Il gemello digitale eseguibile nell'industria del vetro float

Vivix è un produttore brasiliano di vetro piano, i cui prodotti includono vetro e specchi per i settori delle costruzioni e dell’arredamento. Nella produzione di vetro float, il forno è uno degli asset più critici e, al tempo stesso, uno dei più difficili da monitorare. Alle temperature di esercizio del forno, comprese tra circa 1550°C e 1600°C, i team hanno una visibilità diretta limitata sulle interazioni tra gas di combustione, vetro fuso e pareti refrattarie del forno. Comprendere queste condizioni durante la produzione è essenziale per prendere decisioni informate su consumo energetico, durata degli asset e qualità del vetro.

Per affrontare questa sfida di visibilità, Vivix sta sviluppando un gemello digitale eseguibile (xDT) del proprio forno per vetro float in collaborazione con Siemens, Snowflake e NVIDIA. L’iniziativa unisce simulazioni ingegneristiche, condizioni osservate del forno e modelli di intelligenza artificiale per aiutare i team a stimare condizioni che non possono misurare direttamente e a valutare potenziali modifiche operative. Inizialmente, Vivix si concentra su tre aree collegate tra loro: stato dei refrattari, efficienza della combustione e qualità della fusione del vetro. Collegando le dinamiche fisiche dello stabilimento produttivo con analisi dei dati basate sull’intelligenza artificiale su scala cloud, Vivix unisce fisica e intelligenza artificiale per modellare, prevedere e ottimizzare il comportamento del sistema in tempo quasi reale. Questo contribuisce a ridurre il consumo energetico, prolungare la vita utile del forno e migliorare la qualità del prodotto.

Le simulazioni fisiche tradizionali offrono previsioni ad alta fedeltà, ma richiedono un’intensa capacità di calcolo, mentre i modelli standard di intelligenza artificiale spesso non comprendono la fisica sottostante. L’architettura xDT supera questo compromesso prendendo i modelli multiphysics ad alta fedeltà di Siemens Simcenter, convertendoli tramite il reduced order modeling di Simcenter in eseguibili leggeri e portatili, e distribuendoli in modo nativo all’interno dell’AI Data Cloud Snowflake. Per ottenere un elevato livello di scalabilità, il Simcenter Executable Digital Twin Manager consente di gestire il ciclo di vita dell’xDT in un’unica soluzione. Il ruolo di Snowflake è rendere i risultati ingegneristici utili insieme ai dati operativi di Vivix. Vivix riunisce i dati IT e OT (operational technology), inclusi i dati dei sensori fisici, in un namespace unificato in Snowflake. Questo offre ai team di engineering e operations una vista governata delle condizioni osservate del forno, che possono utilizzare insieme alle previsioni del digital twin, invece di analizzare i risultati delle simulazioni in modo isolato. Questo consente ai team operativi di accedere a dati di livello ingegneristico in tempo quasi reale.

NVIDIA PhysicsNeMo consente a Vivix di sviluppare modelli surrogati di intelligenza artificiale che combinano causalità basata sulla fisica con la simulazione e i dati osservati, consentendo previsioni in tempo reale. I team di engineering e operations possono analizzare insieme i risultati ad alta fedeltà grazie a tecnologie sviluppate con le librerie NVIDIA Omniverse. Distribuita su Amazon Web Services (AWS) come provider di servizi cloud sottostante, questa soluzione ibrida funziona come un “sensore virtuale” continuo. Permette ai team di ricostruire stati interni complessi e non misurabili in tempo quasi reale, inclusi la distribuzione volumetrica del calore, i campi di velocità dei gas e i flussi termici attraverso le pareti refrattarie, senza la necessità di una connessione costante ad ambienti di simulazione pesanti.

In tutte le operazioni del forno, questo approccio integrato consente ottimizzazioni mirate in tre ambiti principali:

• Conservazione e longevità dei refrattari: Unendo gli stream delle termocoppie in tempo reale con la profilazione termica dei refrattari, il twin calcola i tassi di usura localizzati e rileva i punti caldi emergenti con ore di anticipo. Questo protegge gli asset critici, riduce al minimo lo stress termico e prolunga la durata della campagna del forno prima che siano necessarie riparazioni a freddo.
  

• Combustione ed efficienza energetica: I modelli di flusso d’aria e termici valutano dinamicamente i livelli di potenza dei bruciatori e gli schemi di distribuzione del calore. Questo consente un’ottimizzazione precisa dei setpoint per stabilizzare la combustione, ridurre il consumo di gas naturale e diminuire le emissioni complessive.
  

• Fusione del vetro e ottimizzazione della qualità: La modellazione dei gradienti termici e dei campi di flusso dei fluidi all’interno del bagno di vetro fuso offre visibilità sulla distribuzione dei tempi di permanenza e sul grado di completamento della fusione. Questo contribuisce a migliorare l’omogeneità del vetro e a ridurre il tasso di difetti nel vetro piano finito.

Sulla base di un progetto pilota, Vivix prevede di ridurre il consumo energetico del forno del 3-5%, prolungare la vita utile del forno di un anno e ridurre dell'80% il ciclo di raccolta e analisi dei dati.
 

Figura 1. Previsioni di intelligenza artificiale per la fisica della fusione del vetro e il trasferimento di calore accoppiato nelle pareti refrattarie (modello addestrato con NVIDIA PhysicsNeMo e visualizzato tramite le librerie NVIDIA Omniverse).

Architettura della soluzione
 

Figura 2. L’architettura della soluzione per il digital twin del forno per vetro float, sviluppata da Snowflake e Siemens DISW. Combinando la modellazione basata sulla fisica (Siemens SimCenter) con l’analisi basata sull’intelligenza artificiale (Snowflake Cortex AI), questo modello ibrido può prevedere il comportamento del forno in nuove condizioni ed eseguire simulazioni virtuali “what-if”.

Per rendere questi risultati immediatamente operativi in fabbrica, un’interfaccia AI multiagente di Snowflake consente agli operatori di interagire con il digital twin utilizzando il linguaggio naturale. Gli ingegneri possono porre domande dirette sulle velocità d’aria ottimali, valutare scenari operativi “what if” e ricevere diagnosi delle cause principali senza rischiare l’asset fisico. Fondare l’intelligenza artificiale su principi fisici di base, sfruttando l’infrastruttura di Siemens, Snowflake, NVIDIA e AWS, offre a Vivix una base più sicura, altamente predittiva e sostenibile per l’eccellenza nel settore manifatturiero del vetro, grazie all’esecuzione di simulazioni what-if con il twin virtuale, invece di sottoporre gli asset fisici a condizioni operative sconosciute e potenzialmente non sicure.

Scopri cosa è possibile: Scopri come Snowflake aiuta i produttori a riunire i dati operativi e ingegneristici per supportare l’analisi dei dati e l’AI.