Устойчивое развитие сахарного производства на основе цифровых двойников Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 664.1

doi.org/10.24412/2413-5518-2023-11-16-21

Устойчивое развитие сахарного производства на основе

цифровых двойников

Обзорная статья

S

С.М. ПЕТРОВ1, д-р техн. наук, профессор (e-mail: s.petrov@mgutm.ru) С.Л. ФИЛАТОВ2

Н.М. ПОДГОРНОВА2, д-р техн. наук, профессор

1 ФГБОУ ВО «Московский государственный университет технологий и управления имени К.Г. Разумовского (ПКУ)»

2 ООО «НТ-Пром»

Введение

По мнению Всемирного экономического форума, термин «устойчивое развитие» можно определить как развитие, которое повышает уровень жизни нынешних поколений, не жертвуя при этом уровнем жизни будущих поколений. Следование данной позиции позволяет решать вопросы экономической и ресурсной эффективности, экологической ответственности и социальной справедливости. Устойчивое развитие рассматривается как долгосрочная цель общества, при этом производство всех видов продукции является не только вкладом в современное благосостояние, но и причиной многих признанных сегодня проблем в сферах промышленности и экологии.

Промышленная устойчивость определяет, как промышленность реагирует на текущие проблемы стабильного развития и, в конечном итоге, становится частью более крупной и полностью устойчивой системы. Ожидается, что к 2050 г. промышленность будет производить в четыре раза больше товаров и услуг, поэтому она должна стремиться к нулевым отходам, выбросам, влияющим на изменение климата, и использо-

вать половину своих текущих ресурсов.

Показано, что цифровые технологии играют потенциальную роль в развитии ресурсоэффективной промышленной базы. Применение цифровых технологий позволит: 1) определить, какие изменения необходимы на уровне предприятия в целях повышения показателей устойчивости; 2) улучшить процессы планирования предприятий, чтобы эффективнее учитывать требования и возможности, предлагаемые промышленной устойчивостью; 3) экспериментировать на уровне предприятий с новыми бизнес-моделями.

Вышеуказанное вызывает необходимость трансформации производственных процессов для значительного сокращения выбросов и повышения энергоэффективности, перехода к парадигме экономики замкнутого цикла, внедрения высокопроизводительных машин и роботов, которые оптимизируют потребление материалов и энергии. Однако эти положительные преимущества далеко не гарантированы, и то, как цифровые технологии способствуют переходу к устойчивым производственным системам, требует подробного анализа [3].

Основная часть

Актуальной проблемой четвёртой промышленной революции (Индустрия 4.0) на сегодняшний день является цифровизация промышленных предприятий, в том числе сахарных заводов, которая представляет собой эволюционное продолжение внедрения систем MES/MOM*. При этом важную роль играет построение математических моделей различного назначения, которые выступают основной составляющей разработки цифрового двойника (ЦД) объекта управления [2]. Цифровой двойник технического объекта (основное оборудование, техно-

* MES (от англ. manufacturing execution system), система управления производственными процессами -специализированное прикладное программное обеспечение, предназначенное для решения задач синхронизации, координации, анализа и оптимизации выпуска продукции в рамках производства. MOM (Manufacturing Operations Management), управление производственным процессом (операциями) - методология, позволяющая повысить автоматизацию и прозрачность производственных процессов на предприятии, а также обеспечить тесное взаимодействие между инженерными службами предприятия и его производственными подразделениями.

ь

ф к

б

г-ю с го

X О.

Í 'S

I.*

и >.

i го го ^ й- s

0 2

1 Го

О- Е О m Ю Ф Л О.

m s

16 САХАР № 11 • 2023

MARIBO@ гибриды сахарной свеклы HILLESHÖG

mariboseed.com/russia hilleshog.com/ru

логический процесс, участок производства и предприятие в целом) обеспечивает новую философию управления производственными процессами сахарного производства на основе двусторонних информационных связей с цифровыми моделями, которая направлена на повышение эффективности как отдельных участков, так и сахарного завода в целом [6].

Концепция цифрового двойника, выдвинутая в 2011 г. (М. Grieves впервые употребил термин «цифровой двойник») в контексте Индустрии 4.0, включает в себя цифровую модель производственной системы, которая имитирует физическую систему, взаимодействует с ней (или с её составными частями) и может быть использована для проектирования, мониторинга и оптимизации её производительности, т. е. на всех стадиях жизненного цикла системы. ЦД определяется как виртуальная копия реального технологического процесса, которая связана с физическим объектом данными датчиков и передовыми инструментами анализа больших данных.

Для увеличения прибыли сахарного завода необходимо обеспечить плановую производительность технологических процессов, конечным показателем которых является выход сахара. Учитывая, что на заводе существует значительное количество материальных потоков, для управления используются только производственные потоки, с которыми работает оператор-технолог. Выбранные потоки на основе экспертных оценок должны быть проранжированы по степени влияния на общие показатели сахарного производства. Это позволяет построить математическую модель, прогнозирующую выход сахара. Структура и параметры этой модели определяются методами машинного обучения. Например, это может быть нейрон-

ная сеть прямого распространения MLP (multilayer perceptron — простая модель глубокого обучения, называемая «многослойный пер-септрон»), которая обеспечивает точность прогноза с погрешностью менее 1 %. Модель может быть использована для моделирования, корректировки и прогнозирования технологических условий предприятия, что повысит общую производительность сахарного завода [6].

Технологии интернета вещей (Internet of Things — IoT), промышленного интернета вещей (Industrial Internet of Things — IIoT), киберфизических систем (Cyber-Physical Systems — CPS) и Индустрии 4.0 всё чаще применяются в производственном секторе для поддержки систем автоматизации. Быстрое внедрение данных достижений на сахарных заводах является лишь вопросом времени.

В отличие от интернета вещей IIoT фокусируется не на потребителях и конечных пользователях, а на промышленных процессах и операциях. Таким образом, IIoT включает в себя не только сеть физических объектов в промышленности, но и цифровые представления о продуктах, процессах и производственной инфраструктуре.

Аналогичным образом, термин «Индустрия 4.0» включает в себя ряд технологических тенденций и принципов проектирования. Понятие «технологические тенденции» охватывает широкий спектр составляющих, таких как «интернет услуг», «облачные вычисления», «блокчейн» и даже «аддитивное производство», и это лишь некоторые из них. Термины «Индустрия 4.0» и IIoT часто используются как синонимы. IIoT (или Индустрия 4.0) направлен на повышение эффективности работы, сокращение производственных затрат, ускорение и улучшение

процессов, а также внедрение новых бизнес-моделей. Правильное применение «цифровой революции» может оказать положительное влияние на рост, конкурентоспособность и устойчивость компании.

Цифровые двойники — это строгие математические модели, которые могут быть использованы для представления работы реальных систем сахарного производства. Они позволяют глубже понять фактические состояния анализируемой системы через оценку переменных, которые трудно измерить иначе. В настоящее время разработаны и применяются в сахарной промышленности цифровые двойники основных этапов производства [1, 4—11].

Так, традиционный процесс экстрагирования из растительного сырья с целью извлечения сахарозы является одним из основных в сахарной промышленности [1, 9]. Возможности совершенствования экстрагирования и оптимизации производства в данной отрасли ограничены, поскольку существует зависимость от традиционных режимов процесса. Инновационные методы, такие как качество через дизайн (проектирование) (Quality-by-Design — QbD), включая процессно-аналитическую технологию (process analytical technology — PAT), открывают производителям возможность для выполнения нормативных требований с учётом изменения качества сахарной свёклы, обусловленного средой выращивания и способом обработки урожая. Кроме того, такие проверенные модели процессов представляют собой идеальные цифровые двойники, применимые для расширенного контроля процесса и управления.

Цифровой двойник можно использовать для исследования различных альтернатив процесса, оценки возможного повышения

№ 11 • 2023 САХАР 17 -

MARI Э гибриды сахарной свеклы HILLESHÖG®

mariboseed.com/russia hilleshog.com/ru

ценности биомассы, создания прибавочной стоимости и увеличения производительности путём адаптации процесса экстрагирования к поведению извлекаемых компонентов.

Разработка процессов на основе моделей позволяет сравнивать множество различных их типов для оптимизации. Сложность разработанной модели в значительной степени зависит от применяемых принципов моделирования. Общие уровни точности моделирования показаны на рис. 1. Менее сложные модели (модели «чёрного ящика», или сокращённые модели) хорошо зарекомендовали себя для ранней оценки размеров оборудования на этапе теоретического технико-экономического обоснования. В моделях использовались эвристические корреляции и идеализированные предположения относительно фазовых равновесий. Следующий уровень детализации состоит из стадийных моделей, которые позволяют описать фазовые равновесия. Поправочные коэффициенты используются для описания отклонений от идеальных условий.

Давление в корпусе

Пар из предыдущих корпусов

Охлаждающая вода

Барометрический конденсатор

Осветленный сок

Сгущённый сироп

Рис. 2. Схематическое изображение мониторинга многоступенчатого процесса выпаривания [7]

Модель распределённого пробкового потока (distributed plug flow — DPF) может быть использована для учёта эффектов осевой дисперсии в объёмной фазе и расширена для включения эффектов, таких как диффузия в порах, набухание в порах, деградация или распределение частиц по размерам для моделирования процессов экстрагирования жидкой фазы. Также могут быть реализованы уравнения для сложных условий равновесия.

Более высокие уровни декомпозиции применяются в модели-

Модель «чёрного ящика»

* II Y

' равновесной стадии

Распределённое пробковое течение Линейная движущая сила

\dp=f(x, y) Распределённое пробковое течение с распределением по размерам

О О

Вычислительная гидродинамика

Рис. 1. Обзор различных глубин моделирования процесса экстрагирования с восемью уровнями декомпозиции и возрастающей детализацией [9]

ровании вычислительной гидродинамики. На основе численных решений уравнений Навье-Стокса можно моделировать поведение жидкости. Молекулярную динамику используют для описания движения и взаимодействия нескольких молекул с помощью уравнения Ньютона для движения и межатомных потенциалов.

Результаты модели должны быть валидированы для подтверждения правильности реализации теоретического подхода и применимости параметров модели. При этом требуемые параметры моделей зависят от их типа и реализованных эффектов.

Известны разработки [4, 7] цифрового двойника, представляющего собой четырёхступенчатую выпарную установку при производстве сахара. Сложные феноменологические эффекты, в том числе взаимосвязь между термодинамическими и гидродинамическими эффектами, а также недостаточный, как правило, уровень использования контрольно-измерительных приборов на предприятии представляют собой серьёзные проблемы для адаптивного управления технологическим процессом (рис. 2).

По этой причине были разработаны, внедрены и проверены динамические материальные и энергетические балансы с фактически-

L

18 САХАР № 11 • 2023

MARIBO@ гибриды сахарной свеклы HILLESHÓG

mariboseed.com/russia hilieshog.com/ru

ми производственными данными, чтобы предоставить информацию о процессе для принятия решений в режиме реального времени. Созданный цифровой двойник способен сигнализировать о выходе из строя технологических датчиков и предоставлять оценки контролируемых переменных в режиме реального времени, повышая надёжность работы и являясь важным инструментом для мониторинга процесса.

Показано, что ЦД подходит для обработки колебаний режимов работы установки, включая её запуск и остановку. Онлайн-измерения с завода использовались в модели в режиме реального времени через прямую связь с PI Server завода. Настройка и валидация проводились в разные периоды с использованием показателей сухих веществ образцов сока и аналоговых датчиков давлений. Такая операция обеспечила хорошее соответствие между моделью и данными процесса. Кроме того, информация о качестве калибровки датчиков может быть получена путём сравнения рассчитанных и наблюдаемых значений установки, что может способствовать управлению техническим обслуживанием. Полученные результаты свидетельствуют об успешном применении предложенного цифрового двойника, который функционирует с простой реальной инфраструктурой автоматизации и не требует значительных капитальных затрат на внедрение, обеспечивая важные прогнозы процессов и расширяя возможности мониторинга процессов для повышения эксплуатационных показателей [7].

При создании цифрового двойника процесса кристаллизации сахарозы было оценено качественное влияние интегрального состава примесей (несахаров) на кристаллизацию сахарозы [8]. Показано, что учёт индивидуальных

особенностей элементов многокомпонентной смеси примесей, присутствующих в сиропе, увариваемых продуктах и мелассе, затрудняет однозначный выбор технологического режима кристаллизации сахарозы. На основе системного подхода к процессу рассмотрены 49 математических уравнений аналитического, стохастического, интегрального, нелинейного, динамического типа, комбинация которых предложена в качестве прогнозирующего цифрового двойника изобарной испарительной кристаллизации сахарозы. ЦД предназначен для прогнозирования параметров процесса кристаллизации с целью его оптимизации и увеличения выхода сахара. Показаны особенности моделирования промышленной кристаллизации сахарозы при диагностике и прогнозировании процесса уваривания утфеля I, II, III, а также влияние интегральных показателей качества сырья и продуктов на кристаллизацию сахарозы в виде целевой функции качественного состава примесей, выражаемой как

фт = ЛУтР кл

где ysat — коэффициент, учитывающий влияние состава примесей на растворимость сахарозы; К — коэффициент, учитывающий влияние состава примесей на вязкость раствора. Показано, что влияние состава примесей более выражено на растворимость сахарозы, чем на вязкость растворов.

Для высокопроизводительных продуктовых отделений сахарных заводов применяется подход «качество по дизайну» (QbD) в целях поддержания высокой чистоты продукта и стабильных параметров белого сахара [10]. В этом контексте концепция QbD является особенно востребованной, а значение моделей для углубления понимания процессов и перехода к

автоматизированным операциям и системам управления неуклонно растёт. Чтобы достичь этих целей, помимо основных факторов технологического процесса, таких как температура кристаллизации, необходимо оценить и другие влияющие параметры, а также разработать модель, которая их описывает. В частности, исследуется применимость физико-химической модели процесса производства сахара на основе популяционного баланса частиц. Полученная модель позволяет отобразить влияние параметров вторичного процесса, а также температуру или температурные градиенты, влияние размера и количества кристаллов затравки, скорости мешалки и добавок. В работе показано, что физико-химическая модель имеет существенное преимущество перед простой статистической оценкой.

Для реализации Индустрии 4.0 в производственной практике апробировано внедрение интернета вещей в структуру промышленного центрифугирования утфелей на основе трёхуровневой архитектуры. Основу составляют физическое и ИТ-соединение устройств с носителем данных (уровень платформы 1оТ), вместе с тем уровень приложений интернета вещей объединяет когнитивные методы (например, анализ данных, автоматизация, машинное обучение). Это охватывает «уровень отраслевых решений интернета вещей», который включает в себя экспертные знания и отраслевые оценки. Отраслевые и клиентские приложения на данном верхнем уровне разрабатываются с использованием интеграции со стандартными устройствами (базовый уровень) и проверенных алгоритмов анализа на промежуточном уровне.

Для переноса такой иерархической структуры на определённое технологическое оборудование и

№ 11 • 2023 САХАР 19

MARI Э гибриды сахарной свеклы HILLESHÖG'

mariboseed.com/russia

hilieshog.com/ru

а) Работа оборудования

в) Информация о продукте

■ Механика Прогнозирующее Обслуживание

■ Электрика техническое Информация

■ Руководство обслуживание Общайтесь по обслужи- в чате ванию Помощь онлайн Ваш язык

б) Оптимизация процесса

■ Процесс разделения

■ Показатели потребления

КПЭ

Бенчмаркинг

Просмотр истории

■ Качество утфеля

■ Качество сахара

Машинное обучение

Настройка параметров для оптимизации производства

Эксплуатация оборудования Профилактическое обслуживание Служебная информация Механика Электрика

Руководство по техническому обслуживанию

Онлайн-справка

Общайтесь на вашем языке

Оптимизация процесса КПЭ

Просмотр истории Процесс разделения Показатели потребления Бенчмаркинг

Информация о продукте Машинное обучение Качество утфеля Качество сахара

Настройка параметров для оптимизации производства

Рис. 3. Информационные слои: а) работа оборудования; б) оптимизация процесса; в) информация о продукте [5]

когнитивные методы предложена классификация «работа оборудования», «оптимизация процесса» и «информация о продукте» (рис. 3). Одним из примеров значимого использования является применение этой системы для отделения кристаллов сахара от кристаллической суспензии в центрифуге.

Рабочие показатели подвесных центрифуг периодического действия для отделения кристаллов сахара от кристаллических суспензий регистрируются локально в процессе производства сахара и анализируются в облачных приложениях. Полученная информация может быть классифицирована на данные о состоянии оборудования, показатели процесса разделения и результаты расширенной оценки переработанной кристаллической суспензии (утфеля) и произведённого сахара. Ранее та-

кие постоянно доступные анализы могли быть подготовлены только специалистами и в ограниченных количествах [5].

На верхнем уровне (рис. 3а) собираются данные с машин, из руководств по эксплуатации и обслуживанию. Расширенный анализ этих данных позволит реализовать профилактическое обслуживание. Функции онлайн-справки и чата могут использоваться операторами в качестве дополнительных средств для обслуживания и ремонта машины. Непрерывный мониторинг оборудования с помощью специальных механических и электронных датчиков обеспечивает при этом необходимую глубину информации. Основное внимание показателям процесса разделения и результатам потребления уделяется на уровне (рис. 3б). Они позволяют отображать ключевые

показатели эффективности (КПЭ) и, таким образом, контролировать работу машины. Оценками переработанного продукта являются качество утфеля, сахара и его выход (рис. 3в). Облачные методы, такие как машинное обучение, будут использоваться для прогнозирования ожидаемых результатов на основе текущих и предыдущих данных.

Потери сахара в мелассе являются определяющей характеристикой ресурсоэффективности сахарного завода, перерабатывающего сахарную свёклу. Авторами работы [11] предложен ЦД в виде нейросетевой модели потерь сахара в мелассе и его выхода с погрешностью менее 3 %. Входными переменными модели являются автоматически измеряемые технологические переменные основных процессов переработки свёклы. Предложенная

20 САХАР № 11 • 2023

машво® гибриды сахарной свеклы ншебнсх?

mariboseed.com/russia

hilieshog.com/ru

модель может быть использована для прогнозирования в режиме реального времени. Это даёт возможность выявлять этапы производства, где потери сахара в мелассе наибольшие, а также моделировать различные ситуации путём изменения исходных данных. То есть разработанная модель является неотъемлемой частью системы поддержки принятия управленческих решений, а её использование повышает выход сахара за счёт снижения потерь.

Заключение

Можно утверждать, что дальнейшее устойчивое развитие и совершенствование сахарного производства с позиций стабилизации качества белого сахара, обеспечения нового уровня эффективности производства и получения дополнительного дохода за счёт использования цифровых технологий, формирования сетевого взаимодействия поставщиков и партнёров возможно при условии постепенного перехода управления производством на использование цифровых двойников.

Список литературы

1. Optimizing Established Processes like Sugar Extraction from Sugar Beets — Design of Experiments versus Physicochemical Modeling / S. Both, J. Eg gersglüft, A. Lehnberger [et al.] // Chem. Eng. Technol. — 2013. - № 36. - Р. 2125-2136.

2. Chernova, O. The Use of Digital Twins for Elaboration of Strategic Guidelines to Ensure Sustainable Development of Industrial Enterprises / O. Chernova, O. Dolgova, B. Ali // International scientific conference on Digital Transformation in Industry: Trends, Management, Strategies. -Cham : Springer Nature Switzerland, 2022. - Р. 353-364.

3. Demartini, M. Digitalization technologies for industrial sustainability / M. Demartini, S. Evans, F. Tonelli

№ 11 • 2023 САХАР 21 -

// Procedia manufacturing. — 2019. — T. 33. - P. 264-271.

4. Foxon, K.M. An evaporator station model for estimating exhaust steam conversion and consumption / K.M. Foxon // ISJ's World Sugar Yearbook, 2021. - Pp. 20-31.

5. Lehnberger, A. Industrial internet of things for the sugar industry-initial results / A. Lehnberger // Chemie Ingenieur Technik. - 2020. - T. 92. -№ 7. - P. 978-982.

6. Lutska, N. Modeling the Productivity of a Sugar Factory using Machine Learning Methods / N. Lutska [et al.] // 2022 IEEE 17th International Conference on Computer Sciences and Information Technologies (CSIT). - IEEE, 2022. - P. 353-356.

7. Digital Twin for Monitoring of Industrial Multi-Effect Evaporation / R.M. Soares, M.M. Camara, T. Feital, J.C. Pinto // Processes 2019. - № 7. - P. 537.

8. Mathematical description of the isobaric vaporizing crystallization of sucrose / V.I. Tuzhilkin, M.G. Balykhin, S.M. Petrov [et al.] // Journal of Food Engineering. -

2021. - V. 306. - P. 110-614.

9. Digital Twin for Extraction Process Design and Operation / L. Uhlenbrock, C. Jensch, M. Tegtmeier, J. Strube // Processes. - 2020. - № 8. -P. 866.

10. Vetter, F.L. Enabling Total Process Digital Twin in Sugar Refining through the Integration of Secondary Crystallization Influences / F.L. Vetter, J. Strube // Processes. -

2022. - № 10. - P. 373.

11. Zaiets, N. Neural Network Model for Predicting Technological Losses of a Sugar Factory / N. Zaiets, L. Vlasenko, N. Lutska // Conference on Automation. - Cham : Springer Nature Switzerland, 2023. - P. 93104.

Аннотация. Моделирование процессов в сахарной промышленности достигло значительных результатов в связи с развитием многомасштабных, многофазных и мультифизических подходов. Предложены более эффективные численные инструменты и программные платформы для улучшения понимания и оптимизации основного оборудования и процессов. В условиях четвёртой промышленной революции, появления промышленного интернета вещей в последнее время создана концепция цифрового двойника как средства более гибкого и эффективного управления процессами для реализации устойчивого развития. На технологической основе Индустрии 4.0 происходит трансформация производственных процессов путём значительного сокращения уровня эмиссии в окружающую среду (выбросы загрязняющих веществ в атмосферу, твёрдые и жидкие отходы, шум) и повышения энергоэффективности, перехода к парадигме экономики замкнутого цикла и внедрения высокопроизводительных машин, которые оптимизируют потребление материалов и энергии. Ключевые слова: устойчивое развитие, цифровизация основных процессов, компьютерное моделирование, цифровой двойник, контроль процесса и управление.

Summary. Process modeling in the sugar industry has made significant progress with the development of multiscale, multiphase and multiphysics approaches. More efficient numerical tools and software platforms are proposed to improve the understanding and optimization of key equipment and processes. In the context of the fourth industrial revolution, the emergence of the industrial Internet of things, the concept of a digital twin has recently been created as a means of more flexible and efficient process management for the implementation of sustainable development. On the technological basis of Industry 4.0, production processes are being transformed by significantly reducing emissions into the environment (emissions of pollutants into the atmosphere, solid and liquid waste, noise) and increasing energy efficiency, transitioning to a circular economy paradigm and introducing high-performance machines that optimize material consumption and energy.

Keywords: sustainable development, digitalization of core processes, computer modelling, digital twin, process control and management.

MARIBO@ гибриды сахарной свеклы HILLESHÖG

mariboseed.com/russia hilieshog.com/ru