Under de senaste åren har världens stora bryggerier och glasförpackningsanvändare krävt betydande minskningar av koldioxidavtrycket för förpackningsmaterial, efter megatrenden för att minska plastanvändningen och minska miljöföroreningar. Under lång tid var uppgiften att bilda den heta änden att leverera så många flaskor som möjligt till glödgningsugnen, utan mycket oro för produktens kvalitet, vilket främst var oroen för den kalla änden. Liksom två olika världar är de varma och kalla ändarna helt separerade av glödgningsugnen som skiljelinjen. Därför finns det knappast någon snabb och effektiv kommunikation eller feedback från den kalla änden till den heta änden; Eller det finns kommunikation eller feedback, men kommunikationens effektivitet är inte hög på grund av förseningen av glödgningsugntiden. För att säkerställa att högkvalitativa produkter matas in i fyllningsmaskinen, i kylningsområdet eller kvalitetskontrollen på lagret, kommer de brickor som returneras av användaren eller behöver returneras.
Därför är det särskilt viktigt att lösa produktkvalitetsproblem i tid i den heta änden, hjälpa till att formera utrustningen att öka maskinhastigheten, uppnå lätta glasflaskor och minska koldioxidutsläppen.
För att hjälpa glasindustrin att uppnå detta mål har XPAR-företaget från Nederländerna arbetat med att utveckla fler och fler sensorer och system, som tillämpas på den hot-end-bildningen av glasflaskor och burkar, eftersom informationen som överförs av sensorerna är konsekvent och effektiv.Högre än manuell leverans!
Det finns för många störande faktorer i formningsprocessen som påverkar glasstillverkningsprocessen, såsom kullettkvalitet, viskositet, temperatur, glas enhetlighet, omgivningstemperatur, åldrande och slitage av beläggningsmaterial och till och med oljning, produktionsförändringar, stoppa/starta utformningen av enheten eller flaskan påverka processen. Logiskt sett försöker varje glasstillverkare att integrera dessa oförutsägbara störningar, såsom gob -tillstånd (vikt, temperatur och form), gob -belastning (hastighet, längd och tidsposition för ankomst), temperatur (grön, mögel, etc.), stans/kärna, dö) för att minimera påverkan på formning, och därmed förbättra kvaliteten på glasflaskor.
Exakt och snabb kunskap om GOB-status, GOB-belastning, temperatur- och flaskkvalitetsdata är den grundläggande grunden för att producera lättare, starkare, defektfria flaskor och burkar med högre maskinhastigheter. Från och med den realtidsinformation som sensorn har, används de verkliga produktionsdata för att objektivt analysera om det kommer att finnas senare flaska och kan defekter, istället för olika subjektiva bedömningar av människor.
Den här artikeln kommer att fokusera på hur användningen av hot-end-sensorer kan hjälpa till att producera lättare, starkare glasburkar och burkar med lägre defekthastigheter, samtidigt som maskinhastigheten ökar.
Den här artikeln kommer att fokusera på hur användningen av hot-end-sensorer kan hjälpa till att producera lättare, starkare glasburkar med lägre defekthastigheter, samtidigt som maskinhastigheten ökar.
1. Hot slutkontroll och processövervakning
Med den hot-end-sensorn för flaska och kan inspektion kan stora defekter elimineras på hot-end. Men hot-end-sensorer för flaska och kan inspektion inte endast användas för hot-end-inspektion. Som med alla inspektionsmaskiner, varm eller kall, kan ingen sensor effektivt inspektera alla defekter, och detsamma gäller för hot-end-sensorer. Och eftersom varje flask utanför spec eller kan producera redan avfallsproduktionstid och energi (och genererar CO2), är fokus och fördel med hot-end-sensorer på defektförebyggande, inte bara automatisk inspektion av defekta produkter.
Det huvudsakliga syftet med flaskinspektion med hot-end-sensorer är att eliminera kritiska defekter och samla in information och data. Dessutom kan enskilda flaskor inspekteras enligt kundkraven, vilket ger en god översikt över enhetens prestandadata, varje gob eller rankaren. Eliminering av stora defekter, inklusive häll och stickning av hot-end, säkerställer att produkter passerar genom hot-end spray och kallt inspektionsutrustning. Kavitetsprestanda för varje enhet och för varje GOB eller löpare kan användas för effektiv analys av grundorsaken (lärande, förebyggande) och snabba åtgärder när problem uppstår. Snabbhjälpande åtgärder från den heta slutet baserat på realtidsinformation kan direkt förbättra produktionseffektiviteten, vilket är grunden för en stabil formningsprocess.
2. Minska interferensfaktorer
Det är välkänt att många störande faktorer (kullettkvalitet, viskositet, temperatur, glashomogenitet, omgivningstemperatur, försämring och slitage av beläggningsmaterial, till och med oljning, produktionsförändringar, stopp/startenheter eller flaskdesign) påverkar gentillverkningsfartyg. Dessa interferensfaktorer är grundorsaken till processvariation. Och ju fler interferensfaktorer som formningsprocessen utsätts för, desto fler defekter genereras. Detta antyder att att minska nivån och frekvensen av störande faktorer kommer att gå långt mot att uppnå målet att producera lättare, starkare, defektfria och högre hastighetsprodukter.
Till exempel lägger den heta slutet i allmänhet mycket tonvikt på oljning. Faktum är att oljning är en av de viktigaste distraktionerna i glasflaskans bildningsprocess.
Det finns flera olika sätt att minska störningen av processen genom oljning:
A. Manuell oljning: Skapa SOP -standardprocess, övervakar strikt effekten av varje oljecykel för att förbättra oljningen;
B. Använd automatiskt smörjningssystem istället för manuell oljning: Jämfört med manuell oljning kan automatisk oljning säkerställa konsistensen av oljefrekvens och oljeeffekt.
C. Minimera oljning med hjälp av ett automatiskt smörjsystem: Medan du minskar oljefrekvensen, se till att oljeeffekten är konsistensen.
Minskningsgraden för processinterferens på grund av oljning är i storleksordningen
3. Behandling orsakar källan till processfluktuationer för att göra glasväggens tjocklek fördelning mer enhetlig
Nu, för att hantera fluktuationerna i glasformningsprocessen orsakad av ovanstående störningar, använder många glasstillverkare mer glasvätska för att göra flaskor. För att möta specifikationerna för kunder med en väggtjocklek på 1 mm och uppnå rimlig produktionseffektivitet, varierar designspecifikationerna från väggtjocklek från 1,8 mm (små muntrycksblåsningsprocess) till ännu mer än 2,5 mm (blåser och blåser).
Syftet med denna ökade väggtjocklek är att undvika defekta flaskor. Under de första dagarna, när glasindustrin inte kunde beräkna styrkan hos glaset, kompenserade denna ökade väggtjocklek kompenserad för överdriven processvariation (eller låga nivåer av gjutningsprocessskontroll) och komprometterades lätt av glasbehållarstillverkare och deras kunder accepterar.
Men som ett resultat av detta har varje flaska en helt annan väggtjocklek. Genom det infraröda sensorövervakningssystemet i den heta änden kan vi tydligt se att förändringar i formningsprocessen kan leda till förändringar i tjockleken på flaskväggen (förändring i glasfördelning). Som visas i figuren nedan är denna glasfördelning i princip uppdelad i följande två fall: den longitudinella fördelningen av glaset och sidofördelningen. Från analysen av de många flaskor som produceras kan man se att glasfördelningen ständigt förändras, både vertikalt och horisontellt. För att minska flaskans vikt och förhindra defekter bör vi minska eller undvika dessa fluktuationer. Att kontrollera fördelningen av det smälta glaset är nyckeln till att producera lättare och starkare flaskor och burkar med högre hastigheter, med färre defekter eller till och med nära noll. Att kontrollera distributionen av glas kräver kontinuerlig övervakning av flaskan och kan produktion och mäta operatörens process baserat på förändringar i glasfördelningen.
4. Samla in och analysera data: Skapa AI -intelligens
Att använda fler och fler sensorer samlar in mer och mer data. Intelligent att kombinera och analysera dessa data ger mer och bättre information för att hantera processändringar mer effektivt.
Det ultimata målet: att skapa en stor databas med data som finns tillgänglig i glasformningsprocessen, vilket gör att systemet kan klassificera och slå samman data och skapa de mest effektiva beräkningarna med sluten slinga. Därför måste vi vara mer jordnära och börja från faktiska data. Vi vet till exempel att laddningsdata eller temperaturdata är relaterade till flaskdata, när vi väl känner till detta förhållande kan vi kontrollera laddningen och temperaturen på ett sådant sätt att vi producerar flaskor med mindre förskjutning i fördelningen av glaset, så att defekterna reduceras. Vissa kall-data (som bubblor, sprickor etc.) kan också tydligt indikera processändringar. Att använda dessa data kan bidra till att minska processvariansen även om det inte märks i den heta änden.
Därför, efter att databasen registrerar dessa processdata, kan AI Intelligent System automatiskt tillhandahålla relevanta åtgärder när Hot-End-sensorsystemet upptäcker defekter eller finner att kvalitetsdata överskrider det inställda larmvärdet. 5. Skapa sensorbaserad SOP- eller formgjutningsprocesssautomation
När sensorn har använts bör vi organisera olika produktionsåtgärder kring informationen från sensorn. Fler och mer verkliga produktionsfenomen kan ses av sensorer, och informationen som överförs är mycket reduktiv och konsekvent. Detta är mycket viktigt för produktionen!
Sensorer övervakar kontinuerligt statusen för GOB (vikt, temperatur, form), laddning (hastighet, längd, ankomsttid, position), temperatur (preg, dör, stans/kärna, dör) för att övervaka flaskans kvalitet. Varje variation i produktkvaliteten har en anledning. När orsaken är känd kan standardförfaranden fastställas och tillämpas. Att använda SOP gör produktionen av fabriken enklare. Vi vet från kundens feedback att de känner att det blir lättare att rekrytera nya anställda i den heta slutet på grund av sensorerna och SOP: erna.
Helst bör automatisering appliceras så mycket som möjligt, särskilt när det finns fler och fler maskinuppsättningar (till exempel 12 uppsättningar med 4-drop-maskiner där operatören inte kan kontrollera 48 hålrum väl). I det här fallet observerar sensorn, analyserar data och gör nödvändiga justeringar genom att mata tillbaka data till rang-och-tåg-tidssystemet. Eftersom feedbacken fungerar på egen hand via datorn kan den justeras i millisekunder, något till och med de bästa operatörerna/experterna kommer aldrig att kunna göra. Under de senaste fem åren har en sluten slinga (varm ände) automatisk kontroll varit tillgänglig för att kontrollera goB -vikt, flaskavstånd på transportören, mögeltemperaturen, kärnstansslaget och longitudinell distribution av glas. Det är förutsatt att fler kontrollslingor kommer att finnas tillgängliga inom en snar framtid. Baserat på aktuell erfarenhet kan användning av olika kontrollslingor i princip ge samma positiva effekter, såsom reducerade processfluktuationer, mindre variation i glasfördelning och färre defekter i glasflaskor och burkar.
För att uppnå önskan om lättare, starkare, (nästan) defektfria, högre hastighet och högre avkastning, presenterar vi några sätt att uppnå den i den här artikeln. Som medlem i Glass Container -industrin följer vi megatrenden för att minska plast- och miljöföroreningar och följa de tydliga kraven från stora vingårdar och andra glasförpackningsanvändare för att avsevärt minska koldioxidavtrycket för förpackningsmaterialindustrin. Och för varje glastillverkare kan producera lättare, starkare, (nästan) defektfria glasflaskor och vid högre maskinhastigheter leda till en större avkastning på investeringen samtidigt som koldioxidutsläppen minskar.
Inläggstid: april-19022