Skip to main content
Тази страница се показва с помощта на автоматизиран превод. Вместо това вижте на английски?
Амазония тропически гори

Digital Twin стимулира дребномащабната амазонска агроиндустрия

Дълбоко в тропическите гори на Амазонка, проектът Moiru помага на дребния производител на етерични масла да работи по-интелигентно. В рамките на доказателство за концепцията той показва как Digital Twin инструменти — включително Simcenter СТАР-СМ+ - може да направи разлика далеч от фабричния етаж

screenshot video

Влажният климат на Амазонка осигурява идеални условия за ароматни растения. От 2003 г. кооперацията Кампо Лимпо (APROCAMP) в Санто Антонио до Тауа доставя Natura — бразилска мултинационална компания и водеща компания за красота и лична хигиена в Латинска Америка — с тези култури. И от 2024 г. кооперацията също участва в извличането на техните етерични масла, което позволява повече от стойността да остане в общността.

Чрез проекта Moiru процесът на извличане на етерични масла вече може да бъде автоматизиран. Разработен с Натура като част от нашата инициатива Tech4Amazonia, проектът се фокусира върху въвеждането на цифрови технологии в индустриалните процеси в селските райони на Амазонка. Нашите инженери допринасят своя опит в технологиите за автоматизация, симулация и разузнаване на данни, докато Натура носи научна компетентност в областта на социалното биоразнообразие и дългогодишни взаимоотношения с местните общности.

Традиционният процес става дигитален

Традиционно производството на етерично масло използва пара: Растителният материал се опакова в големи вани и парата преминава през органичната материя, изпарявайки етеричните масла на растението, които след това се кондензират в следващата стъпка и се отделят от водата. Качеството на крайния продукт зависи, наред с други, от това колко равномерно се движи парата през материала и колко стабилно налягане и температура остават по време на работа. За да постигнем най-добри резултати всеки път, се заехме да дигитализираме процеса. Защото нищо не трябва да се оставя на случайността.

Нашите инженери започнаха, като картографираха подробно съществуващата настройка за извличане. Това включваше събиране и валидиране на технически данни като CAD чертежи, диаграми на тръбопроводи и измервателни уреди и гранични условия, последвани от посещения на място, за да се разбере инфраструктурата на кооперацията и оперативните ограничения на агроиндустриална операция в Амазония. Тази информация е събрана, за да се създаде Digital Twin на екстракционната вана с помощта на изчислителна динамика на флуидите (CFD) в Simcenter СТАР-СМ+. Моделът разкрива как парата се движи през растителния материал, къде настъпват спадове на налягането и как температурата се разпределя вътре в съда — всички фактори, които пряко влияят върху ефективността и възпроизводимостта на екстракцията.

Придобиването на по-задълбочени познания и по-добър контрол върху процесите на добив е от основно значение за подобряване на ефективността и генерирането на суровини с по-високо качество.
Ромуло Замберлан, Директор на бъдещите науки и благосъстояние, Натура

От прозрение към действие

Screenshot video Natura

След това прозренията, получени от Digital Twin близнак, бяха въведени в действие. Започнахме с интегрирането на автоматизационен слой в процеса на добив на агроиндустрията. Сензор за налягане беше инсталиран нагоре по течението от екстрактора, пропорционален клапан беше поставен в паропровода и бяха добавени сензори за масов поток и температура, за да улавят ключовите променливи на всяка партида. Тези компоненти се контролират и наблюдават чрез PLC/HMI система и надзорен контрол, което позволява на операторите да зададат желания дебит на пара, да наблюдават поведението на процеса и да поддържат стабилни условия на работа.

Всички данни, създадени в процеса, се регистрират локално от Industrial Edge, което е от съществено значение в области, където свързаността може да бъде ограничена. След това данните могат да бъдат анализирани с различни приложения.

Измерими подобрения

Резултатите от симулацията на CFD разкриват, че нивата на налягане за извличане на етерично масло могат да бъдат до 50% по-ниски от първоначално използваните. Това означава по-голяма енергийна ефективност в котела, по-ниско потребление на биомаса и вода и следователно намаляване на експлоатационните разходи и въглеродния отпечатък. По-стабилните условия на налягане гарантират, че процесът вече е по-безопасен.

CFD моделът и автоматизацията също осигуряват по-хомогенно разпределение на температурата, което е от съществено значение за постоянното изпаряване на маслото; по-стабилно входно налягане и поток на пара; и по-добър контрол на процеса за по-висока ефективност. Тези фактори влияят пряко върху качеството на етеричното масло. И накрая, мониторингът в реално време на потока на пара позволява процесът да бъде стандартизиран и повторен надеждно за всеки растителен вид.

screenshot video - natura - Measurable improvements
Придобиването на по-задълбочени познания и по-добър контрол върху процесите на добив е от основно значение за подобряване на ефективността и генерирането на суровини с по-високо качество.
Ромуло Замберлан, Директор на бъдещите науки и благосъстояние, Натура

По-справедлива верига за доставки

Members of the APROCAMP community have acquired digitalization skills in the framework of the Moiru project.

Освен въвеждането на по-висока ефективност в процеса на дестилация на етерични масла, проектът Moiru включваше и training по автоматизация, инструментариум и мониторинг на процесите за членове на общността на APROCAMP. Това означава, че те не само участват в по-висококвалифицирани добивни дейности, но и участват пряко в дигитализацията на производството си. Натура прави подобна трансформация в Amazon повече от 25 години, дори преди проекта Mouri, общността вече се радваше на 60% увеличение на годишните си брутни приходи и 25% увеличение на възможностите за работа благодарение на участието в производството на етерични масла.

Сега, когато проектът Moiru успешно премина през доказателство за концепцията, следващите стъпки включват проучване на нови приложения, като оптимизация, базирана на AI. Освен това подходът служи като план за други агроиндустрии.

Април 2026