Ausführbarer digitaler Zwilling zur Optimierung der Fertigungsabläufe in der Floatglasproduktion

Vivix ist ein brasilianischer Flachglashersteller, zu dessen Produkten Glas und Spiegel für den Bau- und Möbelmarkt gehören. In der Floatglasproduktion ist der Schmelzofen eine der wichtigsten Anlagen – und eine der am schwersten zu überwachenden. Bei Betriebstemperaturen von etwa 1.550 °C bis 1.600 °C im Ofen haben die Teams nur begrenzten direkten Einblick in die Wechselwirkungen zwischen Verbrennungsgasen, geschmolzenem Glas und den feuerfesten Wänden des Ofens. Das Verständnis dieser Bedingungen bei laufender Produktion ist unerlässlich, um fundierte Entscheidungen über den Energieverbrauch, die Lebensdauer der Anlagen und die Glasqualität zu treffen.

Um diese Herausforderung der mangelnden Sichtbarkeit zu bewältigen, entwickelt Vivix in Zusammenarbeit mit Siemens, Snowflake und NVIDIA einen ausführbaren digitalen Zwilling (xDT) seines Floatglasofens. Die Initiative bringt technische Simulationen, beobachtete Ofenbedingungen und KI-Modelle zusammen, um Teams dabei zu helfen, Bedingungen abzuschätzen, die sie nicht direkt messen können, und potenzielle Betriebsänderungen zu bewerten. Vivix konzentriert sich zunächst auf drei miteinander verbundene Bereiche: den Zustand der feuerfesten Materialien, die Verbrennungseffizienz und die Qualität der Glasschmelze. Durch die Verbindung der physischen Dynamik in der Fertigungshalle mit KI-Analytics auf Cloud-Ebene bringt Vivix Physik und KI zusammen, um das Systemverhalten in nahezu Echtzeit zu modellieren, vorherzusagen und zu optimieren. Dies trägt dazu bei, den Energieverbrauch zu senken, die Lebensdauer des Ofens zu verlängern und die Produktqualität zu verbessern.

Herkömmliche physikalische Simulationen liefern hochpräzise Vorhersagen, sind aber rechenintensiv, während Standard-KI-Modellen oft das Verständnis der Physik fehlt. Die xDT-Architektur überwindet diesen Kompromiss, indem sie hochpräzise Siemens Simcenter-Multiphysikmodelle verwendet, diese über Simcenter Reduced Order Modeling in leichtgewichtige, portable ausführbare Dateien konvertiert und sie nativ in Snowflakes AI Data Cloud bereitstellt. Um ein hohes Maß an Skalierbarkeit zu erreichen, ermöglicht der Simcenter Executable Digital Twin Manager die Verwaltung des xDT-Lebenszyklus in einer einzigen Lösung. Die Rolle von Snowflake besteht darin, die daraus resultierenden technischen Erkenntnisse zusammen mit den Betriebsdaten von Vivix nutzbar zu machen. Vivix führt IT- und operative Technologie-Daten, einschließlich physischer Sensormesswerte, in einem einheitlichen Namespace in Snowflake zusammen. Dies bietet den Technik- und Betriebsteams eine kontrollierte Ansicht der beobachteten Ofenbedingungen, die sie zusammen mit den Vorhersagen des digitalen Zwillings nutzen können, anstatt Simulationsergebnisse isoliert zu betrachten. Dadurch können Betriebsteams in nahezu Echtzeit auf Daten in technischer Qualität zugreifen.

NVIDIA PhysicsNeMo ermöglicht es Vivix, KI-Ersatzmodelle zu erstellen, die physikgesteuerte Kausalität mit Simulations- und Beobachtungsdaten kombinieren und so Vorhersagen in Echtzeit ermöglichen. Technik- und Betriebsteams können hochpräzise Ergebnisse gemeinsam mit Technologien überprüfen, die mit NVIDIA Omniverse-Bibliotheken erstellt wurden. Bereitgestellt auf Amazon Web Services (AWS) als zugrunde liegendem Cloud-Dienstanbieter, fungiert diese hybride Lösung als kontinuierlicher „virtueller Sensor”. Sie ermöglicht es Teams, komplexe und nicht messbare interne Zustände in nahezu Echtzeit zu rekonstruieren, einschließlich volumetrischer Wärmeverteilung, Gasgeschwindigkeitsfeldern und Wärmeflüssen über feuerfeste Wände, ohne dass eine ständige Verbindung zu schweren Simulationsumgebungen erforderlich ist.

Über alle Ofenbetriebe hinweg ermöglicht dieser integrierte Ansatz gezielte Optimierungen in drei Kernbereichen:

• Erhaltung und Langlebigkeit der feuerfesten Materialien: Durch die Verschmelzung von Echtzeit-Thermoelement-Streams mit thermischen Profilen der feuerfesten Materialien berechnet der Zwilling lokalisierte Verschleißraten und erkennt entstehende Hotspots Stunden im Voraus. Dies schützt kritische Anlagen, minimiert die thermische Belastung und verlängert die Lebensdauer der Ofenkampagne, bevor Kaltreparaturen erforderlich sind.
  

• Verbrennung und Energieeffizienz: Die Luftstrom- und thermischen Modelle bewerten dynamisch die Brennerleistung und die Wärmeverteilungsmuster. Dies ermöglicht eine präzise Sollwertoptimierung, um die Verbrennung zu stabilisieren, den Erdgasverbrauch zu senken und die Gesamtemissionen zu reduzieren.
  

• Glasschmelze und Qualitätsoptimierung: Die Modellierung von Temperaturgradienten und Strömungsfeldern innerhalb des geschmolzenen Glasbades bietet Einblick in die Verweilzeitverteilung und die Vollständigkeit der Schmelze. Dies trägt dazu bei, die Glashomogenität zu verbessern und die Fehlerraten bei fertigem Flachglas zu reduzieren.

Basierend auf einem Pilotprojekt erwartet Vivix, den Energieverbrauch des Ofens um 3 % bis 5 % zu senken, die Lebensdauer des Ofens um ein Jahr zu verlängern und seinen Datenerfassungs- und Analytics-Zyklus um 80 % zu verkürzen.
 

Abbildung 1. KI-Physikvorhersagen für die Glasschmelze und die konjugierte Wärmeübertragung der feuerfesten Wand (Modell trainiert mit NVIDIA PhysicsNeMo und visualisiert mit NVIDIA Omniverse-Bibliotheken).

Solution Architecture
 

Abbildung 2. Die Lösungsarchitektur für den digitalen Zwilling des Floatofens, entwickelt von Snowflake und Siemens DISW. Durch die Kombination von physikbasierter Modellierung (Siemens Simcenter) mit KI-gesteuerten Analytics (Snowflake Cortex AI) kann dieses hybride Modell das Ofenverhalten unter neuen Bedingungen vorhersagen und virtuelle „Was-wäre-wenn”-Simulationen durchführen.

Um diese Erkenntnisse in der Fertigungshalle sofort umsetzbar zu machen, ermöglicht eine Snowflake-AI-Multiagenten-Schnittstelle den Bediener:innen, mit dem digitalen Zwilling in natürlicher Sprache zu interagieren. Ingenieur:innen können direkte Fragen zu optimalen Luftgeschwindigkeiten stellen, „Was-wäre-wenn”-Betriebsszenarien bewerten und Ursachendiagnosen erhalten, ohne die physische Anlage zu gefährden. Die Verankerung von KI in der First-Principles-Physik auf der Infrastruktur von Siemens, Snowflake, NVIDIA und AWS bietet Vivix eine sicherere, hochgradig prädiktive und nachhaltige Grundlage für Spitzenleistungen in der Glasfertigung, indem Was-wäre-wenn-Simulationen mit dem virtuellen Zwilling durchgeführt werden, anstatt physische Anlagen in unbekannte und potenziell unsichere Betriebsbedingungen zu versetzen.

Entdecken Sie die Möglichkeiten: Erfahren Sie, wie Snowflake Hersteller dabei unterstützt, Betriebs- und technische Daten zusammenzuführen, um Analytics und KI zu unterstützen.