조류 기반 탄소 포집 시스템이 기계적 원인 없이 고장나기 시작했습니다. 바이오매스 생산량이 급감했고, 초기 분석 결과 튜브 내부의 조도 부족이 원인으로 지목되었습니다. 검사 결과 폴리머 내벽에 생물막(biofilm) 층이 부착되어 빛의 통과를 차단하고 있었습니다. 이 현상을 이해하기 위해 팀은 표면 거칠기와 생물막 두께 데이터를 통합한 3D 관형 광생물반응기의 디지털 트윈을 개발했습니다.
매개변수 모델링 및 광 차단 시뮬레이션 🧬
과정은 MATLAB에서 시작되어 광학 프로필로메트리로 얻은 거칠기 프로필을 처리했습니다. Ra 및 Rz와 같은 매개변수를 계산하여 튜브 내부 텍스처가 초기 박테리아 부착을 촉진했는지 확인했습니다. 생물막 두께 데이터는 가변 흡수 계수를 가진 반투명 층으로 매핑되었습니다. 이 정보는 SolidWorks로 내보내져 벽의 불규칙성을 포함한 반응기의 정확한 형상을 구축하는 데 사용되었습니다. 마지막으로 KeyShot을 사용하여 막힌 튜브를 통한 광자 경로를 시뮬레이션하는 사실적인 조명으로 장면을 렌더링했습니다. 시각적 시뮬레이션은 깨끗한 튜브 대비 투명도 손실을 73%로 정량화했습니다.
차세대 반응기를 위한 설계 교훈 🔬
디지털 트윈은 고장 원인을 설명했을 뿐만 아니라 생물막 축적의 중요 지점을 예측할 수 있게 했습니다. 폴리머의 초기 거칠기가 초기 박테리아 군집의 정착지 역할을 한 것으로 확인되었습니다. 이 가상 복제본을 통해 엔지니어는 이제 단 한 미터의 파이프도 제작하지 않고 다양한 표면 마감과 재료를 시뮬레이션할 수 있습니다. 결론은 명확합니다. 최적화된 반응기는 매끄러운 표면과 광 정체 구역을 피하는 형상을 우선시해야 하며, 디지털 트윈은 물리적 프로토타입을 제작하지 않고 이러한 결정을 검증하는 도구입니다.
조류 반응기에서 바이오매스 생산량이 크게 영향을 받기 전에 생물막으로 인한 광 투과율 변화를 감지할 수 있게 한 디지털 트윈의 매개변수는 무엇입니까?
(추신: 제 디지털 트윈은 지금 회의 중이고, 저는 여기서 모델링하고 있습니다. 그래서 기술적으로 저는 두 곳에 동시에 있는 셈입니다.)