Nachhaltige Geschäftsmodelle durch digitale Zwillinge/Sustainable Business Models through Digital Twins

Inhaltsverzeichnis

Bibliographische Infos

Cover der Ausgabe: wt Werkstattstechnik online Jahrgang 114 (2024), Heft 06
Open Access Vollzugriff

wt Werkstattstechnik online

Jahrgang 114 (2024), Heft 06

Autor:innen:
Verlag
VDI fachmedien, Düsseldorf
Copyrightjahr
2024
ISSN-Online
1436-4980
ISSN-Print
1436-4980

Kapitelinformationen

Open Access Vollzugriff

Jahrgang 114 (2024), Heft 06

Nachhaltige Geschäftsmodelle durch digitale Zwillinge/Sustainable Business Models through Digital Twins

Autor:innen:
ISSN-Print
1436-4980
ISSN-Online
1436-4980
Kapitelvorschau:

Produzierende Unternehmen werden seit jeher mit einer steigenden Anzahl an und Komplexität von Anforderungen konfrontiert, was durch Nachhaltigkeitsanforderungen seitens Legislative, Kunden und Investoren verstärkt wird. Diese neuartigen Anforderungen sollten nicht als Bürde betrachtet werden. Stattdessen lassen sich ökologisch nachhaltige Geschäftsmodelle erschließen. In diesem Beitrag wird ein geschäftsmodellorientierter Entwicklungsansatz für digitale Zwillinge in der Industrie präsentiert.

Literaturverzeichnis

  1. [1] Lindemann, U.; Maurer, M.: Facing Multi-Domain Complexity i n Product Development. In: Krause, FL. (eds) The Future of Product Development. Heidelberg: Springer-Verlag 2007, S. 351–361 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  2. [2] Stark, R.; Anderl, R.; Thoben, K.-D. et al.: WiGeP-Positionspapier: „Digitaler Zwilling“. Zeitschrift für wirtschaftlichen Fabrikbetrieb 115 (2020) s1, S. 47–50 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  3. [3] Eigner, M.; Detzner, A.; Schmidt, P. H. et al.: Definition des Digital Twin im Produktlebenszyklus. Zeitschrift für wirtschaftlichen Fabrikbetrieb 114 (2019) 6, S. 345–350 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  4. [4] Barni, A.; Fontana, A.; Menato, S. et al.: Exploiting the digital twin in the assessment and optimization of sustainability performances. 2018 International Conference on Intelligent Systems (IS), Funchal, Portugal, 2018, pp. 706–713 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  5. [5] Werner, A.; Zimmermann, N.; Lentes, J.: Approach for a holistic predictive maintenance strategy by incorporating a digital twin. Procedia Manufacturing 39 (2019), pp. 1743–1751 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  6. [6] Werner, A.; Angadi, V. C.; Lentes, J. et al.: Vorausschauende Instand- haltung – Wenn der Digitale Schatten an seine Grenzen stößt. Harmonisierung datengetriebener und physikbasierter Modelle für die vorausschauende Instandhaltung. Zeitschrift für wirtschaftlichen Fabrikbetrieb 115 (2020) 5, S. 335–339 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  7. [7] Werner, A.; Lentes, J.; Zimmermann, N.: Digitaler Zwilling zur vorausschauenden Instandhaltung in der Produktion – Physikbasierte Modellierung und Simulation zur Optimierung datengetriebener Modelle. Stuttgarter Symposium für Produktentwicklung, SSP 2021, S. 139–150 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  8. [8] Bergs, T.; Gierlings, S.; Augspurger, T. et al.: Enabling Sustainable Production with the Digital Twin. 30. Aachener Werkzeugmaschinen-Kolloquium 2021, S. 106–175 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  9. [9] Scheifele, C.: Plattform zur Echtzeit-Co-Simulation für die virtuelle Inbetriebnahme. Stuttgart: Fraunhofer Verlag 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  10. [10] Scheifele, C.; Verl, A.; Riedel, O.: Echtzeit-Co-Simulation für die Virtuelle Inbetriebnahme. atp magazin 60 (2018) 11–12, S. 44–55 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  11. [11] Scheifele, C.; Verl, A.; Riedel, O.: Real-time co-simulation for the virtual commissioning of production systems. Procedia CIRP 79 (2019), pp. 397–402 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  12. [12] Hollas, L.; Schenke, C.-C.; Hellmich, A.: Approach of Model Extension for Virtual Commissioning to Predict Energy Consumption of Production Systems. Journal of Machine Engineering 23 (2023) 4, doi.org/10.36897/jme/174867 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  13. [13] Brovkina, D.; Riedel, O.: Automatisierte Planung von Montagelinien. WT Werkstattstechnik 110 (2020) 9, S. 591–596 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  14. [14] Mo, F.; Rehman, H. U.; Monetti, F. M. et al.: A framework for manufacturing system reconfiguration and optimisation utilising digital twins and modular artificial intelligence. Robotics and Computer-Integrated Manufacturing 82 (2023) #102524, pp. 1–19 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  15. [15] Panarotto, M.; Isaksson, O.; Vial, V.: Cost-efficient digital twins for design space exploration: A modular platform approach. Computers in Industry 145 (2023) #103813, pp. 1–13 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  16. [16] Oestersötebier, F.: Modellbasierter Entwurf intelligenter mechatronischer Systeme mithilfe semantischer Technologien. Dissertation, Universität Paderborn, 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  17. [17] Vajna, S.; Weber, C.; Zeman, K. et al.: CAx für Ingenieure: Eine praxisbezogene Einführung. Heidelberg: Springer-Verlag 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  18. [18] Lindemann, U.: Methodische Entwicklung technischer Produkte: Methoden flexibel und situationsgerecht anwenden. Heidelberg: Springer-Verlag 2009 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  19. [19] Qamsane, Y.; Moyne, J.; Toothman, M. et al.: A Methodology to Develop and Implement Digital Twin Solutions for Manufacturing Systems. IEEE Access 9 (2021), pp. 44247–44265 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  20. [20] Dekkers, R.; Carey, L.; Langhorne, P.: Making Literature Reviews Work: A Multidisciplinary Guide to Systematic Approaches. Cham: Springer International Publishing 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  21. [21] Akhai, S.: Navigating the Potential Applications and Challenges of Intelligent and Sustainable Manufacturing for a Greener Future. Evergreen 10 (2023) 4, pp. 2237–2243 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  22. [22] He, B.; Bai, K. J.: Digital twin-based sustainable intelligent manufacturing: a review. Advances in Manufacturing 9 (2021) 1, pp. 1–21 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  23. [23] Huang, Z.; Shen, Y.; Li, J. et al.: A survey on AI-driven digital twins in industry 4.0: Smart manufacturing and advanced robotics. Sensors 21 (2021) 19, #6340 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  24. [24] Oettl, F.; Schoeler, J.; Schilp, J. (Hrsg.): Development of a method for evaluating the benefits of using a digital twin. International Conference on Electrical, Computer, Communications and Mechatronics Engineering, ICECCME 2022, pp. 1–7 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  25. [25] Preut, A.; Kopka, J.-P.; Clausen, U.: Digital twins for the circular economy. Sustainability (Switzerland) 13 (2021) 18, # 10467 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  26. [26] Zacharaki, A.; Vafeiadis, T.; Kolokas, N. et al.: RECLAIM: Toward a New Era of Refurbishment and Remanufacturing of Industrial Equipment. Frontiers in Artificial Intelligence 3 (2021), doi.org/10.3389/frai.2020.570562 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  27. [27] Yu, W.; Patros, P.; Young, B. et al.: Energy digital twin technology for industrial energy management: Classification, challenges and future. Renewable and Sustainable Energy Reviews 161 (2022) #112407 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  28. [28] Pohlkötter, F. J.; Straubinger, D.; Kuhn, A. M. et al.: Unlocking the Potential of Digital Twins. In: Kiefl, N.; Wulle, F.; Ackermann, C. et al. (Hrsg.): Advances in Automotive Production Technology – Towards Software-Defined Manufacturing and Resilient Supply Chains. Cham: Springer International Publishing 2023, pp. 190–199 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  29. [29] Singh, M.; Srivastava, R.; Fuenmayor, E. et al.: Applications of Digital Twin across Industries: A Review. Applied Sciences (Switzerland) 12 (2022) 11, #5727 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  30. [30] Fett, M.; Wilking, F.; Goetz, S. et al.: A Literature Review on the Development and Creation of Digital Twins, Cyber-Physical Systems, and Product-Service Systems. Sensors 23 (2023) 24, #9786 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  31. [31] helen, A.; Zhang, X.; Fink, O. et al.: A comprehensive review of digital twin — part 1: modeling and twinning enabling technologies. Structural and Multidisciplinary Optimization 65 (2022) 12, # 354 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  32. [32] Xie, Y.; Lian, K.; Liu, Q. et al.: Digital twin for cutting tool: Modeling, application and service strategy. Journal of Manufacturing Systems 58 (2021), pp. 305–312 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  33. [33] Ke, C.; Pan, X. Y.; Wan, P. et al.: An Intelligent Redesign Method for Used Products Based on Digital Twin. Sustainability (Switzerland) 15 (2023) 12, #9702 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  34. [34] Riedelsheimer, T.; Dorfhuber, L.; Stark, R.: User centered development of a digital twin concept with focus on sustainability in the clothing industry. Procedia CIRP 90 (2020), pp. 660–665 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  35. [35] Mügge, J.; Erdmann, J. G.; Riedelsheimer, T. et al.: Empowering End-of-Life Vehicle Decision Making with Cross-Company Data Exchange and Data Sovereignty via Catena-X. Sustainability (Switzerland) 15 (2023) 9, #7187 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  36. [36] Seegrün, A.; Kruschke, T.; Mügge, J. et al.: Sustainable product lifecycle management with Digital Twins: A systematic literature review. Procedia CIRP 119 (2022), pp. 776–781 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  37. [37] Hehenberger, P.; Leherbauer, D.; Penas, O. et al.: Holistic System Modelling and Analysis for Energy-Aware Production: An Integrated Framework. Systems 11 (2023) 2, doi.org/10.3390/systems11020100 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  38. [38] Ma, S. Y.; Zhang, Y. F.; Liu, Y. et al.: Data-driven sustainable intelligent manufacturing based on demand response for energy-intensive industries. Journal of Cleaner Production 274 (2020) #123155 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  39. [39] Matsunaga, F.; Zytkowski, V.; Valle, P. et al.: Optimization of Energy Efficiency in Smart Manufacturing Through the Application of Cyber-Physical Systems and Industry 4.0 Technologies. Journal of Energy Resources Technology, Transactions of the ASME 144 (2022) 10, #102104 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  40. [40] Matta, A.; Lugaresi, G.: Digital Twins: Features, Models, And Services. Proceedings of the 2023 Winter Simulation Conference, San Antonio, TX, USA, 2023, pp. 46–60 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  41. [41] Cimino, C.; Negri, E.; Fumagalli, L.: Review of digital twin applications in manufacturing. Computers in Industry 113 (2019) #103130 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  42. [42] Lürken, C.; Grünert, G.; Stauder, L. et al.: Concept for life cycle oriented ecological assessment in tooling. Procedia CIRP 120 (2022), pp. 362–367 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  43. [43] Turner, C.; Oyekan, J.: Manufacturing in the Age of Human-Centric and Sustainable Industry 5.0: Application to Holonic, Flexible, Reconfigurable and Smart Manufacturing Systems. Sustainability (Switzerland) 15 (2023) 13, #10169 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  44. [44] Rocca, R.; Rosa, P.; Sassanelli, C. et al.: Integrating virtual reality and digital twin in circular economy practices: A laboratory application case. Sustainability (Switzerland) 12 (2020) 6, #2286 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  45. [45] Hammerschmid, M.; Rosenfeld, D. C.; Bartik, A. et al.: Methodology for the Development of Virtual Representations within the Process Development Framework of Energy Plants: From Digital Model to Digital Predictive Twin—A Review. Energies 16 (2023) 6, #2641 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  46. [46] Kies, A. D.; Krauß, J.; Schmetz, A. et al.: Interaction of Digital Twins in a Sustainable Battery Cell Production. Procedia CIRP 107 (2022), pp. 1216–1220 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  47. [47] Turan, E.; Konuşkan, Y.; Yıldırım, N. et al.: Digital twin modelling for optimizing the material consumption: A case study on sustainability improvement of thermoforming process. Sustainable Computing: Informatics and Systems 35 (2022) #100655 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  48. [48] Zhao, L.; Fang, Y.; Lou, P. et al.: Cutting Parameter Optimization for Reducing Carbon Emissions Using Digital Twin. International Journal of Precision Engineering and Manufacturing 22 (2021) 5, pp. 933–949 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  49. [49] Werner, A.; Mendez-Rial, R.; Salvo, P. et al.: Architecture for Predictive Maintenance Based on Integrated Models, Methods and Technologies. In: Huang, C. Y., Dekkers, R., Chiu, S. F. et al. (eds): Intelligent and Transformative Production in Pandemic Times. Lecture Notes in Production Engineering. Cham: Springer 2023, pp. 259–274 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  50. [50] Friedenthal, S.: A Practical Guide to SysML: The Systems Modeling Language. Burlington/MS.: Morgan Kaufmann 2008 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  51. [51] Eigner, M.; Roubanov, D.; Zafirov, R.: Modellbasierte virtuelle Produktentwicklung. Heidelberg: Springer Vieweg 2014 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  52. [52] Eigner, M.: Modellbasierter Entwicklungsprozess Cybertronischer Systeme. Der PLM-Unterstützte Referenzentwicklungsprozess Für Produkte und Produktionssysteme. Heidelberg: Springer 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  53. [53] VDI/VDE 2206: Entwicklung mechatronischer und cyber-physischer Systeme. Ausgabe November 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  54. [54] Schröder, D.: Regelung von Antriebssystemen. Heidelberg: Springer Vieweg 2015 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  55. [55] Schmitt, T. L.; Andres, M.: Methoden zur Modellbildung und Simulation mechatronischer Systeme. Bondgraphen, objektorientierte Modellierungstechniken und numerische Integrationsverfahren. Wiesbaden: Springer Vieweg 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28
  56. [56] Industrial Digital Twin Association e.V.: IDTA – Der Standard für den Digitalen Zwilling. Internet: industrialdigitaltwin.org/. Zugriff am 29.05.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-06-28

Zitation

Download RIS Download BibTex

Downloads

Download Kapitel (PDF)

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Per E-Mail teilen

Medien