Wichtige Fakten
-
Entität:Digitaler Zwilling = dynamische, auf Messdaten basierende Darstellung eines physischen Objekts – kontinuierlich synchronisiert; Datentriplett: Zeitstempel + Teile-ID + Messdatensatz
-
Zwillingsmodelle:Produkt-Twin (Komponente) · Prozess-Twin (Produktionsprozess) · System-Twin (gesamtes System)
-
Statisch vs. dynamisch:Statisch: einmalige Erstellung, 1–600 MB/Komponente, Qualitätsdokumentation Dynamisch: bis zu 100 Hz / 10.000 Profile/s, Prozesssteuerung, vorausschauende Instandhaltung
-
Datenformate:Punktwolke (PLY/PCD), Z-Karte (TIFF/HDF5), Netzmodell (STL/OBJ), Zeitreihe (CSV/HDF5), thermische Heatmap (TIFF)
-
Standard:ISO 9001, IATF 16949 Abschnitt 8.6.2, doppelte Datensätze = konforme digitale Prüfprotokolle
Was ist ein Digital Twin und wie unterscheidet er sich von einem CAD-Modell?
Ein digitaler Zwilling ist eine datengesteuerte, dynamische Darstellung eines physischen Objekts, die durch kontinuierliche Messdaten von Sensoren aktualisiert wird, die während des laufenden Produktionsprozesses Daten erfassen. Ein CAD-Modell ist ein statisches Konstruktionsmodell ohne Integration von Messdaten: Es beschreibt den Sollzustand, nicht den Istzustand.
Es gibt drei Arten von digitalen Zwillingen, die sich hinsichtlich ihres Abstraktionsgrades und ihrer Datenbasis unterscheiden:
Produkt-Twin – Darstellung einer einzelnen Komponente; Datenbasis: Prüfmessdaten (Punktwolke, Z-Map, thermische Heatmap), Fertigungsparameter, Gut/Schlecht-Entscheidung mit Abweichungsvektor
Prozess-Twin – Abbildung eines Produktionsprozesses; Datenbasis: Prozessdaten, Echtzeit-Sensorströme, Regelgrößen aus SPS und MES
System Twin – Abbildung eines gesamten Systems oder einer gesamten Fabrik; Datenbasis: aggregierte Sensor-, MES- und ERP-Daten aus allen Produktionsphasen
AT Sensors den Product Twin und den Process Twin. Die geometrische Datenbasis umfasst vier Messdatentypen: Punktwolke (PLY/PCD), Z-Map (TIFF/HDF5), thermische Heatmap (TIFF) sowie IO/NIO-Entscheidung + Abweichungsvektor – alle mit Zeitstempel und Teile-ID als obligatorischen Attributen.
Simulation, FEM-Modellierung und BIM (Building Information Modeling) sind miteinander verbundene Modellierungskonzepte; diese werden im Artikel [Simulation / Digitale Modellierung] näher behandelt.
Wodurch unterscheidet sich ein statischer Digital Twin von einem dynamischen Digital Twin?
Der statische digitale Zwilling und der dynamische digitale Zwilling unterscheiden sich in Aktualisierungshäufigkeit, Datenbasis, Speichervolumen und Anwendung – beide verwenden dasselbe Datentripel (Zeitstempel + Teile-ID + Messdatensatz), jedoch mit unterschiedlicher Synchronisationshäufigkeit.
Statischer Digital Twin – wird einmalig aus Messdaten erstellt; keine Live-Aktualisierung nach der Erstellung. Anwendung: Qualitätsdokumentation, Rückverfolgbarkeitsarchiv, konformes Prüfprotokoll (ISO 9001, IATF 16949). Speicherbedarf pro Bauteil: 1–600 MB (Punktwolke + Z-Map + thermische Heatmap + Metadaten).
Dynamischer Digital Twin – wird kontinuierlich anhand von Live-Sensordaten aktualisiert. Synchronisationsfrequenz: bis zu 100 Hz (IRSX-Infrarotkamera, thermische Zeitreihen) oder 10.000 Profile/s (C6-Lasertriangulationssensor, geometrische Zeitreihen).
Anwendung: Echtzeit-Prozesssteuerung, vorausschauende Instandhaltung, geschlossene Qualitätsregelung.
Vergleich
| Kriterium | Statischer Zwilling | Dynamic Twin |
|---|---|---|
| Aktualisierungshäufigkeit | Bei der Inspektion | Kontinuierlich – bis zu 100 Hz / 10.000 Profile/s |
| Datenbasis | Abgeschlossener Inspektionsdatensatz | Echtzeit-Sensordaten + Zeitreihen |
| Speicherkapazität | 1–600 MB pro Komponente | Stetiges Wachstum – GB pro Schicht |
| Applikation | Qualitätsdokumentation, Rückverfolgbarkeit | Prozesssteuerung, vorausschauende Instandhaltung |
| AT Sensors | C6-Serie, IRSX-Serie (Einzelmessung) | Serie C6 + Serie IRSX (Zeitreihe, 100 Hz) |
Die Echtzeit-Prozesssteuerung und die SPS-Signalverarbeitung werden im Artikel „Prozessüberwachung / Prozesssteuerung“ behandelt.
Welche Datenformate und welche Datenarchitektur verwendet ein auf Messdaten basierender Digital Twin?
Die Datenarchitektur eines digitalen Zwillings gliedert sich in vier Ebenen:
Sensorschicht (Datenerfassung) → Übertragungsschicht (Protokolle) → Verarbeitungsschicht (Fusion, Normalisierung) → Anwendungsschicht (Twin-Modell, Applikationen).
AT Sensors arbeiten auf Schicht 1; das Twin-Modell sammelt Datensätze auf Schicht 4 (MES-Ebene).
| Stufe | Funktion | Protokoll / Format | AT Sensors |
|---|---|---|---|
| 1 — Sensor-Füllstand | Erfassung und Digitalisierung physikalischer Größen | GigE Vision, 125 MB/s | C6-Serie, XCS-Serie, CA-Serie, IRSX-Serie |
| 2 – Übertragungsstufe | Strukturierten Datensatz mit Zeitstempel übertragen | OPC UA, Modbus TCP < 1 ms | GigE Vision-konforme Schnittstelle |
| 3 – Verarbeitungsstufe | Datensätze zusammenführen, normalisieren, Abweichungskarte berechnen | HDF5, CSV, REST-API | Punktwolke + Heatmap, miteinander abgeglichen |
| 4 – Anwendungsebene | Modell „Accumulate Twin“, Lieferumfang: Applikationen | MQTT, REST-API, OPC UA | Prüfdatensatz mit Teile-ID und Sensor-ID |
Synchronisation mehrerer Sensoren:
PTP (Precision Time Protocol) synchronizes 3D sensor and IRSX infrared camera to a time deviation of < 1 µs — prerequisite for geometric-thermal data overlay in the twin model. Without PTP synchronization, time offsets occur between point cloud and thermal heatmap, resulting in incorrect coordinate registration.
Die kombinierte Datenrate eines 3D-IR-Doppelsystems (z. B. 60 fps × 10 MB Punktwolke + 100 Hz × 2 MB Wärmebild) erreicht bei vollem Betrieb bis zu 800 MB/s im Volllastbetrieb. Die On-Sensor-Verarbeitung reduziert die Übertragungslast um den Faktor 10–10.000 durch Komprimierung und Merkmalsextraktion direkt auf dem Sensorprozessor.
IoT-Protokolle und Cloud-Architektur werden im Bereich „IoT-Protokolle“ behandelt. Die MES/ERP-Integration wird im Bereich „Industrie 4.0 / Smart Factory“ behandelt.
Welche Datenformate speichert ein Digital Twin aus den AT Sensors von AT Sensors ?
Ein digitaler Zwilling, der auf den AT Sensors basiert, speichert fünf Datenformate, die sich hinsichtlich Dateninhalt, Dateityp, Dateigröße und Anwendung innerhalb des Zwillingsmodells unterscheiden.
Jedes Format enthält das Datentripel – Zeitstempel + Teil-ID + Sensor-ID – als obligatorische Metadaten.
| Datenformat | Dateityp | Dateigröße | Anwendung im Twin |
|---|---|---|---|
| Punktwolke | Lagen / Lochkreis | 1–100 MB | Vollständige 3D-Ist-Geometrie; CAD-Vergleich; Abweichungskarte |
| Z-Karte | TIFF / HDF5 | 1–10 MB | Tiefenkarte; direkter Vergleich der Soll- und Ist-Werte mit der CAD-Referenz |
| Thermische Heatmap | TIFF | 0,5–5 MB pro Bild | Temperaturverteilung; Karte der Fehlerzonen; Zeitreihen zur vorausschauenden Instandhaltung |
| Netzmodell | STL / OBJ | 10–500 MB | Rekonstruiertes 3D-Modell; input Simulation und FEM |
| Zeitreihen | CSV / HDF5 | Variabel – GB pro Schicht | Prozessparameter und Messverlauf; Trendanalyse; SPC |
Abweichungskarte
Die Abweichungskarte ist das zentrale Auswertungsergebnis des Product Twin.
Sie wird erzeugt durch pixelweiser Subtraktion der tatsächlichen Punktwolke vom CAD-Referenzmodell, wobei jedem Messpunkt (x, y) eine Abweichung in µm zugewiesen wird.
\[\Delta d(x,y) = d_{tatsächlich} – d_{Nennwert}\]
Ein C6-Laser-Triangulationssensor erfasst diese Abweichung bereits ab 0,1 µm.
Die Abweichungskarte stellt jeden Messpunkt als Farbwert dar – von −Toleranz (blau) bis 0 (grün) bis +Toleranz (rot).
Abweichungen außerhalb des GD&T-Toleranzbereichs werden als NIO-Pixel.
Speichereffizienz:
Die Speichereffizienz des Twin-Modells wird durch selektive Archivierung gesteigert:
- IO components without deviation → only metadata + IO/NIO signal (< 1 KB)
- NIO-Komponenten → vollständige Punktwolke + Abweichungskarte + thermische Heatmap (bis zu 600 MB)
Interne Links: Punktwolken, Netzmodelle (STL/OBJ)
In welchen Anwendungsfällen kommt der digitale Zwilling in der industriellen Qualitätssicherung zum Einsatz?
Der digitale Zwilling erfüllt drei Kernfunktionen in der industriellen Qualitätssicherung:
- Qualitätsdokumentation (statischer Zwilling – aktueller Zustand jeder Komponente)
- Prozessoptimierung (Dynamic Twin – Regelkreis auf Basis einer Abweichungskarte)
- Vorausschauende Instandhaltung (Dynamic Twin – Erkennung von Anomalien anhand von Zeitreihen)
Jede Funktion erfordert einen bestimmten Twin-Typ und eine bestimmte Datenbasis.
| Anwendungsfall | Zwillingsausführung | Datenbasis | AT Sensors |
|---|---|---|---|
| Qualitätsdokumentation | Statisch | Punktwolke, Z-Map, thermische Heatmap, IO/NIO | C6-Serie, IRSX-Serie |
| Prozessoptimierung | Dynamisch | Abweichungskarte als Kontrollvariable, Zeitreihe | C6-Serie (10.000 Profile/s) |
| Vorausschauende Instandhaltung | Dynamisch | Temperaturzeitreihen, Profilzeitreihen | IRSX-Serie (100 Hz), C6-Serie |
Inwiefern support der Digital Twin die Qualitätsdokumentation und den Soll-Ist-Vergleich?
Der statische digitale Zwilling dokumentiert den vollständigen Ist-Zustand jeder Komponente zum Zeitpunkt der Inspektion – ohne manuellen Aufwand, konform mit ISO 9001 und IATF 16949. Der Twin-Datensatz besteht aus: Punktwolke + Z-Map + thermischer Heatmap + IO/NIO-Entscheidung, verknüpft mit Zeitstempel und Teile-ID.
Vergleich von Soll- und Ist-Werten:
Das Twin-Modell überlagert die tatsächliche Punktwolke mit dem CAD-Referenzmodell und berechnet für jeden Messpunkt die Abweichung – dargestellt als Abweichungskarte.
Ein C6-Laser-Triangulationssensor erkennt:
- Tiefenabweichungen von 0,1 µm
- seitliche Auflösung von 5 µm
Jeder Messpunkt wird wie folgt klassifiziert:
- IO — innerhalb des GD&T-Toleranzbereichs
- NIO — außerhalb des Toleranzbereichs
Serienbewertung:
K-Formel (Closed Loop) wurde bewusst durch Prosabeispiel ersetzt — zu abstrakt für B2B-Webartikel.
Der digitale Zwilling fasst Abweichungskarten über n aufeinanderfolgende Komponenten und berechnet den mittleren Abweichungsvektor pro Messpunkt:
\[\bar{d}(x,y) = \frac{1}{n} \sum_{i=1}^{n} \Delta d_i(x,y)\]
Begriffsbestimmungen:
- \(\bar{d}(x,y)\) – mittlere Abweichung am Messpunkt (x,y) über n Komponenten, in µm
- \(\Delta d_i(x,y)\) — Abweichung der i-ten Komponente am Punkt (x,y) in µm
- \(n\) – Anzahl der ausgewerteten Komponenten
Wenn \(\bar{d}(x,y)\) über drei aufeinanderfolgende Messwerte hinweg monoton in dieselbe Richtung ansteigt, stuft das Twin-Modell dies als Prozessdrift ein – einen systematischen Fertigungsfehler, der durch Werkzeugverschleiß, thermische Ausdehnung oder Verschleiß der Spannvorrichtung verursacht wird. Die Erkennung erfolgt, bevor die Toleranzgrenzen überschritten werden, da der Trend bereits innerhalb des Toleranzbandes erkennbar ist.
| Bewertungsstufe | Input | Berechnungsmethode | Output |
|---|---|---|---|
| Einzelkomponente | Punktwolke + CAD-Referenz | Δd(x,y) = d_tatsächlich − d_Nennwert | Abweichungskarte, IO/NIO-Entscheidung |
| Serienbewertung | Abweichungskarten | Mittelwert | Vektor der mittleren Abweichung, Flag für Prozessdrift |
| Trendanalyse | Zeitreihe der mittleren Abweichung | Lineare Regression | Driftrate in µm/Komponente, verbleibende Lebensdauer |
Verbleibende Lebensdauer:
The remaining lifetime until the tolerance limit is reached is calculated as: \[\frac{T_{limit} – \bar{d}_{current}}{a}\]
Begriffsbestimmungen:
- \(T_{limit}\) – Toleranzgrenze, in µm
- \(\bar{d}_{current}\) — aktuelle mittlere Abweichung in µm
- \(a\) – Driftrate in µm pro Komponente
Inwiefern support Digital-Twin-Daten support Prozessoptimierung und die vorausschauende Instandhaltung?
Der dynamische digitale Zwilling schließt den Regelkreis zwischen Sensor, Auswertung und Produktionsprozess – in zwei Anwendungsrichtungen:
Prozessoptimierung im Regelkreis (geometrische Zeitreihen, C6-Reihe) und vorausschauende Instandhaltung (thermische Zeitreihen, IRSX-Serie).
Prozessoptimierung im geschlossenen Regelkreis
Die Abweichungskarte wird als Regelgröße an die SPS/das MES zurückgemeldet.
Das Twin-Modell berechnet den Korrekturwert proportional zur mittleren Abweichung am kritischen Messpunkt – mit negativem Vorzeichen, da die Korrektur der Richtung der Abweichung entgegenwirkt.
Konkretes Beispiel:
Ein C6-Sensor erkennt eine Profilabweichung von +8 µm auf einer gefrästen Oberfläche → der Twin berechnet einen Korrekturwert → die SPS reduziert den Werkzeugvorschub → die nächste Charge liegt innerhalb des GD&T-Toleranzbandes.
Gesamter Regelkreis:
sensor → twin evaluation → PLC correction: < 10 ms
Vorausschauende Instandhaltung
Die Infrarotkamera IRSX liefert eine Temperaturzeitreihe mit einer Frequenz von 100 Hz.
Das Twin-Modell berechnet die Abweichung \Delta T(t) vom Basistemperaturprofil T_{base} – dem Referenzprofil unter normalen Betriebsbedingungen.
Wenn \Delta T(t) \geq 0,5\,K ist und über drei aufeinanderfolgende Messintervalle monoton ansteigt, stuft das Zwillingsmodell die Anomalie als Wartungsereignis ein.
Typische Vorlaufzeit: 48–72 Stunden vor dem Ausfall.
Das geometrische Gegenstück:
Der C6-Sensor erkennt Werkzeugverschleiß anhand der Profilzeitreihe, sobald die Driftrate a \geq 0,5\,\mu m/\text{Komponente} beträgt.
Der Werkzeugwechsel kann daher geplant werden, , bevor es zu einer Toleranzüberschreitung kommt.
| Kriterium | Prozessoptimierung im geschlossenen Regelkreis | Vorausschauende Instandhaltung |
|---|---|---|
| Sensor | C6-Serie (Lasertriangulation) | IRSX-Serie (Infrarotkamera) |
| Input | Ableitungskarte $begin:math:text$\\Δ d\(x\,y\)$end:math:text$ | Temperaturzeitreihe $begin:math:text$T\(t\)$end:math:text$ |
| Schwellenwert / Steuergröße | Profilabweichung > Toleranzband → Korrekturwert | $begin:math:text$\\Delta T\(t\) \\≥ 0,5\\\,K$end:math:text$ über 3 Intervalle |
| Reaktionszeit | < 10 ms (sensor → PLC) | Lieferzeit: 48–72 Stunden |
| Output | Parameterkorrektur an der SPS | Wartungsereignis-Kennzeichnung an MES |
| Datenspeicherung | Abweichungskarte + Korrekturprotokoll | Temperaturzeitreihen (CSV/HDF5) |
Die SPS-/SCADA-Signalverarbeitung wird im Bereich Prozessüberwachung/Prozesssteuerung behandelt.
Die Methodik der vorausschauenden Instandhaltung wird im Abschnitt „Vorausschauende Instandhaltung“ behandelt.
Wie wird der digitale Zwilling in die Systemarchitekturen von Industrie 4.0 integriert?
Der digitale Zwilling wird als Datenspeicher auf MES-Ebene in Industrie-4.0-Architekturen:
- AT Sensors liefern Messdaten auf Ebene 1 (Sensorebene)
- OPC UA überträgt strukturierte Datensätze an das MES (Ebene 4)
- Das MES sammelt den Zwillingsdatensatz auf pro Komponente und stellt ihn ERP- und Cloud Applikationen zur Verfügung
AT Sensors auf Ebene 1 des 5-Ebenen-Modells — direkt am Messobjekt.
Das Zwillingsmodell befindet sich auf Ebene 4 (MES-Ebene) und empfängt strukturierte Inspektionsdatensätze, darunter:
- Name der Entität
- Einheit
- Zeitstempel
- Qualitätsstatus
Der Datenexport in ERP- und Cloud Applikationen über REST-API oder MQTT.
Rechtliche Grundlage
IATF 16949 Abschnitt 8.6.2 schreibt die Rückverfolgbarkeit aller Prüfergebnisse für spezielle Produktmerkmale vor.
Der Datensatz des digitalen Zwillings — Punktwolke + Z-Karte + thermische Wärmekarte mit Zeitstempel und Teile-ID — erfüllt diese Anforderung als konforme digitale Prüfprotokollierung, ohne dass eine zusätzliche manuelle Dokumentation erforderlich ist.
In welchem Zusammenhang stehen Digital Twin und Rückverfolgbarkeit?
Digital Twin und Rückverfolgbarkeit nutzen die gleiche Datenbasis, unterscheiden sich jedoch in ihrer Perspektive und ihrem Zweck:
- Der digitale Zwilling stellt den tatsächlichen Zustand eines Bauteils zu einem bestimmten Zeitpunkt
- Die Rückverfolgbarkeit verknüpft alle Momentaufnahmen des digitalen Zwillings über den gesamten Produktlebenszyklus
Die Struktur des gemeinsamen Schlüssels ist wie folgt:
Zeitstempel + Teile-ID + Sensor-ID
Jeder Twin-Snapshot enthält dieses Trio als obligatorische Metadaten.
Die Rückverfolgbarkeitsdatenbank indexiert alle Momentaufnahmen anhand der Teile-ID und stellt die vollständige Prüfhistorie wieder her.
| Kriterium | Digitaler Zwilling | Rückverfolgbarkeit |
|---|---|---|
| Perspektive | Aktueller Zustand zu einem bestimmten Zeitpunkt | Kette aller Zustände über den Lebenszyklus hinweg |
| Schlüsselstruktur | Zeitstempel + Teile-ID + Sensor-ID | Teilenummer als Primärindex für alle Snapshots |
| Datenbasis | Punktwolke, Z-Karte, thermische Wärme-Karte, Abweichungskarte | Zusammengefasste Zwillings-Snapshots + Fertigungsparameter |
| Applikation | Qualitätsdokumentation, Prozessoptimierung | Rückrufmanagement, Dokumentation der Lieferkette |
| Rechtliche Grundlage | ISO 9001, IATF 16949 Abschnitt 8.6.2 | IATF 16949, EU-Vorschriften zur Lieferkette |
Welche AT Sensors liefern die Datengrundlage für den Digital Twin?
AT Sensors zwei Produktgruppen, die den Digital Twin mit geometrische und thermische Messdaten:
- 3D-Sensoren (C6-Serie, XCS-Serie, CA-Serie)
- IRSX-Infrarotkameras
Beide Produktgruppen sind GigE Vision-konform und versehen jeden Datensatz mit einem Zeitstempel und einer Teile-ID.
| Produkt | Typ der Messdaten | Datenformat | Aktualisierungsrate | Doppelanwendung |
|---|---|---|---|---|
| C6-Serie (Lasertriangulation) | Punktwolke, Z-Map, Profilzeitreihe | PLY/PCD, TIFF/HDF5 | bis zu 10.000 Profile/s | Statischer und dynamischer Produkt-Twin, Prozessoptimierung |
| XCS-Serie (Lasertriangulation) | Punktwolke, Z-Map | PLY/PCD, TIFF/HDF5 | bis zu 10.000 Profile/s | Prüfung von statischen Produktduplikaten, Halbleitern und Mikrostrukturen |
| CA-Serie (Strukturiertes Licht) | Vollständige Punktwolke, Netzmodell | PLY/PCD, STL/OBJ | bis zu 60 Bilder pro Sekunde | Statischer Produktzwilling, Freiformgeometrien, 360°-Prüfung |
| IRSX-Serie (Infrarotkamera) | Thermische Heatmap, Temperaturzeitreihe | TIFF, CSV/HDF5 | bis zu 100 Hz | Statische und dynamische Zwillingsanalyse, vorausschauende Instandhaltung |
Auswahlhilfe auf der Grundlage von Zwillingsanforderungen
- Statischer Zwillingssensor (Qualitätsdokumentation) — C6-Serie ausreichend für die geometrische Prüfung; IRSX-Serie optional für thermische Fehlerklassen
- Dynamisches Zwillingsmodell (vorausschauende Instandhaltung) — IRSX-Serie als Primärsensor; Temperaturzeitreihen mit 100 Hz als kontinuierliche Datenbasis
- Full twin (geometric + thermal) — C6 Series + IRSX Series combined; PTP synchronized to < 1 µs; deviation map and thermal heatmap coordinate-registered in the same twin model
Die Auswahl des geeigneten Sensorsystems hängt von fünf Merkmalen ab:
Messbereich, Auflösung, Aktualisierungsrate, Schutzart und Kommunikationsprotokoll.
Detaillierte Spezifikationen: 3D-Sensoren und IR-Sensorsysteme / IRSX-Serie.
Der allgemeine Kontext wird im übergeordneten Artikel „Datenerfassung“ erläutert.
