Компания siemens разработала виртуальную модель чего

Обзор

В последние годы по мере все более широкого распространения Интернета вещей, возрос интерес к концепции создания цифровых двойников.

Цифровой двойник — это виртуальное воплощение физической системы. Он создаётся на основе экспертных знаний в соответствующих областях, а также данных, полученных с датчиков на реальных прототипах.

Компании decisionLab Ltd и Siemens обратились к концепции цифрового двойника, разработав многоагентную модель работы и технического обслуживания турбин (ATOM, Agent-based Turbine Operations & Maintenance model). Созданный ими двойник эмулирует операции по техническому обслуживанию, ремонту и капитальному ремонту (ТОиР) авиационных газотурбинных установок Siemens по всему миру. Модель построена на основе уже имеющихся реальных данных цепи поставок. Она дает возможность использовать сложные методы моделирования и анализа данных для оптимизации эксплуатации энергетических газовых турбин Siemens. Это позволяет принимать информационно обоснованные решения относительно клиентских операций и управления активами и повышать производительность и эффективность данных процессов.

Проблема

Компания Siemens производит широкий ассортимент промышленных турбин, а также недавно приобрела у Rolls-Royce ее бизнес по производству авиационных газотурбинных установок и компрессорных систем. После этого Siemens представила на рынок новую авиационную газовую турбину (SGT-A65), созданную с помощью приобретенных активов.

Поскольку Siemens не сама разрабатывала новую турбину от начала и до конца, при производстве и техническом обслуживании возникло множество новых и непредвиденных проблем, связанных с эксплуатацией и ремонтом.

Программное обеспечение для прогнозирования на базе Microsoft Excel, которое на тот момент использовалось в Siemens, в новых условиях оказалось неэффективными. Объем данных был настолько велик, что Excel не справлялся с ним, и результаты прогнозирования были недостаточно точны, чтобы с их помощью легко и быстро выявлять проблемные места и находить решения.

Таким образом, компании нужно было более эффективное средство для решения проблем эксплуатации газотурбинного парка. Основные требования к инструменту на тот момент были таковы:

  • предсказывать рентабельность бизнеса и прогнозировать ключевые показатели эффективности, представляющие интерес при принятии информированных решений;
  • с помощью виртуального проигрывания различных «что если» сценариев, определять наиболее выгодные варианты инвестирования.

Компания Siemens хотела визуализировать весь процесс производства и технического обслуживания, включая логистику цепи поставок, крайне важную для всей системы. Siemens подчеркивал необходимость также визуализировать результаты проигрывания различных сценариев «что-если», чтобы у компании было экономическое обоснование нескольких вариантов инвестиций для принятия информированных решений, как внутри компании, так и при работе с клиентами.

Решение

Для решения этих проблем компании decisionLab и Siemens решили создать цифрового двойника ATOM. Цифровой двойник опирался на прошлые результаты внедрения цифровых технологий на машиностроительных и производственных предприятиях Siemens. Модель использует огромное количество доступных данных о клиентах, цепи поставок, производстве и обслуживании, позволяя повысить эффективность клиентских операций и управления активами. В ATOM в мельчайших подробностях отображены клиентские операции, работы баз технического обслуживания, характеристики двигателя и логистика цепи поставок для всего газотурбинного парка и всего цикла эксплуатации. Именно благодаря полному и детальному отображению реальных процессов модель позволяет значительно повысить эффективность клиентских операций и управления активами.

Отображение всей системы в виде цифрового двойника дает отличные возможности для анализа. Пользователи модели могут изучить любой аспект системы и проиграть сценарии «что-если», чтобы выявить все взаимосвязи. Это позволяет легко выявлять проблемные места и принимать решения с учетом работы всей системы.

Разработка цифрового двойника требует крайне сложной имитационной среды, а разработчики часто используют те же подходы, что и при разработке программного обеспечения. Успешное моделирование производственных процессов различных уровней и сложности требует от моделирующего ПО значительной гибкости. Поэтому в качестве основного инструмента моделирования decisionLab выбрала AnyLogic.

Основа модели состояла из множества независимых элементов, с помощью многоагентного моделирования удалось отразить все необходимые детали. В ATOM разработчики использовали данные, относящиеся к следующим аспектам эксплуатации газотурбинного парка Siemens:

Диаграмма взаимодействия агентов

Диаграмма взаимодействия агентов (нажмите для увеличения)

  • клиентские операции (условия, в которых клиенты используют турбины, например, при какой температуре);
  • работа баз технического обслуживания (брались во внимание обе основные базы Siemens);
  • характеристики двигателя (разные виды отказов, связанные с конкретными компонентами двигателя);
  • логистика цепей поставок (поскольку клиенты находятся по всему миру).

Эти аспекты представлены на диаграмме взаимодействия агентов, которая демонстрирует, насколько сложна среда цифрового двойника.

Помимо многоагентного подхода в цифровом двойнике применена модульная архитектура, которая позволила разделить систему на составляющие функциональные уровни и применить при разработке модели системный инженерно-технический подход. Данный подход позволяет несколькими пользователям одновременно работать с моделью над разными задачами и использовать разные наборы данных, а также позволяет разработчикам непрерывно развивать и совершенствовать модель, не вызывая сбоев в ее работе — планируется добавить в модель модуль машинного обучения с подкреплением.

Модульная архитектура цифрового двойника

Модульная архитектура цифрового двойника (нажмите для увеличения)

Следующими этапами совместной с Siemens разработки могут быть:

  • переход от базы данных Excel к централизованной базе данных, содержащей все системы и базы данных Siemens, для оптимизации хранения и обработки данных;
  • развертывание модели в облачном хранилище, чтобы любое необходимое количество пользователей могли получить к ней доступ;
  • обеспечивание возможности использования ATOM в качестве средства для демонстрации при работе с клиентами (например, дальнейшее совершенствование визуализации);
  • добавление модуля машинного обучения с подкреплением для оптимизации динамического процесса принятия решений в моделируемой среде, чтобы ATOM мог предложить пользователю оптимальные стратегии относительно производственных капиталовложений.

Результат

DecisionLab создала сложную модель-цифрового двойника, который охватывает весь функционал, необходимый Siemens. Модель-двойник воспроизводит все, что происходит с парком авиационных газотурбинных двигателей Siemens и позволяет пользователям:

  • определять и прогнозировать ключевые показатели эффективности (КПЭ) системы;
  • визуализировать операции в рамках турбинного парка и деятельность баз технического обслуживания;
  • выявлять проблемные места в системе;
  • запускать как подробные, так и экспресс-сценарии «что-если», оказывая тем самым содействие процессу принятия инвестиционных решений.

Несмотря на большую сложность имитационной модели, decisionLab удалось создать удобную для пользователя интерактивную систему, которой могут пользоваться сотрудники разных отделов компании. И руководство, и аналитики легко могут применять ATOM для своих целей.

Имитационная модель-двойник ATOM (нажмите для увеличения)

Посмотрите выступление консультантов по имитационному моделированию доктора Амрита Сурендры и Витора Лемоса из decisionLab или скачайте презентацию проекта.

video

Новое поколение промышленных технологий: производственные системы, способные думать

Зви Фойер (Zvi Feuer)

Старший вице-президент по системам технологической подготовки производства компании Siemens PLM Software
Роберт Мешел (Robert Meshel)

Старший специалист по стратегии развития цифровых предприятий и систем технологической подготовки производства компании Siemens PLM Software

Будущее поколение промышленных технологий — это производственные системы, способные самостоятельно думать и принимать решения, как это делают автомобили без водителя…

Что вы почувствовали, когда впервые услышали о беспилотном автомобиле, созданном компанией Google? Если мы с вами похожи, то, вероятно, ваша реакция развивалась следующим образом: от «любопытно» к «если кто и сможет сделать это, то только Google» и до «а ведь это и правда произойдет, причем уже на моем веку».

Компания, которая больше всего прославилась программным продуктом, не имеющим никакого отношения к автомобилестроению, смогла преобразовать общепринятые представления об автомобилях и потенциале их развития. Google старается повторить достигнутый успех и в других отраслях, включая сетевые технологии и медицину. Сотрудникам компании разрешается работать над «смелыми» проектами. Похоже, именно на этом основана вся философия компании.

Компания Siemens является не менее инновационной и предлагает не менее революционную концепцию будущих промышленных технологий. Мы вкладываем серьезные средства в разработку решений для поддержки цифрового производства, систем автоматизации и протоколов обмена данными. Цель — создание умного производства и помощь нашим заказчикам на пути в будущее.

В не столь отдаленном будущем мы увидим следующую картину: производитель получает цифровую модель нового изделия; на основе содержащейся в модели информации производственная среда самостоятельно настраивает себя на выпуск данного изделия.

Некоторые называют такой сценарий «самоорганизующимся технологическим процессом штучного изготовления изделий на заказ». Подобный подход приведет к возрождению производства, поэтому он всячески поддерживается правительственными фондами, а также продвигается рыночными силами и отвечает глобальным тенденциям развития технологий. В Германии новая концепция получила название Industrie 4.0. В США этими вопросами занимается Коалиция ведущих предприятий в области умного производства.

Почему промышленность нуждается в подобных преобразованиях? И почему правительства должны поддерживать данный проект? С точки зрения промышленности, новое поколение производственных технологий позволит удовлетворить потребности заказчиков в высококачественных индивидуализированных изделиях, выпускаемых в максимально короткие сроки. Кроме того, удастся сократить расход ресурсов, за счет чего производители смогут справиться с постоянным ростом цен.

С точки зрения правительства, одним из факторов роста является то, что жители развивающихся стран все еще испытывают потребность в огромном количестве товаров. В недавно опубликованной в журнале Time статье «Компания GE делает большие ставки на производство» данный фактор был назван «мегатенденцией». Процитируем статью: «…Экономики развивающихся стран входят в период, очень похожий на ситуацию в США после Второй мировой войны. Этим странам нужны здания, мосты, дороги, аэропорты, а также все виды потребительских товаров — причем в беспрецедентных количествах».

Такие страны, как США и Германия, хотели бы выпускать товары на своих территориях, чтобы их экономика и население получили хотя бы часть от тех 20 млрд долл. в год, которые, по данным McKinsey Global Institute, будут расходоваться на эти нужды к 2025 году. Заводы, способные функционировать автономно, смогут быстро вносить изменения в конструкцию выпускаемых изделий в соответствии с самыми разнообразными пожеланиями заказчиков на рынках развивающихся стран.

Интернет вещей

В данной статье мы будем называть самоорганизующиеся технологические процессы просто «автономным производством». Важнейшая технология, продвигающая развитие автономного производства, — это Интернет вещей (IoT).

Под «вещами» имеются в виду различные устройства — термостаты, мониторы уровня глюкозы в крови, датчики контроля дорожной обстановки на автомобилях и даже вживляемые домашним животным микрочипы, — которые передают получаемую информацию по Интернету на компьютер. Затем собранная информация интеллектуально анализируется.

Появление Интернета вещей полностью преобразует текущее положение дел. Например, страдающие диабетом пациенты не будут впадать в кому, если смартфон вовремя преду­предит их о низком уровне глюкозы в крови. При пропаже домашнего питомца больше не придется печатать и расклеивать объявления, надеясь на лучшее. Местоположение животного будет сразу показано на смартфоне.

Технологии Интернета вещей применимы не только к потребительским товарам. В авиастроении происходит настоящая революция, связанная с Интернетом вещей. Речь идет об использовании информации, собираемой датчиками в двигателе самолета. Производители авиадвигателей получают доступ к огромным массивам информации о поведении двигателя в полете. На ее основе они находят способы снижения расхода топлива и выявляют отклонения в функционировании работающего в реальных условиях эксплуатации двигателя. Это приводит к смене всей модели ведения бизнеса. Такие производители авиадвигателей, как Rolls Royce и GE, теперь заключают контракты не на поставки готовых изделий, а на обеспечение заданного числа часов эксплуатации двигателей.

Применение Интернета вещей в автономном производстве

Интернет вещей сделал возможными технологические прорывы в области повышения вычислительной мощности, миниатюризации беспроводных датчиков, создания высокопроизводительных сетей и анализа огромных объемов данных. Еще один важный аспект заключается в том, что с появлением облачных вычислений стоимость всех этих технологий заметно упала. Это способствует их широкому внедрению.

Все перечисленные технологии — высокие вычислительные мощности, миниатюрные беспроводные датчики, высокопроизводительные сети и алгоритмы анализа огромных объемов данных — уже в той или иной степени применяются в производстве. Поэтому пришла пора рассмотреть промышленное применение Интернета вещей. Для него даже появился новый термин «промышленный Интернет вещей».

Внедрение промышленного Интернета вещей на заводах позволит собирать гораздо больше данных о технологических процессах, чем это делается сейчас, хотя и сегодня производители получают достаточно много информации о производстве. Промышленный Интернет вещей и сбор огромного количества информации в конечном счете приведут к возникновению автономного производства. Появится возможность быстро адаптировать технологические процессы к меняющимся условиям (например, при поступлении нового заказа).

Проведите параллель с сегодняшним днем, когда технологическая система проектируется и оптимизируется для постоянного выполнения одного и того же процесса без каких­либо изменений. В автономном производстве будут применяться гибкие технологические системы, оптимизируемые под выполнение каждого конкретного производственного задания.

В качестве примера рассмотрим использование промышленных роботов. Сегодня роботы программируются на выполнение определенных операций. Если заранее заданная внешняя обстановка не меняется, то робот всегда выполняет запрограммированную операцию одинаково. В будущем, при переходе на автономное производство, роботы будут получать задание и самостоятельно определять, как исполнить его оптимальным образом. Теоретически при каждом запуске одна и та же операция может выполняться по­разному.

Сложившаяся ситуация относится и ко всей технологической системе в целом. Например, на участке сборки автомобильных кузовов каждая деталь будет измеряться, а технологическая система — адаптироваться так, чтобы обеспечить оптимальное соединение деталей. Другой вариант: дверной проем в кузове измеряется и под него подбирается наиболее подходящая дверь (сегодня детали из партии при сборке просто устанавливаются последовательно).

Каковы достижения на сегодняшний день

Несмотря на рост применения промышленного Интернета вещей, мы еще не дошли до ситуации, когда автономное производство стало широко распространенным и обычным делом. Однако отдельные элементы этого подхода на ряде заводов уже реализованы. При этом сегодня уже создан прочный фундамент нового подхода: многие предприятия внедрили отдельные технологии цифрового производства.

Цифровое производство предоставляет массу возможностей виртуального проектирования и оценки технологических процессов. В разработанной компанией Siemens PLM Software среде поддержки цифрового производства, включающей решения для технологической подготовки и управления производством, реальные объекты представлены в виде виртуальных моделей. Цифровые решения и методики применяются для проектирования реальных технологических систем, включая разработку логики управления.

В результате получается полнофункциональная виртуальная модель технологического процесса, объединяющая различные инженерные дисциплины: проектирование оснастки, разработку технологии, задачи снабжения и управление качеством изделий. Средства численного моделирования позволяют контролировать и оптимизировать технологические процессы, оснастку и алгоритмы управления, а также взаимодействие между ними. Все это сначала выполняется в виртуальной среде, а уже затем реализуется в цехе.

Следующий после цифрового производства этап — это цифровой завод, включающий ряд дополнительных технологий. На цифровом заводе имеется инфраструктура для обмена данными с различными устройствами, что позволяет выявлять ситуации, когда такой обмен действительно приносит пользу и не мешает работе, а также программные системы, анализирующие огромные объемы информации.

Компания Siemens уже сегодня в значительной мере реализовала эту концепцию в пакете решений Digital Factory. В его состав входят интегрированные аппаратные, программные системы и сервисы, направленные на повышение гибкости и производительности технологических процессов.

Чтобы показать место решения Digital Factory на пути к автономному производству, сначала рассмотрим, каким образом повышается гибкость технологических процессов — критически важный аспект нового подхода. В традиционном производстве применяется последовательное выполнение процессов на различных производственных участках (принцип конвейера). Каждый участок выполняет отдельную операцию в заданной последовательности.

Решения Digital Factory позволяют реализовать гибкий производственный процесс, когда участки формируют различную последовательность для выпуска каждого экземпляра изделия. Подобная производственная система лучше приспособлена к изменениям и допускает создание самых различных технологических маршрутов (одновременный выпуск нескольких изделий, массовое производство…).

Рассмотрим, каким образом решения Digital Factory компании Siemens повышают производительность. Программный продукт оптимизирует использование технологического оборудования на основе непрерывного контроля и анализа производственной ситуации, а также оперативного принятия решений. Такая оптимизация распространяется как на материальные активы (станки, запасы, потребляемая электроэнергия), так и на нематериальные, например на сроки выполнения заказа.

Следующие этапы уже реализуются

Чтобы автономное производство стало реальностью, потребуется разработать ряд дополнительных технологий, и такие технологии постоянно появляются. Например, недавно компании Siemens PLM Software и Bentley Systems представили новую технологию работы с облаком точек, позволяющую точно фиксировать местоположение оборудования и материалов в цехе. За счет этого производственная ситуация отслеживается практически в реальном времени.

Результаты сканирования технологического оборудования в виде облака точек объединяются с виртуальной моделью, что повышает точность и своевременность анализа

Результаты сканирования технологического оборудования в виде облака точек объединяются с виртуальной моделью, что повышает точность и своевременность анализа

Ранее на эту задачу уходили недели: инженерам приходилось обмерять весь цех. Благодаря устранению данного этапа новая технология обеспечивает более быстрое внесение изменений, что является критически важным для перехода на автономное производство.

Управляемое событиями численное моделирование (более известное как моделирование дискретных событий), которое уже реализовано, будет играть все более важную роль в качестве основного средства поддержки автономного производства. Дело в том, что за гибкостью и автономностью стоят жесткие правила, которые должна выполнять производственная система. Хороший пример — беспилотный автомобиль. Без соблюдения правил движение таких машин превратится в хаос. Трудность заключается в переходе от жестких технологических процессов к гибким, когда получаемый результат определяется текущим состоянием производственной системы.

Мы уже выяснили, что производство — ключевой фактор экономического роста, привлечения инвестиций, создания инноваций и появления высокооплачиваемых рабочих мест. Происходящие сейчас революционные перемены заключаются в разработке основных элементов автономного производства, и эти элементы уже начали обеспечивать экономическую отдачу. Представьте себе мир, в котором автономное производство стало обыденным делом.

Речь идет не только о предсказываемом многими возрождении промышленности. Мы считаем, что автономное производство — ключ к решению многих глобальных проблем человечества, включая растущее и стареющее население, изменения климата и нехватку ресурсов.

Мы живем в замечательное время, и компания Siemens гордится своей ролью лидера в разработке новых технологий, которые приводят к появлению автономного производства. В ближайшие годы следите за новостями о результатах реализации «смелых» проектов компании Siemens! 

САПР и графика 7`2015

Фирма SIEMENS и компания «Элевар» разработали программу автоматизированного управления пищевым производством.

Фирма SIEMENS и компания «Элевар» разработали программу автоматизированного управления пищевым производством.

Новая программа позволяет решать задачи автоматизации цеха или целого молочного завода.

Основой разработки стали: модель производственного процесса Piping Animation Engine, созданная компанией «Элевар», и система PCS7 v7.1. SP1 фирмы SIEMENS.

Piping Animation Engine компании «Элевар» представляет собой виртуальную модель завода.

При разработке программы управления использовались специализированные решения для автоматизации молочных производств — APF TP (Advanced Process Functions Technological Pacage) фирмы SIEMENS.

Применение виртуальной модели молочного завода обеспечивает более быстрый ввод объекта в эксплуатацию, экономию используемых материалов и сред во время проведения пуско-наладочных работ и обучения персонала, повышение точности дозирования компонентов, ведение архивов параметров.

Ошибка воспроизведения видео. Пожалуйста, обновите ваш браузер.

Новости·

29 июн 2022, 20:00

0

0

Фото: Shutterstock

Компания Siemens подписала партнерское соглашение с разработчиком чипов NVIDIA. Об этом сообщает Reuters.

В рамках сделки планируется создание промышленной метавселенной — расширенной виртуальной реальности для компаний, которая позволит сократить расходы на эксплуатацию заводов и ускорить разработку новых продуктов.

Облачная платформа будет включать в себя оборудование, программное обеспечение и цифровые услуги. Она является частью плана Siemens по увеличению ее цифрового бизнеса.

Следите за новостями компаний в телеграм-канале «Каталог РБК Инвестиций»

Лидеры роста

Лидеры падения

Валюты

Товары

Индексы

Курсы валют ЦБ РФ

Понравилась статья? Поделить с друзьями:
  • Компания sony начала свою деятельность производством
  • Компания строительные направления отзывы сотрудников
  • Компания автокард личный кабинет для юридических лиц
  • Компания тензор техподдержка телефон санкт петербург
  • Компания андропова по укреплению трудовой дисциплины