In den letzten Jahren hat die Diskussion über digitale Zwillinge sowohl in der wissenschaftlichen Literatur als auch in der industriellen Praxis deutlich an Momentum gewonnen. Die erste Definition des digitalen Zwillings ist bereits auf das Jahr 2005 zurückzuführen, als das Mirrored Spaces Model (MSM) vorgestellt wurde [Gri05]. Wie in Abbildung 2 dargestellt, besteht es aus einem realen und einem virtuellen Raum, die miteinander verbunden sind. Dies ermöglicht das virtuelle Testen von Änderungen vor deren Umsetzung in der Realität. Am Beispiel einer Sondermaschine können somit verschiedene Einbauvarianten diverser Komponenten virtuell geprüft werden, sodass lediglich die optimale Lösung an der realen Maschine umgesetzt wird.
Basierend auf dem MSM gibt es inzwischen eine Vielzahl an Definitionen für den digitalen Zwilling. Diese teilen zum Großteil das Verständnis über einen sogenannten digitalen Schatten, der Daten beschreibt, die aus dem realen in den virtuellen Raum übertragen werden [BKR+16]. Im Folgenden werden die Sichtweisen der Wissenschaftlichen Gesellschaft für Produktionstechnik (WGP) sowie der Wissenschaftliche Gesellschaft für Produktentwicklung (WiGeP) auf den digitalen Zwilling vorgestellt:
- Laut der WGP liefert der digitale Zwilling durch das Zusammenspiel von Prozessmodell und Simulation ein annäherungsweise identisches Abbild der Realität [BKR+16]. Diese Definition legt aus Sicht der Produktionstechnik den Fokus auf die Nutzung einer Simulation sowie auf die Kopplung mit dem digitalen Schatten.
- Die WiGeP definiert den digitalen Zwilling als „eine digitale Repräsentation einer Produktinstanz oder einer Instanz eines Produkt-Service-Systems“ [SAT+20]. Hierbei wird durch die mehrfachte Instanziierung, die der wiederholten Herstellung eines gleichen Produkts in der Realität entspricht, der Produktfokus der Definition deutlich. Dennoch beinhaltet der digitale Zwilling laut der WiGeP auch die Betriebs-, Zustands- und Prozessdaten in Form des digitalen Schattens [SAT+20]. Die Basis des digitalen Zwillings bilden dabei nicht zwingend Simulationsmodelle, sondern auch verhaltensbeschreibende Modelle. So können zum Beispiel trainierte neuronale Netze, die der späteren Datenanalyse dienen, als Grundlage des digitalen Zwillings verwendet werden.
Neben den Genannten gibt es eine Reihe weiterer Definitionen, die sich zumeist in das Produkt-Prozess-Ressource-Schema (PPR) einordnen lassen [SP96]. Für die grundlegende, allumfassende Definition wird nach dem aktuellen Stand der Technik auf das von Grieves vorgestellte MSM zurückgegriffen [Gri05].
In diesem Artikel wird unter dem digitalen Zwilling ein digitales Abbild einer realen Maschine verstanden, dessen Ausführung einen Informationsgewinn für die reale Maschine ermöglicht und einen Mehrwert für den Anlagenbetreiber generiert. Aus der Perspektive des Anlagen- und Maschinenbaus basieren digitale Zwillinge zumeist auf Simulationsmodellen. Abbildung 2 ordnet hierbei gängige Simulationsarten ihren Einsatzorten zu.
Auf Stations- und Linienebene werden demnach Materialfluss-, 3D-Kinematiksimulationen sowie virtuelle Inbetriebnahmen durchgeführt, die als Grundlage der digitalen Zwillinge der Maschinen dienen. Diese ermöglichen somit, auf Basis des physikalischen Simulationsmodells der virtuellen Inbetriebnahme, die Vorhersage des Maschinenverhaltens für vorausschauende Instandhaltung [MRS20]. Auf Linienebene können mit den Simulationsmodellen der Materialflusssimulation und den realen Betriebsdaten, dem digitalen Schatten, flexible Fertigungssysteme effizient betrieben werden [SDL+20]. Grundsätzlich sind jedoch digitale Zwillinge auf Basis jeder der genannten Simulationsmethoden auf den unterschiedlichen Ebenen möglich.
Einsatz in der Kunststoffindustrie
Für eine Standortbestimmung zum Einsatz der Technologie in der Kunststoffindustrie werden zunächst die Ebenen Produkt und Prozess betrachtet. Auf der Produktebene sind durch Einsatz entsprechender Software digitale Zwillinge der Produkte oder Bauteile seit Jahren Stand der Technik [Bes20].
Auf der Prozessebene scheint derzeit der hauptsächliche Fokus derzeitiger Entwicklungen zu liegen. Ist von einem digitalen Zwilling die Rede, wird aus der Perspektive der Kunststoffindustrie das virtuelle Abbild eines Verarbeitungsprozesses verstanden. Dabei geht es vor allem um das Erfassen und Nutzen von Prozessdaten. Big Data und Data Analytics sind die zentralen Disziplinen, die im Kontext eines digitalen Prozessverständnisses zum Tragen kommen. Wesentliche Realisationsprobleme digitaler Modelle, etwa eines Spritzgieß- oder eines Extrusionsprozesses, bestehen derzeit in der Datenverfügbarkeit und -erfassung [LLR18]. Aber auch lange Rechenzeiten verhindern einen praktischen Einsatz, etwa von physikalisches FEM Prozessmodellen [PGK17, BBK18].
Lösungsansätze und Neuentwicklungen etwa auf Seiten des Anlagenbaus umfassen zum einen die Verfügbarkeit von Daten etwa über Cloudlösungen, zum anderen den Einsatz von Sensorik und Bildverarbeitung, aber vor allem die Datenanalyse.
Während die Ebenen „Produkt“ und „Prozess“ bereits abgedeckt sind, scheinen digitale Maschinenzwillinge derzeit nicht oder nur kaum im Fokus zu sein. Digitale Maschinenzwillinge sind in der chemischen Industrie bereits in verschiedenen Sparten im Einsatz [Lab+19, Koc19]. In der Kunststoffindustrie sind daher die Rohstoffhersteller gut aufgestellt [NN18b].
Im Maschinen- und Anlagenbau für die Kunststoffindustrie ist das Bild jedoch gemischt. So werden bei Verpackungsmaschinen digitale Anlagenzwillinge bereits eingesetzt. Beispielsweise nutzt das Unternehmen Krones zur Optimierung der Serienfertigung die Software „industrialPhysics“ (machineering), um im Rahmen der Produktentwicklung vorab die SPS-Software am digitalen Zwilling testen zu können [NN18c]. Auch in der Zuführtechnik für Verpackungsanlagen wird neben der Simulation für die Optimierung von Abläufen intensiv am Aufbau eines digitalen Maschinenzwillings gearbeitet, jedoch bestehen hinsichtlich durchgängiger und verfügbarer Daten große Herausforderungen [NN20].
Im Bereich des Maschinenbaus von Verarbeitungsmaschinen wie etwa von Spritzguss- oder Extrusionanlagen, gibt es dagegen nur begrenzt Ansätze, die Maschinen- und Anlagentechnik digital verfügbar zu machen. Es handelt sich oft um Virtual Reality (VR) Ansichten, die mit Hilfe von entsprechenden Brillen zu Schulungszwecken ähnlich eines Handbuchs genutzt werden können. Beispielsweise stellte Arburg u. a. auf der K2019 vor, wie Augmented Reality (AR) und VR-Technologie zur Unterstützung und Anleitung von Wartungsarbeiten eingesetzt werden können. Ähnliche Angebote haben auch andere Maschinenhersteller im Programm, darunter der Hersteller von Blasformanlagen Kautex Maschinenbau, der auf „digitale Simulatoren“ zu Schulungszwecken [NN20e] setzt.
Aber auch für einen ansteuerbaren digitalen Maschinenzwilling gibt es erste Konzepte. So stellte Siemens –ebenso auf der K2019 – ein Konzept vor, wie eine Hardware-in-the-Loop-Simulation eines Entnahmehandlings einer Spritzgiessmaschine funktionieren kann [URL20]. In dem Fall kam jedoch kein funktionales Modell einer Spritzgussmaschine zum Einsatz. Die Entwicklung eines digitalen Maschinenzwillings liegt wie bei der realen Anlage auch in den Händen der jeweiligen Unternehmen. Bisher ist nicht bekannt, ob diese Modelle verfügbar oder in der Entwicklung sind.
In Hinblick auf das Ebenenmodell in Abbildung 2 sind noch die Linien- oder Fabrikebenen zu betrachten. Auf dieser Ebene können mit Hilfe von Materialflusssimulationen und Logistik- oder Fertigungsdaten ebenfalls digitale Zwillinge eingesetzt werden. Innerhalb der Kunststoffindustrie nehmen hier die Verpackungstechnik ebenso wie die chemische Industrie eine Vorreiterrolle ein. Allgemein scheinen digitale Zwillinge auf Linien- und Fabrikebene sich noch in einem frühen Entwicklungsstadium zu befinden [CLS02, HVB08, NN15, Kro20]. Da dies ein sehr ein umfangreiches Thema ist, wird im Folgenden nur auf weiterführende Literatur verwiesen [URL20a]. Ein Best Practice Beispiel aus der Serienfertigung der Firma Robert Bosch ist in [LZS+20] zu finden.
Potenziale digitaler Zwillinge im Maschinen- und Anlagenbau
In der Automobilindustrie sind digitale Zwillinge auf allen Ebenen bereits etabliert. Als einer der Vorreiter im Einsatz der neuen Technologien werden bei Robert Bosch im Fertigungswerk in Nürnberg entsprechende Softwarelösungen eingesetzt, um Anlagenkonzepte und auch Fertigungslinien digital abzubilden. Insbesondere im Bereich des Sondermaschinenbaus im Werk Nürnberg werden digitale Maschinenzwillinge neuer Anlagen vom ersten Konzept bis zur virtuellen Inbetriebnahme der Maschine entwickelt. Ähnliche Lösungen kommen auch in anderen Anwendungen im Sondermaschinenbau des Unternehmens Robert Bosch zum Einsatz.
Die Vorteile der Nutzung von digitalen Zwillingen sind in Abbildung 3 anhand einer Kosten/Nutzen-Bewertungskurve aufgezeigt. Über den gesamten Verlauf einer Entwicklungsphase kann durch den Einsatz von digitalen Lösungen die Hochlauf- und Inbetriebnahmezeit deutlich reduziert werden. Das Einsparpotenzial ist durch einen früheren ROI, aber auch durch eine frühzeitige Verringerung des Entwicklungsrisikos sehr hoch zu bewerten.
Bereits in frühen Entwicklungsphasen kann der Aufbau von digitalen Zwillingen dabei helfen, die interne Anlaufzeit zu reduzieren und gleichzeitig eine höhere Planungssicherheit zu gewinnen. Wie dies in der Praxis umgesetzt werden kann, zeigt das folgende Beispiel aus dem Sondermaschinenbau im Robert Bosch-Werk in Nürnberg. Bei der Neuentwicklung von Sondermaschinen, sowie auch bei der Umrüstung bestehender Anlagen stehen vor allem Automatisierungskonzepte im Fokus. Diese können mit Hilfe geeigneter Software frühzeitig geplant und bewertet werden. Abbildung 4 zeigt ein Anwendungsbeispiel einer Anlage, in der durch eine Reduzierung des Gesamtlinientakts ein Umbau notwendig wird. So sollen zwei Werkstücke anstelle wie bisher ein Werkstück einem Rundtakttisch zugeführt werden. Aufgrund der bestehenden Bauraumlimitationen durch die bestehende Anlagentechnik ist die Konzeptionierung der Transfertechnik sehr komplex. Hier wird erfolgreich Software eingesetzt, um am digitalen Modell verschiedenen Lösungsansätze umzusetzen und hinsichtlich Kollisionen und Robotik zu bewerten.
Das digitale Maschinenmodell (abgebildet ist ein Doppelgreiferkonzept) ermöglicht die Simulation der Roboterbewegungen im Einklang mit der restlichen Anlage. Darüber hinaus kann das Modell für einen potenziellen Einsatz in einer virtuellen Inbetriebnahme erweitert werden. Eine Weiternutzung des digitalen Anlagenzwillings im späteren Betrieb ist ebenfalls möglich. So können Updates am Steuerungsprogramm oder notwendige Anpassungen an der Elektrik oder Mechanik vorab digital erprobt werden und somit das Wartungsfenster kurzgehalten werden. Einen Überblick über weitere mögliche Anwendungsfälle der virtuellen Inbetriebnahme bietet [LFM+19].
Viele der genannten Vorteile und Aspekte könnten in die Kunststoffindustrie transferiert werden, um auch hier die Potenziale der Technologie zu heben. So können die genannten Ansätze der Konzeptevaluierung am digitalen Modell auch im Bereich von Verarbeitungsmaschinen genutzt werden, etwa für die Automatisierung einer Zuführtechnik oder Anlage. In der Robotik gibt es bereits Lösungen seitens der Hersteller, die ein digitales Abbild des Roboters zur Beantwortung simulativer Fragestellungen einsetzen [NN18, NN18a]. Diese Softwarelösungen ließen sich ergänzend oder in Kopplung mit der Software für den digitalen Zwilling einsetzen.
Auch im Anlagenbau, etwa von Extrusionsanlagen mit konfigurierbaren Anteilen, kann durch die digitale Wiederverwendung von Komponenten ein digitales Modell frühzeitig für Simulationen zur Verfügung stehen. Das Modell könnten vom Anbieter aber auch von Anwender genutzt werden und neben den Einsparungen auch einen zusätzlichen Serviceaspekt beinhalten. Für Spritzgussmaschinen liegen zusätzliche Potenziale beispielsweise in der Vorhersage der Wartung und in der Einschätzung des Maschinenzustands, wofür jedoch ausreichende Prozessdaten benötigt werden. Während die Methoden der Datenanalyse stetig weiterentwickelt werden, ist die Verfügbarkeit der Prozessdaten in der Realität oft ein Problem. Gibt es jedoch ein digitales Abbild der Maschine und sind notwendige Rahmenbedingungen (zum Beispie Werkstoff, Bauteil) bekannt, so kann mittels der Methodik des Data Farmings der Mangel an Prozessdaten teilweise behoben werden [SS17].
Zudem könnten die Ansätze der Spritzgussanlagenhersteller im Bereich VR zu einem echten digitalen Zwilling weiterentwickelt werden und so während der Entwicklung oder Inbetriebnahme genutzt werden. In Abbildung 5 ist zu sehen, wie sich am Beispiel einer Sondermaschine das digitale Maschinenmodell im Zusammenspiel mit VR-Technologie nutzen lässt.
Der digitale Zwilling kann etwa über VR-Technologie angesteuert werden und Abläufe in der Steuerungstechnik damit im Detail verfolgt werden. Die VR-Technologie bietet hinsichtlich der gesteigerten Interaktion zwischen Mensch und Modell einen zusätzlichen Mehrwert.
Von der Vision zur Wirklichkeit
Der erste Schritt hin zum Einsatz der Technologie ist zunächst die Investitionsentscheidung für die Softwarelösung. Hier gibt es verschiedene Lösungen am Markt, die Auswahl ist je nach Unternehmen und Einsatzziel individuell zu treffen. Bei digitalen Zwillingen von Maschinen sollte die Anlagensteuerung ebenso wie die Voraussetzungen der einzubindenden Schnittstellen, etwa zu Konstruktionsprogrammen oder Datenmanagementlösungen berücksichtig werden. Darüber hinaus sind die Mitarbeiter und deren Qualifikation ein nicht zu unterschätzender Schüsselfaktor für erfolgreichen Einsatz der Technologie. Mitarbeiter, die bereits mit komplexen Programmen wie etwa CAD-Konstruktionssoftware arbeiten oder als Anwendungsprogrammierer tätig sind, haben je nach Software eine geringere Einstiegshürde. Hier können die Qualifizierungsmaßnahmen auf eine Hybridisierung der Fähigkeiten abzielen, also einer Kombination von bestehendem Wissen mit einem Skillset in neuen Technologien.
Neben dem Einsatz von am Markt verfügbaren Softwarelösungen ist es auch denkbar, in die Entwicklung einer unternehmenseigenen Lösung einzusteigen oder eine bestehende Lösung weiterzuentwickeln. Bei solchen unternehmenseigenen Insellösungen ist es wichtig die Zukunftsfähigkeit zu berücksichtigen, etwa sollten zu einem frühestmöglichen Zeitpunkt offene Schnittstellen eine Rolle spielen. In anderen Bereichen kann gut beobachtet werden, dass sich bestimmte Standards wie Dateiformate durchsetzen. Geschlossene Insellösungen bringen das entsprechende Risiko mit sich, keine ausreichende Marktdurchdringung zu erreichen. Dies kann dazu führen, dass die Lösung aufgrund geringer Flexibilität bei einer Kundenentscheidung nicht berücksichtigt wird.
Zusammenfassung und Ausblick
Digitale Zwillinge gibt es in vielen Ausprägungen. In der Kunststoffindustrie liegen meist das Produkt und der Prozess im Fokus der Entwicklung. Die Ebene des digitalen Zwillings der Maschine bietet jedoch ebenfalls ein enormes Potential für Einsparungen. In der Automobilindustrie werden digitale Maschinenzwillingen bereits erfolgreich eingesetzt, wie ein Best Practice Beispiel bei Robert Bosch zeigt.
Für die Kunststoffindustrie lassen sich viele Ansätze übertragen. Diese Ansätze zu nutzen, kann für Unternehmen ein wichtiger Entwicklungsfaktor sein. Denn nicht nur die wirtschaftliche Lage der ersten Jahreshälfte 2020, sondern auch die gesamtwirtschaftliche Entwicklung in der Kunststoff- und Kautschukindustrie zeigt auf, dass „Weiter so“ kein gangbarer Weg sein kann. So weist der Gesamtverband Kunststoffverarbeitende Industrie e. V. für das Jahr 2019 einen Umsatzrückgang von 1,7% im Inland auf [NN220d]. In der Kautschukindustrie konnte 2019 ein Rückgang der Investitionen der Unternehmen in Anlagen und Maschinen um 5,1% festgestellt werden. In der aktuellen Krise durch Covid-19 ist unklar, wie und ob sich dieser Trend fortsetzt [NN20a, NN20d].
Mit diesen Vorzeichen ist es umso wichtiger, auf sinnvoll umsetzbare Anwendungen neuer Technologien mit hohem Einsparungspotential zu setzen. Dies kann mit dem richtigen Einstieg in den Aufbau von digitalen Zwillingen im Maschinen- und Anlagenbau gelingen. Dabei ist es für kleine wie große Unternehmen gleichermaßen möglich, die Technologien einzusetzen und bestehendes Know-how virtuell zu nutzen. So kann auch in schwierigen Zeiten das Tagesgeschäft als Remote-Lösung weitergeführt und gleichzeitig die Wettbewerbsfähigkeit am Standort Deutschland stabilisiert werden.
Literatur und Quellen
[BBK18] | Bartel, T.;Beinert, C.; Koch, M.: Intelligente Sensoren überwachen und optimieren Extrusionsprozess Plastverarbeiter, 2018 |
[Bes20] | Beste, D.: Digitale Zwillinge erobern die Produktion Kosntruktion + Entwicklung, Online Artikel, 01/2020 https://www.springerprofessional.de/konstruktion—entwicklung/betriebstechnik—instandhaltung/digitale-zwillinge-erobern-die-produktion/17536510 Eingesehen am 08.05.2020 |
[BGW18] | Bracht, U.; Geckler, D.; Wenzel, S.: Digitale Fabrik – Methoden und Praxisbeispiele. 2018. |
[BKR+16] | Bauernhansel, T.; Krüger, J.; Reinhart, G.; Schuh, G.: WGP-Standpunkt Industrie 4.0. 2016. |
[CLS02] | Chen, E. Lee,J.; Selikson P. L. A simulation study of logistics activities in a chemical plant. Simulation Modelling Practice and Theory, 2002,. (3-4), S. 235-245. |
[Gri05] | M. W. Grieves, “Product lifecycle management: the new paradigm for enterprises,” 2005 |
[HVB08] | Herder, P.; Van Luijk, J. A.; Bruinooge, J. Industrial application of RAM modeling: Development and implementation of a RAM simulation model for the Lexan® plant at GE Industrial, Plastics. Reliability Engineering & System Safety, 2008, . (4), S. 501-508. |
[Koc19] | Kockmann, N.. Digital methods and tools for chemical equipment and plants. Reaction Chemistry & Engineering, 2019, (9), S. 1522-1529. |
[Kro20] | Krol, M.: Project to improve the organization of production of the X line in a company from the chemical industry. 2020. Doktorarbeit. Instytut Organizacji Systemów Produkcyjnych. |
[Lab+19] | Labisch, D., et al. Evolution eines Digital Twin am Beispiel einer Ethylen-Anlage. atp magazin, 2019, (6-7), S. 70-84 |
[LFM+19] | Lechler, T., Fischer, E., Metzner, M., Mayr, A., & Franke, J.. Virtual Commissioning – Scientific review and exploratory use cases in advanced production systems. Procedia CIRP, 2019(81), 1125–1130. |
[LLR18] | Liau, Y.; Lee, H. ; Ryu, K.: Digital Twin concept for smart injection molding, 2018 IOP Conf. Ser.: Mater. Sci. Eng. |
[LZS+20] | Lechler, T., Zerreis, M., Sitz, S., Reinhard, M., Franke, J. Simulation hochautomatisierter Serienproduktion. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb, 2020, (3), S. 123-126. |
[MDB14] | Mourtzis D., Doukas M., Bernidaki D. (2014). Simulation in Manufacturing: Review and Challenges. Procedia CIRP, 2014 ( 25), S. 213–229. |
[MRS20] | Massonet, A.; Kiesel, R.; Schmitt, R..: Der Digitale Zwilling über den Produktlebenszyklus – Das Konzept des Digitalen Zwillings verstehen und gewinnbringend einsetzen. In ZWF Sonderausgabe 2020 |
[NN15] | Siemens PLM Automation Case Study “LoeschPack”, 2015 https://www.plm.automation.siemens.com/global/de/our-story/customers/loesch-pack/69350/ Eingesehen am 11.05.2020 |
[NN18] | Selbstbestimmte Produktion Kunststoffe https://www.kunststoffe.de/fachinformationen/online-beitraege/artikel/selbstbestimmte-produktion-6895894.html Eingesehen am 08.05.2020 |
[NN18a] | Fakuma 2017: Robotersteuerung mit virtuellem Robot-Zwilling Plastverarbeiter https://www.plastverarbeiter.de/72570/fakuma-2017-robotersteuerung-mit-virtuellem-robot-zwilling/ Eingesehen am 08.05.2020 |
[NN18b] | Effizientere und nachhaltigere Produktionsprozesse – Covestro will Produktion weiter digitalisieren Kunststoffe, 2018, URL: https://www.kunststoffe.de/news/unternehmen/artikel/effizientere-und-nachhaltigere-produktionsprozesse-6202220.html Eingesehen am 08.05.2020 |
[NN18c] | Simulationssoftware: „Digitale Zwillinge“ beschleunigen Inbetriebnahmen Packaging Journal, 02/2018 https://packaging-journal.de/digitale-zwillinge-mit-simulationssoftware-industrialphysics/
Eingesehen am 08.05.2020 |
[NN20] | KHS nimmt Maschinen virtuell in Betrieb und senkt Fehlerkosten Plastberarbeiter, 2020. https://www.plastverarbeiter.de/98710/khs-nimmt-maschinen-virtuell-in-betrieb-und-senkt-fehlerkosten/ Eingesehen am 11.05.2020 |
[NN20a] | Brachenbericht „Die Kautschukindustrie 2019/2020“, wdk Wirtschaftsverband der deutschen Kautschukindustrie e.V., Frankfurt, 2020 |
[NN20d] | Pressemappe der GKV Jahrespressekonferenz, Gesamtverband Kunststoffverarbeitende Industrie e. V. (GKV), Berlin, 2020 |
[NN20e] | Recycling und Digitalisierung im Fokus Packaging Journal, 02/2020 https://packaging-journal.de/blasformmaschinen/ Eingesehen am 08.05.2020 |
[PGK17] | Post, J.; Groen, M.; Klaseboer, G.. Physical model based digital twins in manufacturing processes. In: Model based control for smart forming processes, proceedings of 10th forming technology forum. University of Twente. 2017. S. 87-92.
|
[SAT+20] | Stark R., Anderl R., Thoben K.-D., Wartzack S.: WiGeP-Positionspapier: „Digitaler Zwilling“. In ZWF Sonderausgabe 2020 |
[SDL+20] | Selmaier, A., Donhauser, T., Lechler, T., Zeitler, J.T., & Franke, J. (2019). Simulationsgestützte Produktionsplanung flexibler Fertigungssysteme. wt Werkstattstechnik – Online, wt-online 2019(4), Seite 240-247. |
[SP96] | Steinwasser P. :Modulares Informationsmanagement in der integrierten Produkt- und Prozessplanung. 1996 |
[SS17] | Sanchez S. M., Sánches P.J.: Better Big Data via Data Farming Experiments. 2017 |
[URL20] | Siemens https://new.siemens.com/global/de/unternehmen/messen-events/messe-k.html Eingesehen am 11.05.2020 |
[URL20a] | SimPlan AG https://www.simplan.de/services/ Eingesehen am 11.05.2020 |
[WEN+07] | Wiendahl H.-P., Elmaraghy H. A., Nyhuis P., Zäh M. F., Wiendahl H.-H., Duffie N., Brieke M. (2007). Changeable Manufacturing – Classification, Design and Operation. CIRP Annals, 2007 ( 2), 783–809. |