🧪 Сегодня задачи цифровой трансформации входят в стратегию большинства предприятий отрасли и реализуются через использование множества инструментов, в числе которых цифровые двойники.
«Химпром» побеседовал с Владимиром Бушковым, директором СИБУРа по развитию и инжинирингу новых технологий, и узнал, как компания адаптирует этот механизм под свои производства.
🔽 Используете ли вы цифровые двойники технологических установок или целых производств? На каких этапах они применяются (проектирование, пусконаладка, эксплуатация, модернизация)?
В СИБУРе мы используем цифровые двойники технологических процессов и отдельных производственных объектов на всех ключевых этапах жизненного цикла — от проектирования до эксплуатации и модернизации.
🔴 На этапе проектирования цифровые модели позволяют заранее проверить различные технологические сценарии, подобрать оптимальные параметры работы оборудования, оценить устойчивость процессов и выявить потенциальные узкие места ещё до строительства или запуска установки. Во время пусконаладочных работ они помогают безопасно отработать пусковые режимы, включая различные сценарии переходных и нештатных режимов, и минимизировать отклонения сроков выхода на проектные показатели.
Яркий пример — разработка собственной технологии производства гексена — одного из ключевых сомономеров, который используется при производстве современных марок полиэтилена и во многом определяет их прочность, гибкость и другие эксплуатационные свойства. При масштабировании процесса от лабораторной стадии и пилотной установки до промышленного производства мы использовали модель тройного подобия реактора синтеза.
Такая модель одновременно учитывает термодинамику, гидродинамику и кинетику химических реакций, что позволяет ещё на этапе проектирования проверить будущую конфигурацию реактора, подобрать оптимальные конструктивные решения и технологические режимы, а также заранее оценить достижение целевых технологических показателей. Кроме того, она даёт возможность моделировать пусковые и переходные режимы без проведения испытаний на реальном оборудовании.
В результате технология была масштабирована почти в 180 раз — с пилотной установки производительностью 300 тонн в год до промышленного производства мощностью свыше 50 тыс. тонн в год. Для сравнения: в мировой практике химической промышленности подобные технологии обычно масштабируются в 20–30 раз.
🔴 На этапе эксплуатации цифровые двойники используются для оптимизации технологических режимов, поиска резервов эффективности и прогнозирования отклонений.
Например, с помощью строгой модели реактора синтеза полиэтилена высокого давления (ПЭВД) на «Томскнефтехиме» удалось в виртуальной среде протестировать 139 комбинаций технологических параметров — расхода сырья, инициаторов и режимов работы оборудования. Если бы такие испытания проводились непосредственно на производстве, они заняли бы не менее десяти лет. Благодаря цифровому двойнику эта работа была выполнена за полтора года, что позволило значительно ускорить поиск оптимальных режимов без риска для действующего производства и без влияния на качество продукции.
🔴 Следующим этапом развития цифровых двойников становится интеграция инструментов искусственного интеллекта. Машинное обучение помогает быстрее анализировать экспериментальные и производственные данные, находить неочевидные закономерности и прогнозировать результаты изменений технологических режимов. По сути, цифровой двойник постепенно превращается в интеллектуальную систему поддержки инженерных решений.
Одним из ключевых вызовов сегодня остаётся высокая вычислительная сложность моделей CFD (Computational Fluid Dynamics, вычислительная гидродинамика), которые используются для моделирования течения потоков и процессов тепло- и массопереноса в реакторах. Сейчас мы оцениваем возможности применения квантово-вдохновленных методов и инструментов искусственного интеллекта, которые позволят ускорить такие расчёты и сделать цифровые двойники ещё более эффективными при разработке новых технологий.
🧪 Химпром в Telegram | в MAX
«Химпром» побеседовал с Владимиром Бушковым, директором СИБУРа по развитию и инжинирингу новых технологий, и узнал, как компания адаптирует этот механизм под свои производства.
🔽 Используете ли вы цифровые двойники технологических установок или целых производств? На каких этапах они применяются (проектирование, пусконаладка, эксплуатация, модернизация)?
В СИБУРе мы используем цифровые двойники технологических процессов и отдельных производственных объектов на всех ключевых этапах жизненного цикла — от проектирования до эксплуатации и модернизации.
🔴 На этапе проектирования цифровые модели позволяют заранее проверить различные технологические сценарии, подобрать оптимальные параметры работы оборудования, оценить устойчивость процессов и выявить потенциальные узкие места ещё до строительства или запуска установки. Во время пусконаладочных работ они помогают безопасно отработать пусковые режимы, включая различные сценарии переходных и нештатных режимов, и минимизировать отклонения сроков выхода на проектные показатели.
Яркий пример — разработка собственной технологии производства гексена — одного из ключевых сомономеров, который используется при производстве современных марок полиэтилена и во многом определяет их прочность, гибкость и другие эксплуатационные свойства. При масштабировании процесса от лабораторной стадии и пилотной установки до промышленного производства мы использовали модель тройного подобия реактора синтеза.
Такая модель одновременно учитывает термодинамику, гидродинамику и кинетику химических реакций, что позволяет ещё на этапе проектирования проверить будущую конфигурацию реактора, подобрать оптимальные конструктивные решения и технологические режимы, а также заранее оценить достижение целевых технологических показателей. Кроме того, она даёт возможность моделировать пусковые и переходные режимы без проведения испытаний на реальном оборудовании.
В результате технология была масштабирована почти в 180 раз — с пилотной установки производительностью 300 тонн в год до промышленного производства мощностью свыше 50 тыс. тонн в год. Для сравнения: в мировой практике химической промышленности подобные технологии обычно масштабируются в 20–30 раз.
🔴 На этапе эксплуатации цифровые двойники используются для оптимизации технологических режимов, поиска резервов эффективности и прогнозирования отклонений.
Например, с помощью строгой модели реактора синтеза полиэтилена высокого давления (ПЭВД) на «Томскнефтехиме» удалось в виртуальной среде протестировать 139 комбинаций технологических параметров — расхода сырья, инициаторов и режимов работы оборудования. Если бы такие испытания проводились непосредственно на производстве, они заняли бы не менее десяти лет. Благодаря цифровому двойнику эта работа была выполнена за полтора года, что позволило значительно ускорить поиск оптимальных режимов без риска для действующего производства и без влияния на качество продукции.
🔴 Следующим этапом развития цифровых двойников становится интеграция инструментов искусственного интеллекта. Машинное обучение помогает быстрее анализировать экспериментальные и производственные данные, находить неочевидные закономерности и прогнозировать результаты изменений технологических режимов. По сути, цифровой двойник постепенно превращается в интеллектуальную систему поддержки инженерных решений.
Одним из ключевых вызовов сегодня остаётся высокая вычислительная сложность моделей CFD (Computational Fluid Dynamics, вычислительная гидродинамика), которые используются для моделирования течения потоков и процессов тепло- и массопереноса в реакторах. Сейчас мы оцениваем возможности применения квантово-вдохновленных методов и инструментов искусственного интеллекта, которые позволят ускорить такие расчёты и сделать цифровые двойники ещё более эффективными при разработке новых технологий.
🧪 Химпром в Telegram | в MAX