Цифровой двойник SCADA-интегрированной станции CIP-мойки

Обложка

Цитировать

Полный текст

Аннотация

В условиях ужесточения санитарных требований и постоянного роста цен на энерго- и водоресурсы процессы CIP-очистки становятся все более значимыми с точки зрения затрат пивоваренного предприятия. Оптимизация традиционными методами затруднена, процессы нелинейны, зависят от состава производимого продукта и требуют строгого соблюдения условий безопасности, особенно при работе со стеклянной тарой. С учетом этих факторов была сформулирована задача разработки комплексного цифрового решения, позволяющего управлять CIP-процессом более эффективно.

Цель исследования - создание цифрового двойника станции CIP, способного в реальном времени формировать оптимальный по ресурсопотреблению профиль режимов - с учетом расхода, температуры и времени - и обеспечивать его прямое исполнение в среде промышленной SCADA. В основе решения лежит математическая модель, включающая сопряженную систему неявных разностных уравнений, описывающих процессы тепло- и массообмена, а также гидравлический баланс трубопроводной сети.

Методы. Оптимизация осуществляется на базе итерационного алгоритма динамического программирования, который минимизирует совокупные затраты пара, электроэнергии и химических реагентов при соблюдении гигиенических норм остаточного загрязнения.

Результаты. Для обеспечения совместимости с промышленной SCADA-средой реализована автогенерация кода в формате S-функции для переноса модели из MATLAB/Simulink без необходимости дополнительной адаптации. Проверка решения в реальных условиях была проведена на пилотной линии с производительностью 60 000 бутылок в час. В течение 30 последовательных суточных циклов цифровой двойник показал стабильность и высокую точность, отклонения от логов SCADA-системы не превышали 0,4 °C по температуре и 1,2 % по расходу раствора.

Выводы. Внедрение оптимизированных профилей позволило сократить длительность полного цикла CIP на 10-15 %, а потребление щелочи и пара снизить в среднем на 20 % при сохранении микробиологической чистоты оборудования. Полученные результаты подтверждают не только техническую реализуемость предлагаемого подхода, но и его экономическую целесообразность.

Об авторах

В. С. Артемьев

Российский экономический университет имени Г. В. Плеханова

Автор, ответственный за переписку.
Email: Artemev.vs@rea.ru
ORCID iD: 0000-0002-0860-6328
SPIN-код: 8912-5825

ст. преподаватель кафедры информатики

Россия, 115054, Россия, Москва, Стремянный переулок, 36

Список литературы

  1. Агеев О. В., Лизоркина О. А., Самойлова Н. В. Анализ методологических принципов моделирования гибких пищевых систем // Вестник науки и образования Северо-Запада России. 2023. Т. 9. No 2. С. 7-24. EDN: AFAIUD
  2. Фролочкин А. Правила подбора моющих средств для предприятий, работающих с водой разной жесткости // Переработка молока. 2024. No 8(298). С. 50-51. EDN: MWFAVA
  3. Аксенов М. М., Дубровская О. В. Обработка осадков, образующихся в процессе "сухого" охмеления, с помощью центробежного оборудования // Пиво и напитки. 2021. No 3. С. 44-46. EDN: VKDONC
  4. Тукташева Е. Ю. Исследование эффективности предварительной реагентной обработки сточных вод пивоваренных заводов // Градостроительство и архитектура. 2021. Т. 11. No 3(44). С. 56-61. doi: 10.17673/Vestnik.2021.03.09
  5. Аксенов М. М., Дубровская О. В. Осветление пива с помощью современных центробежных сепараторов // Пиво и напитки. 2020. No 3. С. 74-75. EDN: GOHDAV
  6. Сергиенко О. И. Переход на наилучшие доступные технологии как источник инноваций и способ организации ресурсоэффективного производства // Эффективность экономики, экологические инновации, климатическая и энергетическая политика: Сборник статей по результатам международного научно-исследовательского семинара. Санкт-Петербург: Скифия-принт, 2016. С. 170-178.
  7. Старостин А. С., Артемьев В. С. Спектральный анализ в автоматизированных информационных системах // Computational Nanotechnology. 2025. Т. 12. No 1. С. 69-78. doi: 10.33693/2313-223X-2025-12-1-69-78
  8. Григорьев А. О., Мокрова Н. В., Артемьев В. С. Методы статистического анализа для диагностики состояния электрооборудования в агропромышленном комплексе // Вестник Чувашского государственного аграрного университета. 2025. No 1(32). С. 185-193. doi: 10.48612/vch/k3rd-8hk2-74nz
  9. Афанасьев С. Н., Пахомов А. Н. Токоограничение в системе электропривода постоянного тока с модальным управлением и переменной структурой // Известия высших учебных заведений. Электромеханика. 2022. Т. 65. No 4. С. 58-63. doi: 10.17213/0136-3360-2022-4-58-63

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Артемьев В.С., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».