高エンタルピー地熱発電所で、原因不明の圧力低下が発生した。出力が低下し、技術者たちは内部の閉塞を疑う。3Dスキャンによって生成されたデジタルツインを用いて、原因が特定された。シリカ結晶が析出し、流路を閉塞させているのだ。本稿では、流体の化学的変質を診断し、予知保全を最適化するための技術的ワークフローを詳述する。
ワークフロー：デジタル化、シミュレーション、診断 🔧
プロセスは、Leica Cycloneレーザースキャナーを使用して、配管やバルブの内部形状を取得し、高精度な点群データを生成することから始まる。この点群はCloudCompareにインポートされ、位置合わせ、ノイズ除去、そしてスケーリングが疑われる重要領域のセグメンテーションが行われる。その後、クリーンな形状モデルはAnsys Fluentに転送され、数値流体力学（CFD）シミュレーションが実行される。ここでは、実際の熱化学的特性を持つ地熱流体がモデル化される。シミュレーションにより、シリカが核生成・成長しやすい低速・高温領域が明らかになり、圧力損失と結晶閉塞の相関関係が示される。デジタルツインはこれらのデータで更新され、堆積物の成長予測と局所的な洗浄作業の計画を可能にする。
仮想化学モデルの予測的価値 ⚗️
閉塞の検出に加えて、デジタルツインは経時的な流体の化学的変質を評価することを可能にする。スキャンデータとCFDシミュレーションを統合することで、シリカの飽和指数をモデル化し、析出の重要なポイントを予測できる。これにより、事後保全から予知保全戦略へと転換し、計画外の停止を減らし、コンポーネントの寿命を延ばすことができる。Leica Cyclone、CloudCompare、Ansys Fluentの相乗効果は、デジタルツインが形状を再現するだけでなく、プロセスの化学的性質をシミュレートすることを実証している。
デジタルツインは、生産履歴データと予測モデルを統合することで、シリカによる閉塞とダウンホールポンプの機械的故障をリアルタイムで区別できるのだろうか？
(追記：私のデジタルツインは現在会議中で、私はここでモデリングをしています。つまり、技術的には私は同時に二つの場所にいることになります。)