitteln. Zentral ist, die Lastfälle, Verschleisserscheinungen, Betriebsdauer und so weiter zu analysieren und daraus den Kundennutzen zu generieren. Für das Anbieten einer solchen Zusatzfunktion/Dienstleistung geht der Anbieter in Vorleistung.
Auf Grund dieser Latenzzeit, auch wenn das Betriebsende eines Produkts ein Extrembeispiel darstellen mag, sind bereits heute entsprechende Entwicklungen notwendig. Bietet ein Konkurrent diese Zusatzfunktion an, ist man unweigerlich um die Grössenordnung von mehreren Jahren zurückgeworfen. Weder hat man das physische Produkt noch den dazugehörigen Zwilling entwickelt und ist somit noch nicht einmal in der Position, überhaupt Daten erfasst und analysiert zu haben.
Es ist also wichtig, die Potentiale von Industrie 4.0 für das eigene Portfolio und den eigenen Markt zu durchleuchten (Kundennutzen und eigene Bedürfnisse) und Produkt mit digitalem Zwilling dahingehend zu entwickeln – der klassische Produktentwicklungsprozess mit neuen Werkzeugen und Möglichkeiten. Mit den ersten Schritten darf nicht gezögert werden, denn schliesslich sind jegliche dazugewonnen Erfahrungen für die Zukunft entscheidend.
Senior Lecturer, Centre for Product and Process Development, ZHAW, www.zhaw.ch/zpp,
Core area Industry 4.0 and its effect on the product development, digital twin, sensor applications
Initial Situation
The concept of the digital twin has existed for some time. In space travel, for example, a second probe would be left on Earth to test the effect of control commands before sending them to the probe traveling through space. This came of sheer necessity, since the scope for any corrective action in outer space was, and is still, extremely limited. In the era of „Internet of Things“ (IoT) and the fourth industrial revolution „Industry 4.0“, the digital twin (aka „digital avatar“) has made a comeback and is gaining in importance.
In most cases, a twin is defined as the combination of the three elements „physical object/system“, „virtual counterpart“ and „interface between the two elements“. Furthermore, we now have suitable extensions to include twins of non-material goods. Classed as „data-driven services“, digital twins with no physical counterpart are created, used for example to support company decision-making processes.
Probably the simplest way to look at a digital twin is over its product life cycle. The three steps of development, production and operation can thus be broken down into three product elements „digital master“, „digital shadow in production“ and „digital shadow in operation“. The digital master comprises the actual product development process and represents the virtual counterpart (“as designed”). Manufacturing tolerances, fluctuations and parameters are the challenges of production and are represented in the digital shadow of the product in production („as built“). Finally, the product is operated and thus exposed to environmental influences. This is defined as the digital shadow of the product in operation. Depending on the product type, this also includes changes to the product itself (upgrades, firmware changes, spare parts, etc.) which can be documented („as maintained“).
The Right Approach
People often ask what a digital twin looks like. This cannot be answered directly and is actually not a very effective way of approaching the topic. The question should be, what uses (benefit) will the digital twin be put to? After all, this is what shapes its design. Of course, it is also appropriate to verify what is currently possible today (technology push), and whether it will ultimately pay off financially and be desired and accepted by the market (market pull). The benefits to the customer from additional functions and information and the internal benefits (e.g. quality assurance, audits, etc.) must therefore be evaluated in order to determine whether the investment is worthwhile. „Will the customer pay more?“, „Will I gain market share?“, „Can I reduce production costs?“ and so on, are the central questions.
Why the digital twin as such may not exist also depends on the characteristics of different products. At one end of the scale, for example, we could have the case of a building that is one of a kind (smart building). The other extreme could be a product that is produced in large quantities and many different configurations (variations and options). Otherwise products are located at different points in the value chain. For example, a sensor is part of a controller, part of an elevator, part of a building, part of a factory site and part of a city. Like a Russian Matryoshka, the system boundary first has to be clarified in order to define the characteristics of the digital twin and the data streams in terms of information content, resolution and quality. A model can be designed with almost any degree of precision. But just because the possibility exists, it does not necessarily make sense to try to reach the boundaries of physics. An increase in the complexity of the model must also provide an equally large additional benefit. To stay with the above example, a smart city does not necessarily have to know all the sensor values of all the subsystems it contains.
Before discussing the digital twin of a product, the benefits, the life cycle phase(s), the product characteristics and the system boundaries must be clarified first. This defines which disciplines in the framework of Industry 4.0 should be harnessed and used as tools.
Product Development
To develop a digital twin, the procedure is the same as for traditional product development. It is therefore not particularly difficult but requires a certain discipline not to lose sight of the main objectives, among so many buzzwords like IoT and Industry 4.0. The market requirements and internal requirements must be clarified, checked via a business case (return on investment) and documented in a requirements specification. Then the twin goes through the same three phases of the product life cycle: Development, production and operation. This goes hand in hand with the physical product, with the links between the physical product and the virtual world resulting from the intended use.
The defined target benefit of the digital twin has a direct influence on the form of the physical product. If the goal is a service (data-driven service), such as predicting the end of a product’s service life subject to the load profile (predictive maintenance), data must be collected. The physical product must therefore be able to collect the right amount of data in the right quality and to transmit it in order to acquire experience. It is essential to analyze the load cases, wear and tear, operating time and so on, and to generate customer benefits from this. The supplier has to invest upfront to provide this type of additional function/service.
Because of this latency, even though product end-of-life may be an extreme example, these types of development are needed even today. If a competitor offers this additional function, you inevitably fall several years behind them. Neither the physical product nor its twin has been developed, so you are not even at the stage of having collected and analyzed any data at all.
It is therefore important to examine the potential of Industry 4.0 for your own portfolio and market (customer benefits and your own requirements) and to develop products with digital twins in consequence, using the classic product development process with new tools and possibilities. One should have no hesitation about taking the first steps, since any experience gained will be decisive for the future.
Challenges such as the digitalisation of administration, the change of cities through urbanisation, climate change and the restructuring of infrastructure systems in the energy and mobility sector require a rethinking of the existing urban development approaches. The Smart City concept enables cities to tackle these challenges in the sense of a holistic development approach across departments, networked with partners and supported by digital technologies. In Switzerland’s view, the Smart City concept goes far beyond administrative e-government and digitisation strategies. The overriding goal is to develop efficient and resource-saving solutions while at the same time increasing the quality of life and the attractiveness of the location. The overall aim is to create an innovative urban environment that involves the inhabitants and the economy and opens up new design possibilities.
From pilot projects to smart city initiatives and implementation
Many cities are currently on the way to becoming a Smart City. The most advanced cities have developed smart city strategies that build on and complement their long-standing experiences of sustainable urban development (cf. Bisello et al., 2017). In some cities there are already pilot projects in the form of living labs or urban districts in which smart city approaches are to be developed and tested for a city-wide rollout. Other cities have first experiences in the implementation of individual, topic-specific Smart City pilot projects. These projects often focus on the integration of different technologies and areas, the introduction of information and communication technologies and questions of integration and participation of the population
One possible solution for reducing energy consumption of street lighting is smart LED lights that only light up when someone is using the street. In addition, the street light could communicate with other lights and traffic sensors via an IoT network, produce electricity itself with a PV system or supply vehicles with electricity as an electric car charging station. New business models and participatory approaches are needed not only to meet the needs of the residents, but also to integrate them into the development process of solutions through co-creation. Further examples are „Share your Bicar„, a PV electric vehicle sharing system geared to urban areas, or „Social Power Plus„, which aims to raise awareness of energy system transformation among the population through gamification, energy-saving tips and feedback on their own energy consumption. The ZHAW’s „Virtual Smart City Hero“ project includes a virtual reality game that enables the inhabitants of a city to experiment with an emerging technology while at the same time recognising the potential of a Smart City (cf. West et al., 2019).
In Switzerland and elsewhere, cities moved from pure energy related governance activities such as the European Energy Award for local authorities towards an implementation of broader Smart City initiatives. These activities might accelerate the transition process of cities, since a joint governance and management of energy, mobility and housing issues is applied with the help of ICT. However, the number of successfully realized Smart City projects is still low. There seems to be a large gap between policy visions and implementation. Especially since one third of medium-sized and large cities are expected to define their Smart City roadmaps within the next few years, research governance of Smart City implementation is of key importance.
Supporting small and medium-sized cities
For the majority of small and medium-sized towns and municipalities in Switzerland, the introduction of the smart city theme is challenging. While pioneering cities have already gained initial experience in the implementation of smart cities in recent years, smaller and medium-sized cities need adequate support to get started. In order to meet this need, guidelines have been drawn up on behalf of the Swiss Federal Office of Energy (SFOE) in collaboration with a stakeholder support group. The guidelines present various steps, instruments, variants and practical examples for the implementation of smart cities, from which interested cities can choose according to their needs. These guidelines therefore not only summarise the relevant literature and experiences from pioneering cities, but also enable cities and municipalities to develop their own understanding and appropriate measures to implement their Smart Cities. In this respect, they support cities in the development, selection and implementation of project ideas. Once the cities have gone through this phase, many cities want to approach the implementation of Smart City by means of an overarching strategy and a corresponding organisational unit. For this institutionalisation phase, the guidelines present all relevant steps as illustrated in figure 1 (SFOE, 2019).
Figure 1: Steps towards Smart Sustainable Cities as illustrated by the Guidelines for Smart City Initiatives (SFOE, 2019)
The ZHAW supports cities and municipalities on their way to Smart Sustainable Cities and the associated solutions. This can be achieved through the intelligent networking of infrastructures with modern technologies, social innovation and the integration of relevant actors as well as transformation management, process support or support in strategy development. With the specially created ZHAW Smart Cities & Regions platform, the ZHAW bundles competencies and experiences across its institutes in order to use them to identify future business areas and innovations, apply promising use cases and to work within the Smart City Alliance.
The design, management, implementation, upscaling and monitoring of successful Smart City projects should be investigated in further research projects in order to provide recommendations for the management of holistic Smart City programmes. Ultimately, the aim is to establish and further develop a comprehensive innovation system in which actors enter into new cooperations and build networks.
Acknowledgements
Future-oriented research on the development of Smart Sustainable Cities was supported by the Swiss National Science Foundation in the project IZLRZ1-163866. The guidelines to the implementation of smart city initiatives in Switzerland got support from the Swiss Federal Office of Energy. We would like to take this opportunity to thank all those involved in the applied research process and the funding agencies.
Nicht erst seit Greta Thunberg kommt immer mehr die Diskussion auf, was eigentlich mit dem Müll passiert. Die Abfallberge sind auch für die Städte und Gemeinden ein Problem. Dagegen versucht ein Schweizer Unternehmen mit ihrem Abfallhai vorzugehen. Dank einem Studentenprojekt, konnten in einem Pilotversuch wertvolle Daten und Erkenntnisse gewonnen werden, um das sogenannte Waste Management auf „smart“ zu trimmen.
Der zunehmende Abfall wird auch in den Städten deutlich, gerade an schönen Sommertagen an beliebten Ausflugplätzen. Man möchte etwas in den Mülleimer werfen, doch dieser ist bereits überfüllt oder verstopft. Damit dies in Zukunft nicht mehr passiert, will ANTA SWISS AG mit ihrem «Hai-Auge» durchgreifen. Dieses überwacht den Füllstand der «Abfallhai» genannten Abfalleimer und übermittelt die Daten per Funk an die Online-Plattform «Hai-Insel». So können die Werkhofmitarbeiter bereits aus der Entfernung erkennen, ob es Zeit ist den Mülleimer zu leeren oder ob er bei der nächsten Tour ausgelassen werden kann, denn auch bei der Routenplanung wird die Effizienz hinsichtlich ökonomischer und ökologischer Faktoren immer wichtiger.
Eine weitere Erfindung von ANTA SWISS AG ist der «Solar-Presshai». Dieser enthält eine elektronische Presse, die das Abfallvolumen um das drei- bis siebenfache verdichten kann und seine Energie dazu aus einem eigenen kleinen Solarmodul auf dem Deckel bezieht. Am Flughafen Zürich ist dieses Zukunftsszenario bereits Realität und läuft seit vielen Monaten erfolgreich.
Nun steht für ANTA SWISS AG der nächste Schritt an, es gilt die Gemeinden vom Smart Waste Management Konzept zu überzeugen. Um die nötigen Argumente griffbereit zu haben, hat eine Studentengruppe der ZHAW ein Pilotprojekt begleitet und umfangreiche Analysen und Berechnungen der Mehrwerte in einer Seminararbeit festgehalten.
Während einer zehnwöchigen Testphase in Zusammenarbeit mit der Gemeinde Münchenbuchsee und dem privaten Werkhofunternehmen Schwendimann AG konnte nachgewiesen werden, dass die Haie eine lohnende Investition, sowohl aus ökonomischer als auch ökologischer Sicht sind. Die Gemeinde Münchenbuchsee zählt 10’191 Einwohner auf einer Fläche von 880 Hektaren. Es wurden 101 Abfalleimer mit dem Hai-Auge ausgerüstet, die von der Schwendimann AG bewirtschaftet wurden. Fünf Wochen wurden die Mülleimer wie zuvor ohne Hai-Auge bewirtschaftet und weitere fünf Wochen wurden die Abfalleimer mit Hilfe der Daten des Hai-Auges und der Hai-Insel bewirtschaftet.
Dabei konnte festgestellt werden, dass die Investitionen für die Hai-Augen bereits nach weniger als einem Jahr amortisiert sind. Dies ist möglich durch eine Einsparung der Arbeitszeit um 14%, durch die optimierten Leerungsrouten und den daraus resultierenden Kosteneinsparungen. Zudem konnten durch die Einsparungen bei Sprit und Abfallsäcken CO2-Einsparungen von 17% erreicht werden. Diese bereits beachtlichen Resultate dürften mit der Zeit sogar noch besser ausfallen, wenn die Smart Waste Management Prozesse nach der Einführungsphase noch besser abgestimmt sind.
Weitere Einblicke ins Projekt gibt uns Kim Bolleter, Masterstudentin an der ZHAW und Projektmitarbeiterin im Pilotprojekt mit Schwendimann AG und ANTA SWISS AG.
Kim, wie war es für Dich an einem so praxisbezogenen Projekt zu arbeiten?
Es war sehr spannend und interessant einmal in ein komplett neues Themengebiet bzw. Arbeitsumfeld als gewohnt einzutauchen. Zudem konnten wir unsere erlernte Theorie in die Praxis transferieren, was die Motivation extrem gesteigert hat.
Hattest Du bereits etwas mit Abfallmanagement zu tun vor dem Projekt, oder kanntest Du den Abfallhai von ANTA SWISS AG bereits schon vorgängig?
Zuvor kannte ich die Firma ANTA SWISS AG nicht, den Abfallhai kannte ich aber vom Sehen. Spätestens beim Sichten der Firmenpräsentation kam dann der Aha-Effekt. Danach habe ich jeden Abfalleimer auf dessen Marke überprüft und musste dann schnell feststellen, dass das Design hie und da kopiert wurde.
Kim Bolleter, Masterstudentin an der ZHAW und Marketing Managerin
Was sind aus Deiner Sicht die grössten Herausforderungen für eine erfolgreiche Digitalisierung des Abfallmanagements in der Schweiz?
Ich denke die grösste Herausforderung ist, dass die Gemeinden die Relevanz dieses Themas erkennen und dann zusammenarbeiten. Vielleicht könnte der Staat mit Subventionierungen für CO2-Reduktionen belohnen oder die Digitalisierung voranbringen – ist aber schwierig zu beantworten.
Welches sind die Erfolgsfaktoren gewesen für die Durchführung des Pilotprojekts mit der Gemeinde Münchenbuchsee?
Die hohe Kooperationsbereitschaft der gesamten Belegschaft wie auch die Offenheit der Mitarbeitenden gegenüber neuen Technologien. Das war nicht unbedingt zu erwarten, darum haben wir zusätzlich mit den Mitarbeitern, welche die Abfalleimer tagtäglich leeren, qualitative Interviews geführt. Dabei haben wir festgestellt, dass eine gewisse anfängliche Grundskepsis schnell von den guten Resultaten und der Freude über die Aufwertung des Arbeitsplatzes überwogen wurde.
Was waren Deine überraschendsten Erkenntnisse aus dem Praxisprojekt?
Dass die Firma unsere Erkenntnisse 1:1 in die Praxis übernommen hat, was uns sehr erfreut hat. Wir sind stolz, dass die ANTA SWISS AG so zufrieden mit den aufbereiteten Kennzahlen ist, dass sie direkt eine kleine Broschüre zum Pilotprojekt mit unseren Resultaten erstellt hat und für ihr Marketing verwendet.
Security for resource constrained IoT devices is an important subject. Rising awareness and up-coming regulations will require manufacturers to increase the level of security on their IoT devices. Semiconductor vendors are addressing this demand with dedicated chips, so-called secure elements. Secure elements provide hardware accelerated support for cryptographic operations and tamper proof memory for the secure storage of cryptographically sensitive material. Specifically, they physically isolate sensitive cryptographic material from the application. However, experience from various projects shows, that the selection and the integration of a secure element into a specific application represents a challenge. Accordingly, the paper discusses the development of a multi-vendor evaluation platform. Particularly, the platform, adopting the widespread Arduino shield form factor, features secure elements from five different vendors. Together with the provided integration into Zephyr OS, the board can be easily fitted to various microcontroller development boards. The presented work intends to support developers in the selection process for secure elements and therefore to contribute to their adoption in IoT devices.
Das Schlagwort «Digitalisierung» ist zum Alltagsbegriff geworden. Sie hat sich über die letzten Jahre in weite Bereiche von Gesellschaft und Wirtschaft ausgedehnt. Als Folge der Digitalisierung haben sich grosse Datenmengen angehäuft: z.B. aus Prozessen, aus Systemen für die Verwaltung von Kunden (CRM) und Ressourcen (ERP) oder auch aus dem Kundenverhalten im Web oder in Social Media. In neuerer Zeit fallen zunehmend Daten über vernetzte Produkte und Anlagen an. Dahinter stehen technologische Treiber wie die kostengünstige und breite Verfügbarkeit von Konnektivität auf Basis des Internets der Dinge (Internet of Things, IoT), von Sensoren und Aktoren oder von fortgeschrittener Analytik.
Vor dem Hintergrund dieser vielversprechenden technologischen Innovationen kommt der Fokus auf den Nutzen für die Kunden oft zu kurz. Mit Digitalisierungsprojekten werden oft nur die Automatisierung und Effizienzsteigerung von Prozessen angestrebt. Die Kunden haben davon nur indirekte Vorteile. Digitalisierung kann sich aber bei geeigneter Gestaltung direkt auf den Kundennutzen auswirken und bessere oder neue Kundenerlebnisse schaffen. Die gezielte Erhebung und Verarbeitung von Daten spielt dabei eine wesentliche Rolle. Eine erfolgreiche Umsetzung Daten-basierter Ansätze muss vom Nutzen für die Kunden ausgehend konzipiert sein und dabei gleichzeitig die Potentiale der neuen Technologien nutzen, d.h. die beiden Enden eines Tunnels zusammenbringen.
Die Swiss Alliance for Data-Intensive Services (Expert Group „Smart Services“) veranstaltete am 13. September 2019 in Zürich ihren zweiten Smart Services Summit am Business Campus von Swisscom in Zürich. Wir hatten 30 Teilnehmer am Gipfel – eine gute Mischung aus Personen von Industrie und Universitäten. Das Treffen begann mit fünf sehr gezielten Industrievorträgen über die Probleme und Herausforderungen der Digitalisierung in der Industrie und die Erwartungen an die Forschung im Bereich der Smart Services. Der Summit wurde auch vom ASAP Service Management Forum (Italien) getragen.
Neueste Kommentare