Digital Twin: Merevolusi Pemesinan untuk Efisiensi dan Tantangan Tenaga Kerja
Digital twin menghidupkan dan memberikan inovasi pada semakin banyak area manufaktur serta menyelesaikan tantangan untuk bengkel mesin semua ukuran. Dengan kekurangan tenaga kerja terampil dan upaya berkelanjutan untuk menindih manufaktur canggih ke AS, digital twin memiliki banyak yang bisa ditawarkan. Digitalisasi mesin dan proses menciptakan pemahaman yang mendalam tentang CNC, program, proses, peralatan, dan pengaturan.
Selain itu, dengan persaingan yang semakin ketat, bengkel akan perlu meningkatkan dan mengoptimalkan operasi mereka dengan menciptakan efisiensi yang lebih tinggi. Digitalisasi proses manufaktur tradisional memiliki potensi untuk membuat operasi lebih efisien dengan membuktikan proses produksi di dunia virtual.
Terakhir, musuh keuntungan adalah ketidakpastian, dan dengan keadaan ekonomi global saat ini, ketidakpastian hampir merupakan jaminan. Manajemen yang baik, melalui digital twin, dapat membantu melindungi dari gangguan dan menempatkan langkah-langkah yang memaksimalkan produktivitas Anda.
Memahami Digital Twin
Digital twin dari mesin perkakas adalah representasi virtual dari mesin yang terhubung dengan kontrol virtual yang diisi dengan data konfigurasi dunia nyata. Ini membawa simulasi berbasis model dan parametrik ke tingkat baru karena seseorang dapat mengoptimalkan dan membuktikan pengaturan mesin perkakas dengan lebih akurat dari sebelumnya.
Biasanya, sistem CAM dan post-prosesor tidak memiliki pengetahuan langsung tentang mesin, seperti kinematika, kode G yang tersedia, atau jika seseorang mengubah parameter. Simulasi berbasis CAM atau paket simulasi kode G umum tidak dapat menunjukkan bagaimana perubahan tersebut akan mempengaruhi program atau waktu siklus karena tidak ada digital twin dari CNC atau komunikasi langsung ke kontrol mesin tertentu.
Proses manual umumnya digunakan untuk mengatur CAM atau simulasi kode G, jadi dalam banyak kasus program tidak dioptimalkan untuk mesin individual atau program gagal untuk memanfaatkan banyak fitur pemrograman modern. Program mungkin bahkan tidak berjalan pada mesin target.
Masalah lain yang dihadapi bengkel adalah posting dan program mereka sering tidak dioptimalkan untuk mesin atau peralatan. Misalnya, operator mungkin menjalankan alat dengan laju makan yang lebih rendah, mungkin karena khawatir tentang menjalankan mesin pada laju makan yang diprogram. Ini menambah waktu yang terbuang, produktivitas yang hilang, dan efisiensi rendah.
Di sisi lain, virtualisasi dapat mengaktifkan interoperabilitas antara CNC dan sistem CAM. Ini membantu posting program berdasarkan fitur yang didukung CNC dan/atau mesin. Setelah program diposting, lingkungan virtual dapat dibuat di luar simulasi sederhana karena dasarnya menggunakan kinematika mesin dan parameter CNC nyata. CAM dan simulasi kode G hanya dapat mengambil pengujian sejauh itu karena PC tidak memiliki pengetahuan tentang pengaturan CNC. Menggunakan digital twin untuk membuktikan pengaturan CNC dan mesin aktual akan sangat mengurangi kemungkinan kesalahan.
Digital twin juga dapat membantu memenuhi permintaan untuk komponen yang lebih akurat yang disuplai ke industri canggih yang memerlukan produk dengan toleransi tinggi. Seiring pemesinan menjadi lebih kompleks, memiliki proses yang paling efisien sangat krusial. Banyak metode tradisional membuang waktu produksi yang berharga, seperti prosedur pengaturan yang menciptakan bottleneck karena mesin dikeluarkan dari produksi. Digital twin memungkinkan pengujian program di lingkungan virtual. CNC virtual mengikuti jalur potong yang diprogram aktual dengan akurat serta menghasilkan waktu siklus dunia nyata. Saat terhubung ke mesin virtual yang cocok secara eksak dengan kinematika, digital twin memungkinkan verifikasi yang akurat tanpa pernah mengganggu proses saat ini yang berjalan pada mesin. Plus, membuktikan proses di kantor memungkinkan mesin untuk terus beroperasi.
Digital Twin untuk Pengembangan Tenaga Kerja
Karena digital twin adalah replika dari mesin perkakas, pelatihan pada digital twin adalah alat yang sangat berharga untuk menutup kesenjangan keterampilan CNC dan mengajarkan dasar-dasar bengkel pekerjaan seperti pemrograman bagian dan operasi mesin perkakas. Digital twin menawarkan pengguna pengalaman dan pelatihan pemesinan yang realistis dan langsung tanpa mengambil mesin aktual dari produksi.
Alat Digitalisasi untuk Bengkel Kerja
FANUC America telah bekerjasama dengan ModuleWorks untuk mengembangkan perangkat lunak pengembangan tenaga kerja serta serangkaian pemrograman bagian baru yang tangguh, NC Reflection Studio, yang membantu bengkel dengan editing kode G, simulasi, dan verifikasi program. Semua ini menawarkan arsenal alat untuk menciptakan mesin yang terampil serta mengoptimalkan bengkel mesin. Digitalisasi ujung-ke-ujung ini kemudian akan benar-benar membuka kekuatan Industri 4.0 untuk industri CNC.
SME Mengumumkan 2022 Sandra L. Bouckley Outstanding Young Manufacturing Engineers
22 penerima tahun ini dipilih berdasarkan latar belakang manufaktur yang beragam, kemajuan/perbaikan teknologi, dan penelitian terbaru. Nama hadiah tahun 2022 adalah Sandra L. Bouckley, presiden SME tahun 2017, FSME, P.Eng., mantan CEO SME dan mantan vice president sistem manufaktur, manajemen rantai pasokan, dan lean di GKN Driveline Americas.
Sementara keanggotaan SME tidak diperlukan untuk pengakuan ini, masing-masing dari 22 Pemenang Outstanding Young Manufacturing Engineers Sandra L. Bouckley tahun 2022 adalah bagian dari komunitas SME, telah menjadi anggota sebelum pemilihan mereka:
Bruno Azeredo, PhD, Arizona State University, Tempe, Ariz.
Wen Chen, PhD, University of Massachusetts Amherst, Amherst, Mass.
Xu Chen, PhD, University of Washington, Seattle
Nancy Diaz-Elsayed, PhD, University of South Florida, Hillsborough County, Fla.
Amy Elliott, PhD, Oak Ridge National Laboratory, Oak Ridge, Tenn.
Thomas Feldhausen, PhD, Oak Ridge National Laboratory, Knoxville, Tenn.
Kelvin Fu, PhD, University of Delaware, Newark, Del.
Michael Gomez, PhD, MSC Industrial Supply Co., Knoxville, Tenn.
Jinah Jang, PhD, Pohang University of Science and Technology, Pohang, South Korea
Bo Jin, PhD, University of Southern California, Los Angeles
Venkata Charan Kantumuchu, Electrex Inc., Edmond, Okla.
Geoff Karpa, Lockheed Martin Aeronautics Co., Fort Worth, Texas
Vipin Kumar, PhD, Oak Ridge National Laboratory, Knoxville, Tenn.
Megan McGovern, PhD, PE, General Motors Global Research & Development, Detroit
Laura Pahren, Procter & Gamble Co., Mason, Ohio
Kyle Saleeby, PhD, Oak Ridge National Laboratory, Knoxville, Tenn.
Ryan Sekol, PhD, General Motors Research & Development, Warren, Mich.
Xuan Song, PhD, University of Iowa, Iowa City, Iowa
Peng "Edward" Wang, PhD, University of Kentucky, Lexington, Ky.
Sarah Wolff, PhD, Texas A&M University, College Station, Texas
Yang Yang, PhD, San Diego State University, San Diego
Xiaowei Yue, PhD, Virginia Tech, Blacksburg, Va.
SME telah menyoroti pencapaian lebih dari 470 insinyur manufaktur muda—dan dampaknya pada manufaktur—durasi lebih dari empat dekade melalui hadiah ini. SME akan menyambut nominasi untuk Hadiah Outstanding Young Manufacturing Engineers 2023 pada 1 Agustus di sme.org/oyme.
