Информационное обеспечение, моделирование и управление жизненным циклом изделий

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

В статье рассматривается актуальность и значимость концепции цифровых двойников в области машиностроения, а также их влияние на производственные процессы. Определены цели и задачи исследования, включающие анализ понятийного аппарата, использование цифровых двойников на различных этапах жизненного цикла изделий и оценку их преимуществ и недостатков. Рассмотрены феноменологические модели управления повреждениями материалов, их классификация и примеры успешного применения в реальных ситуациях. Изложены требования к созданию формата цифрового двойника, включая его структуру и основные компоненты. Особое внимание уделено вопросам управления повреждениями и возможным подходам к их решению, а также оценке эффективности предлагаемых решений. В заключении подчеркивается важность интеграции цифровых технологий и даются рекомендации по внедрению цифровых двойников, направленные на повышение эффективности производства, снижение затрат и улучшение качества продукции. Перспективы дальнейших исследований в этой области связаны с разработкой алгоритмов анализа, внедрением искусственного интеллекта и созданием стандартов цифровых моделей.

Full Text

Restricted Access

About the authors

М. Н. Ерофеев

Институт машиноведения им. А. А. Благонравова РАН

Author for correspondence.
Email: kravchenko-in71@yandex.ru
Russian Federation, Москва

И. Н. Кравченко

Институт машиноведения им. А. А. Благонравова РАН

Email: kravchenko-in71@yandex.ru
Russian Federation, Москва

М. В. Крюков

Институт машиноведения им. А. А. Благонравова РАН

Email: kravchenko-in71@yandex.ru
Russian Federation, Москва

References

  1. Пирогов В. В., Рагуткин А. В., Сидоров М. И., Ставровский М. Е. Некоторые аспекты создания и согласования цифровых двойников изделий и производства // Технология машиностроения. 2020. № 4. С. 54.
  2. Шведенко В. Н., Мозохин А. Е. Применение концепции цифровых двойников на этапах жизненного цикла производственных систем // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20. № 6. С. 815. https://doi.org/10.17586/2226-1494-2020-20-6-815-827
  3. Никишечкин П. А., Долгов В. А., Григорьев С. Н. Разработка типовых архитектур цифровых двойников производственно-логистических систем машиностроительных предприятий на разных стадиях их жизненного цикла // Известия высших учебных заведений. Машиностроение. 2023. № 5 (758). С. 37. https://doi.org/10.18698/0536-1044-2023-5-37-48
  4. Fernandez-Canteli A., Castillo E., Blason S. A methodology for phenomenological analysis of cumulative damage processes: Application to fatigue and fracture phenomena // Int. J. of Fatigue. 2009. V. 31. P. 1031. https://doi.org/10.1016/j.ijfatigue.2021.106311
  5. Гумеров М. Ф. Феноменологическая модель проблемной области принятия решения в организационном управлении // Инновации и инвестиции. 2017. № 1. С. 119.
  6. Прохоров А., Лысачев М., Боровков А. Цифровой двойник. Анализ, тренды, мировой опыт. М.: Альянс Принт, 2020. 401 с.
  7. Хитрых Д. П. Цифровой двойник: концепция, уровни, связь с Интернетом вещей и роль численного и системного моделирования // САПР и графика. 2020. № 7 (285). С. 8.
  8. Павлов С. В. Классификация феноменологических моделей фазовых переходов методами эквивариантной теории катастроф: модели с L = Cnv (n = 3, 4, 6) // Вестник Московского университета. Серия 3: Физика и астрономия. 2016. № 5. С. 37.
  9. Павлов С. В. Феноменологические модели фазовых переходов с многокомпонентными взаимодействующими параметрами порядка: построение и классификация методами теории особенностей // Вестник Московского университета. Серия 3: Физика и астрономия. 2019. № 6. С. 243. https://doi.org/10.55959/MSU0579-9392.79.2430501
  10. Крыжевич Г. Б., Филатов А. Р. Модель упругопластического деформирования алюминиевых сплавов и критерии малоцикловой усталости конструкций // Труды Крыловского государственного научного центра. 2018. № S2. С. 85. https://doi.org/10.24937/2542-2324-2018-2-S-I-85-95
  11. Ghat M., Mehtedi M., Ciccarelli D., Paoletti C., Spigarelli S. High temperature deformation of IN718 super alloy: use of basic creep modelling in the study of Nickel and single-phase Ni-based super alloys // Materials at High Temperatures. 2018. V. 36. P. 58. https://doi.org/10.1080/09603409.2018.1456508
  12. Jia L., Koyama T., Kuwamura H. Prediction of cyclic large plasticity for prestrained structural steel using only tensile coupon tests // Frontiers of Structural and Civil Engineering. 2013. V. 7 (4). P. 466. https://doi.org/10.1007/s11709-013-0219-5
  13. Федоренков Д. И., Косов Д. А. Реализация модели поврежденности Lemaitre с кинематическим упрочнением в конечно-элементном комплексе ANSYS // Вестник Пермского национального исследовательского политехнического университета. Механика. 2022. № 2. С. 147. https://doi.org/10.15593/perm.mech/2022.2.12
  14. Крюков М. В., Ерофеев М. Н., Кравченко И. Н. Моделирование технологических параметров и режимов FDM-технологии и свойств изделий с помощью искусственного интеллекта // Моделирование синтеза и разрушения материалов. Минск: Беларуская навука, 2024. С. 212.
  15. Сидоров М. И., Ставровский М. Е., Кравченко И. Н., Сидоров И. М., Постникова Е. С. К вопросу о кинетическом подходе в моделировании процессов разрушения материалов // Все материалы. Энциклопедический справочник. 2024. № 2. С. 2. https://doi.org/10.31044/1994-6260-2024-0-2-2-9
  16. Chaboche J. L. Constitutive equations for cyclic plasticity and cyclic viscoplasticity // Int. J. of Plasticity. 1989. V. 5 (3). P. 247. https://doi.org/10.1016/0749-6419(89)90015-6
  17. Chaboche J. L., Kanouté P., Azzouz F. Cyclic inelastic constitutive equations and their impact on the fatigue life predictions // Int. J. of Plasticity. 2012. V. 35. P. 44. https://doi.org/10.1016/j.ijplas.2012.01.010

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Structure of the digital twin.

Download (96KB)

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».