Численное моделирование позволяет значительно сократить количество натурных испытаний и повысить качество изделий. Однако для получения достоверного результата виртуального эксперимента необходима детальная верификация численных моделей. ФЦТ применяет передовую платформу промышленного интернета вещей с самыми точными КИПиА, которые обеспечивают автоматический анализ результатов экспериментов и представляют их в режиме дополненной реальности.

ФЦТ обладает большим опытом в области численного моделирования, верификации моделей, планировании экспериментов, разработки методик внедрения платформы PTC ThingWorx и создания авторских предсказательных моделей с учетом отраслевой специфики.

Отрасль: Производство микроэлектроники. 

Описание задачи: Реализовать систему  управления производственными процессами Центра прототипирования и мелкосерийного производства с использованием технологий тонкопленочной (гибкой) электроники. 

Решение:  На базе платформы Примышленного Интернета вещей разработано решение, объединяющие в себе функционал MES- и MDC-систем.  

Цели создания системы: 

1. Обеспечение возможности комплексного управления производством с постепенным наращиванием функциональности.

2. Обеспечение оперативности выполнения производственных задач за счёт использования мобильных терминалов сбора данных (ТСД) и устройств с мобильным интерфейсом для оперативного назначения и регистрации выполнения заданий обслуживающим персоналом. 

3. Повышение эффективности в планировании и исполнении производственных процессов за счет сокращения простоев оборудования и персонала, оптимизации производственных маршрутов и коммуникаций между сотрудниками в рамках принятой ролевой модели предприятия.

4. Повышение качества и оперативности принятия производственных решений за счет оперативности представления, полноты, достоверности и удобства отображения информации.

5. Формирование единого информационного пространства за счет централизованного хранения всей информации, связанной с производственным процессом и формирования базы знаний, объединяющей все этапы производственного процесса и все наработки в области создания микроэлектронных изделий.

Система диагностики и прогнозирования работы мельницы (СДПМ)

Отрасль: Горная промышленность. 

Описание задачи: Оптимизация режимов работы и надежность мельничного оборудования определяет производительность всей обогатительной фабрики. Поэтому мельницы измельчения особенно нуждаются в точном регулировании и своевременном обслуживании. 

Большинство крупных мельниц оснащено современными средствами контроля работы – весовыми питателями, различными датчиками, анализаторами. Однако довольно сложно выбирать загрузку мельницы, оптимальную с точки зрения производительности (выхода продукта по классу), энергопотребления и продления ресурса расходных материалов (футеровки, шаров). Еще сложнее бывает предотвратить неплановые остановы мельниц вследствие внезапных поломок, с которыми знакомы многие, – неисправность подшипников, редуктора, привода, повреждения венцовой шестерни.

Решение:

Создание системы управления мельницей на основе технологий цифрового двойника. 

Система в непрерывном режиме определяет текущий режим работы мельницы, получая данные со штатной АСУ, и формирует рекомендации по оптимальной загрузке (рудой, шарами), частоте вращения (при наличии возможности). При определении предаварийного состояния на основании дополнительных датчиков и математической модели, система заблаговременно предупреждает диспетчера о нем с указанием характера дефекта и остаточного ресурса.

Технологии цифрового двойника включают в себя эталонные математические модели физических процессов измельчения (DEM) и нейросетевые компоненты, интегрированные на платформе IIoT. Визуализация состояния мельницы производится посредством дополненной реальности и традиционных человеко-машинных интерфейсов.

Этапы внедрения:

1. Предпроектное обследование мельницы, ее технологических подсистем и АСУ

2. Разработка параметрической математической модели мельницы измельчения

3. Адаптация платформы, интеграция с АСУ, опытная эксплуатация, накопление данных для подсистемы машинного обучения

Цели создания системы:

1. Визуализация движения материала в мельнице

2. Определение уровня загрузки мельницы рудой и шарами

3. Угол раскатки материала в мельнице (отклонение руды от оси мельницы с учетом износа лифтеров, загрузки рудой и шарами)

4. Определение отклонения угла удара измельчающей среды относительно движущейся загрузки мельницы (угол падения шаров относительно шлейфа движущейся загрузки)

5. Определение износа шаров, рекомендации по загрузке (или управление при наличии аппаратного обеспечения)

6. Определение текущей эффективности измельчения (показатель определяющий отношение полезной мощности измельчения к полной в зависимости от загрузки) 

7. Определение операционного индекса (удельный расход энергии на тонну продукта)

8. Выдача рекомендации по поддержанию оптимального режима измельчения;

9. Управление по средствам «уставок» смежными системами автоматизации, в т.ч.:

• поддержание оптимальной производительности;

• поддержание постоянной плотности пульпы;

• поддержание оптимальной шаровой загрузки; 

• контроль разгрузочной щели дробилки крупного дробления по грансоставу питания (при наличии аппаратной возможности);

• выдача рекомендаций по оптимизации управления шихтой в питании (с учетом индекса измельчения);

10. Определение мгновенного износа футеровки

11. Определение текущего состояния футеровки

12. Определение оставшегося времени до критического износа футеровки (с учетом эффективности измельчения) 

13. Определение остаточного ресурса работы оборудования до отказа (в перспективе) 

14. Выявление и прогнозирование дефектов оборудования на ранней стадии (в перспективе)

15. Формирование рекомендаций сервисному персоналу в систему ТОиР (в перспективе)

16. Оптимизация плана ремонтов (в перспективе)

17. Сокращение внеплановых ремонтов (в перспективе)

Отрасли: 

Металлургия

Литейное производство

Электродуговая плавка металла

Описание задачи: Сокращение количества ферросплавов, потребляемой электроэнергии печи, количество неисправимого брака (пористость, газовые раковины) за счет построения математической модели технологического процесса плавки углеродистой стали и чугуна.

Исходные данные

Данные по браку на изделие «Корпус буксы», «Кронштейн», «Крышка корпуса насоса, статистика работы оборудования ДСП-3, комплект ТД на литейный передел по изделию «Корпус буксы», «Кронштейн», «Крышка корпуса насоса», паспорта плавок за 6 месяцев, учетные данные информационной системы 1C: ERP 2.0.

Решение: Использование системы класса «цифровой технолог» — рекомендательной системы помощи металлургу и диспетчеру ЭДП на базе продуктов Ansys optiSLang и PTC ThingWorx. 

Этапы работ:

1. Составление единого временного ряда для последующего анализа и разработки суррогатной метамодели процесса плавки Сталь 20Л, Сталь 35Л, Сталь 40ХЛ.

2. Анализ действий рабочих бригад и сбор обучающей выборки в формате единого временного ряда для калибровки метамоделей.

3. Разработка и проверка метамоделей на обучающей выборке.

4. Проектирование пользовательских форм для рабочего и инженерного персонала с учетом комментариев пользователей.

5. Ввод данных в систему, опытная эксплуатация и доработка по результатам опытной эксплуатации.

6. Интеграция со смежными производственными системами.

Отрасли: 

Машиностроение 

Дискретное производство 

Сервисное обслуживание

Описание задачи: Предоставление заказчикам насосного оборудования системы удаленной диагностики и расширенной аналитики ключевых технологических параметров, имеющую прямую связь с заводом-изготовителем с целью оптимизации контракта гарантийного обслуживания и заказа запасных частей в рамках сервисного обслуживания.

Исходные данные

Комплект конструкторской и эксплуатационной документации по изделию типа НМ

Решение: Использовать диспетчерскую систему удаленного мониторинга и сервисного обслуживания по заказ-нарядам насосного оборудования, установленного у клиента, на базе продуктов PTC ThingWorx, MTI Flownex и собственных разработок ФЦТ. 

Этапы работ:

1. Установка дополнительного измерительного оборудования  и модернизация шкафа управления насосной станции.

2. Разработка и проверка системной и диагностических моделей на испытательном стенде.

3. Проектирование пользовательских форм для рабочего и инженерного персонала с учетом комментариев пользователей.

4. Ввод данных в систему, опытная эксплуатация и доработка по результатам опытной эксплуатации.

5. Интеграция со смежными производственными системами.