Under de senaste åren har världens stora bryggerier och användare av glasförpackningar krävt betydande minskningar av förpackningsmaterialens koldioxidavtryck, efter megatrenden att minska plastanvändningen och minska miljöföroreningarna. Länge var uppgiften med att forma den varma änden att leverera så många flaskor som möjligt till glödgningsugnen, utan någon större oro för produktens kvalitet, vilket främst var frågan om den kalla änden. Som två olika världar är de varma och kalla ändarna helt åtskilda av glödgningsugnen som skiljelinje. Därför, i fallet med kvalitetsproblem, finns det knappast någon snabb och effektiv kommunikation eller feedback från den kalla änden till den heta änden; eller det finns kommunikation eller återkoppling, men kommunikationens effektivitet är inte hög på grund av fördröjningen av glödgningsugnen. Därför, för att säkerställa att högkvalitativa produkter matas in i fyllningsmaskinen, i det kalla området eller kvalitetskontrollen av lagret, kommer brickorna som returneras av användaren eller måste returneras att hittas.
Därför är det särskilt viktigt att lösa produktkvalitetsproblem i tid i den heta änden, hjälpa formningsutrustning 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 används för att forma glasflaskor och burkar i varm form, eftersom informationen som överförs av sensorerna är konsekvent och effektiv.Högre än manuell leverans!
Det finns för många störande faktorer i gjutningsprocessen som påverkar glastillverkningsprocessen, såsom skärkornskvalitet, viskositet, temperatur, glaslikformighet, omgivningstemperatur, åldring och slitage av beläggningsmaterial, och även oljning, produktionsförändringar, stopp/start Utformningen av enheten eller flaskan kan påverka processen. Logiskt sett strävar varje glastillverkare efter att integrera dessa oförutsägbara störningar, såsom gob-tillstånd (vikt, temperatur och form), gob-belastning (hastighet, längd och tidsposition för ankomst), temperatur (grönt, mögel, etc.), stans/kärna , form) för att minimera påverkan på formningen och därigenom förbättra kvaliteten på glasflaskor.
Exakt och aktuell kunskap om gob-status, gob-laddning, temperatur och flaskkvalitetsdata är den grundläggande basen för att producera lättare, starkare, defektfria flaskor och burkar vid högre maskinhastigheter. Med utgångspunkt från realtidsinformationen som tas emot av sensorn, används den verkliga produktionsdatan för att objektivt analysera om det kommer att finnas defekter på flaskor och burkar, istället för olika subjektiva bedömningar av människor.
Den här artikeln kommer att fokusera på hur användningen av heta sensorer kan hjälpa till att producera lättare, starkare glasburkar och burkar med lägre defektfrekvens, samtidigt som maskinens hastighet ökar.
Den här artikeln kommer att fokusera på hur användningen av heta sensorer kan hjälpa till att producera lättare, starkare glasburkar med lägre defektfrekvens, samtidigt som maskinens hastighet ökar.
1. Hot end inspektion och processövervakning
Med hot-end-sensorn för flaska och burkinspektion kan stora defekter elimineras på hot-end. Men hot-end-sensorer för flask- och burkinspektion bör 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 heta sensorer. Och eftersom varje producerad flaska eller burk som inte är specifikation redan slösar bort produktionstid och energi (och genererar CO2), ligger fokus och fördelar med sensorer på defekter, inte bara på automatisk inspektion av defekta produkter.
Huvudsyftet med flaskinspektion med hot-end sensorer är att eliminera kritiska defekter och samla in information och data. Dessutom kan individuella flaskor inspekteras enligt kundens önskemål, vilket ger en bra överblick över prestandadata för enheten, varje gob eller ranker. Eliminering av större defekter, inklusive hällning och vidhäftning i heta änden, säkerställer att produkterna passerar genom spray- och kalländeinspektionsutrustning. Hålrumsprestandadata för varje enhet och för varje gob eller löpare kan användas för effektiv grundorsaksanalys (inlärning, förebyggande) och snabba åtgärder när problem uppstår. Snabba avhjälpande åtgärder från den heta änden baserat på realtidsinformation kan direkt förbättra produktionseffektiviteten, vilket är grunden för en stabil formningsprocess.
2. Minska störningsfaktorer
Det är välkänt att många störande faktorer (kulletkvalitet, viskositet, temperatur, glashomogenitet, omgivningstemperatur, försämring och slitage av beläggningsmaterial, till och med oljning, produktionsförändringar, stopp/startenheter eller flaskdesign) påverkar glastillverkningshantverk. Dessa interferensfaktorer är grundorsaken till processvariationer. Och ju fler interferensfaktorer formningsprocessen utsätts för, desto fler defekter genereras. Detta tyder på att en minskning av nivån och frekvensen av störande faktorer kommer att räcka långt för att uppnå målet att producera lättare, starkare, defektfria och snabbare produkter.
Till exempel lägger den heta änden i allmänhet stor vikt vid oljning. Oljning är faktiskt en av de främsta distraktionerna i glasflaskans formningsprocessen.
Det finns flera olika sätt att minska störningen av processen genom att olja:
A. Manuell oljning: Skapa SOP-standardprocess, övervaka strikt effekten av varje oljningscykel för att förbättra oljan;
B. Använd automatiskt smörjsystem istället för manuell oljning: Jämfört med manuell olja kan automatisk olja säkerställa konsistensen av oljningsfrekvens och oljande effekt.
C. Minimera oljan genom att använda ett automatiskt smörjsystem: samtidigt som du minskar frekvensen av olja, säkerställ konsistensen av oljningseffekten.
Reduktionsgraden av processinterferens på grund av oljning är i storleksordningen a
3. Behandling gör att källan till processfluktuationer gör glasväggstjockleksfördelningen mer enhetlig
Nu, för att klara av fluktuationerna i glasbildningsprocessen som orsakas av ovanstående störningar, använder många glastillverkare mer glasvätska för att tillverka flaskor. För att möta specifikationerna för kunder med en väggtjocklek på 1 mm och uppnå rimlig produktionseffektivitet sträcker sig designspecifikationerna för väggtjockleken från 1,8 mm (blåsningsprocess med liten mun) till ännu mer än 2,5 mm (blåsnings- och blåsprocess).
Syftet med denna ökade väggtjocklek är att undvika defekta flaskor. I de tidiga dagarna, när glasindustrin inte kunde beräkna glasets styrka, kompenserade denna ökade väggtjocklek för överdriven processvariation (eller låga nivåer av formningsprocesskontroll) och kunde lätt äventyras av glasbehållarestillverkare och deras kunder accepterade.
Men som ett resultat av detta har varje flaska en väldigt olika väggtjocklek. Genom det infraröda sensorövervakningssystemet på den varma änden kan vi tydligt se att förändringar i formningsprocessen kan leda till förändringar i flaskväggens tjocklek (förändring i glasfördelning). Som visas i figuren nedan är denna glasfördelning i grunden uppdelad i följande två fall: glasets längsgående fördelning och sidofördelningen. Från analysen av de många tillverkade flaskorna 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 distributionen av det smälta glaset är nyckeln till att producera lättare och starkare flaskor och burkar i högre hastigheter, med färre defekter eller till och med nära noll. Att kontrollera distributionen av glas kräver kontinuerlig övervakning av flask- och burktillverkning och mätning av operatörens process utifrån förändringar i glasdistributionen.
4. Samla in och analysera data: skapa AI-intelligens
Att använda fler och fler sensorer kommer att samla in mer och mer data. Att intelligent kombinera och analysera dessa data ger mer och bättre information för att hantera processförändringar mer effektivt.
Det slutliga målet: att skapa en stor databas med tillgängliga data i glasformningsprocessen, vilket gör att systemet kan klassificera och slå samman data och skapa de mest effektiva beräkningarna med slutna slinga. Därför måste vi vara mer jordnära och utgå från faktiska data. Till exempel vet vi 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 distributionen av glaset, så att defekter minskar. Vissa kalla data (som bubblor, sprickor, etc.) kan också tydligt indikera processförändringar. Att använda dessa data kan hjälpa till att minska processvariansen även om det inte märks i den heta änden.
Därför, efter att databasen registrerat dessa processdata, kan det intelligenta AI-systemet automatiskt tillhandahålla relevanta avhjälpande åtgärder när hot-end-sensorsystemet upptäcker defekter eller upptäcker att kvalitetsdata överskrider det inställda larmvärdet. 5. Skapa sensorbaserad SOP eller automatisering av formgjutning
När sensorn väl har använts bör vi organisera olika produktionsåtgärder kring informationen från sensorn. Fler och fler verkliga produktionsfenomen kan ses av sensorer, och informationen som överförs är mycket reduktiv och konsekvent. Detta är väldigt viktigt för produktionen!
Sensorer övervakar kontinuerligt flaskans status (vikt, temperatur, form), laddning (hastighet, längd, ankomsttid, position), temperatur (preg, stans, stans/kärna, stans) för att övervaka flaskans kvalitet. Varje variation i produktkvalitet har en anledning. När orsaken är känd kan standarddriftsprocedurer fastställas och tillämpas. Att tillämpa SOP gör tillverkningen av fabriken enklare. Vi vet från kundfeedback att de känner att det blir lättare att rekrytera nya medarbetare på den heta sidan på grund av sensorerna och SOP:erna.
Helst bör automatisering tillämpas så mycket som möjligt, särskilt när det finns fler och fler maskinuppsättningar (som 12 uppsättningar av 4-dropsmaskiner där operatören inte kan kontrollera 48 hålrum väl). I det här fallet observerar sensorn, analyserar data och gör nödvändiga justeringar genom att återkoppla data till rank-and-train-timingsystemet. Eftersom återkopplingen fungerar på egen hand via datorn kan den justeras på millisekunder, något även de bästa operatörerna/experterna aldrig kommer att kunna göra. Under de senaste fem åren har en automatisk styrning med sluten slinga (hot end) funnits tillgänglig för att kontrollera gob-vikt, flaskavstånd på transportören, formtemperatur, kärnstansslag och longitudinell fördelning av glas. Det är förutsägbart att fler kontrollslingor kommer att finnas tillgängliga inom en snar framtid. Baserat på nuvarande erfarenhet kan användning av olika styrslingor i princip ge samma positiva effekter, såsom minskade processfluktuationer, mindre variation i glasfördelning och färre defekter i glasflaskor och burkar.
För att uppnå önskan om lättare, starkare, (nästan) defektfri produktion med högre hastighet och högre avkastning presenterar vi några sätt att uppnå det i den här artikeln. Som medlem i glasbehållareindustrin följer vi megatrenden att minska plast- och miljöföroreningar, och följer de tydliga kraven från stora vingårdar och andra glasförpackningsanvändare för att avsevärt minska koldioxidavtrycket för förpackningsmaterialindustrin. Och för varje glastillverkare kan produktion av lättare, starkare, (nästan) defektfria glasflaskor och vid högre maskinhastigheter leda till en större avkastning på investeringen samtidigt som koldioxidutsläppen minskar.
Posttid: 2022-apr-19