振動ふるい機の処理能力を向上させるには

Kosuke_IKEDA
Kosuke_IKEDA
Altair Employee
edited June 2023 in Altair Exchange

Overview

振動ふるい機は、製薬、農業、食品/飲料産業で、dry-dry、wet-dryの混合粒子を分離するために広く使われています。
本記事では、円型振動ふるい機を対象に、Altairのシミュレーションにより、2つの粒子径の乾燥混合物を分離する作業を評価します。また、振動発生器の最適化により、ふるいの処理能力を向上させ、ふるい分け不良率を最小化できることを示します。

上記動画のように、ベースラインでは、残存粒子も多く、約3割の振り分け不良がありますが、振動発生器の最適化により、残存粒子がほぼゼロで、振り分け不良もゼロにすることができます。
image
本事例では、Altairのシミュレーション・ハイパフォーマンスコンピューティング・AI/データ分析技術が活用されています。

Pre-Requisite

本記事で使用したモデルはこちらよりダウンロードいただけます。

Altair SimulationのDesktop, Mechanical Solvers, Inspire, EDEMに加え、 EDEM-HyperStudy Connectorのインストールが必要です。

Usage/Installation Instructions

振動ふるい機がどのように機能するのか

混合物は上部のドラムに流し込まれます。ドラムの中にはメッシュスクリーンがあり、1つのサイズの粒子しか通過させることができません。
ドラムは数個のコイルスプリングによって支持されていますが、回転はしません。底面に取り付けられた振動発生器からの入力により振動します。
振動発生装置は、重りを取り付けた電気モータです。重りはモータ軸の上部と下部の2つです。
重りは、シャフトに対して半径方向に移動させることができ、また、互いの相対角度を変更することができます。これにより、水平方向、垂直方向、ピッチ・ロール回転の振動を発生させることができます。

image

 

ジオメトリ・マルチボディモデルの作成

Altair Inspireでジオメトリを作成できます。また、外部CADファイルのインポートも可能です。

さらに、モーション機能を用いるとジオメトリベースでマルチボディモデルを簡単に作成できます。

今回はドラムを支持するばねと振動発生器のモータをモデル化しています。

image

 

粒子のモデル化

Altair EDEMを用いると、離散要素のモデリング・シミュレーションが可能です。

今回は径の小さいPill粒子と径の大きいChunk粒子を生成しました。また、粒子同士の相互作用を定義しています。

image

image

 

 

マルチボディモデルのパラメータ化・粒子との連成設定

Altair Inspireで作成したマルチボディモデルをエクスポートし、Altair MotionViewに読み込むことで、詳細な設定が可能になります。

MotionViewの機能の1つとしてパラメータ化があります。振動発生器の重りの質量、シャフトからの距離、上下重りの相対角およびモータの回転数をパラメータ化し、簡単に条件を変更した計算が行えるようになります。

image

また、MotionViewにはAltair EDEMとの連成計算のセットアップ機能があります。

粒子と連成させたいMotionView上のジオメトリをEDEMに転送して、EDEM上でジオメトリと粒子の相互作用を定義できます。

image

 

Altair HyperStudyとの連携

Altair HyperStudyと連携させることで、Altair MotionSolveとAltair EDEMを用いた振動ふるい機の計算のDOE・最適化を行うことができます。

EDEM-HyperStudy Connectorを用いることで、EDEMのパラメータ化や連成計算の投入、Altairのクラウド環境Altair Unlimitedへの計算Job投入など簡単に実施可能です。

今回は、MotionSolve-EDEMの連成計算投入と、各Jobをクラウド環境に投入する機能を使用しました。

計算コストの高いEDEMの計算もクラウド上の並列Jobで短時間に、効率的に計算することが可能です。

image

 

DOEの実行

設計変数として、モータの回転数、重りの質量、重りの半径方向のオフセット量、上下重りの相対角の4つを選択しました。

また、応答として、大きい粒子Chunkのドラム内残数、小さい粒子Pillのドラム内残数、ふるい分けの不良率を選択しました。

image

実験計画法により25ケースのJobを生成し、クラウド環境で計算を実行しました。

image

結果、プロセス性能に対する感度が高いパラメータは何かなどを分析できます。

image

 

最適化

HyperStudyのFit機能を用いて、機械学習による応答曲面・予測モデルを生成できます。

image

この予測モデルを用いて、ドラム内の残粒子数が少なくかつ、ふるい分け不良率が最小となるパラメータを算出しました。

結果、モータ回転数を2000 RPM、重り質量を3 kg、上下重りの相対角を120°、重りの半径方向のオフセットを50 mmとすることで、粒子残量が少なく、ふるい不良率もゼロとなる性能の高いふるい機を実現できました。

image

 

 

Post-Requisite

使用製品:Altair MotionSolve/MotionViewAltair HyperStudyAltair EDEMAltair InspireAltair Unlimited 

よくあるエンジニアからの質問はこちら

 

 

Welcome!

It looks like you're new here. Sign in or register to get started.

Welcome!

It looks like you're new here. Sign in or register to get started.