22.02.2017

Цифровые двойники и Интернет вещей - новые технологии на службе инженера и конструктора

Создание цифровых двойников на основе моделирования и промышленный Интернет вещей улучшают эффективность изделий

Численное моделирование уже давно используется для усовершенствования конструкции изделий или рабочих процессов, позволяя оценить множество альтернативных проектов еще до этапа создания физических прототипов. Кроме того, инженерные расчеты используются для анализа различных стратегий управления, позволяющих повысить эффективность работы устройств. С появлением Интернета вещей (Internet of Things, IoT) численная модель продукта или процесса с помощью Интернета получила возможность связываться с датчиками и исполнительными механизмами изделия. В результате получаются так называемые цифровые двойники физических продуктов, которые могут быть использованы для анализа и диагностики их работы, а также оптимизации производительности и обслуживания в режиме реального времени. С помощью моделирования и Интернета вещей компании могут анализировать эффективность работы изделий в реальных условиях эксплуатации и точно прогнозировать их работу в будущем, что позволит улучшить эксплуатационные характеристики и производительность изделий, а также снизить их стоимость и риск возникновения незапланированных простоев.

Интернет вещей

С появлением Интернета вещей во многих компаниях изменился подход ко всему жизненному циклу продуктов – от разработки, тестирования, производства до эксплуатации и технического обслуживания. Оснащенные датчиками изделия (смарт-продукты) соединяются с Облаком IoT и другими устройствами, многократно повышая их функциональность. Смарт-продукты открывают новые горизонты для пользователей и существенно расширяют возможности компаний-разработчиков. На сегодняшний день количество смарт-устройств, подключенных к Интернету, превышает число людей во всем мире. Устройства IoT открывают огромные возможности на существующих рынках, а также стимулируют появление совершенно новых отраслей промышленности. Ожидается, что к 2025 году экономические показатели в данной отрасли будут составлять около $ 11 триллионов в год.

Ранее IoT-приложения использовались для относительно простых целей, таких как определение состояния устройства и выполнения простых команд, таких как включение или выключение. Однако производители и пользователи смарт-устройств доказали, что потенциал Интернета вещей может быть многократно увеличен при использовании численного моделирования. Благодаря моделированию можно выполнять диагностику и устранение неполадок в режиме реального времени, прогнозировать поломки и определять оптимальные моменты для оказания технического обслуживания, настраивать устройство для оптимальной работы, а также получать информацию, необходимую для создания улучшенных продуктов нового поколения.

Роль моделирования при использовании Интернета вещей

Ведущие компании используют численное моделирование для создания виртуальных прототипов сложных устройств и систем, содержащих механические, электронные и встраиваемые программные компоненты, с учетом всех физических процессов в реальных условиях эксплуатации. Например, CFD расчет используется для моделирования и анализа течений, что имеет решающее значение для оптимизации эффективности работы многих изделий и процессов – от сжигания газов в двигателе автомобиля до движения химического раствора через скважину в пласте сланцевого газа. Прочностной расчет позволяет проанализировать, как продукт будет реагировать на силовые и тепловые нагрузки, влияние электромагнитных полей, трение и другие физические явления, что позволяет проверить проект на соответствие всем необходимым требованиям. Электромагнитные расчеты позволяют определить целостность сигнала и питания, а также проанализировать тепловой режим таких изделий, как компьютерные микросхемы, печатные платы, мобильные телефоны, электронные компоненты автомобильных систем и устройств связи. Это позволяет быстро оптимизировать конструкцию устройства, не теряя времени на создание и тестирование дорогостоящих физических прототипов. Чтобы обеспечить высокий уровень качества и предотвратить сбои в работе изделий со встроенным программным обеспечением, специалисты все чаще используют продукты для сертифицированной генерации кода.

Численное моделирование также используется для создания упрощенных моделей пониженного порядка, встроенных в алгоритмы, предназначенные для управления работой автомобилей, электростанций, станков, печатных машин, химических реакторов и др. В качестве примера, можно рассмотреть аккумуляторные источники питания в электромобилях и гибридных автомобилях. Батареи обеспечивают основное питание привода транспортного средства, а также питание многочисленных вспомогательных электрических систем. Работа батареи должна тщательно контролироваться во избежание перегрева, снижающего эффективность выработки энергии и сокращающего ее срок службы. В системе охлаждения цилиндрических ячеек используется корпус оптимальной формы, а также вентилятор и направляющие лопатки для обеспечения необходимого охлаждения. В прямоугольных ячейках охлаждение в основном осуществляется с помощью жидкости, циркулирующей в элементах теплообменника, контактирующего с ячейками. Алгоритм управления распределяет нагрузки на различные ячейки, основываясь на показаниях температуры и состоянии зарядного устройства.

Численное моделирование, как правило, используются для оценки и оптимизации тепловых характеристик ячеек в различных условиях. CFD-решатели используются для анализа сложных трехмерных течений и расчёта сопряженного теплообмена. Специалисты применяют моделирование электронных цепей для оценки алгоритмов, контролирующих тепловые характеристики батареи. Кроме того, предотвращаются ситуации перезарядки, высокого тока зарядки/разрядки, короткого замыкания и другие электрические проблемы, способные уменьшить срок службы батареи и приводить к ее взрыву. Численное моделирование отлично подходит для разработки таких алгоритмов благодаря способности сочетать трехмерные физические модели (гидродинамические и прочностные) с моделированием электронных схем управления. Параметризация и планирование эксперимента (DOE) используются для определения оптимальных параметров системы управления для каждого перечня рабочих условий. Затем результаты моделирования используются для создания моделей пониженного порядка, входящих в алгоритмы, которые используются в электронных блоках управления батареи.

Интернет вещей позволяет проводить моделирование процесса или продукта в режимах: близком к реальному времени, точно в необходимое время или в режиме повторной отработки. Моделирование с использованием цифровых двойников содержит физическое изделие или процесс, численные модели и коммуникационные устройства, обеспечивающие сообщение между ними. Цифровой двойник может состоять из модифицированной численной модели изделия или процесса с изменёнными характеристиками износа или производительности. Информация от датчиков, подключенных к устройству, может передаваться цифровому двойнику в качестве граничных условий в режиме реального времени. Результаты моделирования с применением цифровых двойников могут быть откалиброваны на основании рабочих характеристик физического изделия или процесса. Внесение изменений в численную модель с использованием цифровых двойников существенно улучшает возможности анализа по сравнению со стандартным процессом разработки новых изделий. Инженерный анализ на основе технологии цифровых двойников может использоваться для определения причин снижения производительности, оценки результатов различных стратегий управления, создания оптимальных графиков технического обслуживания и т.д. Цифровой двойник может также предоставить характеристики продуктов или процессов, которые не могут быть измерены датчиками, например, скорости течения через внутренние каналы. В конечном итоге технология цифровых двойников может беспрецедентно повысить производительность и надежность изделия или процесса, снижая при этом эксплуатационные расходы.

Использование технологии цифровых двойников на примере моделирования насоса

Недавно специалисты ANSYS продемонстрировали, как численная модель может выступать в качестве цифрового двойника для обработки данных датчиков, полученных от физических изделий или процессов. Это позволит прогнозировать возникновение неисправностей и с помощью Интернета вещей незамедлительно предпринимать соответствующие действия. Проводился расчет насоса, работающего в гидравлической системе с клапанами на всасывающей и нагнетательной сторонах. Мотор и насос были оснащены датчиками для измерения ключевых рабочих параметров, таких как массовый расход, давление, вибрации и потребляемый ток. Приводы на клапанах использовались для управления их работой с применением инструкций, полученных с помощью численного моделирования.

В данном примере алгоритм машинного обучения спрогнозировал количество рабочих дней, оставшихся до поломки устройства. Затем оператор выполнил операцию закрытия всасывающего клапана до 50 процентов. Показания датчика на физическом изделии сразу же изменились. В частности, давление на входе и на выходе, а также расход резко снизились, в то время как шум превысил допустимое значение. Однако показания датчиков предоставили минимум диагностической информации, и не было возможности заглянуть внутрь насоса и понять, что вызывало вибрации. Кроме того, показания датчиков не давали представление о том, что могло бы произойти в случае проведения тех или иных действий для решения этой проблемы.

В связи с этим, для решения данной проблемы использовалась технология цифровых двойников. Через Интернет передавались показания датчиков с демонстрационной установки, которые использовать в качестве граничных условий при моделировании на уровне систем и компонентов. Численная модель сразу же показала те же проблемы, которые возникли в физической модели: снижение давления и расхода.  К физическому изделию был доступ только снаружи, а цифровой двойник позволил инженерам заглянуть внутрь виртуального продукта и понять, что в действительности происходит. Цифровой двойник показал, во внутренней части насоса возникла кавитация. Вследствие падения давления, внутри насоса сформировались паровые каверны, в которых было низкое давление. В местах, где жидкость была подвержена более высокому давлению, пустоты схлопывались и вызывали шум. Инженеры использовали цифровой двойник, чтобы оценить изменения в условиях эксплуатации. Проанализировав работу различных клапанов, специалисты установили, что открытие всасывающего клапана на 100 процентов способно восстановить давление и расход до нормального уровня.

Концепция цифровых двойников выходит далеко за пределы этого простого примера и охватывает такие большие и сложные комплексы установок, как нефтеперерабатывающие и автосборочные заводы, распределительные центры, ветровые электростанции, масштабные строительные проекты и т.д. В каждом случае датчики и другие измерительные устройств собирают данные, которые передаются в численную модель и помогают получить более полное понимание текущего состояния изделия или процесса. Алгоритмы машинного обучения имеют доступ к физическому продукту и численной модели для выполнения оптимизации производительности устройства: планирования технического обслуживания, установки контрольных точек, отправки оповещений операторам и отчетов руководству и т.д. Данные, полученные с помощью численной модели, могут быть наложены на изображение насоса таким образом, чтобы технический персонал мог быстро понять и локализовать проблему. 

Выводы

Моделирование на основе цифровых двойников помогает специалистам компаний проводить анализ работы смарт-продуктов в реальных условиях эксплуатации и принимать обоснованные решения, позволяющие намного повысить эффективность работы устройств по сравнению с текущими характеристиками. Моделирование различных физических явлений, всесторонний анализ данных и использование встроенных средств интеллектуального управления помогают уменьшить риск поломки, избежать незапланированных простоев и ускорить разработку инновационных изделий.  Как результат, улучшение эффективности работы изделий существенно повысит прибыль компаний и окажет заметное влияние на мировую экономику. Связь устройства с платформой управления жизненным циклом изделий, улучшенная благодаря численному моделированию, позволит организациям выполнять диагностику и поиск неисправностей, определять оптимальную программу технического обслуживания на основании рабочих характеристик каждого устройства, оптимизировать производительность продуктов и получать максимум данных, которые могут быть использованы для создания изделий нового поколения.

© ANSYS, Inc., КАДФЕМ, SimuLabs4D, 2017. Перепечатка данного материала, а равно отдельных его частей запрещена.

 
 
Контактная информация

111672, г. Москва,
ул. Суздальская, д. 46,
офис 203

Тел. : +7 (495) 646-56-77