高性能レガッタ中、60メートルのメガヨットのカーボンファイバーマストが予告なく破断しました。搭載センサーは異常を記録しませんでしたが、故障は内部で発生していました。FARO Sceneによる3Dスキャンと超音波分析により、検出されなかった荷重サイクルによって引き起こされた進行性の層間剥離がマッピングされました。この事例は、複合材料の材料疲労が従来の監視システムでは不可視であり得ることを示しています。
損傷マッピング：目視検査からデジタルツインへ 🗺️
複合材マストを評価する従来の方法は、目視検査と局所的な衝撃試験に基づいています。しかし、内部層間剥離は、表面を変形させることなく層間を伝播する静かな故障です。このケースでは、FARO Sceneによる3Dスキャンにより、高精度の点群が生成されました。その形状はAnsys Composite PrepPostに統合され、有限要素法による応力シミュレーションが行われました。その結果、荷重履歴を再現し、隠れた疲労領域を明らかにするデジタルツインが作成されました。RhinoとGrasshopperはパラメトリックメッシュ生成を自動化し、Cinema 4Dは層ごとの損傷進行を可視化しました。
シミュレーションはリアルタイムセンサーに取って代わることができるか？ 🤔
答えは「いいえ」ですが、補完することはできます。センサーは現在を測定し、シミュレーションは未来を予測します。このマストでは、センサーが記録しなかった疲労データが、Ansysにおけるモーダル解析と繰返し荷重解析によって事後的に再構築されました。教訓は明らかです。定期的なスキャンで更新されるデジタルツインを統合することで、層間剥離が深刻化する前に予測することが可能になります。60メートルのマストのような高価値構造物にとって、予測シミュレーションへの投資は、壊滅的な故障よりも安価です。
複合材料エンジニアとして、従来の目視検査や超音波検査ではマストの破断前に欠陥を特定できなかったことを考慮し、繰返し荷重下のカーボン積層板における層間剥離の発生と進展を検出するために、どの有限要素シミュレーション手法を推奨しますか？
(追伸：材料疲労は、10時間シミュレーションを実行した後のあなたの疲労のようなものです。)