In modernen Engineering-Programmen, die System-Engineering, Diagnostik, Tests, Unterstützung und langfristige Instandhaltung umfassen, hat sich eine beständige und zunehmend kritische Herausforderung herauskristallisiert.
Werkzeuge verwenden unterschiedliche Datenstrukturen, Formate und Annahmen. Die Terminologie variiert zwischen den Domänen, wobei identische Wörter oft völlig unterschiedliche Bedeutungen haben. Da Unternehmen ihre digitale Transformation beschleunigen, nehmen das Volumen und die Komplexität der Engineering-Daten weiter zu, ebenso wie die Schwierigkeit, sie konsistent zu interpretieren, auszutauschen und wiederzuverwenden.
Die Folgen sind erheblich: Fehlkommunikation zwischen Teams, redundante Arbeit, inkompatible Modelle und Designwissen, das schwer bis unmöglich über den Systemlebenszyklus hinweg zu nutzen oder für zukünftige Programme wiederzubeleben ist.
Als Reaktion darauf haben Engineering-Organisationen verschiedene Ansätze zur digitalen Integration untersucht. Jeder bietet unterschiedliche Vorteile und Einschränkungen, zielt aber darauf ab, die gleiche übergreifende Frage zu beantworten:
Wie können wir eine zuverlässige, kohärente und dauerhafte digitale Darstellung eines Systems erstellen, die für alle Engineering-Disziplinen zugänglich und aussagekräftig ist?
1. Der zentralisierte „Master Model“-Ansatz
Diese Strategie erstellt ein einziges, maßgebliches Repository, das oft in MBSE verwurzelt ist und alle Projektdaten enthält. Jedes Werkzeug übersetzt in dieses zentrale Modell und aus diesem heraus.
Stärken
- Eine echte Single Source of Truth
- Starke Konfigurationskontrolle
- Einfachere Mehrfachnutzung von Projektdaten
- Vielversprechender langfristiger ROI
Herausforderungen
- Hohe Vorabinvestitionen und Infrastrukturanforderungen
- Interne Politik bezüglich Aktualisierungsberechtigungen
- Semantische Inkonsistenzen treten immer noch auf, wenn Domänen widersprüchliche Terminologie verwenden
- Aktualisierungen können unvorhersehbar über abhängige Teams hinweg wirken
Der Master-Model-Ansatz versucht, die Fragmentierung zu beseitigen, aber semantische Lücken zwischen den Engineering-Disziplinen erschweren die Integration weiterhin.
2. Vernetzte Kompetenzzentren (verteilt/PLM-Stil)
Anstatt alles zu zentralisieren, erlaubt dieses Modell jeder Disziplin, ihre eigenen unabhängigen Daten und Werkzeuge zu verwalten. Die Integration erfolgt selektiv nur dort, wo sie einen Mehrwert bietet, indem APIs oder Übersetzer verwendet werden.
Stärken
- Niedrigere Einstiegskosten
- Schnellerer ROI
- Teams behalten die Kontrolle über ihre eigenen Daten
- Integration nur bei Bedarf eingeführt
Herausforderungen
- Semantische Inkompatibilitäten bleiben ein anhaltendes Problem
- Versionen des Designs können abweichen, da Daten dupliziert werden
- Die Konfigurationskontrolle wird zu einem Netz von miteinander verbundenen Abhängigkeiten
- Abstimmungsgespräche sind häufig und unvermeidlich
Dieser Ansatz ist flexibel, kämpft aber mit der gleichen grundlegenden Herausforderung: gemeinsame Bedeutung über Disziplinen hinweg.
3. Der standardbasierte digitale Faden (ein dritter Weg nach vorn)
Diese aufkommende Strategie verteilt Modelle über Disziplinen hinweg wie beim PLM-Stil-Ansatz, verwendet aber nicht-proprietäre, standardisierte, wohldefinierte Formate, um sie zu verknüpfen.
Hier ist die „maßgebliche Quelle der Wahrheit“ die Kette standardisierter Austausche, nicht ein einzelnes Repository.
Stärken
- Geringe Anfangsinvestition und schneller ROI
- Erhebliche Reduzierung der semantischen Mehrdeutigkeit
- Schafft eine dauerhafte, zukunftssichere Aufzeichnung von Designwissen
- Werkzeugunabhängige Interoperabilität
Herausforderungen
- Einige Domänen verfügen noch nicht über robuste Standards
- Standards müssen sowohl präzise (eindeutig) als auch erweiterbar (projektanpassbar) sein
- Erweiterungen können Debatten über Eigentumsrechte auslösen
- Die verteilte Konfigurationskontrolle erfordert noch Innovation
Selbst mit diesen Herausforderungen wird ein standardbasierter digitaler Faden zunehmend als der skalierbarste und nachhaltigste Ansatz angesehen.
Eine Fallstudie: Ein vollständig standardisierter digitaler Faden in Aktion
Eine Demonstration zwischen 2021 und 2022 zeigte einen geschlossenen digitalen Faden, der 11 Engineering-Werkzeuge und -Aktivitäten von MBSE über Diagnostik bis hin zur Instandhaltungsanalyse verknüpfte.
Der Ablauf umfasst:
- MBSE definiert die Systemarchitektur.
- Diagnostic Engineering generiert Diagnoseverfahren und identifiziert Testbedürfnisse.
- Test Engineering ordnet Tests Signalen zu und generiert automatischen Testprogrammcode.
- Die Laufzeitdiagnostik interpretiert Testergebnisse, leitet die Fehlersuche und speist empirische Daten zurück in die Modelle.
- Instandhaltungssimulationen analysieren die historische Diagnoseleistung, um die Wartungsstrategien zu verfeinern.
Der Schlüssel, um dies zu ermöglichen: Jede Aktivität liest und schreibt in standardisierte Formate, wodurch die Kontinuität der Bedeutung und die Rückverfolgbarkeit über den gesamten Lebenszyklus hinweg sichergestellt wird.
eXpressML – Ein entscheidendes Bindeglied im digitalen Faden
Das Herzstück der Diagnoseintegration ist eXpressML, ein nicht-proprietäres Format, das das vollständige in eXpress™ entwickelte Diagnosemodell dokumentiert.
Was eXpressML erfasst
- Komponententopologie und Konnektivität
- Funktionale Abhängigkeiten
- Zustände und Verhaltensinformationen
- Zuverlässigkeitsdaten (Fehlermodi, Ausfallraten)
- Testdefinitionen und Abdeckungsregeln
- Benutzerdefinierte Attribute für projektspezifische Erweiterungen
- Globale Kennungen, die Daten über Werkzeuge hinweg verknüpfen
Warum eXpressML wichtig ist
- Hohe Interoperabilität: Einfache Aufnahme von MBSE-, CAD- und Zuverlässigkeitsdaten vor der Modellierung der Diagnoselogik.
- Semantische Klarheit: Gewährleistet eine konsistente Interpretation des Diagnosewissens über Teams hinweg.
- Langfristige Haltbarkeit: Nach der Erweiterung in eXpress™ wird das Modell zurück nach eXpressML exportiert, wodurch eine dauerhafte, werkzeugunabhängige Darstellung der Diagnose-Engineering-Arbeit entsteht.
In der Fallstudie werden MBSE-Daten in eXpress™ importiert, mit funktionalen Abhängigkeiten und Diagnoseregeln angereichert und dann wieder nach eXpressML exportiert, sodass nachgeschaltete Werkzeuge sie zuverlässig nutzen können.
eXpressML – Ein entscheidendes Bindeglied im digitalen Faden
Das Herzstück der Diagnoseintegration ist eXpressML, ein nicht-proprietäres Format, das das vollständige in eXpress™ entwickelte Diagnosemodell dokumentiert.
Was eXpressML erfasst
- Komponententopologie und Konnektivität
- Funktionale Abhängigkeiten
- Zustände und Verhaltensinformationen
- Zuverlässigkeitsdaten (Fehlermodi, Ausfallraten)
- Testdefinitionen und Abdeckungsregeln
- Benutzerdefinierte Attribute für projektspezifische Erweiterungen
- Globale Kennungen, die Daten über Werkzeuge hinweg verknüpfen
Warum eXpressML wichtig ist
- Hohe Interoperabilität: Einfache Aufnahme von MBSE-, CAD- und Zuverlässigkeitsdaten vor der Modellierung der Diagnoselogik.
- Semantische Klarheit: Gewährleistet eine konsistente Interpretation des Diagnosewissens über Teams hinweg.
- Langfristige Haltbarkeit: Nach der Erweiterung in eXpress™ wird das Modell zurück nach eXpressML exportiert, wodurch eine dauerhafte, werkzeugunabhängige Darstellung der Diagnose-Engineering-Arbeit entsteht.
In der Fallstudie werden MBSE-Daten in eXpress™ importiert, mit funktionalen Abhängigkeiten und Diagnoseregeln angereichert und dann wieder nach eXpressML exportiert, sodass nachgeschaltete Werkzeuge sie zuverlässig nutzen können.
Da Unternehmen standardbasierte digitale Fäden und Werkzeuge wie eXpress einführen, verlassen sich viele auf Spherea für spezialisiertes Fachwissen in den Bereichen Testbarkeits-Engineering, Diagnostik und Entwicklung optimierter Supportstrategien. Wir kombinieren fundiertes technisches Wissen mit praktischer Programmerfahrung, um Unternehmen dabei zu helfen, die Systemverfügbarkeit sicherzustellen, die Lebenszykluskosten zu senken und die technischen Entscheidungsfindung zu stärken.
Unsere Fähigkeiten umfassen das gesamte Spektrum des Testbarkeits- und Supportability-Engineerings. Wir unterstützen Kunden bei der Validierung von Systemverfügbarkeitsmetriken wie Erkennungsraten und Fehlerortungsleistung mithilfe fortschrittlicher Diagnosemodellierung in eXpress™ und komplementären RAMS-Methoden.