Kohärenz der Daten validieren
Eine enge Zusammenarbeit mit den Technikern von Volkswagen stellte sicher, dass die aufgezeichneten Daten die tatsächlichen Aktionen des einzelnen AGV widerspiegeln, beispielswiese, ob es geladen wird, im Leerlauf ist oder gerade Bauteile ins Ziel bringt. Der mit der AAS aufgebaute digitale Zwilling entsprach also dem realen Abbild. Nach der Validierung ging das Projekt in die Phase der Datenanalyse über. Dabei griff die Analyseplattform auf die gesammelten Parameter der jeweiligen Submodelle zu. Anhand des aktuellen Nutzungskonzeptes konnte ein Einsparpotenzial von 38 Prozent sowohl für den Energieverbrauch als auch für die CO2-Emissionen ermittelt werden. Der in diesem Fall größte Hebel lag in der bedarfsgerechten Anpassung der Flottengröße und auslastungsorientierten Nutzung der vorhandenen Ladeinfrastruktur. Einmal mehr zeigt dies die Bedeutung der AAS. Das Projekt konnte belegen, dass sich dieses Vorgehen gut eignet, um eine bestehende Infrastruktur zu integrieren, bewährte Legacy-Systeme zu verbessern und weiterzuverwenden. Ein Vorteil des selbstentwickelten Datenmodells in der Asset Administration Shell ist zudem die herstellerunabhängige Weiterverwendbarkeit: Da sich das Projekt in einer laufenden Produktionsumgebung bewährt hat, gibt es bereits feste Pläne für weitere Roll-outs im Konzern, wo derzeit einige tausend AGVs im Einsatz sind.
