24105

IND2 51

كارشناسي ارشد

مهندسي صنايع - بهينه سازي سيستم ها

فني و مهندسي

1403/06/27

120 ص.

كامران كيانفر

عليرضا گلي

دوقلوي ديجيتال , فرايند قالب‌گيري تزريق پلاستيك , هوش مصنوعي , شبيه‌سازي , بهينه‌سازي زمان چرخه توليد

تحولات سريع فناوري تغييرات عمده‌اي را در حوزه‌هاي مختلف ايجاد كرده و صنعت توليد نيز از اين تغييرات بي‌نصيب نمانده است. صنعت 4.0 كه به‌عنوان انقلاب صنعتي چهارم شناخته مي‌شود، يك دگرگوني اساسي در فرايندهاي توليد از طريق فناوري‌هاي پيشرفته ديجيتال را به همراه دارد. اين صنعت با تركيب فناوري‌هاي ديجيتال جديد با سيستم‌هاي توليد سنتي شناخته مي‌شود و به پيدايش كارخانه‌ها و سيستم‌هاي توليد هوشمند منجر شده است. از جمله اين فناوري‌ها مي‌توان به دوقلوي ديجيتال، اينترنت اشيا، داده‌هاي بزرگ، هوش مصنوعي، سيستم‌هاي سايبري - فيزيكي، محاسبات ابري، چاپ سه‌بعدي، واقعيت افزوده، رباتيك و بلاك‌چين اشاره كرد. هر كدام از اين تكنولوژي‌ها در بهبود جنبه‌هاي مختلف فرايند توليد، از طراحي و توسعه تا مديريت زنجيره تأمين و تعامل با مشتري، نقش مهمي ايفا مي‌كنند. هدف اين پژوهش ارائه شناختي جامع از دوقلوي ديجيتال به‌عنوان يكي از فناوري‌هاي مهم صنعت 4.0 است و به بررسي اجزا، مزايا و كاربردهاي آن در دنياي واقعي مي‌پردازد. همچنين، پس از بررسي فرايند قالب‌گيري تزريقي و اجزاي آن، نحوه پياده‌سازي دوقلوي ديجيتال در يكي از ماشين‌هاي تزريق پلاستيك كارخانه حايرپلاست، زيرمجموعه گروه صنعتي انتخاب الكترونيك (اسنوا) پيشنهاد مي‌شود. اين سيستم شامل دو بخش اصلي است: جمع‌آوري داده‌هاي لحظه‌اي و چارچوب دوقلوي ديجيتال كه از سه زيرسيستم شبيه‌سازي، هوش مصنوعي و رابط كاربري تشكيل شده است. اين سيستم براي توليد يك قطعه پلاستيكي پياده‌سازي شده و هدف آن كاهش زمان چرخه توليد و بهبود فرايند با استفاده از پارامترهاي بهينه حاصل از شبيه‌سازي و هوش مصنوعي است. شبيه‌سازي با استفاده از نرم‌افزار MoldFlow انجام شد و مدل هوش مصنوعي توسط شبكه عصبي مصنوعي با 2 لايه پنهان جهت پيش‌بيني زمان چرخه توليد و با استفاده از مجموعه 100 عددي از داده‌هاي واقعي توليد در سيستم طراحي و تعبيه شد. براي ادغام و يكپارچه‌سازي اين دو زيرسيستم و نمايش بصري نتايج يك رابط كاربري توسط زبان پايتون نوشته شد كه چهارچوب اصلي دوقلوي ديجيتال را تشكيل داد. پياده‌سازي اين سيستم منجر به بهينه‌شدن زمان چرخه توليد اين محصول و كاهش 3/13 درصدي آن شد. به‌طوركلي نتايج اين پژوهش نشان مي‌دهد كه استفاده از فناوري‌هاي نسل جديد و تغيير رويكرد سنتي فرايند توليد قالب‌گيري تزريقي مي‌تواند به نظارت و كنترل بهتر فرايند توليد، استفاده و پردازش مناسب‌تر اطلاعات و بهينه‌سازي زمان چرخه توليد منجر شود.

Digital twin , Plastic injection molding process , Artificial intelligence , Simulation , Optimization of production cycle time

Implementing digital twin system to improve production cycle time for plastic injection machines of SNOWA company

مهندسي صنايع و آينده پژوهي

The rapid advancements in technology have brought significant changes across various fields, and the manufacturing industry is no exception. Industry 4.0, known as the Fourth Industrial Revolution, marks a fundamental transformation in production processes through advanced digital technologies. This industry is characterized by the integration of new digital technologies with traditional production systems, leading to the emergence of smart factories and intelligent production systems. Among these technologies are the digital twin, the Internet of Things (IoT), big data, artificial intelligence (AI), cyber-physical systems (CPS), cloud computing, 3D printing, augmented reality (AR), robotics, and blockchain. Each of these technologies plays a crucial role in improving various aspects of the production process, from design and development to supply chain management and customer interaction. The aim of this research is to provide a comprehensive understanding of the digital twin as one of the key technologies of Industry 4.0 and to explore its components, benefits, and real-world applications. Additionally, after reviewing the injection molding process and its components, a proposal is made for implementing the digital twin in one of the plastic injection machines at HaierPlast, a subsidiary of Entekhab Industrial Group (SNOWA). This system consists of two main parts: real-time data collection and the digital twin framework, which is composed of three subsystems: simulation, artificial intelligence, and a user interface. The system was implemented for the production of a plastic part, aiming to reduce the production cycle time and improve the process by using optimized parameters obtained from simulation and artificial intelligence. The simulation was performed using MoldFlow software, and the AI model was developed using an artificial neural network with two hidden layers to predict the production cycle time, utilizing a set of 100 real production data points. A user interface, written in Python, was created to integrate and visualize the results from these two subsystems, forming the core of the digital twin framework. Implementing this system resulted in the optimization of the productʹs production cycle time, reducing it by 13.3%. Overall, the results of this study show that utilizing next-generation technologies and shifting away from traditional approaches in the injection molding process can lead to better monitoring and control of production, more efficient data usage and processing, and optimization of the production cycle time.

5

78213