Полиуретанды (ПУ) жабындар мен желімдерді өндіру - сезімтал химиялық реакциялармен басқарылатын күрделі, көп сатылы процесс. Бұл материалдарға деген сұраныс салалар бойынша өсіп келе жатқанымен, оларды өндіру өнім сапасына, өндіріс тиімділігіне және жалпы кірістілікке тікелей әсер ететін бірқатар негізгі қиындықтарды тудырады. Бұл негізгі мәселелерді мұқият түсіну жақсартудың стратегиялық және практикалық жол картасын әзірлеу үшін өте маңызды.
1.1. Химиялық күрделілік және өзгергіштік: тез қатаю мәселесі
Полиуретан өндірісі - полиолдар мен изоцианаттар арасындағы полиқосылу реакциясы, бұл процесс көбінесе жылдам және өте экзотермиялық болып табылады. Бұл реакция нәтижесінде пайда болатын жылдамдық пен жылу дәл бақылауды өте қиындатады. Табиғи күрделілік реакцияның температура, ылғалдылық және катализаторлардың болуы сияқты сыртқы факторларға сезімталдығымен одан әрі күрделене түседі. Бұл қоршаған орта жағдайларындағы немесе материалдық кірістердегі шағын, бақыланбайтын ауытқулар соңғы өнімнің қасиеттерінде, соның ішінде оның қатаю уақытында және физикалық өнімділігінде айтарлықтай өзгерістерге әкелуі мүмкін.
Бұл тұрғыдағы негізгі қиындық - көптеген тез қататын полиуретанды жүйелердің «қысқа қызмет ету мерзімі». Газ өндіру мен полиуретанды өзара байланыстыру уақыт шкаласы дәстүрлі сипаттама әдістерімен үйлесімді болу үшін көбінесе тым қысқа. Бұл орталық инженерлік және экономикалық мәселе. Реактордан үлгіні алып, оны талдау үшін зертханаға тасымалдауды қамтитын дәстүрлі сапаны бақылау (СБ) процедуралары өздігінен ақаулы. Зертханалық титрлеу процесі баяу, және ең бастысы, үлгінің химиялық қасиеттері реактордан алынып, қоршаған орта жағдайларына ұшыраған сәттен бастап өзгере бастайды. Бұл кідіріс зертханалық нәтижелердің бұрыннан өндірілген партияның өлімнен кейінгі талдауы екенін білдіреді. Деректер тек іс жүзінде қолданылмайды, араласуға мүмкіндік беру үшін тым кеш келеді, сонымен қатар өндірістік ыдыстың ішіндегі материалдың күйін көрсетпейтіндіктен, дәл емес болуы мүмкін. Дәстүрлі, кідіріске негізделген сапаны бақылаудың полиуретанды химияның жылдам кинетикасымен бұл негізгі үйлесімсіздігі - озық мониторинг пен модельдеу шешуі керек негізгі мәселе.
1.2. Топтаманың сәйкессіздігі мен ақаулардың пайда болуының негізгі себептері
Партиядан партияға сәйкессіздік және ақаулардың пайда болуы кездейсоқ құбылыс емес, маңызды процесс параметрлерін бақылаудағы дәлдіктің болмауының тікелей салдары. Соңғы өнім компонент қатынасына, араластыру техникасына және бүкіл процесс барысындағы температура профиліне өте сезімтал. Мысалы, дұрыс емес қоспа толтырғыштардың немесе қатайтқыштардың біркелкі емес таралуына әкеліп соғады, бұл соңғы өнімде «кіріктірілген кернеулер» мен ақауларды тудырады.
Шикізаттың дәлдігі, әсіресе изоцианаттың (NCO) гидроксил (OH) топтарына молярлық қатынасы, сапаның үздіксіздігін сақтау үшін өте маңызды. Бұл NCO/OH қатынасы соңғы өнімнің қасиеттерін тікелей анықтайды; қатынас артқан сайын созылу беріктігі, модуль және қаттылық сияқты негізгі физикалық қасиеттер де артады. Бұл қатынас материалдың тұтқырлығы мен қатаю мінез-құлқына да әсер етеді. Жылу профилі сияқты басқа да маңызды процесс жағдайлары бірдей маңызды. Жеткіліксіз немесе біркелкі емес қыздыру біркелкі емес қатаюға және жергілікті кішіреюге әкелуі мүмкін, ал ұшпа компоненттер жыпылықтап, көпіршіктер мен дақтарға әкелуі мүмкін.
Ақаулықтың түпкі себептерінің егжей-тегжейлі талдауы дәл диагноз қою үшін бір сенсордың немесе параметрдің жеткіліксіз екенін көрсетеді. «Гель жоқ немесе қатып қалмайды» сияқты мәселе дұрыс емес араластыру қатынасынан, жеткіліксіз жылудан немесе дұрыс араластырудан туындауы мүмкін. Бұл себептер көбінесе бір-бірімен байланысты. Мысалы, тым төмен температура қатаю процесін баяулатады және материал қатынасындағы мәселе ретінде қате диагноз қойылуы мүмкін. Түбірлік себепті шынымен түсіну және шешу үшін бірнеше параметрді бір уақытта өлшеу қажет. Бұл үшін әртүрлі көздерден алынған нақты уақыт режиміндегі деректерді байланыстыра алатын кешенді сенсорлар жиынтығы қажет, бұл дәстүрлі, бір нүктелі мониторинг шеңберінен тыс міндет.
1.3. Тиімсіздіктің экономикалық және экологиялық әсері
Полиуретан өндірісіндегі техникалық қиындықтар тікелей және елеулі экономикалық және экологиялық салдарға әкеледі. Полиолдар мен изоцианаттар сияқты жоғары сапалы шикізат қымбат, ал олардың бағасы жеткізу тізбегінің үзілістеріне, шикі мұнайға тәуелділікке және әлемдік сұранысқа байланысты ауытқуларға ұшырайды. Өнім партиясы сапа сипаттамаларына сәйкес келмеген кезде, шикізаттың ысырап болуы тікелей қаржылық шығынды білдіреді, бұл осы жоғары шығындарды күшейтеді. Процестің ауытқуларын жою және түзету қажеттілігінен туындаған жоспарланбаған тоқтап қалу тағы бір үлкен қаржылық шығын болып табылады.
Қоршаған ортаны қорғау тұрғысынан алғанда, дәстүрлі өндіріс әдістеріне тән тиімсіздіктер мен қалдықтар маңызды мәселе болып табылады. Көптеген дәстүрлі полиуретанды жабындар еріткіш негізінде жасалған және ұшпа органикалық қосылыстардың (ҰОҚ) шығарындылары арқылы ауаның ластануына ықпал етеді. Өнеркәсіптер су негізіндегі және төмен ҰОҚ баламаларын көбірек қолданып жатқанда, олар көбінесе жоғары өнімді қолданбаларда еріткіш негізіндегі аналогтарының өнімділігіне сәйкес келмейді. Сонымен қатар, дәстүрлі ПУ өндірісінде қолданылатын шикізат мұнай негізіндегі, жаңартылмайтын және биологиялық ыдырамайтын болып табылады. Қалдық ретінде шығатын ақаулы өнімдер 200 жылға дейінгі кезеңде ыдыраған кезде қоршаған ортаға зиянды химиялық заттарды шығаруы мүмкін.
Осы экономикалық және экологиялық факторлардың бірігуі цифрландыру үшін қуатты бизнес-пікір қалыптастырады. Осы есепте ұсынылған шешімдерді енгізу арқылы компания бір мезгілде шығындарды азайтып, пайдалылықты арттырып, тұрақтылық профилін жақсарта алады. Топтық сәйкессіздіктің техникалық мәселесін шешу қаржылық және экологиялық мәселелерді тікелей жеңілдетеді, техникалық жаңартуды стратегиялық бизнестің қажеттілігіне айналдырады.
Полиуретандағы бос изоцианат құрамын онлайн бақылау
II. Нақты уақыт режиміндегі мониторингтің озық технологиялары
ПУ өндірісінің ішкі қиындықтарын жеңу үшін дәстүрлі зертханалық тестілеуден нақты уақыт режиміндегі, кірістірілген мониторингке көшу өте маңызды. Бұл жаңа парадигма маңызды процесс параметрлері бойынша үздіксіз, әрекетке қабілетті деректерді бере алатын озық сенсорлық технологиялар жиынтығына негізделген.
2.1. Реологиялық бақылаудың желілік жүйесі
Тұтқырлық және тығыздық сияқты реологиялық қасиеттер полиуретан реакциясының табысты болуының негізі болып табылады. Олар тек физикалық сипаттамалар ғана емес, сонымен қатар полимерлену және көлденең байланыстыру процестерінің тікелей көрсеткіштері ретінде қызмет етеді. Бұл қасиеттерді нақты уақыт режимінде бақылау желілік вискозиметрлер мен тығыздық өлшегіштерін пайдалану арқылы жүзеге асырылады.
сияқты құралдарLonnкездестіерPolyмерViscометerжәнеVisкоситиКәсібицесsorқұбырлар мен реакторларға тікелей енгізуге арналған, бұл сұйықтықтың тұтқырлығын, тығыздығын және температурасын үздіксіз өлшеуге мүмкіндік береді. Бұл құрылғылар берік, қозғалмалы бөлшектерді қажет етпейтін және сыртқы дірілдер мен ағынның өзгеруіне сезімтал емес дірілдеу шанышқысы технологиясы сияқты принциптер бойынша жұмыс істейді. Бұл мүмкіндік полимерлеу процесін бақылаудың бұзбайтын, нақты уақыт режиміндегі әдісін ұсынады. Мысалы, NCO3/OH молярлық қатынасы және полярлық байланыстардың түзілуі тұтқырлыққа тікелей әсер етеді, бұл оны реакцияның барысы үшін сенімді фактор етеді. Тұтқырлықтың белгіленген диапазонда қалуын қамтамасыз ету арқылы өндірістік топ реакцияның қажетті түрде жүріп жатқанын растай алады және мақсатты молекулалық салмаққа және көлденең байланыстыруға жету үшін тізбекті ұзартқыштарды қосуды басқара алады. Бұл қатаң, нақты уақыт режиміндегі бақылау өнім сапасын жақсартады және спецификациядан тыс партиялардың өндірілуіне жол бермеу арқылы қалдықтарды азайтады.
2.2. Химиялық құрамды спектроскопиялық талдау
Реологиялық қасиеттер материалдың физикалық күйін көрсетсе де,нақты уақыт режиміндегі спектроскопиялық талдауреакцияны тереңірек, химиялық деңгейде түсінуге мүмкіндік береді. Жақын инфрақызыл (NIR) спектроскопиясы изоцианаттың (%NCO3) және гидроксил топтарының концентрациясын сандық анықтау арқылы негізгі реакцияны үздіксіз бақылаудың тамаша әдісі болып табылады.
Бұл әдіс дәстүрлі зертханалық титрлеуге қарағанда айтарлықтай ілгерілеуді білдіреді, ол баяу және тиісті жоюды қажет ететін химиялық заттарды пайдаланады. Нақты уақыттағы NIR жүйесінің бір анализатордан бірнеше процесс нүктелерін бақылау мүмкіндігі тиімділік пен қауіпсіздік тұрғысынан айтарлықтай артықшылық береді. NCO/OH қатынасы тек процесс айнымалысы ғана емес; ол созылу беріктігі, модулі және қаттылығы сияқты соңғы өнімнің қасиеттерінің тікелей анықтаушысы болып табылады. Осы маңызды қатынас бойынша үздіксіз, нақты уақыт режимінде деректерді беру арқылы NIR сенсоры материалды беру жылдамдығын проактивті түрде реттеуге мүмкіндік береді. Бұл басқару процесін реактивті, ақауға негізделген тәсілден проактивті, сапаға негізделген стратегияға айналдырады, мұнда жоғары сапалы нәтижеге кепілдік беру үшін реакция барысында дәл NCO/OH қатынасы сақталады.
2.3. Қатайту күйін бақылауға арналған диэлектрлік талдау (DEA)
Диэлектрлік талдау (DEA), сондай-ақ диэлектрлік термиялық талдау (DETA) деп те аталады, соңғы өнім сапасы үшін маңызды болып табылатын «көрінбейтін қалып ішіндегі қатаюды» бақылаудың қуатты әдісі болып табылады. Ол синусоидалы кернеуді қолдану және заряд тасымалдаушылардың (иондар мен дипольдердің) қозғалғыштығындағы өзгерістерді өлшеу арқылы материалдың тұтқырлығы мен қатаю күйіндегі өзгерістерді тікелей өлшейді. Материал қатаю кезінде оның тұтқырлығы күрт артады және бұл заряд тасымалдаушылардың қозғалғыштығы төмендейді, бұл қатаю процесінің тікелей, сандық өлшемін қамтамасыз етеді.
DEA тіпті тез қатаю жүйелері үшін де гель нүктесін және қатаю процесінің соңын дәл анықтай алады. Ол басқа технологияларды толықтыратын нәзік көріністі ұсынады. Кіріктірілген вискозиметр материалдың жалпы көлемдік тұтқырлығын өлшесе, DEA сенсоры көлденең байланыстыру реакциясының химиялық деңгейдегі дамуы туралы түсінік береді.желілік вискозиметр(өлшеунәтижеемдеудің) және DEA сенсоры (өлшеупрогрессияемдеудің) жоғары дәлдікпен бақылау мен диагностикалауға мүмкіндік беретін процестің кешенді, екі деңгейлі көрінісін ұсынады. DEA сонымен қатар әртүрлі қоспалар мен толтырғыштардың тиімділігін бақылау үшін де пайдаланылуы мүмкін.
Бұл технологияларды салыстыру олардың өзара толықтыратын сипатын көрсетеді. Ешбір сенсор күрделі ПУ реакциясының толық көрінісін бере алмайды. Тұтас шешім әртүрлі физикалық және химиялық қасиеттерді бір уақытта бақылау үшін бірнеше сенсорларды біріктіруді қажет етеді.
| Параметр бақыланады | Технология принципі | Негізгі пайдалану жағдайлары |
| Тұтқырлық, температура | Дірілдейтін шанышқы вискозиметрі | Шикізаттың сапасын бақылау, нақты уақыт режимінде реакцияны бақылау, соңғы нүктені анықтау. |
| %NCO, гидроксил саны | Жақын инфрақызыл (NIR) спектроскопиясы | Нақты уақыт режимінде химиялық құрамды бақылау, қоректендіру коэффициентін бақылау, катализаторды оңтайландыру. |
| Емдеу күйі, гель нүктесі | Диэлектрлік талдау (DEA) | Қалып ішіндегі қатаюды бақылау, гельдену уақытын тексеру, аддитивті тиімділікті талдау. |
2.1-кесте: PU өндірісіне арналған озық желілік мониторинг технологияларын салыстыру
III. Сандық болжамдық модельдеу жүйелері
Озық мониторинг технологияларынан алынатын бай деректер ағындары цифрландырудың алғышарты болып табылады, бірақ олардың толық құндылығы сандық болжамдық модельдерді құру үшін пайдаланылған кезде жүзеге асады. Бұл модельдер шикі деректерді іс жүзінде қолдануға болатын түсініктерге айналдырады, бұл процесті тереңірек түсінуге және проактивті оңтайландыруға ауысуға мүмкіндік береді.
3.1. Хемореологиялық және емдеу кинетикасын модельдеу
Шынайы процесті басқаруға қол жеткізу үшін сенсорлық деректер нүктелерін жинау жеткіліксіз; деректер химиялық реакцияның негізгі әрекетін түсіндіретін модель құру үшін пайдаланылуы керек. Хемореологиялық және қатаю кинетикасы модельдері химиялық түрлендіруді тұтқырлық пен гельдену уақытының артуы сияқты физикалық өзгерістермен байланыстырады. Бұл модельдер құбылыстың өтпелі сипаты дәстүрлі талдауды қиындататын тез қатаю жүйелері үшін ерекше құнды.5
Изоконверсиялық әдістер, сондай-ақ модельсіз тәсілдер деп те аталады, тез қатаятын шайырлардың реакция кинетикасын болжау үшін изотермиялық емес деректерге қолданылуы мүмкін. Мұндай модельдер жоғары деңгейде байланысты термо-химиялық-реологиялық талдауды қамтиды, яғни олар температураның, химиялық құрамның және материал ағынының қасиеттерінің өзара әрекеттесуін ескереді. Бүкіл реакцияның математикалық көрінісін құру арқылы бұл модельдер процесті шынайы түсіну үшін қарапайым бақылаудан тысқары шығады. Олар берілген температура профилі үшін тұтқырлықтың уақыт өте келе қалай өзгеретінін немесе катализатордың өзгеруі реакция жылдамдығын қалай өзгертетінін болжай алады, бұл бақылау және оңтайландыру үшін күрделі құралды қамтамасыз етеді.
3.2. Хемометриялық талдау және көп айнымалы регрессия
Полиуретан өндірісі - бұл соңғы өнімнің сапасын анықтау үшін бірнеше факторлар өзара әрекеттесетін көп айнымалы процесс. Дәстүрлі, бір факторлы эксперимент көп уақытты алады және айнымалылар арасындағы күрделі, сызықтық емес қатынастарды көрсете алмайды. Жартылай ең кіші квадраттар (PLS) регрессиясы және жауап бетінің әдіснамасы (RSM) сияқты хемометриялық әдістер осы мәселені шешуге арналған.
Жартылай ең кіші квадраттар (PLS) регрессиясы - нақты уақыт режиміндегі NIR спектрометрімен жасалған сияқты үлкен, корреляцияланған деректер жиынтықтарын талдау үшін өте қолайлы әдіс. PLS мәселені өзара байланысты айнымалылардың көп санынан алынған факторлардың аз санына дейін азайтады, бұл оны болжау мақсаттары үшін тамаша етеді. Полиуретан өндірісі тұрғысынан PLS технологиялық мәселелерді диагностикалау және сапалы айнымалылардың өнім ішінде кеңістікте қалай өзгеретінін анықтау үшін пайдаланылуы мүмкін.
Жауап бетінің әдіснамасы (RSM) - эксперименттік жағдайларды модельдеу және оңтайландыру үшін арнайы қолданылатын қуатты математикалық және статистикалық әдіс. RSM созылу беріктігі сияқты қажетті жауап айнымалысына бірнеше факторлардың - мысалы, NCO/OH қатынасы, тізбектің созылу коэффициенті және қатаю температурасының біріккен әсерін талдауға мүмкіндік береді. Эксперименттік нүктелерді маңызды аймақтарға стратегиялық тұрғыдан орналастыру арқылы RSM негізгі сызықтық емес байланыстарды және факторлар арасындағы интерактивті әсерлерді дәл сипаттай алады. Зерттеу бұл тәсілдің тиімділігін көрсетті, модель соңғы қасиеттерді тек 2,2% дәлдік қателігімен болжайды, бұл әдіснаманың сенімді расталуын қамтамасыз етеді. Сапалы метрика үшін бүкіл «жауап бетін» картаға түсіру мүмкіндігі инженерге барлық факторлардың оңтайлы үйлесімін бір уақытта анықтауға мүмкіндік береді, бұл жоғары сапалы шешімге әкеледі.
3.3. Өндіріс процесінің сандық егіздігі
Сандық егіз – физикалық активтің, жүйенің немесе процестің динамикалық, виртуалды көшірмесі. Химиялық өндірісте бұл көшірме IoT сенсорларынан және болжамдық модельдерден алынған нақты уақыт режиміндегі деректермен жұмыс істейді. Ол өндіріс желісінің тірі, жоғары дәлдіктегі модельдеуі ретінде қызмет етеді. Сандық егіздің шынайы құндылығы оның жоғары тәуекелді оңтайландыру үшін төмен тәуекелді ортаны қамтамасыз ету қабілетінде жатыр.
Полиуретан өндірісі қымбат шикізат пен жоғары энергия тұтынуына байланысты қымбат процесс болып табылады. Сондықтан процесті оңтайландыру үшін физикалық эксперименттер жүргізу жоғары тәуекелді және жоғары шығынды жұмыс болып табылады. Сандық егіз инженерлерге виртуалды модельде мыңдаған «егер не болса» сценарийлерін шикізат немесе өндіріс уақытын жұмсамай іске қосуға мүмкіндік беру арқылы бұл мәселені тікелей шешеді. Бұл мүмкіндік жаңа формулаларды нарыққа шығару уақытын жеделдетіп қана қоймай, сонымен қатар процесті оңтайландыру құны мен тәуекелін айтарлықтай азайтады. Сонымен қатар, сандық егіздер жаңа сандық технологиялар мен ескі, ескі жүйелер арасындағы алшақтықты жою үшін қолданыстағы инфрақұрылымнан нақты уақыт режиміндегі деректерді біріктіре алады, бұл кең ауқымды жөндеуді қажет етпей-ақ бірыңғай сандық ортаны қамтамасыз етеді.
IV. Процесті басқару және аномалияларды анықтау үшін жасанды интеллект/машиналық оқыту
Болжамдық модельдер деректерді түсінуге айналдырады, бірақ жасанды интеллект (ЖИ) және машиналық оқыту (МО) келесі қадамды жасайды: түсінуді автономды әрекетке және ақылды басқаруға айналдырады.
4.1. Аномалия және ақауларды анықтау жүйелері
Дәстүрлі процесті басқару жүйелері дабылдарды іске қосу үшін статикалық, қатаң кодталған шекті мәндерге сүйенеді. Бұл тәсіл қателіктерге бейім, себебі ол қабылданатын диапазонда қалатын біртіндеп ауытқуларды анықтай алмауы немесе операторлардың сезімталдығын төмендететін жағымсыз дабылдарды тудыруы мүмкін. Жасанды интеллект басқаратын аномалияны анықтау парадигманың маңызды өзгерісін білдіреді. Бұл жүйелер процестің қалыпты жұмыс істеу үлгілерін үйрену үшін тарихи деректерге үйретіледі. Содан кейін олар, тіпті параметр әлі статикалық шекті мәннен өтпеген болса да, осы үйренілген үлгіден кез келген ауытқуларды автоматты түрде анықтап, белгілей алады.
Мысалы, белгілі бір уақыт аралығында тұтқырлықтың біртіндеп, бірақ тұрақты түрде жоғарылауы, бірақ ол әлі де қолайлы диапазонда болса да, дәстүрлі жүйе жіберіп алатын жақындап келе жатқан мәселенің белгісі болуы мүмкін. Жасанды интеллект аномалиясын анықтау жүйесі мұны ерекше үлгі ретінде таниды және ерте ескерту жасайды, бұл топқа ақаулы партияның алдын алу үшін алдын ала шаралар қабылдауға мүмкіндік береді. Бұл мүмкіндік қажетті сипаттамалардан ауытқуларды анықтау, ақаулы өнімдердің пайда болу қаупін азайту және сәйкестікті қамтамасыз ету арқылы сапаны бақылауды айтарлықтай жақсартады.
4.2. Маңызды активтерге болжамды техникалық қызмет көрсету
Жоспарланбаған тоқтап қалу өнеркәсіптік өндірістегі ең маңызды шығындардың бірі болып табылады. Дәстүрлі техникалық қызмет көрсету стратегиялары реактивті («бұзылған кезде жөндеу») немесе уақытқа негізделген (мысалы, сорғының жағдайына қарамастан, оны алты ай сайын ауыстыру). ML модельдерімен қамтамасыз етілген болжамды техникалық қызмет көрсету әлдеқайда жақсы балама ұсынады.
Сенсорлардан алынған нақты уақыт режиміндегі деректерді (мысалы, діріл, температура, қысым) үздіксіз талдау арқылы бұл модельдер жабдықтың тозуының алғашқы белгілерін анықтап, ықтимал істен шығуды болжай алады. Жүйе «істен шығу уақытының болжамын» бере алады, бұл командаға жоспарланған тоқтау кезінде жөндеу жұмыстарын бірнеше апта немесе тіпті бірнеше ай бұрын жоспарлауға мүмкіндік береді. Бұл күтпеген істен шығудың қымбат тоқтап қалуын болдырмайды және жұмыс күшін, бөлшектерді және логистиканы жақсы жоспарлауға мүмкіндік береді. Бұл тәсілдің инвестициядан түсетін кірістілігі (ROI) айтарлықтай және жағдайлық зерттеулерде жақсы құжатталған. Мысалы, мұнай өңдеуші зауыт проактивті тексеру бағдарламасын енгізу арқылы 3 еселік ROI-ге қол жеткізді, ал мұнай-газ компаниясы жабдықтың ауытқуларын анықтайтын ерте ескерту жүйесімен миллиондаған доллар үнемдеді. Бұл нақты қаржылық пайда реактивті техникалық қызмет көрсету стратегиясынан болжамды техникалық қызмет көрсету стратегиясына көшуге негіз болады.
4.3. Болжамдық сапаны бақылау
Болжамды сапаны бақылау сапаны қамтамасыз ету рөлін өндірістен кейінгі тексеруден проактивті, процесс барысындағы функцияға түбегейлі өзгертеді. Соңғы өнімнің қаттылық немесе созылу беріктігі сияқты қасиеттеріне тексерілуін күтудің орнына, ML модельдері барлық сенсорлардан алынған нақты уақыт режиміндегі процесс деректерін үздіксіз талдап, соңғы сапа атрибуттарының қандай болатынын жоғары сенімділікпен болжай алады.
Болжамды сапа моделі шикізат сапасы, процесс параметрлері және қоршаған орта жағдайлары арасындағы күрделі өзара әрекеттесуді анықтап, қажетті нәтижеге қол жеткізудің оңтайлы өндіріс параметрлерін анықтай алады. Егер модель соңғы өнімнің спецификациядан тыс болатынын (мысалы, тым жұмсақ) болжаса, ол операторға ескерту жасай алады немесе тіпті ауытқуды нақты уақыт режимінде түзету үшін процесс параметрін (мысалы, катализатордың берілу жылдамдығы) автоматты түрде реттей алады. Бұл мүмкіндік ақаулардың пайда болуына дейін алдын алуға ғана емес, сонымен қатар қасиеттерді жылдам болжау және деректердегі негізгі заңдылықтарды анықтау арқылы зерттеулер мен әзірлемелерді жеделдетеді. Бұл тәсіл өнімділікті барынша арттыруға және операциялық тиімділікті арттыруға ұмтылатын өндірушілер үшін стратегиялық міндетті болып табылады.
V. Техникалық енгізу жол картасы
Бұл озық шешімдерді енгізу деректерді интеграциялау мен ескірген инфрақұрылымның күрделілігін шешетін құрылымдалған, кезең-кезеңмен жүргізілетін тәсілді қажет етеді. Тәуекелді азайту және инвестицияның ерте кірістілігін (ROI) көрсету үшін нақты анықталған жол картасы өте маңызды.
5.1. Цифрлық трансформацияға кезең-кезеңмен тәсіл
Сандық трансформацияның сәтті кезеңі толық көлемді қайта құрудан басталмауы керек. Бастапқы инвестициялық шығындардың жоғары болуы және жаңа жүйелерді біріктірудің күрделілігі, әсіресе шағын және орта бизнес кәсіпорындары үшін, өте жоғары болуы мүмкін. Тиімді тәсіл - бір пилоттық өндіріс желісінде тұжырымдаманы дәлелдеуден (PoC) бастап, кезең-кезеңмен енгізуді қабылдау. Бұл төмен тәуекелді, шағын көлемді жоба компанияға жаңа сенсорлар мен бағдарламалық жасақтаманың қолданыстағы инфрақұрылыммен өзара әрекеттесуін тексеруге және кеңірек енгізуге кіріспес бұрын өнімділікті бағалауға мүмкіндік береді. Осы бастапқы табыстан алынған сандық ROI кеңірек енгізу үшін сенімді бизнес-кейс құру үшін пайдаланылуы мүмкін. Бұл тәсіл өзара әрекеттесуді, нақты уақыт режиміндегі мүмкіндіктерді және модульдікті баса көрсететін Industry 4.0 негізгі қағидаттарына сәйкес келеді.
5.2. Деректерді басқару және интеграция архитектурасы
Берік деректер инфрақұрылымы барлық болжамды және жасанды интеллектке негізделген шешімдердің негізі болып табылады. Деректер архитектурасы ақылды зауыт шығаратын үлкен көлемді және әртүрлі деректер түрлерін өңдеуге қабілетті болуы керек. Бұл әдетте деректер тарихшысы мен деректер көлін қамтитын көп деңгейлі тәсілді қамтиды.
Деректер тарихшысы:Деректер тарихшысы - өнеркәсіптік процестерден алынған уақыттық қатарлардың үлкен көлемін жинауға, сақтауға және басқаруға арналған мамандандырылған дерекқор. Ол әрбір температура ауытқуын, қысым көрсеткішін және ағын жылдамдығын дәл уақыт белгісімен жазып алатын мұқият ұйымдастырылған сандық мұрағат ретінде қызмет етеді. Деректер тарихшысы - процесс сенсорларынан келетін жоғары көлемді, үздіксіз деректер ағындарын өңдеудің оңтайлы құралы және кеңейтілген аналитика үшін «тамаша отын».
Деректер көлі:Деректер көлі - бұл шикі деректерді өзінің бастапқы форматында сақтайтын және құрылымдалған уақыттық қатар деректерін, сапалы камералардан алынған құрылымдалмаған кескіндерді және машина журналдарын қоса алғанда, әртүрлі деректер түрлерін орналастыра алатын орталық қойма. Деректер көлі кәсіпорынның барлық бұрыштарынан алынған әртүрлі деректердің үлкен көлемін өңдеуге арналған, бұл тұтас, толық көріністі қамтамасыз етеді. Сәтті енгізу үшін негізгі процесс деректері үшін деректер тарихшысы және түбірлік себептерді талдау және сенсорлық емес деректермен корреляция сияқты күрделі аналитиканы қамтамасыз ететін кеңірек, жан-жақты көрініс үшін деректер көлі қажет.
Деректерді интеграциялаудың логикалық көп деңгейлі архитектурасы келесідей болады:
| Қабат | Компонент | Функция | Деректер түрі |
| Шеткі | IoT сенсорлары, шлюздер, PLC | Нақты уақыт режимінде деректерді жинау және жергілікті өңдеу | Уақыт қатары, екілік, дискретті |
| Деректер қоры | Деректер тарихшысы | Процесс деректерін жоғары өнімді, уақыт бойынша белгіленген сақтау | Құрылымдық уақыт қатарлары |
| Орталық қойма | Деректер көлі | Барлық деректер көздері үшін орталықтандырылған, масштабталатын репозиторий | Құрылымдық, жартылай құрылымдық, құрылымсыз |
| Аналитика және жасанды интеллект | Аналитикалық платформа | Болжамдық модельдерді, машиналық оқытуды және бизнес-интеллектті іске қосады | Барлық деректер түрлері |
5.1-кесте: Негізгі деректерді интеграциялау және басқару компоненттері
5.3. Ескі жүйелік интеграция мәселелерін шешу
Көптеген химиялық зауыттар әлі күнге дейін он жылдан астам уақыт бұрын пайда болған операциялық технологиялық (ОТ) жүйелерге сүйенеді, олар көбінесе заманауи стандарттарға сәйкес келмейтін меншікті хаттамаларды пайдаланады. Таратылған басқару жүйелері (DCS) немесе бағдарламаланатын логикалық контроллерлер (PLC) сияқты осы ескі жүйелерді ауыстыру өндірістің айтарлықтай тоқтап қалуына әкелуі мүмкін көп миллион долларлық жоба болып табылады. Неғұрлым практикалық және үнемді шешім - IoT шлюздері мен API-лерін көпір ретінде пайдалану.
IoT шлюздері делдал ретінде әрекет етеді, жаңа IoT сенсорларынан деректерді ескі жүйелер түсінетін форматқа аударады. Олар компанияға толық көлемді жөндеусіз кеңейтілген мониторингті енгізуге мүмкіндік береді, шығындар кедергісін тікелей шешеді және ұсынылған шешімдерді әлдеқайда қолжетімді етеді. Сонымен қатар, деректер тікелей көзде өңделетін шеткі есептеулерді енгізу желінің өткізу қабілеттілігін азайтып, нақты уақыт режиміндегі жауап беруді жақсарта алады.
5.4. Жергілікті және бұлттық архитектураны таңдау
Деректер мен аналитикалық платформаларды қайда орналастыру керектігі туралы шешім құнына, қауіпсіздігіне және масштабталуына айтарлықтай әсер ететін маңызды шешім болып табылады. Таңдау қарапайым "немесе/немесе" емес, нақты пайдалану жағдайларын мұқият талдауға негізделуі керек.
| Критерий | Жергілікті | Бұлт |
| Басқару | Аппараттық құралдарды, бағдарламалық жасақтаманы және қауіпсіздікті толық бақылау. Қатаң реттелетін салалар үшін өте қолайлы. | Тікелей бақылау аз; ортақ жауапкершілік моделі. |
| Құны | Бастапқыда жабдықтың жоғары құны; амортизация және техникалық қызмет көрсету компанияның жауапкершілігінде. | «Пайдаланылған нәрсе үшін төлеу» моделімен бастапқы құны төмен. |
| Масштабталу | Шектеулі икемділік; масштабтау үшін қолмен қамтамасыз етуді және капитал салуды қажет етеді. | Үлкен масштабталу және икемділік; динамикалық түрде жоғары және төмен масштабтала алады. |
| Кідіріс | Деректер көзге физикалық тұрғыдан жақын болғандықтан, кідіріс төмен. | Кейбір нақты уақыттағы басқару жұмыс жүктемелері үшін шамадан тыс кідіріс болуы мүмкін. |
| Инновация | Жаңа технологияларға баяу қол жеткізу; бағдарламалық жасақтама мен аппараттық құралдарды қолмен жаңартуды қажет етеді. | Жасанды интеллект және машина жасау сияқты инновациялармен бірге функциялар жиынтығы тез кеңейіп келеді. |
| Қауіпсіздік | Кәсіпорын барлық қауіпсіздік тәжірибелері үшін толық жауапкершілікте болады. | Көптеген қауіпсіздік деңгейлерін басқаратын провайдермен ортақ жауапкершілік. |
5.2-кесте: Бұлттық және жергілікті шешім қабылдау матрицасы
Табысты цифрлық стратегия көбінесе гибридті модельді пайдаланады. Миссияға маңызды, кідіріссіз басқару циклдары және жоғары меншікті тұжырымдау деректері максималды қауіпсіздік пен бақылау үшін жергілікті жерде сақталуы мүмкін. Сонымен қатар, бұлтқа негізделген платформаны орталықтандырылған деректер көлі ретінде пайдалануға болады, бұл ұзақ мерзімді тарихи талдауды, сыртқы серіктестермен бірлескен зерттеулерді және озық жасанды интеллект және машина жасау құралдарына қол жеткізуді қамтамасыз етеді.
VI. Практикалық оңтайландыру және диагностикалық нұсқаулық
Озық мониторинг пен модельдеудің шынайы құндылығы өндіріс менеджерлері мен инженерлері үшін іс жүзінде қолданылатын құралдарды жасау үшін пайдаланылған кезде жүзеге асады. Бұл құралдар шешім қабылдау процесін автоматтандырып, жақсарта алады, реактивті ақаулықтарды жоюдан проактивті, модельге негізделген басқаруға ауыса алады.
6.1. Модельге негізделген диагностикалық құрылым
Дәстүрлі өндірістік ортада ақауды жою - оператордың тәжірибесіне және сынақ және қателік тәсіліне негізделген уақытты қажет ететін, қолмен орындалатын процесс. Модельге негізделген диагностикалық құрылым мәселенің ең ықтимал түпкі себебін лезде анықтау үшін нақты уақыт режиміндегі деректер мен модель шығыстарын пайдалану арқылы бұл процесті автоматтандырады.
Бұл құрылым шешім ағашы немесе логикалық блок-схема ретінде жұмыс істейді. Ақаулық симптомы анықталған кезде (мысалы, вискозиметрден алынған тұтқырлықтың қалыптан тыс көрсеткіші), жүйе бұл симптомды басқа сенсорлардан алынған деректермен (мысалы, температура, NCO/OH қатынасы) және болжамдық модельдердің шығыстарымен (мысалы, қаттылықтың RSM моделі) автоматты түрде корреляциялайды. Содан кейін жүйе операторға ықтимал түпкі себептердің басымдық тізімін ұсына алады, бұл диагностика уақытын сағаттардан минуттарға дейін қысқартады және түзету әрекетін әлдеқайда жылдам жасауға мүмкіндік береді. Бұл тәсіл ақауды жай ғана табудан негізгі мәселені алдын ала анықтауға және түзетуге ауысады.
6.1-сурет: Операторларды нақты түпкі себепке және түзету әрекетіне бағыттау үшін нақты уақыттағы сенсорлық деректер мен болжамдық модельдерді пайдалану процесін көрсететін жеңілдетілген блок-схема.
Бұл тәсілді мақсатты аудиторияға арналған жылдам анықтамалық нұсқаулық беретін диагностикалық матрицада қорытындылауға болады.
| Ақау/симптом | Тиісті деректер ағыны | Ықтимал түпкі себеп |
| Тұрақты емес қаттылық | NCO3/OH қатынасы, температура профилі | Материалдың дұрыс емес қатынасы, температура профилінің біркелкі еместігі |
| Жабысқақтығы нашар | Беткі температура, ылғалдылық | Беткі қабатты дұрыс дайындамау, қоршаған орта ылғалының араласуы |
| Көпіршіктер немесе дақтар | Тұтқырлық профилі, температура | Ұшқыш компоненттер, дұрыс араластырмау немесе жылу профилі |
| Емдеу уақыты сәйкес келмейді | NCO/OH қатынасы, температура, катализатордың берілу жылдамдығы | Катализатор концентрациясының дұрыс еместігі, температураның ауытқуы |
| Әлсіреген құрылым | Гельдену уақыты, тұтқырлық профилі | Жылудың жеткіліксіздігі, салқын жерде жергілікті кішірею |
6.2-кесте: Ақаудан түсінікке дейінгі диагностикалық матрица
6.2. Ақылды стандартты операциялық процедуралар (SOP)
Дәстүрлі стандартты операциялық процедуралар (САП) - өндірістік процестерге арналған қатаң, қадамдық нұсқаулықты ұсынатын статикалық, қағазға негізделген құжаттар. Олар операцияларды стандарттау және сәйкестікті қамтамасыз ету үшін маңызды болғанымен, нақты уақыт режиміндегі процестің ауытқуларын ескере алмайды. «Ақылды САП» - бұл тікелей процесс деректерімен біріктірілген процедуралардың жаңа, динамикалық буыны.
Мысалы, араластыру процесіне арналған дәстүрлі SOP тұрақты температура мен араластыру уақытын көрсетуі мүмкін. Екінші жағынан, ақылды SOP нақты уақыт режиміндегі температура мен тұтқырлық сенсорларымен байланыстырылады. Егер сенсор қоршаған орта температурасының төмендегенін анықтаса, ақылды SOP өзгерісті өтеу үшін қажетті араластыру уақытын немесе температурасын динамикалық түрде реттей алады, бұл соңғы өнім сапасының тұрақты болып қалуын қамтамасыз етеді. Бұл SOP-ты операторларға нақты уақыт режиміндегі ортада оңтайлы шешім қабылдауға көмектесетін, өзгергіштікті азайтатын, қателіктерді азайтатын және жалпы тиімділікті арттыратын тірі, бейімделгіш құжатқа айналдырады.
6.3. Басқару циклдарын оңтайландыру
Сенсорлар мен болжамды модельдердің толық құндылығы олар процесті белсенді түрде басқаратын жүйеге біріктірілген кезде ашылады. Бұл басқару циклдарын реттеудің ең жақсы тәжірибелерін қолдануды және озық басқару стратегияларын енгізуді қамтиды.
Басқару циклін оңтайландыру - бұл процесті терең түсінуден, басқару мақсатын анықтаудан және циклды реттеу үшін нақты уақыт режиміндегі деректерді пайдаланудан басталатын жүйелі процесс. Каскадты және алға бағытталған басқару сияқты кеңейтілген процесті басқару (APC) стратегияларын тұрақтылық пен жауаптылықты жақсарту үшін пайдалануға болады. Түпкі мақсат - деректерден әрекетке айналу циклін жабу: кірістірілген NIR сенсоры NCO/OH қатынасы туралы нақты уақыт режиміндегі деректерді береді, болжамды модель нәтижені болжайды, ал басқару циклі бұл ақпаратты изоцианат беру сорғысын автоматты түрде реттеу үшін пайдаланады, оңтайлы қатынасты сақтайды және өзгергіштікті жояды. Цикл өнімділігін үздіксіз бақылау ауытқуларды анықтау, сенсор мәселелерін анықтау және процестің өнімділігі төмендегенге дейін қашан қайта реттеу керектігін анықтау үшін өте маңызды.
VII. Іс-тәжірибелерді зерттеу және озық тәжірибелер
Озық мониторинг пен сандық модельдеудің артықшылықтары тек теориялық қана емес; олар нақты әлемдегі жетістіктермен және сандық ROI-мен расталады. Сала көшбасшыларының тәжірибесі құнды сабақтар мен цифрландыру үшін сенімді бизнес-дәлел береді.
7.1. Сала көшбасшыларынан алынған сабақтар
Ірі химиялық компаниялардың цифрландыру жұмыстары айқын үрдісті көрсетеді: табысқа бөлшектеп емес, тұтас, кешенді стратегия арқылы қол жеткізуге болады.
Дюпон:Тұрақсыз нарықта тұрақты жеткізу тізбегінің қажеттілігін мойындап, «не болады» сценарийін модельдеу үшін арнайы цифрлық платформаны енгізді. Бұл оларға ақылды бизнес шешімдер қабылдауға және болжау мүмкіндіктерін жақсартқан 1000-нан астам өнімді тиімді таратуға мүмкіндік берді. Сабақ мынада: жеткізу тізбегінен бастап операцияларға дейінгі әртүрлі жүйелерді орталықтандырылған платформаға қосу бүкіл құндылық тізбегінің жан-жақты көрінісін береді.
Ковестро:Жоба деректері үшін орталықтандырылған «шындықтың бірыңғай көзін» құру мақсатында жаһандық корпоративтік цифрландыру стратегиясын іске қосты, электрондық кестелерге тәуелділіктен арылды. Бұл интеграцияланған тәсіл бұрын деректерді қолмен жинауға және тексеруге жұмсалған уақыттың 90%-ын үнемдеді және сенімділікті айтарлықтай арттырды. Компания сонымен қатар жаңа өнімдерді жылдамырақ әзірлеу және өнім сапасы мен өндірістік кірістілікті арттыру үшін цифрландыруды пайдаланды.
САБИК:Шикізат сапасын, процесс параметрлерін және қоршаған орта жағдайларын сандық болжау құралдарына біріктіретін компания бойынша сандық операциялар платформасын енгізді. Мысалы, жасанды интеллектке негізделген активтерді қорғау шешімі бүкіл әлем бойынша өз зауыттарында жұмыс істейді, маңызды жабдықтардың ықтимал істен шығуын болжайды және алдын ала техникалық қызмет көрсетуді қамтамасыз етеді. Бұл кешенді тәсіл энергия тиімділігін, активтердің сенімділігін және операциялық ізді жақсартуға ықпал етті.
7.2. Инвестициялық кірістілік және материалдық пайда
Бұл технологияларға инвестиция салу - айқын және айтарлықтай кіріс әкелетін стратегиялық бизнес шешімі. Әртүрлі салалардағы кейс-стадилер қаржылық және операциялық пайданың сенімді растауын қамтамасыз етеді.
Болжамдық аналитика:AVEVA Predictive Analytics бағдарламалық жасақтамасы 24 ай ішінде 37 миллион долларға дейін тиімділікті үнемдеуге қол жеткізетіндігі, қайталанатын техникалық қызмет көрсету шығындарын 10%-ға төмендететіні және жыл сайынғы 3000 техникалық қызмет көрсету сағатын алып тастайтыны дәлелденді. Мұнай-газ компаниясы жабдықтың ауытқуларын анықтау үшін бұлтты ерте ескерту жүйесін пайдалану арқылы 33 миллион доллар үнемдеді. Мұнай өңдеу зауытының бағдарламасы 3 есе инвестициялық кірістілік берді және коррозияны бақылау орындарының санын 27,4%-ға қауіпсіз түрде азайтты.
Тиімділікті арттыру:Мамандандырылған химиялық өндіруші пайдалану шығындарын азайту және өндірісті болжамды етуде қиындықтарға тап болды. Жақсарту мүмкіндіктерін анықтау үшін кешенді талдау жүргізу арқылы олар шикізат бірлігінің өнімділігінің жақсаруы және бірлік өндірісінің артуы арқылы айтарлықтай 2,7:1 ROI-ге қол жеткізді.
Қауіпсіздік және логистика:Газ зауыты қауіпсіздік аудиттерінен бірнеше рет сәтсіздікке ұшырағаннан кейін автоматтандыру арқылы эвакуация мен жиналу уақытын 70%-ға қысқарта алды. SABIC цифрлық платформасы бұрын төрт күнге созылатын қолмен құжаттау процестерін автоматтандырды, бұл уақытты бір күнге дейін қысқартты, ірі кедергілерді жойды және жұмыстан босату ақысын болдырмады.
Бұл нәтижелер ұсынылған стратегиялардың абстрактілі ұғым емес, керісінше, жоғары табыстылыққа, тиімділікке және қауіпсіздікке қол жеткізудің дәлелденген, сандық түрде анықталатын жолы екенін көрсетеді.
7.3. Теориялық жағдайды зерттеу: NCO/OH қатынасын оңтайландыру
Бұл соңғы зерттеу осы есепте ұсынылған тұжырымдамаларды полиуретанды материалдар өндірісіндегі кең таралған, қымбат мәселені шешу үшін бірыңғай, үйлесімді баяндауда қалай қолдануға болатынын көрсетеді.
Сценарий:PU жабындарын өндіруші соңғы өнімнің қаттылығы мен кебу уақытында партиядан партияға сәйкессіздіктерге тап болуда. Дәстүрлі зертханалық сынақтар партияны үнемдеу үшін мәселені уақытында анықтауға тым баяу, бұл материалдың айтарлықтай шығынына әкеледі. Топ NCO/OH қатынасының ауытқуы негізгі себеп деп болжайды.
Шешімі:
Нақты уақыт режиміндегі мониторинг:Команда NCO/OH қатынасын үздіксіз бақылау үшін беру желісіне нақты уақыттағы NIR спектроскопия сенсорын орнатады.2Бұл сенсордан алынған деректер деректер тарихшысына ағынмен жіберіледі, бұл осы маңызды параметрдің үздіксіз және дәл жазбасын қамтамасыз етеді.
Сандық модельдеу:Тарихи NIR деректерін пайдалана отырып, топ NCO/OH қатынасы мен соңғы өнімнің қаттылығы мен кебу уақыты арасындағы дәл байланысты орнататын RSM моделін әзірлейді. Бұл модель оларға қажетті қасиеттерге жету үшін оңтайлы қатынасты анықтауға және партияның реакторда болған кездегі соңғы сапасын болжауға мүмкіндік береді.
Жасанды интеллект арқылы аномалияны анықтау:NIR сенсорынан алынған деректер ағынында жасанды интеллект аномалиясын анықтау моделі орналастырылған. Модель NCO/OH қатынасы үшін қалыпты жұмыс профилін үйренеді. Егер ол осы үйренген үлгіден ауытқуды анықтаса — тіпті кішкентай, біртіндеп ауытқуды да — өндірістік топқа ерте ескерту жібереді. Бұл дәстүрлі зертханалық сынама алу арқылы мәселе анықталғанға дейін бірнеше апта бұрын ескерту береді.
Автоматтандырылған процесті басқару:Соңғы қадам - циклды жабу. Изоцианатқа арналған қоректендіру сорғысын автоматты түрде реттеу үшін NIR сенсорынан алынған нақты уақыт режиміндегі деректерді пайдаланатын болжамды басқару жүйесі енгізілген. Бұл адами факторды болдырмайды және реакция барысында NCO/OH қатынасының оңтайлы мәнде сақталуын қамтамасыз етеді, өзгергіштікті жояды және тұрақты сапаны қамтамасыз етеді.
Осы кешенді құрылымды қолдану арқылы өндіруші реактивті, ақауға негізделген өндіріс моделінен проактивті, деректерге негізделген модельге ауыса алады, бұл әрбір партияның сапа стандарттарына сәйкес келуін қамтамасыз етеді, қалдықтарды азайтады және жалпы кірістілікті жақсартады.
Жарияланған уақыты: 2025 жылғы 8 қыркүйек
