4. Oktober 2021

Digitale Zwillinge für den gesamten Lebenszyklus von Anlagen

Gemeinsamer Workshop von Bayer und INOSIM

Die Bayer AG und INOSIM arbeiten seit langem gemeinsam an innovativen Lösungen für anspruchsvolle Design-, Engineering- und Optimierungsaufgaben unter Verwendung der INOSIM-Suite für Materialflusssimulation. In jüngster Zeit haben die beiden Unternehmen damit begonnen, den Einsatz der Digitalen Zwillinge von INOSIM auf den operativen Bereich auszuweiten. Gemeinsam arbeiten sie an Projekten, die darauf abzielen, die Leistungsfähigkeit simulationsbasierter Lösungen für den gesamten Lebenszyklus von Anlagen zu nutzen.

Im Sommer 2021 hielten Bayer und INOSIM einen gemeinsamen virtuellen Workshop ab, um Einblicke zu gewähren und die vielen Errungenschaften und Erfolgsgeschichten zu diskutieren, die sich aus ihrer über fünfzehnjährigen Zusammenarbeit ergeben haben. Daneben ging es um eine gemeinsame Vision für den Weg zur nahtlosen Nutzung der digitalen Zwillinge von INOSIM überden gesamten Anlagen-Lebenszyklus hinweg als Schlüsseltechnologie in Bayers „Virtual Factory“ Programm. Schließlich sollte eine Roadmap mit den zentralen Aktivitäten zur Erreichung dieser gemeinsamen Vision festgelegt werden.

Mehr als 40 Teilnehmende

Beim Workshop diskutierten mehr als 40 Teilnehmende beider Unternehmen Vorträge zu den Schwerpunkten Engineering, Offline-Betriebsunterstützung sowie prädiktive Online-Betriebsunterstützung. Daneben ging es um aktuelle Forschungs- und Innovationsbemühungen in den Bereichen optimale Produktionsplanung und Einsatz von KI zur Bereitstellung neuer leistungsstarker Anwendungen auf der Grundlage digitaler Zwillinge von INOSIM.

Expertinnen und Experten von INOSIM stellten in ausführlichen Präsentationen die kommenden INOSIM-Softwareversionen und -Lösungen vor. Das neue INOSIM 13 wird in Kürze erscheinen und bietet eine verbesserte Stückgutbibliothek, die eine ganzheitliche Simulation von Anlagen und Logistik direkt in der INOSIM-Suite ermöglicht, native Unterstützung für .NET-Softwarekomponenten, eine brandneue und verbesserte VBA-Engine, zahlreiche Erweiterungen, die neue Lösungen wie INOSIM Foresight und eine optimale Produktionsplanung auf Basis hochdetaillierter digitaler Zwillinge ermöglichen, sowie viele weitere Features, die die Nutzung von INOSIM-Modellen deutlich effizienter und komfortabler machen. Wie gewohnt gehen viele der neuen Funktionen direkt auf die Anforderungen der INOSIM-Kundinnen zurück. Die Stückgut-Bibliothek von INOSIM wird bei Bayer in mehreren Großprojekten eingesetzt, die ebenfalls auf dem Workshop von Bayer-Mitarbeitenden vorgestellt wurden.

Prädiktive Entscheidungsunterstützung mit Foresight

Im Mittelpunkt des Workshops stand INOSIM Foresight, die neue Lösung für prädiktive Entscheidungsunterstützung, die in enger Zusammenarbeit mit Bayer und anderen INOSIM-Kundinnen entwickelt wird. Mit Unterstützung von INOSIM arbeiten die Fachleute bei Bayer daran, die prädiktive Entscheidungsunterstützung mit INOSIM Digital Twins für mehrere ihrer Anlagen Realität werden zu lassen. Mitarbeitende von INOSIM haben eine Demoversion des Foresight-Systems beigesteuert, die einige der wichtigsten Vorteile der Lösung anhand einer synthetischen, aber realistischen Beispielanlage aus dem Pharmasektor veranschaulicht.

Das neue Add-on INOSIM BICON ist ein Schlüsselelement der INOSIM Foresight-Lösung. INOSIM BICON integriert die INOSIM-Simulationssoftware eng mit führenden Business-Intelligence-Lösungen wie Tableau oder Power BI und macht es einfach, schnell intuitive visuelle Dashboards aus realistischen INOSIM-Simulationen zu erstellen. Über INOSIM Foresight hinaus bietet BICON einen großen Mehrwert bei allen Szenarien, in denen INOSIM-Software traditionell eingesetzt wird. Es ermöglicht den Anwendenden die schnelle Visualisierung von Schlüsselinformationen, die für Engineering-, Investitions- und andere Managemententscheidungen mithilfe von INOSIM-Simulationen gewonnen werden, und die Verteilung dieser Visualisierungen an die richtigen Stakeholder im gesamten Unternehmen.

Erfolgreiche Kooperation in Forschungsprojekten

INOSIM und Bayer arbeiten an mehreren Forschungsinitiativen, die in den nächsten Jahren bahnbrechende Innovationen für praktische Probleme liefern werden. Diese Forschungsarbeiten wurden in der letzten Sitzung des Workshops vorgestellt. Im Projekt OptiProd.NRW haben die Partner Bayer, TU Dortmund und INOSIM einen leistungsfähigen neuen Ansatz für die automatische Berechnung optimaler Produktionspläne entwickelt, die auf hochdetaillierten digitalen Zwillingen von INOSIM basieren und somit ohne manuelle Änderungen direkt auf die reale Anlage anwendbar sind – eine Fähigkeit, die keine andere Planungslösung bietet. Im Rahmen des Forschungsprojekts KEEN sind Bayer und INOSIM Teil eines Konsortiums, das sich zum Ziel gesetzt hat, KI-Methoden zur Rekonstruktion von Chargenphaseninformationen aus Anlagenmessungen einzusetzen. Schließlich gab INOSIM einen kurzen Überblick über ein Forschungsprojekt auf Doktorandenebene, das derzeit bei INOSIM in Zusammenarbeit mit der TU Dortmund durchgeführt wird und darauf abzielt, einen neuen, echtzeitfähigen Ansatz für die reaktive Produktionsplanung mittels Reinforcement Learning zu entwickeln.

Neue Impulse und Ideen

Alle Teilnehmenden waren sich einig, dass die Veranstaltung ein voller Erfolg war. Der Workshop machte deutlich, dass die langjährige Zusammenarbeit zwischen der Bayer AG und INOSIM zu zahlreichen Fortschritten und Erfolgsgeschichten geführt hat, die für die laufenden Digitalisierungsbemühungen bei Bayer wichtig sind. Die Vision, die Nutzung der digitalen Zwillinge von INOSIM auf den gesamten Lebenszyklus von Anlagen auszudehnen, wurde bereits in mehreren Forschungs- und Innovationsprojekten aufgegriffen, und der Workshop hat neue Impulse und Ideen für Initiativen zur Erreichung dieses ehrgeizigen Ziels geliefert.

Sie haben noch Fragen oder wünschen weitere Informationen? Bitte nehmen Sie Kontakt mit uns auf.

INOSIM Support

Zu den üblichen Geschäftszeiten

Deutschland +49 231 97 00 250

USA +1 214 663 3101

support@inosim.com