Desarrollo de un gemelo digital para docencia en asignaturas de ingeniería mecánica
Barra lateral del artículo
Contenido principal del artículo
Resumen
La representación virtual de sistemas industriales mediante gemelos digitales está siendo implementada en la actualidad a la mayoría de los sistemas industriales y productivos. Permite, mediante la sensorización adecuada, conocer el estado y evolución de un sistema digitalizado. A su vez, se manifiesta la necesidad de implantarlo en los entornos educativos, especialmente en el nivel universitario.
Este trabajo presenta una forma novedosa de abordar contenidos de distintas asignaturas de ingeniería mecánica mediante el desarrollo de gemelos digitales, y en concreto, el de una estructura. Así, se describe un sistema mecánico al que se han incorporado distintos sensores que permiten una lectura de los niveles de carga aplicados. Mediante un modelo computacional que reproduce el mismo sistema mecánico, y alimentado por la lectura de los sensores, se puede realizar la simulación en tiempo real del sistema, conociendo así su estado tensional instantáneo durante la aplicación de carga. Asimismo, se puede predecir si la estructura está cerca de sus límites de carga.
Los resultados han mostrado la validez del gemelo digital y su implantación en distintas asignaturas de ingeniería mecánica. Se ha facilitado así la comprensión de los conceptos desarrollados, y su potencial aplicación a otros sistemas mecánicos de mayor complejidad.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
CC BY-NC-SA 4.0)
El lector puede compartir, copiar y redistribuir el material en cualquier medio o formato, siempre y cuando cumpla con las siguientes condiciones:
-
Atribución (BY): Debe dar crédito adecuado al autor original, proporcionando un enlace a la licencia y señalando si se han realizado cambios.
-
No Comercial (NC): No puede utilizar el material con fines comerciales. Esto significa que no puede venderlo ni obtener ganancias directas de su uso.
-
Compartir Igual (SA): Si adapta, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
Recuerda que esta licencia no afecta los derechos legales del autor, como el derecho moral o las excepciones de uso justo.
Citas
Dang, H. V, Tatipamula, M., & Nguyen, H. X. (2022). Cloud-Based Digital Twinning for Structural Health Monitoring Using Deep Learning. IEEE Transactions on Industrial Informatics, 18(6), 3820–3830. https://doi.org/10.1109/TII.2021.3115119
Deon, B., Cotta, K. P., Silva, R. F. V, Batista, C. B., Justino, G. T., Freitas, G. C., Cordeiro, A. M., Barbosa, A. S., Loução, F. L., Simioni, T., Morais, A. M., Medeiros, I. E. A., Almeida, R. J. S., Araújo Jr., C. A. A., Soares, C., & Padoin, N. (2022). Digital twin and machine learning for decision support in thermal power plant with combustion engines. Knowledge-Based Systems, 253, 109578. https://doi.org/https://doi.org/10.1016/j.knosys.2022.109578
Grieves, M. (2023). Digital Twin Certified: Employing Virtual Testing of Digital Twins in Manufacturing to Ensure Quality Products. Machines, 11(8). https://doi.org/10.3390/machines11080808
Grieves Michael and Vickers, J. (2017). Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems. In S. and A. A. Kahlen Franz-Josef and Flumerfelt (Ed.), Transdisciplinary Perspectives on Complex Systems: New Findings and Approaches (pp. 85–113). Springer International Publishing. https://doi.org/10.1007/978-3-319-38756-7_4
Kosim, N. A. M., Hassan, S. L. M., Halim, I. S. A., Abdullah, N. E., & Rahim, A. A. A. (2022). Air Quality Monitoring System using Arduino and Matlab Analysis. 2022 IEEE 13th Control and System Graduate Research Colloquium (ICSGRC), 225–230. https://doi.org/10.1109/ICSGRC55096.2022.9845147
Li, L., Lei, B., & Mao, C. (2022). Digital twin in smart manufacturing. Journal of Industrial Information Integration, 26, 100289. https://doi.org/https://doi.org/10.1016/j.jii.2021.100289
Liljaniemi, A., & Paavilainen, H. (2020). Using Digital Twin Technology in Engineering Education – Course Concept to Explore Benefits and Barriers. Open Engineering, 10, 377–385. https://doi.org/10.1515/eng-2020-0040
Liu, X., Liu, H., & Serratella, C. (2020). Application of Structural Health Monitoring for Structural Digital Twin. Offshore Technology Conference Asia.
Mohd Bakri, N. A., Al Junid, S. A. M., Razak, A. H. A., Md Idros, M. F., & Halim, A. K. (2015). Mobile Carbon Monoxide Monitoring System Based on Arduino-Matlab for Environmental Monitoring Application. IOP Conference Series: Materials Science and Engineering, 99(1), 012009. https://doi.org/10.1088/1757-899X/99/1/012009
Nikolaev, S., Gusev, M., Padalitsa, D., Mozhenkov, E., Mishin, S., & Uzhinsky, I. (2018). Concept for Modern Project-Based Engineering Education. 193–203. https://doi.org/10.1007/978-3-030
Raffi, M. L. M., Hussain, M. A. M., Mustafa, W. A., Zabidi, M. N. A., Mardiansyah, A., & Subari, K. (n.d.). A Systematic Review of Open-Source Software for Technical and Vocational Education and Training (TVET).
Screpanti, L., Scaradozzi, D., Gulesin, R. N., & Ciuccoli, N. (2022). Control Engineering and Robotics since Primary School: an Infrastructure for creating the Digital Twin model of the Learning Class. IFAC-PapersOnLine, 55(17), 267–272. https://doi.org/10.1016/j.ifacol.2022.09.290
Soori, M., Arezoo, B., & Dastres, R. (2023). Digital twin for smart manufacturing, A review. Sustainable Manufacturing and Service Economics, 2, 100017. https://doi.org/https://doi.org/10.1016/j.smse.2023.100017
Takács, G., Mikuláš, E., Gulan, M., Vargová, A., & Boldocký, J. (2023). AutomationShield: An Open-Source Hardware and Software Initiative for Control Engineering Education. IFAC-PapersOnLine, 56(2), 9594–9599. https://doi.org/https://doi.org/10.1016/j.ifacol.2023.10.263
Torzoni, M., Tezzele, M., Mariani, S., Manzoni, A., & Willcox, K. E. (2024a). A digital twin framework for civil engineering structures. Computer Methods in Applied Mechanics and Engineering, 418, 116584. https://doi.org/https://doi.org/10.1016/j.cma.2023.116584
Torzoni, M., Tezzele, M., Mariani, S., Manzoni, A., & Willcox, K. E. (2024b). A digital twin framework for civil engineering structures. Computer Methods in Applied Mechanics and Engineering, 418, 116584. https://doi.org/10.1016/J.CMA.2023.116584
Xiong, M., & Wang, H. (2022). Digital twin applications in aviation industry: A review. The International Journal of Advanced Manufacturing Technology, 121(9), 5677–5692. https://doi.org/10.1007/s00170-022-09717-9
Yang, D., Karimi, H. R., Kaynak, O., & Yin, S. (2021). Developments of digital twin technologies in industrial, smart city and healthcare sectors: a survey. Complex Engineering Systems, 1(1). https://doi.org/10.20517/ces.2021.06
Zhang, J., Zhu, J., Tu, W., Wang, M., Yang, Y., Qian, F., & Xu, Y. (2024). The Effectiveness of a Digital Twin Learning System in Assisting Engineering Education Courses: A Case of Landscape Architecture. Applied Sciences, 14(15). https://doi.org/10.3390/app14156484