Cyfrowe bliźniaki są wykorzystywane do projektowania procesów i poprawy wydajności operacyjnej producentów.
W skrócie
Cyfrowe bliźniaki powinny oferować dokładne cyfrowe reprezentacje zasobów fizycznych, procesów i systemów kontroli oraz oferować przydatne informacje.
Cyfrowe bliźniaki są również przydatne jako narzędzia do przejściowych badań inżynieryjnych, opracowywania procedur i nie tylko.
Cyfrowe bliźniaki mogą być również wykorzystywane do przekształcania danych w czasie rzeczywistym w kluczowe wskaźniki wydajności (KPI) dla różnych metryk.
Termin cyfrowy bliźniak jest szeroko stosowany i ma wiele interpretacji. W przemyśle przetwórczym cyfrowe bliźniaki powinny oferować dokładne cyfrowe reprezentacje zasobów fizycznych, procesów oraz systemów sterowania i automatyzacji, które przekształcają dane w przydatne informacje. Powinny one zapewniać możliwości analizy i podejmowania decyzji w całym cyklu życia projektu lub zakładu.
Cyfrowe bliźniaki obejmują symulację procesów opartą na pierwszych zasadach, modele ML oparte na danych, modele zasobów i połączenia z rzeczywistymi danymi zsynchronizowanymi z wielu źródeł, w tym danymi operacyjnymi, danymi inżynieryjnymi, danymi dotyczącymi konserwacji i informacjami finansowymi.
Cyfrowe bliźniaki mogą mieć zastosowanie w różnych branżach, obsługując wydobycie ropy i gazu, LNG, rafinację, petrochemię, MMM (metale, górnictwo i minerały) oraz wschodzące segmenty zrównoważonego rozwoju. Mogą one zapewnić wartość w całym cyklu życia instalacji, obejmującym projektowanie, rozruch i uruchomienie, a także eksploatację i utrzymanie, skracając czas potrzebny na projektowanie, zwiększając wydajność operacyjną, elastyczność i niezawodność oraz obniżając koszty operacyjne.
Cyfrowe bliźniaki procesów są od dziesięcioleci kluczowymi narzędziami dla przemysłu przetwórczego. Do tej pory ich wykorzystanie w początkowej fazie analizy możliwości i wyboru technologii oraz w fazie projektowania inżynieryjnego (FEED) jest dobrze akceptowane i realizowane w przypadku większości projektów. Projekt procesu jest zazwyczaj modelowany w stanie ustalonym w celu przeglądu różnych opcji projektowania i konfiguracji procesu. Użytkownicy mogą następnie wybrać korzystną podstawę projektową i wspierać rozwój schematów przepływu procesu, bilansu cieplnego i materiałowego, badań inżynieryjnych oraz wyboru i doboru kluczowych urządzeń procesowych.
Dynamiczne cyfrowe bliźniaki oparte na symulacji stanowią podstawę programów szkoleniowych, które obejmują modele procesów pierwszej zasady oraz replikację konfiguracji sterowania i bezpieczeństwa oraz interfejsu człowiek-maszyna (HMI). Takie podejście może zapewnić operatorom bezpieczne, powtarzalne i interaktywne środowisko do “nauki przez działanie”.
Oprócz podstawowego zastosowania, jakim jest szkolenie operatorów, cyfrowe bliźniaki oparte na symulacji dynamicznej są również przydatne jako narzędzia do przejściowych badań inżynieryjnych, opracowywania procedur, testowania systemów sterowania i bezpieczeństwa, walidacji oraz zapewniania bezpiecznego rozruchu i uruchomienia. Symulacja dynamiczna może służyć wielu zastosowaniom podczas realizacji projektu, dlatego termin wielozadaniowa symulacja dynamiczna (MPDS) znalazł zastosowanie w przemyśle procesowym.
Przekształcanie danych procesowych w KPI
Podczas fazy eksploatacji i utrzymania, cyfrowe bliźniaki instalacji mogą być wykorzystywane do przekształcania danych w czasie rzeczywistym w kluczowe wskaźniki wydajności (KPI), takie jak aktywność katalizatora, wydajność sprężarki i współczynniki przenikania ciepła. Mogą one być wykorzystywane do monitorowania wydajności, wczesnego wykrywania pogorszenia wydajności, umożliwiając konserwację zapobiegawczą, identyfikację ograniczeń i przeprowadzanie analizy “co jeśli” w celu podejmowania świadomych decyzji.
Cyfrowe bliźniaki umożliwiają kompleksową optymalizację i autonomiczne działanie poprzez generowanie wektorów LP dla narzędzi do planowania i harmonogramowania. Mogą również zapewnić ważne aktualizacje zysków/ograniczeń dla aplikacji APC, dzięki czemu APC może dokładnie obsługiwać procesy nieliniowe. Mogą być również wykorzystywane do generowania danych syntetycznych do opracowywania modeli AI/ML.
Cyfrowe bliźniaki odniosły sukces na etapie projektowania, ale szybko pojawiającym się obszarem o szerszym zastosowaniu jest długa faza eksploatacji i utrzymania. Wyzwania związane z zastosowaniami cyfrowych bliźniaków w tej fazie obejmują płynną konwersję modelu z fazy projektowania do fazy eksploatacji, ciągłe monitorowanie wydajności modelu i konserwację w miarę ewolucji pracy zakładu i udostępniania nowych danych. Inne wyzwania obejmują kompatybilność z innymi rozwiązaniami programowymi oraz szybkie wykonywanie modeli w celu przetwarzania danych w czasie rzeczywistym.
Wyzwania te można przezwyciężyć, wykorzystując platformę symulacyjną, która umożliwia modelowanie zarówno w stanie ustalonym, jak i dynamicznym w tym samym środowisku. Modelowanie to umożliwia łatwe przechodzenie między trybami, modelowanie zorientowane na równania w celu zapewnienia niezawodności i szybkości oraz możliwości rozbudowy. Rozszerzalność umożliwia użytkownikom końcowym opracowywanie i wdrażanie określonych i zastrzeżonych aplikacji do modelowania, od prostych do złożonych modeli, bez konieczności posiadania specjalistycznych umiejętności programistycznych.
Użytkownicy końcowi mogą umożliwić płynną integrację modeli i danych oraz interoperacyjność z technologiami innych firm, w tym standardowymi modelami zasobów wielokrotnego użytku. Wdrożenie hostowane w chmurze może usprawnić strumieniowe przesyłanie danych i dostępność do zdalnej współpracy międzyfunkcyjnej. Modele hybrydowe AI/ML i modele zredukowanego rzędu są opcjami umożliwiającymi opracowanie modelu dostosowanego do potrzeb w celu szybszego wykonania modelu i łatwej konserwacji modelu.
