디지털 트윈이 자동차 제조를 혁신하는 방법

기존의 자동차 공급망 제조 유지 관리는 장비에 대한 경험적 관찰과 사람의 측정에 의존했습니다. 이 접근 방식은 불연속적인 간격으로만 기계 성능을 샘플링할 수 있습니다. 하루 중 측정 시간, 사람의 해석 오류 및 센서 배치를 기반으로 한 반복성 문제로 어려움을 겪었습니다. "디지털 트윈"으로 알려진 것에 대한 지능적인 시뮬레이션을 통해 동일한 유지 관리 방법을 보다 현대적으로 표현하는 것이 이제 디지털 방식으로 수행될 수 있습니다.

공장 내에서 사용되는 복잡한 기계의 세부 작동 특성을 평가하기 위해 이제 완전한 디지털 트윈 표현을 주요 인텔리전스 도구로 사용할 수 있습니다. 디지털 트윈은 데이터 모델 표현, 일련의 분석 알고리즘 및 기계 작동에 대한 행동 지식의 세 가지 디지털 구성 요소로 구성됩니다. 디지털 트윈은 알려진 성능 데이터와 함께 과거 정보를 사용하여 과거 행동을 이해합니다. 그들은 현재 기계 조건에 직접 및 간접 데이터를 적용합니다. 이 지식에 대한 지능형 머신 러닝 알고리즘을 사용하여 머신의 미래 행동 예측을 모델링할 수 있습니다.

기계의 완전한 디지털 트윈은 여러 조각으로 구성됩니다. 각 기계 기계 부품은 구성 요소 쌍으로 표시됩니다. 팬 블레이드, 베어링, 피스톤 및 패스너는 모두 가장 기본적인 수준에서 구성 요소로 디지털 방식으로 표현될 수 있습니다. 구성 요소 쌍은 속해 있는 자산의 성능에 상당한 영향을 미치는 주요 하위 구성 요소입니다.

기계의 설계 단계에서 이러한 디지털 요소는 함께 개발되어 모터 또는 펌프와 같은 전체 자산을 구성합니다. 자산 쌍은 설계 내 구성 요소 쌍의 컴파일을 사용하여 기계 자산의 완전한 모델을 생성합니다. 자산 쌍은 모든 구성 요소 쌍의 정보 모음일 수 있습니다. 자산 쌍은 장비 수준에서 가시성을 제공합니다. 현재 운영 컨텍스트를 적용하고 디지털 트윈의 미래 상태를 예측하여 자산을 효과적으로 모니터링, 시뮬레이션 및 제어할 수 있습니다. 이 정보를 지능적으로 사용하면 장기적으로 자산의 수명 주기를 최적화할 수 있습니다.

자산 쌍 데이터에서 클라우드의 고급 분석 시뮬레이션은 제조 환경 내 장비 성능에 대한 지속적인 실시간 정보를 제공할 수 있습니다. 더 높은 수준으로 추출된 이 자산 쌍 모델은 공장, 공급망 및 유통 채널의 사용을 모델링하는 프로세스 쌍 및 전체 엔터프라이즈 쌍의 일부가 될 수 있습니다. 자산 쌍 데이터는 통계 모델과 비교할 때 이상 감지에 활용되어 예측 유지 관리 알림과 남은 유효 수명에 대한 통찰력을 생성할 수 있습니다.

디지털 트윈 사용자에게는 여러 가지 이점이 있습니다. 통찰력을 통한 적절한 의사 결정을 통해 자산의 안정성과 가용성이 향상됩니다. 개선을 위해 디지털 트윈 시뮬레이션의 정보를 적용하면 손실 또는 치명적인 중단 위험이 줄어듭니다. 고장 빈도 및 유지 보수 중단 시간이 적어 장비의 생산 효율성이 향상됩니다. 장비의 상태를 강력하게 모니터링할 수 있으므로 전반적인 유지 관리 비용이 적습니다. 따라서 프로덕션에서 사용하는 자산의 비용을 더 빨리 회수할 수 있습니다.

자동차 IoT 제조는 정교한 기계의 성능 동작에 대한 통찰력을 높입니다. 데이터를 새로운 통찰력으로 변환하는 능력은 사용 중인 장비의 정확한 시뮬레이션과 모델을 전제로 합니다. 자산 쌍 프레임워크 내에서 디지털 구성 요소 쌍을 구현함으로써 과거의 경험적으로 구동되는 물리적 측정 절차 없이 이제 이 통찰력을 디지털 방식으로 추출할 수 있습니다. 기계용 MachineMetrics 산업용 IoT 솔루션은 기계 데이터의 힘을 활용하여 처리량을 높이고 가치를 극대화합니다. MachineMetrics 애플리케이션이 귀하의 비즈니스에 무엇을 할 수 있는지 알아보려면 데모를 예약하십시오.