طراحی خطوط بازسازی خودکار با سنسور پیشرفته

انتخاب مکانیسم بستگی به مواد هدف، اندازه ذرات و خلوص مورد نیاز دارد.چیکوپرها، به طور فزاینده ای با سیستم های بینایی جفت می شوند تا مواردی را که به طور خودکار از بین می روند، کنترل کنند.

سیستم های کنترل و جریان داده ها

مرکزی به هر خط مرتب سازی سیستم کنترل است که داده های سنسور را با دستورات محرک ادغام می کند.کنترلرهای مدرن از اترنت صنعتی، پروتکل های Fieldbus و سیستم های عامل در زمان واقعی استفاده می کنند. الگوریتم های بینایی ماشین بر روی پردازنده های لبه اجرا می شوند تا تاخیر را به حداقل برسانند - اغلب کمتر از 10 میلی ثانیه از تشخیص به ejection. Advanced Control نرم افزار همچنین معیارهای عملکردی (yield، خلوص، خرابی) را برای بهینه سازی مداوم وارد می کند.

سنسور های پیشرفته: چشم های خط مرتب سازی

تکنولوژی سنسور برای شناسایی مواد با سرعت بالا و دقت بالا تکامل یافته است.تکنولوژی های زیر در حال حاضر استانداردهای صنعت هستند:

سنسور های نزدیک مادون قرمز (NIR)

سنسورهای NIR مواد را با نور مادون قرمز (معمولا 1000 تا 1700 نانومتر) روشن می کنند و طیفی را منعکس می کنند (PET، HDPE، PP، و غیره) یک الگوی جذب منحصر به فرد در سطح جهانی را نشان می دهد، و اجازه می دهد تا شناسایی انواع پلاستیکی حتی زمانی که اقلام سیاه یا کثیف هستند. سیستم های NIR مدرن می توانند به طور همزمان 8 تا 12 نوع پلاستیک را طبقه بندی کنند.

اشعه ایکس فلورسانس (XRF) و انتقال اشعه ایکس (XRT)

سنسورهای XRF ترکیب عنصری را با اندازه گیری اشعه ایکس ثانویه که زمانی که یک نمونه با پرتوهای ایکس با انرژی بالا بمباران می شود، تشخیص می دهند، برای مرتب کردن آلیاژهای ضروری هستند (به عنوان مثال، آلومینیوم-مولدر مقابل 3003) و جدا کردن فلزات سنگین از مواد دیگر. XRT، از سوی دیگر، از تفاوت در جذب اشعه ایکس برای تشخیص مواد مبتنی بر قابلیت برش اتمی استفاده می کند (مانند تجهیزات غیر الکتریکی و تجهیزات الکترونیکی).

دوربین های بصری با وضوح بالا

دوربین های RGB و hyperspectral رنگ، بافت و شکل دادن اطلاعات.مدل های یادگیری ماشین (شبکه های عصبی تکامل یافته) آموزش دیده در هزاران تصویر می تواند آرم های نام تجاری، دسته های محصول یا آلودگی مانند دوربین های نوار نقاله را شناسایی کند که اغلب با NIR یا اسکنر لیزر برای سنجش چند منظوره ترکیب می شوند.

لیزر Induced Breakdown Spectroscopy (LIBS)

LIBS از لیزر پالس برای بخار مقدار کمی از مواد استفاده می کند و طیف پلاسما منتشر شده را تجزیه و تحلیل می کند، تجزیه و تحلیل سریع عناصر عنصری را فراهم می کند و به ویژه برای شناسایی آلیاژهای تخصصی و عناصر ردیابی موثر است. LIBS در حال افزایش کشش در برش فلز و بازیافت باتری لیتیوم یون است.

سنسور های فعلی و Indy Current Sensors

سنسورهای استنتاجی اشیاء رسانا ( فلزی) بدون تماس را شناسایی می کنند، تحریک حذف مواد آهنی و غیر آهنی. سنسورهای فعلی Eddy یک میدان مغناطیسی ایجاد می کنند که جریان ها را در فلزات غیر آهنی ایجاد می کند، و یک نیروی دفع کننده ایجاد می کند که می تواند آنها را از کمربند بیرون کند.

طراحی برای خطوط تنظیم کننده با کیفیت بالا

ایجاد یک خط مرتب که سرعت، خلوص و قابلیت اطمینان را متعادل می کند، نیاز به توجه دقیق به طرح فیزیکی، یکپارچه سازی سنسور و پارامترهای عملیاتی دارد.

مکان سنسور و هندسه

سنسورها باید برای دیدن مواد در نوار نقاله بدون نقاط کور قرار بگیرند. [برای مثال، سنسورهای NIR زمانی که در زاویه 45 درجه ای نصب شده اند تا از سایه زدن جلوگیری کنند، سیستم های اشعه ایکس نیاز به محافظت و تجمع برای جلوگیری از پراکندگی تابش اشعه دارند.(به عنوان مثال، NIR + Visual + آشکارساز فلز) می توانند در یک ماژول واحد اسکن شوند.[۱۰]

سرعت و ارائه مواد

از طریق قطع و مرتب کردن دقیق تجارت به طور مستقیم.سرعت بالاتر افزایش ظرفیت اما کاهش تشخیص در دسترس و زمان ejection. بسیاری از خطوط مدرن در 3 -5 متر / با ارائه مواد تک لایه (مونو لایه) برای جلوگیری از همپوشانی اقلام.هوا باید در الگوهای نزدیک فضا (معمولا 25-50 میلی متر بین نازل) و شلیک با دقت دوم.

یادگیری کامپیوتر و Fusion

مرتب سازی موفق اغلب نیاز به ترکیب خروجی از انواع مختلف سنسور دارد، به عنوان مثال، یک سیستم دوربین ترکیبی NIR + رنگی می تواند به طور همزمان نوع پلیمر را شناسایی کند و بسته بندی سیاه (که NIR را جذب می کند) را با استفاده از تشخیص شکل بصری مدل های AI می تواند در جریان های زباله های خاص سایت آموزش داده شود تا طبقه بندی از مکانیزم های یادگیری مداوم را به روز کند.

نگهداری و قابلیت اطمینان

خطوط مرتب سازی در محیط های سخت با گرد و غبار، رطوبت و لرزش کار می کنند. پنجره های سنسور باید تمیز نگه داشته شوند؛ بسیاری از امکانات از تصفیه هوا فشرده یا سیستم های پاک کننده استفاده می کنند.در نوار، ردیابی کمربند و دریچه های محرک نیاز به بازرسی منظم با استفاده از سنسور های ارتعاشی و سیستم عامل های IoT می توانند خرابی های غیر برنامه ریزی شده را تا 30 تا 50٪ کاهش دهند.

تکنولوژی های نوظهور و مسیرهای آینده

چندین نوآوری وعده می دهند که مرتب سازی خودکار را به سطوح جدید بهره وری و تطبیق پذیری سوق دهند.

تصویر برداری Hyperspectral و Multispectral Imaging

سنسورهای Hyperspectral ده ها یا صدها باند طیفی باریک را جذب می کنند که شناسایی مواد پیچیده مانند نمرات کاغذی، کامپوزیت های پلیمری مخلوط و آلاینده های آلی همراه با AI را قادر می سازد تا بین بسته بندی های غذایی و غیر غذایی، بهبود کیفیت خروجی بازیافت شده برای برنامه های حلقه بسته بندی شده تمایز قائل شوند.

AI-Driven Robotic مرتب سازی

سلاح های رباتیک مجهز به سیستم های دید یادگیری عمیق می توانند اشیا را از یک نوار متحرک با ملایمت و سازگاری انتخاب کنند، بر خلاف جت های هوا، آنها می توانند اشکال نامنظم (به عنوان مثال، اسباب بازی ها، کفش ها) را بدون شکستن شرکت هایی مانند Bulk سیستم های کنترل (BHS) [F:1 و AMPtics چنین سیستم هایی را در MRF، بالاتر از 90٪ برای دستیابی به هدف پلیمر هدف قرار می دهند.