ЦИФРОВІ ДВІЙНИКИ ШПИНДЕЛЬНИХ ВУЗЛІВ. ОГЛЯД
DOI:
https://doi.org/10.35546/kntu2078-4481.2023.4.17Ключові слова:
розумні шпинделя, ЦД, індустрія 4.0, модель цифрового двійника, металорізальні верстати.Анотація
Технологія цифрового двійника шпиндельного вузла може реалізувати контроль точності, якості обробки та інших показників, що впливають на ефективність системи металообробки. Багато статей присвячено цифровим двійникам, але чіткого та систематичного аналізу процесу створення цифрового двійника немає. Щоб усунути цю прогалину, у цьому дослідженні було проведено аналіз статей по тематиці цифрового двійника шпиндельного вузла (до 1 травня 2023 р.). В даній статті розглянемо наявні визначення поняття цифрового двійника та цифрового двійника металорізальних верстатів. Окрім самих статей розглянемо інші огляди на цифрові двійники та спроби систематизації наявних досліджень. Оглядових статей по тематиці цифрових двійників шпиндельних вузлів не виявлено. За методологію пошуку було використано традиційні методи пошуку науковими сайтами, пошуковими системами і аналіз отриманих результатів представлено в графіках. Аналіз включає загалом 143 вибрані публікації. Після детального розгляду яких, виявилось що більшість статей попри наявність ключових слів не займались створенням цифрових двійників, а лише згадували про таку ймовірність створення цифрових двійників. Деякі статті мають ідеї зі створення моделі цифрового двійника. Вітчизняних праць по заданому напрямку в результаті пошуку не виявлено, більшість праць зарубіжні, з яких левова частина профінансовані урядом Китайської народної республіки. Очікується, що це дасть поштовх до поглибленого вивчення процесу створення цифрового двійника шпиндельного вузла, що може принести користь в післявоєнній відбудові України з врахуванням проблем зносу діючих верстатів підприємств машинобудівної ланки, так і можливість адаптації верстатів, які були в використанні, які можуть бути отримані в рамках міжнародної допомоги підприємствам.
Посилання
Grieves, M. (2014). Digital Twin: Manufacturing Excellence Through Virtual Factory Replication. Whitepaper. https://doi.org/10.5281/zenodo.1493930
Lim, K.Y.H., Zheng, P. & Chen, C. A state-of-the-art survey of Digital Twin: techniques, engineering product lifecycle management and business innovation perspectives. Journal of Intelligent Manufacturing 31, 1313–1337 (2020). https://doi.org/10.1007/s10845-019-01512-w
Stark, R., Kind, S., & Neumeyer, S. (2017). Innovations in digital modelling for next generation manufacturing system design. CIRP Annals – Manufacturing Technology, 66(1), 169–172. https://doi.org/10.1016/j.cirp.2017.04.045
Söderberg, R., Wärmefjord, K., Carlson, J. S., & Lindkvist, L. (2017). Toward a Digital Twin for real-time geometry assurance in individualized production. CIRP Annals – Manufacturing Technology, 66(1), 137–140. https://doi.org/10.1016/j.cirp.2017.04.038
Zhuang, C., Liu, J., &Xiong, H. (2018). Digital twin-based smart production management and control framework for the complex product assembly shop-floor. International Journal of 32 Advanced Manufacturing Technology, 96(1–4), 1149–1163. https://doi.org/10.1007/s00170-018-1617-6
Qi, Q., & Tao, F. (2018). Digital Twin and Big Data Towards Smart Manufacturing and Industry 4.0: 360 Degree Comparison. IEEE Access, 6, 3585–3593. https://doi.org/10.1109/ACCESS.2018.2793265
Xu, Y., Sun, Y., Liu, X., & Zheng, Y. (2019). A Digital-Twin-Assisted Fault Diagnosis using Deep Transfer Learning. IEEE Access, 7, 1–1. https://doi.org/10.1109/access.2018.2890566
Kannan, K., &Arunachalam, N. (2019). A Digital Twin for Grinding Wheel: An Information Sharing Platform for Sustainable Grinding Process. Journal of Manufacturing Science and Engineering, 141(2), 021015. https://doi.org/10.1115/1.4042076
Ward, R., Sun, C., Dominguez-Caballero, J. et al. Machining Digital Twin using real-time model-based simulations and look ahead function for closed loop machining control. International Journal Advanced Manufacturing Technology 117, 3615–3629 (2021). https://doi.org/10.1007/s00170-021-07867-w
Liu S., Bao J., PaiZ. (2023). A review of digital twin-driven machining: From digitization to intellectualization. Journal of Manufacturing Systems. https://doi.org/10.1016/j.jmsy.2023.02.010.
Fujita Tomoya, XiTiandong, Ikeda Ryosuke, Kehne Sebastian, Fey Marcel, Brecher Christian. (2022). Identification of a Practical Digital Twin for Simulation of Machine Tools. International Journal of Automation Technology. 16. 261-268. https://doi.org/10.20965/ijat.2022.p0261.
Wu, L.; Leng, J.; Ju, B. Digital Twins-Based Smart Design and Control of Ultra-Precision Machining: A Review. Symmetry 2021, 13, 1717. https://doi.org/10.3390/sym13091717
Cao, H., Zhang, X., Chen, X. (2017) The concept and progress of intelligent spindles: a review. International Journal of Machine Tools & Manufacture, (112), 21–52. https://doi.org/10.1016/j.ijmachtools.2016.10.005
Lu, Y., Liu, C., Kevin, I., Wang, K., Huang, H., & Xu, X. (2020). Digital Twin-driven smart manufacturing: Connotation, reference model, applications and research issues. Robotics and Computer-Integrated Manufacturing, 61, 101837. https://doi.org/10.1016/j.rcim.2019.101837
Luca Lattanzi, Roberto Raffaeli, Margherita Peruzzini& Marcello Pellicciari (2021) Digital twin for smart manufacturing: a review of concepts towards a practical industrial implementation, International Journal of Computer Integrated Manufacturing, 34:6, 567–597, https://doi.org/10.1080/0951192X.2021.1911003
Scopus.com. URL: https://www.scopus.com/(avaible 26.10.2023).
Science direct. URL: https://www.sciencedirect.com/ (available 26.10.2023).
Web of science. URL: https://www.webofscience.com/ (available 26.10.2023).
МDPI. URL: https://www.mdpi.com/ (available 26.10.2023).
Reseаrch Gate. URL: https://www.researchgate.net/ (available 26.10.2023).
Google Scholar. URL: https://scholar.google.com/ (available 26.10.2023).
Vosviewer. URL: https://www.vosviewer.com/(available 03.10.2023).
Grieves, M., Vickers, J., 2017, Digital twin: mitigating unpredictable, undesirable emergent behavior in complex systems. Trans disciplinary perspective son complex systems, 85–113.
Stark, J., 2015, Product lifecycle management. Product Lifecycle Management (vol 1), 1–29.
Wójcicki, J., Leonesio, M.P., & Bianchi, G. (2021). Potential for smart spindles adoption as edge computing nodes in Industry 4.0. Procedia CIRP, (99), 86–91. DOI:10.1016/j.procir.2021.03.015
Wójcicki, J., & Bianchi, G. (2020). A smart spindle component concept as a standalone measurement system for Industry 4.0 machine tools. 2020.IEEE International Workshop on Metrology for Industry 4.0 &IoT (рр. 278–282). DOI: 10.1109/MetroInd4.0IoT48571.2020.9138280
Scaglioni, B.; Ferretti, G. Towards digital twins through object-oriented modelling: A machine tool case study. IFAC Pap. 2018, 51, 613–618. https://doi.org/10.1016/j.ifacol.2018.03.104
Christiand, Gandjar Kiswanto, Digital Twin Approach for Tool Wear Monitoring of Micro-Milling, Procedia CIRP, Volume 93, 2020, 1532–1537, ISSN 2212-8271, https://doi.org/10.1016/j.procir.2020.03.140.
Lu, Q.; Zhu, D.; Wang, M.; Li, M. Digital Twin-Driven Thermal Error Prediction for CNC Machine Tool Spindle. Lubricants 2023, 11, 219. https://doi.org/10.3390/lubricants11050219
Hänel А., Schnellhardt Т., Wenkler Е., Nestler А., Brosius А., Corinth С., Fay А., Ihlenfeldt S., The development of a digital twin for machining processes for the application in aerospace industry, Procedia CIRP, Volume 93, 2020, 1399-1404, ISSN 2212-8271 https://doi.org/10.1016/j.procir.2020.04.017.
Zhang L, Xuan J, Shi T, etal (2020) Robust, fractal theory, and FEM-based temperature field analysis for machine tool spindle [J]. The International Journal of Advanced Manufacturing Technology. https://doi.org/10.1007/s00170-020-05926-2
Xiao, J., Fan, K. Research on the digital twin for thermal characteristics of motorized spindle. The International Journal of Advanced Manufacturing Technology 119, 5107–5118 (2022). https://doi.org/10.1007/s00170-021-08508-y
Davies О., Makkattil A., Ce Jiang, FarsiМ.,A Digital Twin Design for Maintenance Optimization, Procedia CIRP, Volume 109,2022,Pages 395-400, ISSN 2212-8271. https://doi.org/10.1016/j.procir.2022.05.268.
V.S. Vishnu, Kiran George Varghese, B. Gurumoorthy, A Data-driven Digital Twin of CNC Machining Processes for Predicting Surface Roughness, Procedia CIRP, Volume 104,2021, Pages 1065-1070, ISSN 2212-8271, https://doi.org/10.1016/j.procir.2021.11.179
Xie N., Kou R., Yao Y.,Tool Condition Prognostic Model Based on Digital Twin System,Procedia CIRP,Volume 93,2020,Pages 1502-1507,ISSN 2212-8271, https://doi.org/10.1016/j.procir.2020.03.045.
J. Liu, D. Yu, Y. Hu, H. Yu, W. He and L. Zhang, “CNC Machine Tool Fault Diagnosis Integrated Rescheduling Approach Supported by Digital Twin-Driven Interaction and Cooperation Framework,” in IEEE Access, vol. 9, pp. 118801-118814, 2021, https://doi:10.1109/ACCESS.2021.3106797.
Dai, Ye & Pang, Jian &Rui, XuKun& Li, WeiWei& Wang, QingHai& Li, ShiKun. (2023). Thermal error prediction model of high-speed motorized spindle based on DELM network optimized by weighted mean of vectors algorithm. Case Studies in Thermal Engineering. 47. 103054. https://doi.org/10.1016/j.csite.2023.103054.
Armendia M., Cugnon F., Berglind L., OzturkE., Gil G., Selmi J.,Evaluation of Machine Tool Digital Twin for machining operations in industrial environment,Procedia CIRP,Volume 82,2019, p. 231-236, ISSN 2212-8271. https://doi.org/10.1016/j.procir.2019.04.040.
