1008 KB0 KB2026Glavan, MihaGradišar, DejanLongar, VinkoStruna, Rokštevilka:2letnik:32str. 98-105ISSN:1318-7279COBISSID_HOST:276928515URN:URN:NBN:SI:doc-L0OM9YRXslUniverza v Ljubljani, Fakulteta za strojništvoVentil (Ljubljana)discrete manufacturingdiscrete-event modellingdiskretno dogodkovno modeliranjeenergetski digitalni dvojčekenergy consumptionenergy digital twinenergy managementforecastingindustrial energy systemsindustrijska energetikakosovna proizvodnjaMonte Carlo simulacijaMonte Carlo simulationnapovedovanje porabe energijeoptimizacija proizvodnjeproduction optimizationproduction processesproizvodni procesistochastic Petri netsstohastične Petrijeve mrežeupravljanje energijeRazvoj energijskih digitalnih dvojčkov kosovne proizvodne linije| digitalni dvojčki|The paper addresses the development of energy digital twins for discrete manufacturing processes with the aim of improving energy consumption management. Due to increasing price volatility of energy sources and the demands of the green transition, accurate energy consumption forecasting is becoming crucial for maintaining companies’ competitiveness. A data-driven approach is presented that combines discrete-event modelling of the production process with a statistical description of repeatable energy consumption profiles of individual operations. First, consumption prototypes for individual operations are identified based on measurements, and then the production flow is modelled using stochastic Petri nets. By applying Monte Carlo simulations, it is possible to predict total energy consumption and evaluate its variability. The approach was demonstrated on the LabTop demonstration production line, where the results show a good match between predicted and actual energy consumption. The developed model enables time-dependent forecasting of consumption for different production plans and supports the optimization of production scheduling. Energy digital twins thus represent an important tool for reducing peak loads, improving energy efficiency, detecting anomalies, and supporting sustainable and adaptive management of industrial processesPrispevek obravnava razvoj energetskih digitalnih dvojčkov za kosovne proizvodne procese z namenom izboljšanja upravljanja porabe energije. Zaradi naraščajoče cenovne nestabilnosti energentov in zahtev po zelenem prehodu postaja natančno napovedovanje porabe energije ključno za konkurenčnost podjetij. Predstavljen je podatkovno gnan pristop, ki združuje diskretno dogodkovno modeliranje proizvodnega procesa s statističnim opisom ponovljivih profilov porabe posameznih operacij. Najprej se na podlagi meritev identificirajo prototipi porabe za posamezne operacije, nato pa se s pomočjo stohastičnih Petrijevih mrež modelira potek proizvodnje. Z uporabo Monte Carlo simulacij je mogoče napovedati skupno porabo energije ter ovrednotiti njeno variabilnost. Pristop je bil demonstriran na demonstracijski proizvodni liniji LabTop, kjer rezultati kažejo dobro ujemanje med napovedano in dejansko porabo energije. Razviti model omogoča časovno odvisno napoved porabe za različne proizvodne plane ter podpira optimizacijo razporejanja proizvodnje. Energetski digitalni dvojčki tako predstavljajo pomembno orodje za zmanjševanje koničnih obremenitev, izboljšanje energetske učinkovitosti, zaznavanje anomalij ter podporo trajnostnemu in prilagodljivemu upravljanju industrijskih procesovTEXTznanstveno časopisjejournalsSlovenian National E-content AggregatorNational and University Library of SloveniaUniverza v Ljubljani, Fakulteta za strojništvo