Kā realizēt vairāku{0}}staciju sadarbību un kļūdu prognozi papīra glāzīšu mašīnas elektriskās vadības sistēmā

Līdz ar papīra kausu ražošanas nozares pārveidi par viedu un efektīvu, vairāku{0}}staciju sadarbība un elektriskās vadības sistēmas kļūdu prognozēšanas iespējas ir kļuvušas par galveno rādītāju, lai uzlabotu iekārtu vispārējo efektivitāti. Apvienojot augstas-precizitātes servo vadību, rūpniecisko lietu internetu un mākslīgā intelekta algoritmus, modernās papīra kausu iekārtas ir veikušas lēcienu no “pasīvās apkopes” uz “aktīvo prognozēšanu”.
1. Vairāku{1}}staciju sadarbība: no mehāniskās savienošanas līdz digitālajiem dvīņiem
1.1. Precīzijas vadība, izmantojot servopiedziņas sistēmas
Pilnībā servo{0}}papīra kausu iekārtās katrā vietā tiek izmantoti neatkarīgi servomotori, novēršot tradicionālās mehāniskās daļas, piemēram, izciļņus un sajūgus. Tā vietā augstas-precizitātes kodētāji nodrošina reāllaika-atgriezenisku informāciju par atrašanās vietu. Piemēram, Zhejiang Xindebao Machinery, Ltd. modelī ir izmantots decentralizēts pulksteņa mehānisms un elektroniskā kameras sistēma, kas saglabā sinhronizācijas kļūdas zem ±0,1 mm papīra padeves, karsēšanas, apakšas blīvēšanas, lokošanās un kausēšanas laikā. Tā vadības loģika tiek realizēta ar rūpniecisko datoru un vairāku -asu savienojuma (koordinētu) kustību. Kad tiek atrasta papīra padeves stacija, sistēma automātiski iedarbina apkures staciju un dinamiski pielāgo temperatūras līknes, izmantojot PID algoritmus, lai nodrošinātu, ka PLA pārklātais papīrs vienmērīgi kūst 180 grādos.
1.2. Moduļu konstrukcija un staciju bloķēšana
Lai apmierinātu mazu partiju un vairāku{0}}specifikāciju ražošanas prasības, aprīkojums izmanto funkcionālu modularizāciju. Piemēram, kāds Anhui uzņēmums ir izstrādājis papīra krūzīšu mašīnu ar noņemamiem veidņu blokiem augšā un apakšā. Augšējo matricu darbina pneimatiskie cilindri un rokturi atvēršanai un aizvēršanai, savukārt apakšējā matricā tiek izmantots servomotors un lineāras velmēšanas vadotnes. Fotoelektriskie sensori un PLC nodrošina staciju bloķēšanu: ja padeves laikā iestrēgst papīrs, sistēma nekavējoties pārtrauc sildīšanu un aktivizē trauksmi, HMI parādot kļūmju vietas un risinājumu, lai novērstu pilnu-līnijas pārtraukumu.
1.3. Reāllaika-datu iegūšana un sadarbības optimizācija
Sistēma apkopo datus par vairāk nekā 200 sensoriem, tostarp motora strāvu, temperatūru, vibrācijas frekvenci un citiem, izmantojot integrētu Ethernet{1}}reāllaika vadību{2}}. Piemēram, mākoņa platforma analizēja vēsturiskos ražošanas datus un konstatēja 15 15% ruļļa staciju atteices biežumā, kad papīra padeves servomotors griezās ar ātrumu vairāk nekā 1200 apgr./min. Sistēma automātiski pielāgoja procesa parametrus, lai ierobežotu ātrumu līdz optimālajam diapazonam un palielinātu vienas līnijas izvadi par 12%.
2. Bojājumu prognozēšana: no sliekšņa trauksmes līdz pamatcēloņa analīzei
2.1. Atlikumu analīze, pamatojoties uz mehāniskiem modeļiem
Tradicionālās iekārtas balstās uz statisku trauksmes slieksni, savukārt modernās sistēmas izmanto digitālos dvīņu modeļus dinamiskai prognozēšanai. Siltumstacijām siltuma vadīšanas vienādojums simulē temperatūras sadalījumu. Sistēma brīdina par "sildelementu degradāciju", ja mērījums vairāk nekā 5 grādus novirzās no modeļa prognozēm. Ar šo tehnoloģiju uzņēmums ir pagarinājis sildelementa nomaiņas ciklus no 3 līdz 6 mēnešiem, samazinot rezerves daļu izmaksas par 40%.
2.2. Ar mākslīgo intelektu{1}}vadīta anomāliju noteikšana un tendenču prognozēšana
Integrējot neironu tīklus, sistēma var atpazīt aprīkojuma pakāpeniskas anomālijas. Piemēram, vibrāciju analīzes modulis, izmantojot LSTM tīklus, apgūst parasto motoru motora vibrācijas spektrus. Kad enerģija diapazonā no 1500 līdz 2000 hercu pārsniedza slieksni, tas paredzēja "gultņu nodilumu" 48 stundas iepriekš, lai novērstu nejaušu dīkstāvi. Pēc izvietošanas klienti samazināja ierīces atteices līmeni par 28% un palielināja OEE līdz 82%.
2.3. Norādījumi par 2.3. Pamatcēloņa lokalizāciju un apkopi.
Kad tiek aktivizēta trauksme, sistēma izmanto kļūdu koka analīzi (FTA), lai noteiktu galveno cēloni. Piemēram, ja notiek krūzes izgrūšanas bloķēšana, sistēma pārbauda:
Mehāniskais slānis: Nepietiekams pneimatiskā cilindra spiediens (caur spiediena sensora datiem);
Elektriskais slānis: servomotora devēja impulsa zudums (ar strāvas svārstību analīzi);
Procesa slānis: krūzes sienas biezums ir pārāk liels (pēc kvalitātes pārbaudes datiem).
Pēc tam HMI parāda 3D apkopes rokasgrāmatu, kurā norādīti bojātie komponenti un nomaiņas soļi, samazinot remonta laiku no 2 stundām līdz 30 minūtēm.
3. Praktisks gadījums: no autonomas informācijas līdz rūpnīcas-plašai sinerģijai
Starptautisks papīra kausu ražotājs ir aprīkots ar 50 pilnīgi servo-iekārtām ar malu skaitļošanas vārtejām savstarpējai savienošanai. Sistēma:
Prognozēt apkopes vajadzības: pielāgot apkopes ciklus atbilstoši elektriskās slodzes ātrumam un temperatūras tendencēm, lai palielinātu aprīkojuma pieejamību līdz 98,5%;
Optimizēta ražošana: ikdienas izlaides svārstības tika samazinātas no ±15% līdz ±5%, analizējot maiņu efektivitātes datus.
Iespējota kvalitātes izsekojamība: ja noplūdes līmenis pārsniedz sliekšņus, sistēma izmanto vizuālos datus, lai izsekotu konkrētas iekārtas un ražošanas laikus.
4. Nākotnes tendences: no ierīču inteliģences līdz ekosistēmu intelektam
Līdz ar 5G un digitālo dvīņu izplatību papīra kausu iekārtu vadības sistēma attīstīsies šādos virzienos:
Autonomā lēmumu pieņemšana-: aprīkojums, kas balstīts uz pasūtījuma prasībām un materiālu īpašībām, lai radītu optimālākos procesa parametrus, lai samazinātu cilvēka iejaukšanos;
Oglekļa pēdas pārvaldība: emisiju samazināšana uz vienu krūzi, kas saražota, izmantojot enerģijas uzraudzības un optimizācijas algoritmus;
Sadarbība piegādes ķēdē: aprīkojuma statusa datu koplietošana ar materiālu piegādātājiem, lai pēc vajadzības nodrošinātu papildu un elastīgu ražošanu.
Inteliģences laikmetā papīra glāzīšu iekārtu elektroniskā vadības sistēma ir pārveidota no vienkārša izpildītāja par ražošanas sistēmu. Pateicoties vairāku staciju sadarbībai un dziļai kļūdu prognozēšanas tehnoloģiju integrācijai, uzņēmumi ne tikai uzlabo iekārtu efektivitāti, bet arī izveido uz datiem balstītas zaļās ražošanas ekosistēmas, kas nodrošina globālās iepakošanas nozares ilgtspējīgas attīstības pamatu.