Anturien ja IoT:n käyttö siirtomodointikoneen seurannassa

Prosessi vaatii lämpötilan, paineen ja materiaalivirran tarkkaa valvontaa, jotta saadaan toistettavissa oleva laatu ja minimoida jäte. Viime aikoihin asti toimijat ovat luoneet säännöllisiä manuaalisia tarkastuksia ja jälkitarkastuksia. Edistyneiden sensoreiden ja esineiden internetin (IoT) lähentyminen muuttaa tätä ajattelutapaa, mikä mahdollistaa jatkuvan, datalähtöisen valvonnan, joka parantaa tuottavuutta, alentaa kustannuksia ja pidentää laitteiden käyttöikää.

Core Sensor Technologies for Transfer Moding

Siirtomuottikoneen anturit ottavat vastaan fysikaalisia parametreja, jotka vaikuttavat suoraan kovettumissykliin ja osan eheyteen. Muuntamalla nämä fyysiset signaalit sähköisiksi tiedoiksi ne muodostavat perustan digitaaliselle valvontajärjestelmälle. Oikean anturityypin ja paikannuksen valinta on ratkaisevan tärkeää toiminnan kannalta.

Lämpötila-anturit

Lämpötilan tasaisuus muotin ja esilämmitinten välillä vaikuttaa suoraan virtausviskositeettiin ja ristikkäisynopeuteen. []Thermocouples[] (tyyppi J tai K) ovat yleisiä nopean reagoinnin ja lujuuden vuoksi. Suuremman tarkkuuden vuoksi [Vastus Lämpötilan ilmaisimet (TTK)[] voidaan upottaa homeonteloihin tai lämpötilojen läheisyyteen. Monet modernit laitteistot käyttävät myös infrapuna-kontaktittomia antureita materiaalin pinnan lämpötilan seuraamiseen sen saapuessa sisään, jolloin lämpökaltevuus on varhaisessa vaiheessa varoitus flash- tai epätäydellisestä täytöstä.

Paineanturit

Puristimen ja siirtorampin hydraulisen paineen on pysyttävä määriteltyjen ikkunoiden sisällä. []Voin asentaa homeen pinnan kanssa huuhtelun. Nämä homeensisäiset anturit havaitsevat täyttötasapainon tai overpackingin, mikä mahdollistaa siirtymisen nopeuden tai ajan välittömän säätämisen. Painetiedot syöttävät myös ennustavia malleja männän kulumiseen ja tiivistyksen hajoamiseen.

Tärinäntunnistimet

Lehdistörakenteen tai siirtorampin epätyypillinen tärinä usein edeltää mekaanisia vikoja. [Accelerometrit[] asetetaan solmiotankoihin, hydraulipumppumoottoriin ja pihtisylinterin kaappaamiseen suurtaajuuksia (esim. kiihtyvyysmittarit 10 kHz:n kaistanleveydellä). Kunnonvalvontaohjelmisto analysoi FFT:n (Fast Fourier Transform) allekirjoituksen laakerivikoja, virheitä tai löysiä kiinnityspultteja päivää ennen hajoamista.

Muut anturityypit

  • Flow sensors:[ Seurata hydraulisen öljyn virtausta pumpun liukastumisen tai venttiilien tukosten havaitsemiseksi.
  • Linear transmission sensors:[] Track ram asento ja puristin isku toistettavuus mikronin alueella.
  • Kosteusanturit:[] Muottialueella kosteus voi vaikuttaa materiaalin kosteuspitoisuuteen; sensorit varoittavat operaattoreita epätäsmällisiin olosuhteisiin.
  • Akkuuntumisen anturit:[ Havaitse mikrocracking hoidon tai demaldoinnin aikana, jolloin saadaan laadukasta palautetta sykliä kohti.

IoT Architecture for Transfer Modling

Tehokas IoT-järjestelmäkerrosten yhteenliittäminen ja laskenta raaka-anturisignaalien päälle. Arkkitehtuuri käsittää tyypillisesti kolme tasoa: reunan hankinta, paikallinen käsittely ja pilvianalyysi.

Side pilviputkeen

Jokainen anturi kytkee -industrial portti -internetprotokollan (esim. Modbus RTU, 4...20 mA-lenkkejä) tai langattoman (esim. LoRaWAN, Zigbee). Portti aggregaattitiedot, käyttävät aikaleimausta ja suorittaa perussuodatuksen. Käsitellyt paketit sitten virtaavat suojatun MQTT-yhteyden kautta pilvialustaan, kuten WS IoT Core[ tai [Azure IoT Hub[]. Lantency-herkissä sovelluksissa reunalaitteet voivat esimerkiksi käynnistää paikallisen logiikan .

Reaaliaikaiset taulut ja hälytykset

Laitteilla rakennetut taulut, kuten Grafana[, näyttävät livetrendit lämpötilassa, paineessa ja syklissä konetta kohti. Operaattorit voivat asettaa monikuntoisia hälytyksiä: esim. jos homelämpötila poikkeaa ±2°C:sta yli 10 sekunnin ajan, lähetetään tekstiviesti- tai sähköpostiilmoitus. Tämä reaktiivisuus vähentää romutustapahtumia ja estää pitkittyneen toiminnan epäsuotuisissa olosuhteissa.

Ennustava ylläpito koneoppimisen avulla

Historialliset sensoritiedot ... erityisesti tärinän ja toimilaitteen virran käyrät ... kouluttaa malleja ennustamaan osan kulumista. Toistuvat hermoverkot tai satunnaiset metsän luokituslaitteet voivat ennustaa hydraulisten venttiilien, lämmitinsä ja tiivisteiden käyttöiän. Tyypillinen käyttöönotto uudelleenkouluttaa malleja viikoittain käyttäen uutta tietoa, parantaa ennusteiden tarkkuutta. Tämä vähentää suunnittelematonta seisokkiaikaa jopa 40% varhaisessa vaiheessa olevien venttiilien, lämmitinsä ja tiivisteiden mukaan.

Data-Driven-prosessin optimointi

Monivuotisen datan avulla laitosinsinöörit voivat korreloida anturiparametrit loppuosan laatumittareihin (esim. mittatoleranssi, kovuus). Koneen oppimisen regressio tunnistaa optimaaliset asetuspisteet, jotka tasapainottavat syklin ajan vikanopeutta vastaan. Esimerkiksi siirtonopeuden nostaminen 2%:lla samalla kun pidikepainetta alennetaan 5%:lla, saattaa lisätä 3%:n täyttöä ilman laatua. Optimointi validoidaan usein digitaalisen kaksoissimulaation avulla ennen kuin sitä käytetään lattialla.

Sensori-ioT-integroinnin aineelliset edut

Digitaalisen seurannan tuomat investoinnit eivät ole pelkästään ajansäästöjä.

  • Raaputus ja uudelleentyö:[] Reaaliaikainen ontelon paine takaisinkytkentä saaliita aliammunta tai ylipakkaaminen välittömästi, mikä estää viallisten osien etenemisen alajuoksulla.
  • OEE:n (kaikkien laitteiden tehokkuus) lisääntyminen:[ Ennusteet huolto- ja asennusaikojen lyhentäminen historiallisten viiteasetusten ansiosta parantavat saatavuutta ja suorituskykyä.
  • Energiatehokkuus:[] Hydraulinen pumppu ja lämmittimen energiankulutus voidaan seurata sykliä kohti. Anolies lippu tehoton toiminta tai vialliset komponentit (esim. juuttunut jäähdytysventtiili) ennen kuin ne täyttävät sähkölaskut.
  • Käyttäjän turvallisuus:[] Tärinä- ja paineanturit voivat havaita vaarallisia olosuhteita, kuten juuttuneen levyn tai hydraulivuodon, joka laukaisee automaattisen koneen sammutuksen.
  • Toimintaasiakirjat:[ Säänneltyjen teollisuudenalojen (automotiivinen, lääketieteellinen) osalta jatkuvat sensorilokit antavat todennettavissa olevia tietoja siitä, että jokainen osa on muokattu validoiduissa parametreissa.

Täytäntöönpanohaasteet

Vaikka hyödyt ovatkin selkeät, anturien ja esineiden internetin käyttöönotossa on otettava huomioon useita käytännön esteitä.

Tietojen määrä ja kyberturvallisuus

Yksi siirto muottikone, jossa on 30 sensoria 100 Hz:n tarkkuudella, tuottaa yli 250 miljoonaa datapistettä päivässä. Tietojen säilyttäminen ja käsittely kustannustehokkaasti vaatii pakkausstrategioita, porrastettua tallennusta (kuuma/lämmin/kylmä), ja vankkaa salausta sekä kauttakulku- että lepotilassa. OT-verkot on segmentoitava IT-verkoista, ja roolipohjaisen kulunvalvonnan tulisi rajoittaa sitä, kuka voi muuttaa asetuspisteitä sensoripalautteen perusteella.

Anturin luotettavuus ja kalibrointi

Lämpölle, tärinälle ja aggressiiviselle muottiyhdisteelle (esim. rikkipohjaiselle kumille) altistuvat sensorit hajoavat ajan mittaan. Säännöllinen kalibrointiaikataulu . Termoparien osalta neljännesvuosittain, puolivuosittain paineanturien osalta . Kriittisten parametrien (esim. kaksoislämpötila-anturien) punotut anturit estävät yhden vian pisteen turmeltumisen datakokonaisuudessa.

Integrointi Legacy Controllersiin

Monet siirto muottipainot edelleen käynnissä PLCs 1990-luvulta, joka puuttuu Ethernet tai moderni analoginen I/O laajennus. Retrofit ratkaisut vaativat usein signaalin hoitolaitteet (esim., muuntaminen 0...10 V Modbus) ja ulkoiset portti moduulit. Jotkut valmistajat haluavat korvata koko ohjausalustan moderni ohjelmoitava automaatio ohjain (PAC), joka natiivisti tukee IoT protokollia, vaikka pääoman syrjä voi olla merkittävä.

Tulevaisuuden suunnat

Seuraavan anturiaallon ja IoT-asennuksen siirtomuotissa tulee muodostumaan kolmesta suuntauksesta.

Digitaaliset kaksoset ja simulaatio

Digitaalinen kaksonen muotin ja koneen, syötetään live sensorin virrat, mahdollistaa insinöörit ajaa . What-if. skenaarioita pysäyttämättä tuotantoa. Esimerkiksi testaamalla uuden materiaalin laatu. Flow käyttäytymistä simuloimalla muunneltuja siirtopaine profiileja ohjelmistossa. ANSYS Twin Builder ja vastaavat alustat mahdollistavat tämän kartoittamalla reaaliaikainen lämpötilajakaumat finite element malleja.

Itsevalitsevat koneet

Ohjaussilmukka, joka automaattisesti säätää parametreja perustuu sensorin takaisinkytkentä kehittyy yksinkertaisista PID adaptiivisista neuro-fuzzy järjestelmiä. Nämä järjestelmät oppivat ainutlaatuinen lämpö ja mekaaninen vaste kunkin muotin ja jatkuvasti tönäistä asetuspisteitä säilyttää optimaalinen parannus. Varhaiset implementaatiot osoittavat 5..10% vähennys syklin ajan säilyttäen nolla-virhe lähtö.

5G ja reunan laskenta

Ultra-low latency 5G-verkot mahdollistavat sensoritietojen käsittelyn lähes reaaliaikaisesti reunalla, mikä mahdollistaa useiden puristimet tuotantokennossa. Esimerkiksi jos yksi kone värähtelee liikaa, viereistä robottia voidaan neuvoa hidastamaan sen lähestymistapaa törmäysten välttämiseksi. Edge computing myös vähentää pilvikaistanleveyden kustannuksia suorittamalla paikallisen poikkeaman havaitsemisen ennen kuin lähettää aggregoituja metrejä.

Päätelmät

Integrointi anturit ja IoT osaksi siirto muotti koneen seuranta muuttaa reaktiivinen huolto ennakoiva, data-ohjautuva toiminta. Lämpötilasta ja painetunnistus pilvipohjaisiin ennustaviin malleihin, teknologia pino on kypsä ja käytettävissä. Valmistajat, jotka investoivat näihin järjestelmiin saada mitattavissa parannuksia ylös, laatu, ja energiankulutus samalla paikannus niiden toimintaa seuraavan sukupolven autonominen valmistus. Koska digitaaliset kaksoset ja itseoptimointi ohjaimet tulevat valtavirtaan, kuilu best-run tehtaat ja loput vain kasvaa. Päätös toteuttaa anturi ja IoT strategia tänään ei ole vain päivittää .