Существует множество механических систем, "живущих" в физическом мире, с критически важными данными, которые явно не видны. Технология Digital Twin обеспечивает понимание их физического контекста, в то же время открывая важные идеи и результаты бизнеса, включая оптимизацию интеллектуальных, связанных продуктов и процессов посредством предотвращения сбоев и повышения эксплуатационной эффективности.
PTC разработала демонстрацию цифрового двойника экскаватора в масштабе модели, чтобы проиллюстрировать бесконечные возможности и ценность для бизнеса, доступные путем соединения физического и цифрового миров с помощью цифровых двойников.
Ценность цифрового двойника
Внедрение цифрового аналога такого сложного изделия как экскаватор, может улучшить время безотказной работы этих машин, повышая их эксплуатационную эффективность, одновременно открывая новое понимание традиционно не подлежащих обсуждению вопросов и улучшая их роли в цепочке создания стоимости. В основе этих ответов лежит внедрение, симуляция в реальном времени, искусственный интеллект, дополненная реальность, облачные вычисления и другие бесплатные технологии цифровых твинов .
Несмотря на то, что PTC обладает богатым наследием в обеспечении инженерного совершенства для своих клиентов, эта демонстрация ориентирована на личность владельца / оператора и была разработана с использованием технологий PTC и сторонних производителей, чтобы проиллюстрировать реальную ценность, которую может создать цифровой близнец.
Как и в случае большинства подключенных промышленных активов, существуют датчики, генерирующие огромные объемы данных для контекстуализации на платформе IIoT . Компания PTC оснастила экскаватор вычислительной мощностью с помощью Raspberry Pi3 для сбора телеметрических данных с датчиков давления, чтобы контролировать ход цилиндров и нагрузку в ковше.
В дополнение к этому аппаратному инструментарию одинаково заметна прошивка, работающая на Raspberry Pi, содержащая Edge Client, реализованный с использованием ThingWorx JavaSDK. Этот SDK является шлюзом для передачи данных с экскаватора на облачный сервер ThingWorx, где есть множество интегрированных технологий и мощных имитационных моделей. Эта технологическая основа является ключом для развертывания следующего поколения варианты использования цифровых двойников, описанные ниже:
Платформа IIoT имеет решающее значение для промышленных цифровых близнецов
При управлении активами в реальном времени с помощью цифровых двойников необходима платформа IIoT для контекстуализации данных датчиков с помощью цифрового определения актива, включая трехмерные модели, а также инженерные расчеты и параметры.
В этом случае PTC идентифицировала соответствующие свойства из датчиков датчиков в ThingWorx, включая углы экскаватора и стрелы, угол ковша, нагрузку ковша и другие перемещения, которые обеспечивают основу для нескольких инженерных симуляций и моделей AI / ML. Однако не каждый соответствующий параметр экскаватора может контролироваться с помощью датчика; цифровой близнец необходим, чтобы заполнить дополнительные сведения для некоторых расчетов, таких как центр тяжести.
Моделирование в реальном времени дает ценную информацию
В основе этих передовых имитационных моделей лежат уникальные конфигурации от Creo и Windchill , которые предоставляются по запросу и организуются ThingWorx. Такое моделирование может соответствовать различным случаям промышленного использования, главным образом в отношении поддержания безопасных условий эксплуатации, времени безотказной работы активов и прогнозного обслуживания.
Ниже приведено моделирование в реальном времени, генерирующее прогнозную информацию о демоверсии:
- Опасность опрокидывания: симуляция на лету, вычисляющая риск опрокидывания экскаватора на основе вычислений центра масс и силы тяжести, используя входные данные от датчиков и условия работы от физической машины. По мере того, как рука выдвигается дальше от экскаватора, вес распределяется неравномерно и увеличивает риск опрокидывания. Настройка системы с пороговыми значениями предупреждений может предупредить оператора в режиме реального времени, чтобы предотвратить несчастные случаи, или войти в ThingWorx для анализа после инцидента.
- Прогноз стрелы : стрела является важным компонентом экскаватора, а постоянный мониторинг его производительности является важным показателем состояния здоровья экскаватора и понимания того, насколько интенсивное использование влияет на срок службы актива.
- Оценка усталостного ресурса. Связывание в цифровом определении, которое включает в себя компоненты узла, такие как часть основания стрелы, может быть индикаторами для анализа напряжений и моделирования. Опираясь на допущения, такие как амплитуда циклических нагрузок и мониторинг пиковых нагрузок, модель может информировать анализ усталости экскаватора. Используя Creo-as-a-Service , данные компонента запускаются только по требованию, когда параметры пиковой нагрузки нарушаются, а затем обновляются в ThingWorx, увеличивая время безотказной работы и срок службы ресурса.
- Анализ напряжения рук: Как правило, сложные физические модели с несколькими переменными могут рассчитываться часами, ограничивая случаи использования в реальном времени. Чтобы решить эту проблему, PTC использовала Creo Simulate для запуска множества сценариев проектирования, обучения нейронной сети с использованием методов глубокого обучения и встраивания облегченной модели предикторов в Raspberry Pi. Нейронная сеть обеспечивает прогнозирование максимального стресса на основе данных, собранных в режиме реального времени - в считанные секунды. Использование моделирования на основе AI / ML может оптимизировать вычислительную мощность с помощью встроенных сложных моделей.
- Эффективность использования топлива: благодаря данным телеметрии в режиме реального времени, полученным от экскаватора (частота вращения двигателя / нагрузка) и качественным факторам (оператор, погодные условия), PTC может прогнозировать расход топлива в час с помощью цифровой модели с двумя раздельными кроватями. Используя Mathcad-as-a-Service для динамического предоставления этих обновленных расчетов, пользователь отслеживает прогнозируемое потребление топлива и может оценивать эффективность экскаватора для каждого оператора на основе фактического использования.
