Data-Driven Decision-Making: Leveraging Digital Twins for Reprocessing in the Circular Factory

Circular factories must ensure the functionality and reliability of used components for recombination with other components or subsystems from the same or different product generations. This paper presents a data-driven decision-making framework integrating the Functional Behavior Model and System Reliability Model within a Digital Twin. Data from physical testing is continuously incorporated, simulating recombination scenarios and guiding decision-making on component reprocessing. An angle grinder is used as a case study for demonstration. The proposed framework enhances sustainability and supports the use of reprocessed components in products designed for primary markets.

Kreislauffabriken müssen die Funktionalität und Zuverlässigkeit gebrauchter Komponenten für die Rekombination mit anderen Komponenten oder Subsystemen der gleichen oder anderer Produktgenerationen sicherstellen. In diesem Beitrag wird ein Framework zur datengetriebener Entscheidungsfindung vorgestellt, welches das funktionale Verhaltensmodell und das Systemzuverlässigkeitsmodell in einem digitalen Zwilling integriert. Es werden kontinuierlich Daten aus physischen Tests eingebunden, um Szenarien für die Rekombination zu simulieren und bei der Entscheidungsfindung für die Wiederaufbereitung von Komponenten zu unterstützen. Ein Winkelschleifer wird als Fallstudie zur Demonstration verwendet. Das vorgestellte Framework fördert die Nachhaltigkeit und unterstützt die Verwendung von wiederaufbereiteten Komponenten in Produkten, die für den Primärmarkt bestimmt sind.