PL227773B1 - Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza - Google Patents

Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza Download PDF

Info

Publication number
PL227773B1
PL227773B1 PL403979A PL40397913A PL227773B1 PL 227773 B1 PL227773 B1 PL 227773B1 PL 403979 A PL403979 A PL 403979A PL 40397913 A PL40397913 A PL 40397913A PL 227773 B1 PL227773 B1 PL 227773B1
Authority
PL
Poland
Prior art keywords
values
ymm
parameters
sheeter
determined
Prior art date
Application number
PL403979A
Other languages
English (en)
Other versions
PL403979A1 (pl
Inventor
Stanisław Musielak
Jerzy Kasprzyk
Original Assignee
Jerzy Kasprzyk
Musielak Stanislaw
Stanisław Musielak
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jerzy Kasprzyk, Musielak Stanislaw, Stanisław Musielak filed Critical Jerzy Kasprzyk
Priority to PL403979A priority Critical patent/PL227773B1/pl
Publication of PL403979A1 publication Critical patent/PL403979A1/pl
Publication of PL227773B1 publication Critical patent/PL227773B1/pl

Links

Landscapes

  • Controlling Sheets Or Webs (AREA)
  • General Factory Administration (AREA)

Description

Przedmiotem wynalazku jest sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza, który dokonuje się w procesie kontroli jakości na podstawie pomiarów parametrów technicznych.
Monitorowanie parametrów procesu przemysłowego lub poszczególnych urządzeń produkcyjnych uczestniczących w procesie stosuje się w różnych dziedzinach, i ma coraz większe znaczenie ze względu możliwość wczesnego wykrywania stanów przedawaryjnych. Wykrywanie odstępstw od obowiązujących w procesie warunków lub uzyskiwanie automatyczne potwierdzenia jakości produktu ma wiele zalet, zarówno w aspekcie ekonomicznym jak i ze względu na możliwość korekty parametrów tego procesu lub regulacji oraz naprawy urządzenia uczestniczącego w procesie.
Tekturnica jest przykładem kompleksowego systemu elektromechanicznego o długości do 140 [m], składającego się z wielu złożonych podzespołów między innymi grzewczo-suszących, sklejarek, przekrawaczy, zespołów układających oraz napędowych. Każdy z tych podzespołów jest zbudowany z elementów, które z biegiem czasu zużywają się i mogą wpływać na pogorszenie jakości produktu, zwłaszcza że okres użytkowania tekturnicy jest bardzo długi, i może trwać 20 do 30 lat. Cięcie kartonu np. przez przekrawacz rotacyjny jest ostatnią fazą w procesie produkcji kartonu, którego arkusze po ucięciu są składane w stos i transportowane z tekturnicy. Z kolei w dalszym procesie przetwórczym kartonu stosuje się urządzenia wysoko zrobotyzowane, które wymagają tolerancji cięcia arkuszy w przedziale ±1 [mm]. Wymagania stawiane układom regulacyjnym pod względem właściwości dynamicznych są bardzo wysokie, a dokładność cięcia jest jednym z najważniejszych wskaźników technologicznych procesu. Występujące stany awaryjne w tekturnicy nie są łatwe do zidentyfikowania, ponieważ nie zawsze możliwe jest ustalenie danych, bądź objawów wystarczających do oceny problemu oraz jednoznacznego powiązania skutków występujących wad w odniesieniu do ich przyczyny. Równocześnie wyposażanie urządzeń o długim już okresie eksploatacji w systemy automatycznego nadzoru nie zawsze jest celowe, ze względu na wysokie koszty.
W znanych stosowanych w zakładach przemysłowych rozwiązaniach do diagnostyki, określania zużycia i odpowiednio wczesnego wykrywanie usterek wykorzystuje się różnego rodzaju mierniki, układy kontroli drgań a metody oparte są np. na pomiarach sygnałów elektrycznych lub mechanicznych oraz na analizie widm tych zmierzonych sygnałów. Zmienne w czasie sygnały pomiarowe przedstawia się w postaci ich widm częstotliwościowych, a ich wykresy w postaci spektrogramów poddaje szczegółowej analizie, przy czym zmierzone wartości różnych sygnałów, przedstawione na spektrogramach porównuje się ze znanymi, ustalonymi wcześniej wartościami progowymi. Wykrywanie i analiza defektów polega na sprawdzeniu, czy w spektrogramie występują piki odpowiadające wielokrotnościom częstotliwości generowanej przez dany defekt. Z polskiego opisu patentowego nr PL148831 B1 znany jest sposób wykrywania zwarć i niedoborów uzwojeń stojana silnika indukcyjnego, w którym w czasie pracy silnika mierzy się pośrednio pasmowe charakterystyki częstotliwościowe silnika, przez pomiar pasmowych charakterystyk częstotliwościowych stycznej prędkości lub przyspieszenia drgań silnika pod kątem stwierdzenia występowania w charakterystykach częstotliwościowych dominant o określonych częstotliwościach charakterystycznych dla zwarć i niedoborów uzwojeń stojana lub ich harmonicznych. Uzyskany sygnał typu napięciowego jest porównywany z wartością zadaną, a przekroczenie tej zadanej wartości oznacza wystąpienie uszkodzenia.
Z amerykańskiego opisu patentowego nr 5 895 857 znany jest natomiast sposób wykrywania uszkodzeń w maszynach mających wirujące lub posuwisto-zwrotne elementy, a zwłaszcza w przekładniach i łożyskach. Sposób ten polega na tym, że ze zmierzonego sygnału reprezentującego widma amplitudy i częstotliwości drgań badanego elementu wirującego, wybiera się wartości szczytowe amplitud dla określonych przedziałów czasowych próbkowania. Wartości te porównuje się z sygnałem prędkości zmierzonym przez czujnik prędkości, który zamontowany jest na wirującym elemencie, przy czym porównywanie tych wartości odbywa się po uprzednim zsynchronizowaniu i uśrednieniu wartości szczytowych amplitud i sygnałów prędkości, a te synchronicznie uśrednione wartości amplitud przetwarza się na częstość własną, aby określić obecność uszkodzeń w badanym elemencie wirującym. W opisie tym przedstawiony jest również sposób przetwarzania sygnału drgań generowanego przez czujnik drgań, zamocowany na badanym elemencie wirującym, na sygnał przedstawiający częstość własną wytwarzającą wartości szczytowe na widmie.
W układach pomiarowo-diagnostycznych wykorzystuje się aparaturę pomiarową a także komputerowe jednostki analizujące i opracowujące dane pomiarowe, które są konstruowane oraz wyposażane
PL 227 773 B1 w programy, w tym z wykorzystaniem sztucznej sieci neuronowej, dostosowane przy tym do specyfiki zakładu przemysłowego. W publikacji opisu wynalazku US2003/0046382A1 opisano system do konserwacji profilaktycznej oraz diagnozowania stanu maszyn, który wykorzystuje czujniki połączone bezprzewodowo z modułem wejściowym. Model sygnału z urządzenia jest tworzony na podstawie wykrytych sygnałów podczas normalnej pracy urządzenia, natomiast po wykryciu anomalii informacje je opisujące są diagnozowane w zdalnej lokalizacji. Diagnoza obejmuje wstępną analizę informacji z narzędzi diagnostycznych, którą stanowi biblioteka wzorców zawierających informacje opisujące systemowe nieprawidłowości oraz biblioteka wzorców zawierających informacje opisujące anomalie składowe. Jeżeli wstępna analiza nie przedstawia diagnozy, dalsza analiza informacji z narzędzi diagnostycznych prowadzona jest przez zespół specjalistów. Diagnoza anomalii jest zgłaszana do lokalizacji zdolnej uczestniczyć w naprawie urządzenia. Każda nowa diagnoza jest dodawana biblioteki dla celów analizy przyszłych nieprawidłowości. Z opisu patentowego US5576632(A) znany jest także sposób wskazywania i diagnozowania błędów w silnikach elektrycznych. Wykrywanie odstępstw od normalnej pracy silnika obejmuje uzyskanie zestawu normalnych pomiarów prądu dla silnika, utworzenie z wykorzystaniem sieci neuronowych modeli klasyfikacyjnych dla zestawu normalnych pomiarów prądu oraz pomiary prądu dla silnika w eksploatacji. Pomiary są monitorowane, i wskazują na potencjalną awarię, gdy pomiary eksploatacyjne silnika znacznie odbiegają od modelu. Nowe zestawy bieżących pomiarów eksploatacyjnych są przekształcane za pomocą szybkiej transformaty Fouriera (FFT) i wewnętrzną procedurą skalowania, a następnie stosując podzbiór przekształconych pomiarów z wejścia do sieci neuronowej klasyfikowane, jako dobre lub złe. Decyzja jest generowana na podstawie różnicy pomięd zy pomiarami wejściowymi i wyjściowymi sieci neuronowej.
Sposób diagnozowania urządzeń technicznych znany jest również z opisu patentowego PL207601 B1, zgodnie z którym w urządzeniu komputerowym, program komputerowy przetwarza wyniki testów pomiarowych wykonywanych dla danego urządzenia technicznego. Sposób opiera się na tworzeniu dla każdego rodzaju testu szablonów definiujących wszystkie zmienne, właściwości stałe i alarmy związane z danym testem oraz na obserwacji, że w każdym teście mogą brać udział pewne dane wejściowe, pewne stałe właściwości, pewne definicje alarmów, oraz dodatkowo mogą być wyliczane i używane wyniki pośrednie. Zmienne wejściowe mają postać liczb, tablic liczb, tekstu i/lub obrazów albo dźwięków a parametry stałe, dotyczące dopuszczalnych granic normalnego działania diagnozowanego urządzenia technicznego mają postać danych liczbowych lub tekstowych. W komputerowo prowadzonej analizie elementy składowe każdego z szablonów porównuje się z elementami składowymi z co najmniej jednego innego szablonu i wyszukuje się identyczne elementy składowe będące parametrami stałymi lub zmiennymi wejściowymi lub wynikami pośrednimi, odpowiadającymi elementom składowym, będącymi zmiennymi wejściowymi innych szablonów, po czym łączy się ze sobą szablony i automatycznie generuje się nowy szablon, który zawiera oprócz elementów składowych specyficznych dla każdego z poszczególnych szablonów, również elementy składowe wspólne z co najmniej jednym z pozostałych szablonów. Na podstawie tak utworzonego szablonu, wytwarza się nową konfigurację testu pomiarowego.
Sposób ustalania i identyfikacji defektów podzespołów tekturnicy, według wynalazku, zbudowanej ponadto z podzespołów grzewczo-suszących, sklejarek, zespołów układających oraz napędowych, prowadzony za pomocą wielomodułowego systemu komputerowego wyposażonego w programy diagnostyczne, w którym poddaje się kontroli pomiary cięcia arkuszy kartonu, obejmujący:
- dostarczenie zasobów z zarejestrowanymi danymi pomiarowymi określonych zdarzeń awaryjnych,
- rejestrowanie zmierzonych zmiennych wartości sygnałów przez zespoły czujników systemu kontroli podzespołów tekturnicy oraz czujniki sterowania zespołem napędowym, które to wartości przekształca się na sygnały cyfrowe i w znany sposób prowadzi analizę ich widm oraz spektrogramów, przy czym system kontroli i sterowania zawiera podstawowe wartości parametrów i częstotliwości odnoszące się do tych podzespołów, charakteryzuje się tym, że wprowadza się do jednokierunkowej wielowarstwowej sieci neuronowej systemu komputerowego zmierzone n > 40 wartości cięcia kartonu przekraczające przewidziane wartości progowe w określonym przedziale czasowym, a dla wartości odchyłek X1...Xn wyznacza, stanowiącą parametr klasyfikacyjny, graficzną charakterystykę z badania gęstości rozkładu, korzystnie przekształca ją do postaci cyfrowej, po czym prowadzi identyfikację każdego defektu w zdarzeniu awaryjnym na podstawie parametrów obliczanych i/lub mierzonych w oddzielnym cyklu zakończonym weryfikacją ustaleń identyfikujących defekt, aż do uzyskania parametrów arkuszy kartonu wypełniających zadane kryteria, przy czym na podstawie parametrów obliczanych wyznacza się korektę
PL 227 773 B1 prędkości układu napędowego przekrawacza, gdzie korzystnie parametrem obliczanym jest przemieszczenie punktu centralnego (M) w jego układzie regulacji jako wektor (Δ x, Δ v) o współrzędnych przyjmujących kolejno wartości średnie jego błędu położenia χ = 1·Σί=ιΔ% (i) (1) i wartości średnie jego błędu prędkości v = 1'ΣΙί=ιΔν (i) (2) a na podstawie wprowadzanych do klasyfikatora parametrów zmierzonych, których wartości wykazują najwyższe odstępstwa od wartości dopuszczalnych, wyznacza parametr procesu roboczego, po czym na podstawie nauczonych wzorców błędnego procesu ze zdarzeniami awaryjnymi z przypisaną do nich klasą i zbiorem cech określonym wzorem:
D = {(Ym1, C1, Sk1, G1n, Z,), ..., (Ymm, Cn, SkN, Gnn, Z,)} (3) gdzie: y^J - i-ta cecha klasy Kj, Ymi...mm - parametry i sygnały procesu roboczego wykazujące odstępstwo od wartości dopuszczalnych, Gin ... Gnn - cechy kartonu, Z - czynnik zewnętrzny mający wpływ na proces, Sk - stopień poprzedniej niesprawności, Ci ... Cn - charakterystyki graficzne procesu roboczego dokonuje się klasyfikacji tego zdarzenia awaryjnego na podstawie jego ustalonych cech i przyporządkowuje mu rodzaj wzorców błędnie ciętego kartonu, po czym identyfikuje i usuwa jeden lub więcej defekt w zdarzeniu awaryjnym.
Korzystnie przemieszczenie punktu centralnego ustala się przed wyznaczeniem parametrów procesu roboczego klasyfikatora.
Ustalenia identyfikujące defekt na podstawie wskazań klasyfikacyjnych weryfikuje się przez wprowadzenie kontrolnych danych pomiarowych cięcia arkuszy kartonu, dla których wyznacza się wartości odchyłek od wartości zadanych.
Wartość korekty prędkości układu napędowego przekrawacza weryfikuje się przez wprowadzenie kontrolnych danych pomiarowych cięcia arkuszy kartonu, dla których wyznacza się wartości odchyłek od wartości zadanych a następnie ustala dla wartości tych odchyłek położenie punktu centralnego M układu regulacji przekrawacza.
Korzystnie z zarejestrowanych sygnałów elektrycznych lub mechanicznych podzespołów dla błędów cięcia w określonym przedziale czasowym, uwzględnia się przynajmniej temperaturę łożysk walców noża, wibracje przekrawacza, moment napędu, podciśnienie w skrzynkach próżniowych układów transportowych kartonu, natężenie hałasu przekrawacza, prędkość enkoderów kartonu oraz pomiar fazy cięcia na wale nożowym.
Do klasyfikatora wprowadza się i zapisuje parametry klasyfikacyjne w postaci liczb, kodów liczbowych, tekstu lub obrazów.
Sposób według wynalazku umożliwia ustalanie oraz identyfikację defektów podzespołów tekturnicy, której system sterowania i nadzoru procesu produkcji i cięcia kartonu nie jest wyposażony w środki do automatycznego diagnozowania i generowania informacji o stanie technicznym całego zespołu. Sposób ten pozwala na uzyskanie szybkiej oceny stanu podzespołów, zwłaszcza przekrawaczy, przy zachowaniu wysokiej jakości wyników analizy diagnostycznej oraz ograniczenie ilości produktów niespełniających norm jakościowych.
Sposób według wynalazku jest przedstawiony na uproszczonym schemacie blokowym systemu komputerowego pokazanym na fig. 1 i na fig. 1A, gdzie pokazano rozmieszczenie czujników pomiarowych, natomiast fig. 2 przedstawia graficzny wynik badania rozkładu gęstości, a fig. 3 do fig. 8 ilustrują przykładową identyfikację defektów w procesie cięcia arkuszy kartonu.
W przykładowym wykonaniu sposobu według wynalazku, wykrywanie i identyfikację defektów przeprowadza się za pomocą wielomodułowego systemu komputerowego i, wyposażonego między innymi w programy zarządzające produkcją i nadzorujące przetworzone sygnały zmiennych stanów wartości podzespołów tekturnicy rejestrowane przez zespoły czujników systemu kontroli ora z czujniki zespołu sterowania napędem, przy czym w systemie przechowywane są wartości odniesienia odnoszące się do tych kontrolowanych podzespołów. Wartości przekształconych sygnałów Dpom są wprowadzane on-line do modułu 2 zarządzającego procesem poprzez moduł monitorowania 3 wyposażony w moduł diagnostyczny 3A, współpracujące z modułem obliczeniowo-analitycznym 4 prowadzącym statystyczną kontrolę procesu (Statistical Process Control, (SPC). W modułach diagnostycznym 3A i monitorowania 3,
PL 227 773 B1 opartym na graficznym środowisku programistycznym LabVIEW (Laboratory Virtual Instrument Engineering Workbench) a także technikach odwzorowań PCA (Principal Component Analysis), oprócz wprowadzania danych do systemu, dokonuje się identyfikacji uszkodzeń w procesie przemysłowym, których inicjowanie przedstawiono w dalszej części opisu, a także we współpracy z modułem obliczeniowo-analitycznym 4, przeprowadza statystyczną ocenę przebiegu procesu, ocenia jakość układu regulacyjnego przekrawacza przy pomocy rozkładów dwuwymiarowych. Ponadto stwierdza czy proces przebiega w normie a podzespoły tekturnicy są sprawne technicznie.
W systemie znajduje się również moduł jednokierunkowej wielowarstwowej sieci neuronowej 5 z klasyfikatorem 5A (tzw. sieć neuronowa typu MLP z algorytmem Bayesian), za pomocą której inicjuje się diagnozowanie błędów procesu cięcia, natomiast klasyfikator zawiera modele określonych zarejestrowanych zdarzeń awaryjnych z przypisanymi parametrami, również w postaci graficznej. Sieć neuronowa nauczona jest wzorców błędnego procesu ze zdarzeniami awaryjnymi z przypisaną do nich klasą y^J i zbiorem cech D określonym wzorem:
D = {(Ym1, C1, SK1, G1n, Z,), ... ,(Ymm, Cn, SkN, Gnn) Z,)} (3) gdzie: y^J - i-ta cecha klasy Kj, ymi ... mm - parametry i sygnały procesu roboczego wykazujące odstępstwo od wartości dopuszczalnych, Gin ... Gnn - cechy kartonu, Z - czynnik zewnętrzny mający wpływ na proces, Sk - stopień poprzedniej niesprawności, Ci ... Cn - charakterystyki graficzne procesu roboczego.
Identyfikację defektów podzespołów tekturnicy, na przykładzie przekrawacza rotacyjnego, inicjuje się przez wprowadzenie do sieci neuronowej 5 zmierzonych wartości cięcia kartonu, przekraczające przewidziane wartości progowe, i prowadzi dla zdarzeń w mających miejsce określonym przedziale czasowym. Wyznaczone wartości odchyłek cięcia Xi ... Xn, dla ilości n pomiarów zawierające się w przedziale od minimum 40 do 100, po uprzedniej randomizacji i normalizacji, poddaje się badaniu gęstości rozkładu przez transformacje danych w postaci estymatora jądrowego gęstości, a do przyjętych obliczeń stosuje się dwa rodzaje jąder Gaussa lub Epanechnikova. Wynikom analizy funkcji gęstości rozkładu f (x) przyporządkowuje się graficzną charakterystykę, której przykład pokazano na fig. 2, stanowiącą parametr klasyfikacyjny Cn+i błędu cięcia. Następnie prowadzi identyfikację każdego defektu w zdarzeniu awaryjnym na podstawie parametrów obliczanych i/lub mierzonych w oddzielnym cyklu zakończonym weryfikacją ustaleń identyfikujących defekt, aż do uzyskania parametrów arkuszy kartonu wypełniających zadane kryteria.
Tekturnica składa się z wielu złożonych podzespołów m. innymi grzewczo-suszących, sklejarek, przekrawaczy, zespołów układających oraz napędowych, a przekrawacz rotacyjny jest ostatnią fazą w procesie produkcji kartonu, i stan techniczny tego zespołu ma zasadnicze znaczenie dla jakości cięcia arkuszy. W przypadku błędów cięcia, dla oceny wpływu a także późniejszej ich eliminacji sprawdza się występowanie zakłóceń ze strony układu napędowego przekrawacza. W tym celu wyznacza się dla układu regulacji przekrawacza odchyłkę punktu centralnego M, o wyjściowych koordynatach (0,0), jako wektora (Δχ, Δν) którego współrzędne są kolejno wartościami średnimi błędu położenia i wartościami średnimi błędu prędkości, dla ilości n pomiarów cięcia kartonu, na podstawie formuły ΐΣί=ιΔχ(ΐ) wartość średnia błędu położenia (1) v = ΐΣί=ιΔν(ί) wartość średnia błędu prędkości (2)
Na podstawie tych parametrów obliczanych w procedurze rozkładów dwuwymiarowych, z uwzględnieniem wariacji i współczynnika korelacji liniowej Pearsona, wyznacza się korektę prędkości układu napędowego przekrawacza, a wielkość tej korekty weryfikuje się przez wprowadzenie kontrolnych danych pomiarowych cięcia arkuszy kartonu, dla których wyznacza się wartości odchyłek od wartości zadanych a następnie ustala położenie punktu centralnego M układu regulacji przekrawacza dla wartości tych odchyłek. Przemieszczenie punktu centralnego (M) ustala się przed wyznaczeniem parametrów procesu roboczego klasyfikatora.
Równocześnie ze względu na współoddziaływanie zespołów tekturnicy istnieje potrzeba wyodrębnienia pewnych parametrów i sygnałów mierzonych przez zespoły czujników systemu kontroli podzespołów tekturnicy oraz czujniki sterowania zespołem napędowym, które przekształca się na sygnały
PL 227 773 B1 cyfrowe i w znany sposób prowadzi analizę ich widm oraz spektrogramów. Z zarejestrowanych sygnałów elektrycznych lub mechanicznych podzespołów, dla błędów cięcia w określonym przedziale czasowym, wyznacza się parametry i sygnały, których wartości częstotliwości wykazują najwyższe odstępstwa od wartości dopuszczalnych, i wyznacza parametr procesu roboczego Ymm+i, ... Ymm+i. Uwzględnia się przy tym przede wszystkim: temperaturę łożysk walców noża Ymm+i, wibracje przekrawacza Ymm+2, moment napędu Ymm+3, podciśnienie w skrzynkach próżniowych układów transportowych kartonu Ymm+4, natężenie hałasu przekrawacza Ymm+5, prędkość enkoderów kartonu Ymm+6 oraz pomiar fazy cięcia na wale nożowym Ymm+7. Zdarzenie awaryjne opisuje się poprzez cechy zgodnie z wymogami klasyfikatora, i pozostałe dane są uzupełniane z układu zarządzającego tekturnicą, np. informacje dotyczące cech kartonu rodzaj fali, grubość, informacje o czynniku zewnętrznym mające wpływ na proces. Wszystkie ustalone parametry w formie liczb, kodów liczbowych, tekstu lub obrazów wprowadza się i zapamiętuje w klasyfikatorze 5A, po czym na podstawie nauczonych wzorców błędnego procesu ze zdarzeniami awaryjnymi z przypisaną klasą i określonymi cechami, dokonuje klasyfikacji tego zdarzenia awaryjnego na podstawie jego zidentyfikowanych cech i przyporządkowuje mu rodzaj wzorców błędnie ciętego kartonu, po czym identyfikuje i usuwa jeden lub więcej defekt w zdarzeniu awaryjnym, przy czym identyfikację każdego defektu prowadzi się w oddzielnym cyklu zakończonym weryfikacją ustaleń. Weryfikacja polega na wprowadzeniu do sieci neuronowej 5 kontrolnych danych pomiarowych cięcia arkuszy kartonu, dla których wyznacza się wartości odchyłek od wartości zadanych. W przypadku stwierdzenia istnienia odchyłek wykraczających ponad dopuszczalny zakres, ponawia się cykl identyfikacji aż do uzyskania parametrów arkuszy kartonu wypełniających zadane kryteria. Każdy cykl identyfikacji przeprowadzony przez system jest zapamiętywany, i stanowi w klasyfikatorze 5A zarejestrowane zdarzenie awaryjne z przypisanymi danymi pomiarowymi oraz ustaloną przyczyną defektu.
Sposób według wynalazku może być zrealizowany następująco. Dane dotyczące błędnie przyciętych arkuszy kartonu, jak np. pokazane na fig. 3, wprowadza się do sieci neuronowej 5, i inicjuje diagnozowanie błędów procesu cięcia, a moduł obliczeniowo-analityczny 4, (Statistical Process Control - SPC), po dokonaniu obliczeń dla wprowadzonych danych wykazał ich niezgodność z parametrami procesu, co pokazuje wykres estymatora histogramowego funkcji gęstości dla tych odchyłek cięcia na fig. 4. Dla identyfikacji defektu podzespołów tekturnicy poddano weryfikacji położenie punktu centralnego M układu przekrawacza (fig. 5), jako wektora (Ax, Av) którego współrzędne są kolejno wartościami średnimi błędu położenia i wartościami średnimi błędu prędkości, i na podstawie ustalonego odchylenia moduł diagnostyczny 3 wyznaczył wielkość korekty prędkości układu napędowego. Po wprowadzeniu korekty prędkości, którą sprawdza się przez wprowadzenie nowych kontrolnych danych cięcia arkuszy kartonu, weryfikuje się położenie punku centralnego M, co pokazuje fig. 6, którego położenie jest poprawne a odchyłki prędkości mieszczą się w dopuszczalnych granicach. Natomiast wykres estymatora histogramowego funkcji gęstości dla kontrolnych odchyłek cięcia, pokazany na fig. 7, wykazuje brak centryczności, i klasyfikator po przeprowadzeniu badania cech klasyfikacyjnych z uwzględnieniem zarejestrowanych sygnałów elektrycznych i mechanicznych podzespołów dla tego przedziału czasowego, wskazał na usterkę koła pomiarowego, a moduł diagnostyczny 3 wyznaczył wielkość korekty obwodu tego koła. Po naprawie wprowadzono nowe kolejne kontrolne dane pomiarowe cięcia arkuszy kartonu, dla których uzyskano histogram pokazany na fig. 8, a moduł diagnostyczny 3 potwierdził poprawność procesu cięcia kartonu.

Claims (6)

1. Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza, zbudowanej ponadto z podzespołów grzewczo-suszących, sklejarek, zespołów układających oraz napędowych, prowadzony za pomocą wielomodułowego systemu komputerowego wyposażonego w programy diagnostyczne, w którym poddaje się kontroli pomiary cięcia arkuszy kartonu, obejmujący:
- dostarczenie zasobów z zarejestrowanymi danymi pomiarowymi określonych zdarzeń awaryjnych,
- rejestrowanie zmierzonych zmiennych wartości sygnałów przez zespoły czujników systemu kontroli podzespołów tekturnicy oraz czujniki sterowania zespołem napędowym, które to wartości przekształca się na sygnały cyfrowe i w znany sposób prowadzi analizę ich widm oraz spektrogramów,
PL 227 773 B1 przy czym system kontroli i sterowania zawiera podstawowe wartości parametrów i częstotliwości odnoszące się do tych podzespołów, znamienny tym, że wprowadza się do jednokierunkowej wielowarstwowej sieci neuronowej (5) systemu komputerowego (1) zmierzone co najmniej n > 40 wartości cięcia kartonu przekraczające przewidziane wartości progowe w określonym przedziale czasowym, a dla wartości odchyłek Xi ... Xn wyznacza, stanowiącą parametr klasyfikacyjny (Cn+i), graficzną charakterystykę z badania gęstości rozkładu, korzystnie przekształca ją do postaci cyfrowej, po czym prowadzi identyfikację każdego defektu w zdarzeniu awaryjnym na podstawie parametrów obliczanych i/lub mierzonych w oddzielnym cyklu zakończonym weryfikacją ustaleń identyfikujących defekt, aż do uzyskania parametrów arkuszy kartonu wypełniających zadane kryteria, przy czym na podstawie parametrów obliczanych wyznacza się korektę prędkości układu napędowego przekrawacza, gdzie korzystnie parametrem obliczanym jest przemieszczenie punktu centralnego (M) w jego układzie regulacji jako wektor (Δχ,Δν) o współrzędnych przyjmujących kolejno wartości średnie jego błędu położenia x= . Δ,(ί) (1) i wartości średnie jego błędu prędkości v = (i) (2) a na podstawie wprowadzanych do klasyfikatora (5A) parametrów zmierzonych, których wartości wykazują najwyższe odstępstwa od wartości dopuszczalnych, wyznacza parametr procesu roboczego (Ymm+1 ... Ymm+i), po czym na podstawie nauczonych wzorców błędnego proX,· cesu ze zdarzeniami awaryjnymi z przypisaną do nich klasą (y ) i zbiorem cech (D) określonym wzorem:
D = {(Ym1, C1, Sk1, G1n, Z,), ..., (Ymm, Cn, SkN, Gnn, Z,)} (3)
X,· gdzie: y - i-ta cecha klasy Kj, ym1 .. .mm - parametry i sygnały procesu roboczego wykazujące odstępstwo od wartości dopuszczalnych, G1n ... Gnn - cechy kartonu, Z - czynnik zewnętrzny mający wpływ na proces, Sk - stopień poprzedniej niesprawności, C1 ... Cn - charakterystyki graficzne procesu roboczego, dokonuje się klasyfikacji tego zdarzenia awaryjnego na podstawie jego ustalonych cech i przyporządkowuje mu rodzaj wzorców błędnie ciętego kartonu, po czym identyfikuje i usuwa jeden lub więcej defekt w zdarzeniu awaryjnym.
2. Sposób według zastrz. 1, znamienny tym, że przemieszczenie punktu centralnego (M) ustala się przed wyznaczeniem parametrów procesu roboczego klasyfikatora.
3. Sposób według zastrz. 1 albo 2, znamienny tym, że ustalenia identyfikujące defekt na podstawie wskazań klasyfikacyjnych weryfikuje się przez wprowadzenie kontrolnych danych pomiarowych cięcia arkuszy kartonu, dla których wyznacza się wartości odchyłek od wartości zadanych.
4. Sposób według zastrz. 1 albo 2 albo 3, znamienny tym, że wartość korekty prędkości układu napędowego przekrawacza weryfikuje się przez wprowadzenie kontrolnych danych pomiarowych cięcia arkuszy kartonu, dla których wyznacza się wartości odchyłek od wartości zadanych a następnie ustala dla wartości tych odchyłek położenie punktu centralnego M układu regulacji przekrawacza.
5. Sposób według zastrz. 1 albo 2 albo 3 albo 4, znamienny tym, że z zarejestrowanych sygnałów elektrycznych lub mechanicznych podzespołów dla błędów cięcia w określonym przedziale czasowym, uwzględnia się przynajmniej temperaturę łożysk walców noża (Ymm+1), wibracje przekrawacza (Ymm+2), moment napędu (Ymm+3), podciśnienie w skrzynkach próżniowych układów transportowych kartonu (Ymm+4), natężenie hałasu przekrawacza (Ymm+5), prędkość enkoderów kartonu (Ymm+6) oraz pomiar fazy cięcia na wale nożowym (Ymm+7).
6. Sposób według zastrz. 1, znamienny tym, że do klasyfikatora (5A) wprowadza się i zapisuje parametry klasyfikacyjne w postaci liczb, kodów liczbowych, tekstu lub obrazów.
PL403979A 2013-05-20 2013-05-20 Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza PL227773B1 (pl)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PL403979A PL227773B1 (pl) 2013-05-20 2013-05-20 Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PL403979A PL227773B1 (pl) 2013-05-20 2013-05-20 Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza

Publications (2)

Publication Number Publication Date
PL403979A1 PL403979A1 (pl) 2014-11-24
PL227773B1 true PL227773B1 (pl) 2018-01-31

Family

ID=51902509

Family Applications (1)

Application Number Title Priority Date Filing Date
PL403979A PL227773B1 (pl) 2013-05-20 2013-05-20 Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza

Country Status (1)

Country Link
PL (1) PL227773B1 (pl)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022211293A1 (de) * 2022-10-25 2024-04-25 Bhs Corrugated Maschinen- Und Anlagenbau Gmbh Verfahren zur Identifizierung von Anomalien und somit auch tatsächlichen Bearbeitungspositionen einer Bahn sowie zur Klassifizierung dieser Anomalien, Anlage und Computerprogrammprodukt
DE102024203709A1 (de) * 2024-04-22 2025-10-23 Bhs Corrugated Maschinen- Und Anlagenbau Gmbh Verfahren zur Identifizierung von Anomalien und somit auch tatsächlichen Bearbeitungspositionen einer Bahn sowie zur Klassifizierung dieser Anomalien, Anlage und Computerprogrammprodukt

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022211293A1 (de) * 2022-10-25 2024-04-25 Bhs Corrugated Maschinen- Und Anlagenbau Gmbh Verfahren zur Identifizierung von Anomalien und somit auch tatsächlichen Bearbeitungspositionen einer Bahn sowie zur Klassifizierung dieser Anomalien, Anlage und Computerprogrammprodukt
DE102024203709A1 (de) * 2024-04-22 2025-10-23 Bhs Corrugated Maschinen- Und Anlagenbau Gmbh Verfahren zur Identifizierung von Anomalien und somit auch tatsächlichen Bearbeitungspositionen einer Bahn sowie zur Klassifizierung dieser Anomalien, Anlage und Computerprogrammprodukt

Also Published As

Publication number Publication date
PL403979A1 (pl) 2014-11-24

Similar Documents

Publication Publication Date Title
Soualhi et al. Pattern recognition method of fault diagnostics based on a new health indicator for smart manufacturing
EP3186598B1 (en) Monitoring of a device having a movable part
EP3764184B1 (en) Abnormality determination assistance device
WO2019043600A1 (en) ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR
CN106441843B (zh) 一种旋转机械故障波形识别方法
Corne et al. Comparing MCSA with vibration analysis in order to detect bearing faults—A case study
Zuber et al. Gearbox faults feature selection and severity classification using machine learning
Ahmad et al. Milling machine fault detection and identification based on a novel vitality index and temporal-residual network
Qian et al. Bearing performance degradation evaluation using recurrence quantification analysis and auto-regression model
PL227773B1 (pl) Sposób ustalania oraz identyfikacji defektów podzespołów tekturnicy, zwłaszcza przekrawacza
Fogliazza et al. Fingerprint analysis for machine tool health condition monitoring
Bediaga et al. An integrated system for machine tool spindle head ball bearing fault detection and diagnosis
Afshar et al. Generalized roughness bearing fault diagnosis using time series analysis and gradient boosted tree
Olsson et al. Case-based reasoning combined with statistics for diagnostics and prognosis
Tastimur et al. Defect diagnosis of rolling element bearing using deep learning
Zurita et al. Intelligent sensor based on acoustic emission analysis applied to gear fault diagnosis
Yan et al. Fault Diagnosis Based on Multi-sensor Data Fusion for Numerical Control Machine.
EP3104152B1 (en) Method and controller for determining an undesired condition in an electrical drive system
Ghodake et al. A review on fault diagnosis of gear-box by using vibration analysis method
CN117483449A (zh) 一种双零铝箔生产用的铝箔轧制的故障诊断系统及方法
Conese et al. Vibration analysis for condition monitoring of an automatic press machine for thermoplastic polymers
Ebrahimi A method based on support vector machine and vibration analysis for fault detection in bevel gears (Case study: Differential)
Onodugo et al. Induction Motor Bearing Fault Diagnosis with Machine Learning Enhanced Empirical Mode Decomposition
Astolfi et al. Wind turbine drive-train condition monitoring through tower vibrations measurement and processing
Cherif et al. Enhanced diagnosis and monitoring of broken rotor bar faults in induction motors using a combined Ceemdan-MLP approach