ההשפעה של טרנספורמציה דיגיטלית על הנדסה תהליכים וסימולציות סימציה

מבוא

טרנספורמציה דיגיטלית היא שינוי מהותי של הנוף של הנדסת תהליכים, המאפשר מהנדסים לתכנן, לנתח ולייעל תהליכים תעשייתיים עם רמה של דיוק ומהירות שלא ניתן היה להגיע קודם לכן.שילוב של אוטומציה, ניתוח נתונים, מחשוב ענן ואינטליגנציה מלאכותית לתוך זרמי עבודה הנדסיים מסורתיים יצר פרדיגמה חדשה, איסוף נתונים בזמן אמת, סימולציה מתקדמת, וקבלת החלטות אינטליגנטית הפכו לעמודי התווך של תהליך הנדסי מודרני, המאפשר שיפור מהיר יותר של תהליכים חדשים, ומהירות של זמן, וקידום תהליכים חדשים, שיפור תהליכים חדשים של טכנולוגיות, וקידום, שיפור תהליכים חדשים של תהליכי אבטחה, וקידום טכנולוגיות.

Defining Digital Transformation in Process Engineering

טרנספורמציה דיגיטלית בהנדסת תהליכים מרחיבה הרבה מעבר לאימוץ של כלי תוכנה בלבד.זה מייצג שינוי מערכתי כיצד צוותים הנדסיים ניגשים לתכנון, תפעול ותחזוקה. בליבתו, טרנספורמציה דיגיטלית כוללת שילוב חלק של ארבעה עמודי מפתח:

• (FLT:0Data Collection and Connectivity:FLT:1 Sensors, IoT מכשירים ומערכות בקרה מבוזרות (DCS) להאכיל זרמים מסיביים של נתונים תפעוליים לפלטפורמות ריכוזיות.
• (FLT:0) Advanced Analytics ו-AI:FLT:1 Machine Learningאלגוריתמים ומודלים סטטיסטיים שואבים תובנות ניתנות לפעולה מהנתונים, ומאפשרות פעולות חיזוי ופוסט-מקודמות.
• (ב) ⁇ :0Cloud ו- Edge Computing: 1FLT:1 משאבי מחשוב סקאלהאלים מאפשרים סימולציות מורכבות ועיבוד בזמן אמת ללא מגבלות החומרה המקומית.
• (FLT:0)Digital Messenger ו- Digital Twin:FreaLT:1) מודל מתמשך ומחוברת של מחזור החיים של המוצר מעיצוב באמצעות סילוק, עם תאומים דיגיטליים המספקים ייצוגים וירטואליים של נכסים ותהליכים פיזיים.

עמודי התווך האלה פועלים בקונצרט כדי להחליף את זרימת העבודה הממולאת, ידנית עם מערכות משולבות, אוטומטיות, ואינטליגנטיות.לדוגמה, צמח כימי עשוי לשלב נתוני חיישן בזמן אמת עם תאומה דיגיטלית כדי להתאים את תנאי התגובה באופן אוטונומי, שיפור התשואות תוך צמצום צריכת האנרגיה.התוצאה היא סביבה גמישה יותר ותגובה יותר שיכולה להתאים לשינוי דרישות השוק ודרישות הרגולציה.

אפשרויות ל- Simulation Capabilities

סימבול כבר זמן רב אבן הפינה של הנדסת תהליכים, אבל טרנספורמציה דיגיטלית העלתה אותו לגבהים חדשים.היכולת לעצב תהליכים שלמים עם נאמנות גבוהה, לרוץ אלפי תרחישים, ולאמת תוצאות נגד נתונים חיים הפכה להיות צורך תחרותי.

תגיות: The Virtual Mirror

תאום דיגיטלי הוא ייצוג דינמי, וירטואלי של תהליך פיזי, נכס או מערכת שמעודכנת ללא הרף עם נתונים בזמן אמת.בניגוד למודלים סימולציה סטטיים המשמשים בהנדסה מסורתית, תאומים דיגיטליים מתפתחים לצד עמיתיהם הפיזיים.

• (FLT:0) תנאי התפעול של LT:1 ללא סיכון - לדוגמה, תאום דיגיטלי זיקוק יכול לדמות נהלי סטארט-אפ, הפסקות חירום, או שינויים בהזנת ציוד כדי לזהות כישלונות פוטנציאליים לפני שהם מתרחשים.
• (FLT:0) ,Optimize לוח הזמנים של תחזוקה 1 (FLT:1) - על ידי השוואת ביצועים בפועל נגד התאומה, מהנדסים יכולים לחזות ירידה בציוד ותחזוקה לוח הזמנים רק במידת הצורך, צמצום זמן השבתה.
• (FLT:0) שיפור אימון (FLT:1) - מפעילי יכול להתאמן על התאום הדיגיטלי תחת תרחישים ריאליים, בניית מומחיות ללא סיכון ייצור.

דוגמה בולטת אחת היא השימוש תאומים דיגיטליים בתעשיית התרופות כדי להאיץ את ייצור התרופות.על ידי יצירת קו ייצור רציף, חברות יכולות להפעיל ניסויים וירטואליים כדי לקבוע פרמטרים אופטימליים של תהליכים, חיתוך משמעותית זמן ועלויות בהשוואה לניסויים פיזיים.מחקר 2023 שפורסם ב-FLT:0Computers & הנדסה כימיתFLT:1 הראה כי דיגיטלי של עמודה של מערכת אנרגיה מופחתת על ידי 12:

מחשוב גבוה וסימולציה מבוססת ענן

סימול תגובות כימיות מורכבות, דינמיקות נוזליות, או מחזורי תרמודינמיקה לעתים קרובות דורשות כוח חישובי עצום.מחשבים גבוהים (HPC) אשכולות, נגישים כעת באמצעות פלטפורמות ענן, דמוקרטים את היכולות האלה. חברות הנדסה כבר לא צריך להשקיע במחשבי העל של ביצועים גבוהים; הם יכולים לשכור זמן מקביל מספקים כגון AWS או Azure, דרוג או למטה כמו צורך.

השינוי הזה מאפשר:

• (ב) סימולציות של הסולטיפיזיקה (Multiphysics סימולציות) 1 (בתרגום חופשי:0) כי זוג נוזל זרימה, העברה חום וקנטינות כימיות בו זמנית, מציע ייצוג מדויק יותר של תופעות בעולם האמיתי.
• (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) ניתן להשלים את זמן הסימולציה של 1FLT: עבודה שפעם לקח שבועות על עבודה מקומית ניתן להשלים שעות על גבי מקבץ ענן HPC.

לדוגמה, ספק תוכנה מובילה לסימולציה של תהליך, אספן טכנולוגיה, מציע פתרונות מבוססי ענן המאפשרים למהנדסים לנהל סימולציות דינמיות קפדניות של צמחים שלמים, שילוב עם מערכות נתונים בזמן אמת (ראה FLT:0:0Aspen HYSYS יכולות ענן (FLT:1).

Multiphysics ו- Multiscale Modeling

טרנספורמציה דיגיטלית גם להאיץ את הפיתוח של רב-פיזיקה ומודלים רב-ממדיים של מהנדסים תהליכים צריך לעתים קרובות לשקול תופעות מהרמה המולקולרית (קינטינטיקה פעולה) לרמה הצומח (דינמיקה של רשת סימולציה מודרנית יכול זוג את המאזניים האלה, מתן תצוגה הוליסטית.

• (ה) ,0) דינמיקה מולקולרית (MD)FLTRE 1) יכול להודיע על עיצוב זרזים, בעוד ש-FLT:2computational נוזל דינמי (CFD)uaFLT 3: 3) מדמה את התנהגות ערבוב הכור.
• (FLT:0) דרישות הנדסת מערכות (PSE)BuildFLT:1), ולאחר מכן לשלב את המודלים האלה לסימולציה גליון זרימה מלאה.

גישה משולבת זו מובילה לעיצובים טובים יותר והיקף מהיר יותר של מעבדה לייצור מסחרי. מקרה בשלב זה הוא פיתוח של פורמולות פולימרים חדשות, שבו מודלים בקנה מידה רב-מידה מפחיתים את מספר הניסויים הפיזיים הדרושים על ידי 50% או יותר.

השפעה על אופטימיזציה של תהליכים

בעוד סימולציה מספקת את בסיס בדיקות וירטואלי, אופטימיזציה הופכת תובנות לפעולות.טרנספורמציה דיגיטלית עברה אופטימיזציה של תהליכים מניתוחים תקופתיים, לא מקוון לשיפור מתמשך, בזמן אמת.

מידע אמיתי-Time Data Analytics ו-AIAI

צמחים תהליכים מייצרים טרה-ביאטים של נתונים מדי יום מעשרות אלפי חיישנים.ללא טרנספורמציה דיגיטלית, רוב הנתונים האלה מופץ או ניתחו רק לאחר העובדה.פלטפורמות ניתוח מתקדמות, המופעלות על ידי AI, יכולות כעת לזרז נתונים זורמת ביותר לזהות דפוסים בתוך שניות.

• (FLT:0) AnomalyגילויFLT:1 - מודלים של למידת מכונות מאומן על תנאי הפעלה רגילים יכולים לדגל סטיית מוקדם, ומאפשר למפעילים להתערב לפני שנושא קטן מידרדר להתמוטטות.
• (FLT:0 חיישנים Soft חיישניםREFLT:1) - מודלים של בינה מלאכותית יכולים להסיק משתנים קשים למטר (למשל, הרכב המוצר, פעילות זרז) ממידות זמינות בקלות, צמצום הצורך בניתוחים יקרים.
• (FLT:0) אופטימיזציה בזמן אמת (RTO)FIRLT:1) - באמצעות מודל שליטה חיזוי (MPC) משופר עם AI, צמחים יכולים להתאים נקודות ברציפות כדי למקסם את הרווח או למזער את השימוש באנרגיה תוך שמירה על מגבלות.

דוגמה מובילה היא השימוש ב-AI בתעשיית הנפט והגז להנפקת יחידות השקיה גולמיות. Shell ומפעילים אחרים דיווחו על שיפורים של 3–5% בתשואות וביעילות אנרגיה באמצעות מערכות RTO המונעות על ידי AI (ראו FLT:0) AI של Shell ב-RefiningFLT:1).

תחזוקה חיזוי

זמן השבתה לא מתוכנן הוא עלות גדולה בתעשיות תהליכים, לעתים קרובות מעל מאות אלפי דולרים לשעה. טרנספורמציה דיגיטלית מאפשרת תחזוקה חיזוי באמצעות ניטור מצב וחיזוי כישלונות.

• (FLT:0) ,Rateציוד של ציוד FLT:1 - משאבות, דחוסים וטורבינות הם מקורות נפוצים של כישלונות.מודלים חיזוי יכול לזהות סימנים מוקדמים של ללבוש, חוסר איזון או אי-השמדה.
• (ב) ,0) ,Hat exchangercioFLT:1 - Fouling מפחית יעילות; מודלים יכולים לחזות כאשר יש צורך ניקוי, אופטימיזציה של תכנון.
• (ב) ויקרא י"ד: ויקרא י"ד): "משיבים חכמים בעלי יכולות אבחון שולחים ערנות לפני שסתום נכשל.

על פי דו"ח של דלויט, תחזוקה צפויה יכולה להפחית את עלויות התחזוקה ב-20-30% ולא מתוכננת עד 70-75% (ראוFLT:0) על תחזוקה צפויה בנפט וגזFLT:1).

אנרגיה ומשאבים יעילות

מטרות קיימות הן מהנדסי תהליך נהיגה למזער אנרגיה וצריכת חומרי גלם.כלים אופטימיזציה דיגיטליים מספקים חשיפה גרפית לזרימת אנרגיה.לדוגמה, ניתוח צבט בשילוב עם נתונים בזמן אמת יכול לזהות הזדמנויות התאוששות חום שהיו בעבר בלתי נראים.

• (FLT:0Steam OptimizationFLT:1) - מודלים של בינה מלאכותית מזנים דור קיטור מכמה מרתחים עם הביקוש על פני הצמח, צמצום צריכת הדלק.
• (FLT:0) ⁇ תגובתי והפרדה בעמודה אחת ניתן לייעל דיגיטלית כדי להפחית את האנרגיה עד 60% בהשוואה לעיצובים קונבנציונליים.
• (ב) כלי סימבול (FLT:0) Carbon ללכוד FLT:1 - כלי סימבול מסייעים בתכנון ותפעול יחידות לכידת פחמן עם עונש אנרגיה מינימלי.

אתגרים בטרנספורמציה דיגיטלית

למרות היתרונות המשכנעים, יישום טרנספורמציה דיגיטלית בהנדסת תהליכים אינו ללא מכשולים משמעותיים על ארגונים לנווט אתגרים טכניים, פיננסיים ותרבותיים.

סיכוני אבטחת סייבר

כאשר צמחים הופכים להיות מחוברים יותר, הם גם הופכים פגיעים יותר להתקפות סייבר.ההתכנסות של הטכנולוגיה המבצעית (OT) וטכנולוגיית המידע (IT) יוצרת משטחים של התקפה ששחקנים זדוניים יכולים לנצל.תהליכי תהליכים הם תשתיות קריטיות, והתקפה מוצלחת עלולה להוביל למקרים של בטיחות קטסטרופלית או שחרור סביבתי.

• (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) למערכות גלקסיות קדמוניות (FLT) אין תכונות אבטחה מודרניות, מה שהופך אותם למטרות קלות.
• (FLT:0) פרצות שרשרת של ספוגים:1) - תוכנת צד שלישי והצגת חומרה יכול להציג דלתות אחוריות.

כדי להתמודד עם סיכונים אלה, המכון הלאומי של התקנים וטכנולוגיה (NIST) מספק מסגרת אבטחת סייבר המותאמים מערכות בקרה תעשייתיות (ראה FLT:0NIST Cybersecurity FrameworkcioFLT:1) חברות להשקיע בטרנספורמציה דיגיטלית חייב להקצות חלק מהתקציב שלהם לאימון אבטחת סייבר, כלי ניטור ותכנון תגובה מקרי.

עלויות יישום וחזרות על השקעות

פרויקטים של טרנספורמציה דיגיטלית דורשים לעתים קרובות הון גבוה.עלויות כוללים חיישנים חדשים, תשתיות רשת, רישיונות תוכנה, מנויים בענן, ואנשי צוות מיומנים. ארגונים רבים נאבקים להצדיק את ההשקעה, במיוחד כאשר היתרונות אינם ניתנים למדידה מיידית.

• (ה) עלות הבעלות (TCO) 1FIRLT:1 עבור תאומים דיגיטליים יכול לרוץ למיליונים עבור צמח גדול.
• (ב) ,0) ייתכן שבעוד שנים לוקח שנים להתגלות, במיוחד אם ניהול שינוי ארגוני איטי.
• (ב) ,0) פרויקטים של פילוט (Pilot) יכולים לעזור להפגין ערך, אך הגדלה נותרה אתגר.

גישה אחת היא להתחיל עם טייסים בעלות גבוהה, נמוך, כגון תחזוקה חיזוי על נכס קריטי אחד.החיסכון מנמנע משעות השבת יכול אז לממן הרחבה יותר.

כוח העבודה סקיל גפר

כוח העבודה להנדסה חייב להתאים לכלים חדשים וזרימות עבודה.מהנדסי תהליכים שהוכשרו באופן מסורתי בתרמודינמיקה ובמבצעי יחידה עשויים להיות חסרי כישורים במדעי הנתונים, למידת מכונה או קידוד.

• (FLT:0Cross-training תוכניות 1) הם חיוניים - ללמד מהנדסים בסיסי תכנות וניתוח נתונים, וללמד מדענים נתונים לעבד יסודות.
• (FLT:0) Change ManagementBuildalFLT:1) - התנגדות למערכות חדשות ניתן להתגבר על ידי שילוב של מפעילי מוקדם בעיצוב של כלים דיגיטליים.
• (FLT:0) תפקידים חדשים של LT:1) מתעוררים כגון "מדען נתונים מעבד" או "מהנדס תאום דיגיטלי" המגשר על הפער.

אוניברסיטאות מעדכנות גם תוכניות לימודים.לדוגמה, המכון הטכנולוגי של מסצ'וסטס (MIT) מציע קורס על "אופטימיזציה של תהליכים נתונים-Driven" המשלבת את הנדסת תהליכים מסורתיים עם למידת מכונה (ראה FLT:0MIT Data-Driven Processation ( OptimizationFLT:1).

אינטגרציה וסטנדרטים

נתוני תהליכים חיים בפורמטים ומערכות שונות: היסטוריונים, LIMS, ERP, DCS ו יומני ידני. integrating מקורות אלה disparate לתוך חוט דיגיטלי מאוחדת הוא אתגר טכני גדול.

• (FLT:0) תקני התעשייה 1:1 כמו ISA-95 ו- MTP (Module Type החבילה) מסייעים בבניית נתונים, אך אימוץ הוא לא אחיד.
• (FLT:0Data QualityearFLT:1) - סחף החיישן, ערכים חסרים, וסימון שגיאות יכול לערער את דיוקם של מודלים של AI.
• (ב) נדרש מדיניות ברורה של בעלות נתונים, גישה ומחזור חיים.

השקעה בתשתיות נתונים חזקות, כגון אגם נתונים עם ניהול metadata תקין, היא תנאי מוקדם לטרנספורמציה דיגיטלית מוצלחת.

כיוונים עתידיים

האבולוציה של טרנספורמציה דיגיטלית בהנדסת תהליכים היא מאיצה.כמה מגמות מתעוררות מבטיחות לשנות עוד יותר את האופן שבו תהליכים מתוכננים ומתופעלות.

תהליכים אוטונומיים

המושג של צמח אוטונומי מלא, לפעמים נקרא "ייצור אור-אאוט", צובר מתחים.על ידי שילוב סימולציה מתקדמת, AI ורובוטיקה, צמחים עתידיים יכולים לפעול עם התערבות אנושית מינימלית. מערכות בקרה אוטונומיות יטפלו בפעולות נורמליות, בעוד שמפקחים AI עבור אנומליות ויזום פעולות נכונות.מפעילים אנושיים יתמקדו בהחלטות אסטרטגיות וטיפול יוצא דופן.

אחריות וכלכלה מעגלית

כלים דיגיטליים הם קריטיים להשגת מטרות אפס נטו.מהנדסי תהליכים יכולים להשתמש בערכת מחזור חיים (LCA) המשולבת בתוכנות סימולציה כדי להעריך השפעות סביבתיות של אפשרויות עיצוב שונות.תאומים דיגיטליים של תהליכי מחזור מחזור יכולים לאפשר אופטימיזציה של שיעורי התאוששות חומריים.יתר על כן, AI יכול לזהות הזדמנויות עבור סינמביוזיס תעשייתי, שבו חום פסולת או תוצרי לוואי מתהליך אחד להיות קלטות עבור אחר.

צוק ו-IoT התעשייתי

בעוד מחשוב ענן מציע משאבים עצומים, נטיות ודאגות אבטחה לעתים קרובות דורשים עיבוד נתונים קרוב יותר למקור. Edge מחשוב מביא מודלים אנליטיים ו- AI ישירות לחיישנים, בקרים, שרתים מקומיים. גישה זו מפחיתה את צרכי רוחב הפס ומאפשרת תשובות בזמן אמת אפילו כאשר קישוריות היא לסירוגין.לדוגמה, מודל זיהוי חד-פעמי מבוסס קצה על דחוס יכול לסגור אותו במכל השניות כדי למנוע כשל קטסטרופלי, ללא מענה לשרת.

מסקנה

טרנספורמציה דיגיטלית אינה מגמה חולפת, אלא שינוי יסודי כיצד יכולות הנדסיות וסימולציה של תהליכים מיושמות.שילוב של תאומים דיגיטליים, ניתוח בזמן אמת, AI ומחשוב ענן כבר סיפקו כבר יתרונות עצומים ביעילות, בטיחות וחדשנות. עם זאת, המסע אינו ללא מכשולים: אבטחת סייבר, עלויות, מיומנויות כוח העבודה, ושילוב נתונים דורש תכנון קפדני והשקעה.