RICERCA INDUSTRIALE

Il Digital Twin (gemello digitale) applicato a brasatura, stampa 3D e saldatura

Ecor International ha presentato alla Conferenza Internazionale su modellazione e simulazione dei processi termici un articolo dedicato al Digital Twin.

In occasione della 5° Conferenza Internazionale su modellazione e simulazione dei processi termici (TPMS-5) che si è tenuta a Lecce, dal 17 al 19 aprile, il Gruppo Ecor International ha presentato un articolo dedicato al Digital Twin.

La Conferenza, organizzata dall’Associazione Italiana di Metallurgia, si poneva come obiettivo quello di presentare le nuove sfide, i progressi e i topics emergenti nei campi del trattamento termico avanzato e della tecnologia di ingegneria delle superfici.

Domenico Stocchi (Research & Innovation Director), Silvia Tiberi (Reliability Engineering Manager) e Alberto Chiarello (Automation & Digitalization Coordinator), ingegneri del Gruppo Ecor International, hanno collaborato con EnginSoft (società multinazionale attiva nel campo del Simulation Based Engineering and Science) per presentare la ricerca dedicata all’approccio di Digital Twin guidato dai dati (ddDT), in cui una piattaforma di monitoraggio tra i processi e i dati ricevuti in tempo reale può essere adattata funzionalmente alle applicazioni industriali.              

Il Digital Twin basato sulla simulazione è il nuovo approccio per mettere in comunicazione il mondo fisico attraverso il supporto di modello di ordine ridotto (ROM) per ottenere una risposta rapida alla gestione della vita del prodotto.

I 3 casi industriali riportati nell’articolo (sui processi di brasatura, stampa 3D e saldatura) hanno obiettivi diversi ma condividono la necessità di gestire i dati in tempo reale per supportare il monitoraggio umano, la tracciabilità e il processo decisionale. 
I ddDT collegati al sistema di processo termico dei metalli, consentono un monitoraggio continuo e just in time del processo e rappresentano un metodo solido per mantenere la tracciabilità degli eventi e degli indici di qualità. Un approccio di Machine Learning che integri modelli supervisionati o di deep learning, può essere applicato al set di dati acquisiti, estendendo l’analisi dei dati con meta-modelli avanzati.          

Nei casi industriali riportati, il processo termico trasforma i metalli influenzandone la microstruttura, la qualità e le prestazioni meccaniche. È stato implementato un approccio tecnologico comune con la virtualizzazione e la digitalizzazione attraverso il monitoraggio, la modellazione e la simulazione.
Va tenuto in considerazione che i risultati del processo possono dipendere dai parametri della macchina e del processo, ma anche dalle variabili umane.            

Nell’articolo viene quindi presentato un nuovo paradigma di Industria 5.0 in cui la tecnologia digitale viene impiegata per l’esperienza di process improvement e upskilling delle risorse.