Sukūrus aukštos -tikslumo virtualią karšto bėgelio sistemos kopiją, skaitmeninė dvynių technologija leidžia dinamiškai optimizuoti proceso parametrus, tiksliai reguliuoti lydalo srautą ir priimti protingus sprendimus-per visą produkto gyvavimo ciklą-, iš esmės keičiant įpurškimo efektyvumo ir kokybės ribas.
1. Kelių-fizikos sujungimo modeliavimas: nuo „empirinio bandymo-ir-klaidos“ iki „modeliavimo repeticijos“
Skaitmeninė dviguba sistema integruoja tris pagrindinius fizikinio lauko modelius-šilumos laidumo, ne-izoterminės reologijos ir įtempių-įtempimų analizės-, kad būtų tiksliai imituojamas dinaminis lydalo elgesys bėgių kanaluose, apskaičiuotas tikrojo laiko temperatūros lauko pasiskirstymas kiekviename karštajame purkštuke ir identifikuoti galimas šaltas vietas.
Techninis proveržis: išsprendus pirmiau minėtą dalinių diferencialinių lygčių sistemą, sistema gali pakartoti įvairių temperatūros valdymo strategijų įtaką formų užpildymo vienodumui virtualioje aplinkoje, leidžianti nustatyti optimalų parametrų derinį be fizinių pelėsių bandymų.
2. Duomenų įsisavinimas realiuoju laiku-: virtualaus modelio atgaivinimas
Naudodama Ensemble Kalman Filter (EnKF) algoritmą, sistema pasiekia dinaminį skaitmeninio dvynių modelio ir fizinės sistemos faktinių duomenų kalibravimą:
Būsenos atnaujinimo lygtis: xk=xk⁻ + Kk(zk − Hxk⁻), kur Kk reiškia Kalmano stiprinimą, o zk – faktines jutiklių išmatuotas vertes.
Poveikis: modelio numatymo tikslumas padidintas nuo 70 %, būdingų tradiciniam modeliavimui, iki daugiau nei 90 %, todėl galima realiuoju laiku-sekti minutinius pokyčius, pvz., vožtuvo kaiščio poslinkį ir bėgelio kanalo užsiteršimą.
Atvejo tyrimas: pritaikęs šią technologiją, pagrindinis buitinės technikos gamintojas pamatė, kad jo paleidimo ciklas sutrumpėjo nuo 3 dienų iki vos
2 valandas, o laužo norma sumažėjo 68%.
3. Išmanusis uždaro{1}}ciklo optimizavimas: AI-pritaikomas valdymas
|
Optimizavimo tikslas |
Įgyvendinimo metodas |
Kiekybiškai įvertinti rezultatai |
|
Temperatūros lauko vienodumas |
Naudoja NSGA-II kelių{1}}tikslų optimizavimo algoritmą, kad automatiškai tiksliai -suderintų kiekvieno karšto purkštuko PID parametrus |
Formos ertmės temperatūros skirtumas sumažintas nuo ±8 laipsnio iki ±1,5 laipsnio |
|
Lydymosi srauto balansas |
Sinchronizuoja kelių{0}}taškų karšto bėgio vožtuvo kaiščių atidarymo ir uždarymo sekas, kad būtų slopinami trumpi šūviai ir blyksnis |
Srauto disbalanso lygis sumažintas 72 % |
|
Energijos suvartojimo kontrolė |
Integruoja{0}}naudojimo-elektros tarifus su gamybos ciklo laikais, kad dinamiškai reguliuotų šilumos-laikymo galią |
Energijos suvartojimas per pamainą sumažėjo 4,2 proc. |
|
Defektų numatymas |
SVM klasifikatorius nustato slėgio svyravimo modelius, 5–10 minučių iš anksto įspėdamas apie kriauklės ir srauto žymes |
Įspėjimo tikslumas siekia 87 % |
Pramonės patvirtinimas: Kinijos plastiko perdirbimo pramonės asociacijos (2024 m.) duomenys rodo, kad liejimo liejimo gamybos linijų, kuriose įdiegta skaitmeninė dviguba technologija, bendras įrangos efektyvumas (OEE) padidėjo nuo 65 % iki 89 %.
4. Vidaus įgyvendinimo praktika: nuo techninio patvirtinimo iki mastelio pritaikymo
|
Įmonė |
Techninis požiūris |
Optimizavimo rezultatai |
|
Yizumi |
Bendradarbiaujantis valdymas naudojant kelių{0}}taškų bėgius ir skaitmeninius dvynius |
Formos ertmės slėgio/temperatūros pasiskirstymo tolygumas pagerėjo 40 %; formavimo laužas sumažėjo 30 % |
|
Haičio kvapiosios medžiagos ir maistas |
AI atkartoja tradicinius alaus gamybos procesus ir taiko metodiką liejimo temperatūros kontrolei |
Temperatūros reguliavimo tikslumas siekia ±0,3 laipsnio; proceso stabilumas pagerėjo 10 kartų (patvirtinta pagal analogiją) |
|
Kvalifikuojantis intelektas |
„Thermal{0}}Electric Cloud Platform“ išplėsta į karštųjų bėgių sistemas |
Pasiekiamas bendras optimizavimas keliose sistemose,{0}}apimanti šiluminės, skysčių ir energijos sritis,-taip sutaupoma 8,7 % energijos |
Tendencijos: vidaus sistemos vystosi nuo „vieno{0}}taško pakeitimo“ link „sistemos integravimo“. Yizumi „5G+AR Digital Twin Platform“ jau suteikė galimybę nuotoliniu būdu pradėti eksploatuoti ir bendradarbiauti su gamybos linijomis, todėl „Intelligent Manufacturing“ pradėjo taikyti mažąsias ir vidutines įmones (MVĮ).
5. Technologinė raida: nuo „matomumo“ iki „valdomumo“
|
Scena |
Galimybių charakteristikos |
Reprezentacinės technologijos |
|
1.0 Stebėjimas |
Vizualizuoti temperatūros šilumos žemėlapiai, slėgio kreivės |
Tradicinis SCADA + 3D modeliavimas |
|
2.0 Analitinis |
Pagrindinės priežasties analizė, proceso parametrų rekomendacijos |
AI diagnostika + skaitmeninis dvynių modeliavimas |
|
3.0 Sprendimų-priėmimas |
Savarankiškas strategijos generavimas, uždaras{0}}ciklas |
Sustiprinimo mokymasis + OPC UA komandų išsiuntimas |
Dabartinis etapas: pramonė dabar įžengė į 3.0 sprendimų{1}}priėmimo stadiją; „Digital Twin“ nebėra tik „veidrodis“, bet tapo intelektualiu įpurškimo formavimo sistemų{2}}pilotu.
