CC BY
26II. ИНФОРМАЦИОННЫЕ СИСТЕМЫ. АВТОМАТИЗАЦИЯ И СИСТЕМЫ УПРАВЛЕНИЯ
УДК 004.8!
Mikhail A. Teterin, Tamara B. Chistyakova, Andrey N. Polosin
INTELLIGENCE SYSTEM FOR QUALITY CONTROL AT THE PRODUCTION OF POLYMERIC FILMS IN ABNORMAL SITUATIONS
St. Petersburg State Institute of Technology (Technical University), Moskovsky pr., 26, St. Petersburg, 190013, Russia
Intelligence system has been described for quality control of polymeric films, which are products of large-capacity, multi-assortment extrusion and calender productions, in case of abnormal situations associated wtth defects of ex-trudate and film. The system includes ibrary of production data mining methods, ibrary of mathematical models for calculating the extrudate and film quality indices, which are unmonitored at production, database of film types, database of production lines equipment, database of monitored and calculated process characteristics, knowledge base of abnormal situations, reasons and recommendations, data visuaiization subsystem. The system is adjusted to various assortment of polymeric films and configurations of production Unes. It allows us to identify the abnormal situation, to determine the true reason of its occurrence and to make the advice on its eimination for managerial production staff. The system has been tested based on data of the extrusion and calender productions of polyvinyl chloride films in Russia and Germany plants. Testing has confirmed the system operablltty and possib/ity of its using as advisor to operators of extrusion and calender productions.
Keywords: intelligence system, knowledge base, databases, mathematical models, operator and knowledge engineer interfaces, quality control, abnormal situations, extrusion and calender production, polymeric films.
001 10.36807/1998-9849-2020-53-79-65-79
Введение
Современные экструзионно-каландровые производства (ЭКП) упаковочных и технических полимерных пленок (ПП) являются инновационными крупнотоннажными (производительность до 3000 кг/ч) техническими системами. Они характеризуются широким ассортиментом и жесткими требованиями к потребительским характеристикам продукции, непрерывностью режима функционирования, многостадийностью (ключевыми стадиями являются подготовка однород-
1:678.027.2
М.А. Тетерин, Т.Б. Чистякова, А.Н. Полосин
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ДЛЯ УПРАВЛЕНИЯ КАЧЕСТВОМ В ПРОИЗВОДСТВЕ ПОЛИМЕРНЫХ ПЛЕНОК В НЕШТАТНЫХ СИТУАЦИЯХ
Санкт-Петербургский государственный технологический институт (технический университет), Московский пр., 26, Санкт-Петербург, 190013, Россия
Описана интеллектуальная система, предназначенная для управления качеством полимерных пленок, являющихся продукцией крупнотоннажных, многоассортиментных экструзионно-каландровы/х производств, при возникновении нештатных ситуаций, связанных с браком экструдата и пленки. Система включает библиотеку методов интеллектуального анализа производственных данных, библиотеку математических моделей для расчета показателей качества экструдата и пленки, неконтролируемых на производстве, базы/ данных типов пленок, оборудования производтвенных линий, контролируемых и рассчитываемых характеристик процесса, базу знаний нештатных ситуаций, причин и рекомендаций, подсистему визуализации данных. Система настраивается на различный ассортимент полимерных пленок и конфигурации производственных линий, позволяет идентифицировать нештатную ситуацию, определить истинную причину ее возникновения и сформировать совет управленческому производственному персоналу по ее устранению. Тестирование системы/ по данным экструзионно-каландровы/х производств поливинилхло-ридных пленок на заводах в России и Германии подтвердило ее работоспособность и возможность использования в качестве советчика операторов экструзион-но-каландровых производств.
Ключевые слова: интеллектуальная система, база знаний, базы данных, математические модели, интерфейсы оператора и инженера по знаниям, управление качеством, нештатные ситуации, экструзионно-каландровое производство, полимерные пленки.
Дата поступления -17 декабря 2019 года
ной пластичной массы - экструдата, его каландрова-ние в ПП, съем и охлаждение ПП), гибкостью (перенастройкой аппаратурно-технологического оформления ключевых стадий на выполняемые производственные задания), энергоемкостью, большим объемом накопленной промышленной экспертной информации. Широкий ассортимент ПП обусловлен множеством рецептур ПП различного назначения (ПП для упаковки фармацевтических препаратов и пищевых продуктов, в том числе термоусадочные, ПП для печати, ПП для
изготовления пластиковых карт), большими диапазонами толщины (0,025-1,20 мм) и ширины (1002500 мм). ПП изготавливаются из полимеров различных типов, основными из которых являются поливи-нилхлорид (ПВХ), полипропилен и полистирол. Важнейшими потребительскими характеристиками ПП, кроме толщины и ширины, являются разнотолщин-ность, цвет, усадка, внешний вид. Последний показатель характеризует наличие на поверхности ПП различных дефектов, наименее приемлемыми из которых являются черные точки, желто-коричневые деструкци-онные полосы, включения нерасплавленного полимера, гелики (дефекты типа «рыбий глаз»), трещины (лопнувшие воздушные пузыри), дырки. Максимально допустимое число поверхностных дефектов на заданной площади полотна ПП устанавливается в зависимости от назначения ПП и типа дефекта (так, для фармацевтической упаковочной ПП задаются более жесткие ограничения на число черных точек, чем для пищевой упаковочной ПП, а на число дырок ограничения жестче, чем на число черных точек). Задача управления качеством в ЭКП ПП заключается в поиске значений управляющих воздействий на ключевых стадиях производства, которые обеспечивают выполнение требований к потребительским характеристикам ПП. Сложность решения этой задачи обусловлена прежде всего гибким многоассортиментным характером ЭКП, а также большим числом его характеристик, множеством и сложностью взаимосвязей между ними. Каждая производственная линия характеризуется более чем 100 параметрами сырья, оборудования, технологического режима, качества продукции и 800 взаимосвязями между ними [1]. В условиях частых переходов линий на новые задания по типу ПП и (или) производительности (в среднем один раз в сутки) это приводит к периодическому возникновению нештатных ситуаций, связанных прежде всего с браком ПП (отклонениями потребительских характеристик ПП выше предельно допустимых значений). Участок поверхности ПП с недопустимым числом дефектов, определяемым системой видеоконтроля, вырезается по всей ширине полотна и утилизируется как невозвратные отходы, а оставшиеся части свариваются. Невозвратные отходы являются причиной значительных экономических потерь и снижения конкурентоспособности производства. Кроме того, недостаточная производительность экструдера («голодное» питание каландра) может привести к аварии - соударению питающих валков каландра.
Формализация задачи управления качеством многоассортиментных ПП в нештатных ситуациях осложняется отсутствием системы мониторинга всех показателей качества экструдата и ПП и, как следствие, неполнотой информации об объекте управления, множеством возможных причин возникновения нештатных ситуаций, недостатком у операторов опыта и времени для анализа больших производственных данных, полученных в режиме реального времени. Поэтому на практике полагаются на знания экспертов-технологов ЭКП ПП о нештатных ситуациях, их причинах и рекомендациях по устранению, формализуемые в виде соответствующей базы знаний.
Анализ основных тенденций инновационного развития высокотехнологичных промышленных производств показал, что для повышения эффективности принятия решений по управлению качеством целевой продукции в различных режимах функционирования производственной системы разрабатываются и внед-
ряются гибридные интеллектуальные компьютерные системы [2]. Эти системы реализуются на основе методов и алгоритмов интеллектуального анализа больших производственных данных [3-5], визуализации динамики откликов объекта в виде трендов технологических параметров [6], моделей представления экспертных знаний о производстве [7-12], в том числе продукционно-фреймовых, нейросетевых и нечетких моделей, математических моделей, описывающих процессы на ключевых стадиях производства и позволяющих рассчитать показатели эффективности, возможности автоматического контроля которых ограничены [13-15].
Таким образом, для ЭКП многоассортиментных ПП актуальна разработка гибкой проблемно-ориентированной интеллектуальной системы, которая на основе анализа контролируемых производственных данных, расчета неконтролируемых на ЭКП показателей качества экструдата и пП, базы знаний нештатных ситуаций, представленной в виде продукционно-фреймовой модели, комплексно сочетающей преимущества продукционной и фреймовой модели представления знаний, позволяет:
определять управляющие воздействия на ключевых стадиях ЭКП, обеспечивающие требуемые значения потребительских характеристик ПП;
визуализировать совокупность характеристик производства в эргономичной для управленческого производственного персонала форме.
Целью работы является создание интеллектуальной системы, включающей базу данных контролируемых и рассчитываемых характеристик процесса производства ПП, библиотеку математических моделей для расчета неконтролируемых показателей качества экструдата и ПП, базу знаний нештатных ситуаций, связанных с дефектами экструдата и ПП, их причин и рекомендаций по устранению и предназначенной для формирования советов по управлению качеством в нештатных ситуациях.
Описание объекта управления. Постановка задачи управления в нештатных ситуациях
Анализ типов ПП, конфигураций и режимных параметров производственных линий, показателей качества экструдата и ПП позволил разработать информационное описание ЭКП ПП как объекта управления, которое представлено на рис. 1 в виде совокупности векторов входных параметров X управляющих U и возмущающих F воздействий и выходных параметров Y пП типа T1m = {Rf, Q0} изготавливается на экстру-зионно-каландровой линии, имеющей конфигурацию
Ciine = { Textrudi Cextrudi Гextrudi Ccalendi Г'calendi ntakei Гtakei Ccooh
rcool}, с заданной производительностью G0. Тип ПП определяется ее рецептурой Rf и требованиями к качеству Qf = {5fv Д5™х, D™ пик™, ndestrxi nuer,
n max « max « max с л с max с л с max / * -,*
ngel I nbubbl I nhol i Sf0, ДЭ/i , Sfca, Дэ^ i Lf, af i bf i ДЕРах}. Основными требованиями к качеству ПП являются: 5,0 - заданная толщина, м; Дб™^ - максимально допустимое отклонение толщины от заданного значения, м; D5max - максимально допустимая разно-
-гппп11,11_11_1п/~г1_ ил' п max „ max „ max „ max „ max
толщинность! м; nblack i ndestr i numett i ngel i nar i nhora* - максимально допустимое число поверхностных дефектов - черных точек, деструкционных полос, включений нерасплавленного полимера, геликов, трещин и дырок соответственно - на заданной площади
полотна; Бт, БСса - заданная степень усадки в продольном и поперечном направлении соответственно, %; А5?тах, Д5стах - максимально допустимое отклонение степени усадки в продольном и поперечном направлении от заданных значений, %. Если производится цветная ПП, то дополнительно задаются ее эта-
лонные цветовые координаты в пространстве CIELab Lf (светлота), af (координата положения цвета в диапазоне от зеленого до красного), bf (координата положения цвета в диапазоне от синего до желтого) и максимально допустимое отклонение цвета от эталона
Рис. 1. Информационное описание ЭКП ПП как объекта управления
Аппаратурное оформление ключевых стадий ЭКП включает экструдер (стадия я = 1 - подготовка экструдата), каландр (стадия я = 2 - формование экс-трудата в Пп), съемно-вытяжные и охлаждающие валки (стадия я = 3 - съем и охлаждение ПП). Сыпучая сырьевая смесь, предварительно подготовленная путем дозирования компонентов ПП (пленкообразующего полимера и технологических добавок к нему - стабилизаторов, смазок, модификаторов, наполнителей и др.) в соответствии с рецептурой и их смешения (в псевдоожиженном состоянии) в двухстадийном роторном смесителе, загружается в экструдер. Экструдер имеет тип Те!?ииС, определяемый числом шнеков пссг и характером их движения (одношнековый, осциллирующий, двухшнековый с односторонним или встречным вращением зацепляющихся шнеков [16]), конфигурацию Се!?иис = {Схп Те}, определяемую конфигурацией шнека Сссг и типом формующей головки Тсе и геометрические параметры Гех?тсс = {О, 4 ¿0, Ахп Г1, ] = 1, ..., Ые, Гсе}. Здесь О, 4 - диаметр и длина шнека, м; ¿0 - амплитуда колебаний шнека осциллирующего экс-трудера, м; Лссг - межосевое расстояние шнеков двух-шнековых экструдеров, м; Г/, ] = 1, ..., Гсе - векторы геометрических параметров Ые элементов шнека и головки. Характерной особенностью экструдеров всех типов является их аппаратная гибкость, обусловленная прежде всего переменностью конфигураций модульных шнеков Сссг = {Те, ] = 1, ..., Ы/}, набираемых из элементов различных типов Те (транспортных, смесительных, диспергирующих и др.), отличающихся геометрическими параметрами г/. Это позволяет перенастраивать экструдеры на переработку различных полимерных композиций при производстве многоассортиментных ПП. В экструдере осуществляются нагрев и плавление сыпучей смеси, разогрев и гомогенизация
получаемого расплава, его смешение с жидкими красителями (при изготовлении цветной ПП) и предварительное формование в головке. Параметры теплового состояния и материальной однородности получаемого экструдата зависят прежде всего от температурно-временного воздействия на полимерную композицию в экструдере, которое характеризуется температурой Тех(?), достигаемой экструдатом, и средним временем пребывания в экструдере а Управляющими воздействиями на стадии подготовки экструдата Щ являются: N/1?), N(1), ? е [¿0; К - частоты вращения шнеков загрузочной воронки (если экструдер работает в режиме ограниченной загрузки сырья [16]) и экструде-ра, об/с; ТьО, к = 1, ..., пТ - температуры пТтепловых зон корпуса экструдера, °С; вс(1), / = 1, ..., пс - расходы пс жидких красителей, подаваемых в экструдер, кг/с. Здесь ¿о, К - начальный и конечный моменты интервала времени выполнения задания на изготовление ПП типа ТЯт с производительностью 6
Нештатные ситуации, возникающие на стадии подготовки экструдата, связаны, прежде всего, с его дефектами (термическая деструкция, материальная неоднородность, проявляющаяся, например, в наличии включений нерасплавленного полимера и/или в неравномерности окраски, отклонения цвета). Для исключения брака ПП, возникающего вследствие некачественной подготовки экструдата, характеристики его теплового состояния, материальной однородности и цвета должны удовлетворять требованиям
0 тах тах т/п тах тах
Чех1 = {1 , фех? , , ДЕх? }. Здесь 1 - максимально допустимый индекс термической деструкции, %; фех?тах - максимально допустимая доля твердой фазы; Yavmln - минимально допустимая средняя степень смешения экструдата; АЕех1"ах - максимально допустимое отклонение цвета от эталона, зависящее от требо-
вания к цвету ПП A£fmax. Предельные значения фхтах, Yamm характеризуют условия пригодности экструдата к формованию на каландре. Так, при Yamin = 2000 экструдат удовлетворяет требованиям к качеству (равномерности) распределения компонентов в смеси, что проявляется в уменьшении толщины слоев компонентов, составляющих смесь, вплоть до выравнивания, например, цветовой окраски всего объема смеси [17].
Экструдат подается в питающий межвалковый зазор каландра. Текущий уровень (запас) экструдата в питающем зазоре x¥xx(t) зависит от степени синхронизации работы экструдера и каландра, которая осуществляется оператором путем изменения производительности экструдера G(t) (варьированием частоты N(t)) по результатам оценки величины запаса экструдата [18]. Если требование синхронизации не выполняется, возникает нештатная ситуация, связанная с уменьшением запаса экструдата в питающем зазоре каландра и возможным соударением питающих валков. Следствием этого является остановка производственной линии. В производстве цветных Пп колебания производительности экструдера приводят к отклонению цветовых координат экструдата Lxx(t), axxt(t), bxx(t) (а значит, и Пп) от эталонных значений и требуют постоянной коррекции расходов жидких красителей в зависимости от текущей производительности экструдера, которая, как правило, не контролируется.
Каландр имеет конфигурацию CcaXnnd, определяемую числом ncaXxnd и схемой взаимного расположения (L-образная, Г-образная и др.) валков, и геометрические параметры rc1xnd. Формование массы в полотно в виде ПП происходит при последовательном прохождении экструдата в зазорах между вращающимися обогреваемыми валками каландра. Нагрев каландрируемой массы до температуры Tca(t), с которой сформированная ПП вытягивается из каландра, осуществляется за счет диссипативных тепловыделений в деформируемом расплаве и теплоотдачи от валков каландра. Управляющими воздействиями на стадии каландрова-ния Ui(t) являются: Vc(t), Tc(t), I = 1, ..., riaalxnd -окружные скорости (м/с) и температуры наружных поверхностей (°С) валков каландра; хт (t), xmr'9ht(t) -время работы левого и правого электродвигателей, перемещающих (поднимающих/опускающих) внешний калибрующий валок, что обеспечивает регулирование толщины ПП, с; x(t), r(t) - пространственный перекос (горизонтальное смещение оси) внутреннего калибрующего валка (м) и усилие контризгиба, приложенное к внешнему калибрующему валку (Н). Управляющие воздействия x(t) и r(t) применяются для обеспечения равнотолщинности ПП [19].
Горячая ПП вытягивается из калибрующего зазора каландра ntakx съемно-вытяжными валками, имеющими геометрические параметры rtakx. Снятая ПП подводится к зоне охлаждения, необходимой для фиксации структуры ПП и выполненной в виде многовалковой системы, имеющей конфигурацию CcooI (определяется числом ncoo/ и схемой взаимного расположения охлаждающих валков) и геометрические параметры rcooI. Температурный профиль охлаждения ПП T(I-c, t), где It-c - координата по длине съемно-вытяжного и охлаждающего устройства, определяет степень усадки ПП Sf(t), Scc(t). При интенсивном охлаждении ПП на первых охлаждающих валках и медленном охлаждении на последующих валках ПП имеет значительную степень усадки; при медленном охлаждении вначале сте-
пень усадки небольшая. Управляющими воздействиями на стадии съема и охлаждения ПП U3(t) являются: Vtpi), Ti p = 1, ..., ntake - окружные скорости (м/с) и температуры наружных поверхностей (°С) съемно-вытяжных валков; Vcq(t), Tqt), q = 1, ..., ncooi - окружные скорости (м/с) и температуры наружных поверхностей (°С) охлаждающих валков. На скорость охлаждения ПП влияет теплоотдача от ее поверхности к окружающему воздуху с температурой Tai(t) путем конвекции и лучеиспускания.
На стадиях каландрования, съема и охлаждения ПП возникают нештатные ситуации, связанные с дефектами толщины ПП (например, разнотолщин-ность), поверхностными дефектами ПП (например, черные точки, желто-коричневые деструкционные полосы, включения нерасплавленного полимера), отклонениями цвета ПП и неправильной усадкой ПП.
После прохождения охлаждающих валков кромка ПП обрезается, измельчается и в целях ресурсосбережения в виде возвратных отходов с расходом GwasLt подается в экструдер для переработки. При изготовлении цветных ПП это приводит к цветовому отклонению экструдата от эталона AEex(t) и требует коррекции расходов жидких красителей Gc(t), i = 1, ..., Пс
Вектор выходных параметров К включает выходные параметры стадии подготовки экструдата Y\(t) = {Y1mes(t), Y1calc(t)}, стадии формования экструдата в ПП Y2(t) = { Y2mes(t), Y2calc(t)} и стадии съема и охлаждения ПП Y3(t) = {Y3calc(t)}. Здесь Y1mes(t) =
{Lex(t), aex(t), bex(t)}, Yicalc(t) = {G(t), Ш ^xi YaVt Lext(t), aextc(t), bexf(t), AEex(t)}, Y{"e\t = {5/i nblacl(t), ndest(t), nUmel(t), nge(t), nbubb(t), nho(t), L(t), a(t), b(t}, Y2calc(t = f, D(t), Lf(t), af(t), bfc(t), AE(t)}, Y3calc(t) = {S(t), Sflt)}- Выходные параметры s й ключевой стадии включают параметры Ysmes(t), которые автоматически контролируются на производстве, и параметры Yscalc(t), которые рассчитываются по математическим моделям в случае отсутствия их автоматического контроля в режиме изготовления ПП (например, качество экструдата оценивается оператором путем субъективного визуального анализа его внешнего вида). Количественными оценками качества экструдата являются: I(t) - индекс термодеструкции, отражающий степень необратимых изменений в расплаве при температурно-временном воздействии на него, %; tyex(t) - доля твердой фазы; YaV.t) - средняя степень смешения (среднемассовая деформация сдвига, накопленная расплавом); Lextc(t), aextc(t), bextc(t) - цветовые координаты. Необходимость оценки цветовых координат экструдата обусловлена требованием снижения брака ПП, возникающего вследствие большого запаздывания реакции системы управления на несоответствие цвета эталону при изменении расходов красителей по отклонению цвета ПП [20]. Качество ПП характеризуют: b(t) или bfc(t) - толщина, м; nUac(t), ndest(t),
numeit), nge(t), nbubb(t), nho(t) - число соответствующих
поверхностных дефектов на заданной площади полотна; L(t), a(t), b(t) или Lf(t), afc(t), bf(t) - цветовые координаты, отличающиеся от цветовых координат экструдата вследствие теплового воздействия на экс-трудат при его формовании на каландре; Dt - раз-нотолщинность, м; AE(t) - отклонение цвета от эталона. Использование характеристик экструдата и ПП, рассчитываемых по математическим моделям и представляемых в виде трендов, позволяет уменьшить неполноту информации об объекте управления, препят-
ствующую эффективному решению задачи управления качеством ПП в режиме реального времени для различных типов пП и конфигураций производственных линий.
На основе информационного описания объекта управления сформулированы задачи управления качеством в ЭКП ПП и визуализации больших производственных данных, решаемые предлагаемой интеллектуальной системой:
1) задача рационального управления качеством, которая заключается в следующем: для данного типа ПП Т1т и конфигурации линии СПпх определить управляющие воздействия на ключевых стадиях ЭКП и(а) с [Цтт; Цтах], 5 = 1, 2, 3, ае [£,; К], обеспечивающие в условиях действия возмущений отклонения текущих значений характеристик экструдата и ПП У(1) от их заданных (по регламенту) значений У5аа5к в допустимых пределах
дШ _ \уШк _ у (Л|< дтах, „ = , п (1)
где итт, Цтах - векторы регламентных пороговых ограничений на управляющие воздействия на 5-й клю-
чевой стадии; у"
■ заданное значение g-го выходно-
го параметра 5-й стадии (векторы заданных значений выходных параметров У5ааБк формируются исходя из требований к качеству экструдата (^хх° и ПП ©?); У,/0 - текущее значение д-го выходного параметра; А- - предельно допустимое отклонение д-го выходного параметра (например, предельно допустимые отклонения толщины, цветовых координат и степени усадки ПП определяются погрешностями измерения этих показателей качества ПП); п5 - число выходных параметров 5-й стадии;
2) задача управления качеством в нештатных ситуациях, которая заключается в следующем: для данного типа ПП Т1т и конфигурации линии Спх на основе описания нештатных ситуаций Ба, связанных с отклонениями текущих значений характеристик экс-трудата и ПП за регламентные пороговые ограничения
дЛ5 _ УШ1П _ у (А> дтах v дАЯ _ у (А утах > дтах V/ V/ '
5=1,2,3, £ = 1.....Й,, ге[г0;г*], (2)
и причин их возникновения /5, связанных с выходом параметров состояния процесса за регламентные ограничения Р5(а) £ [Р5тт; Р5тах], определить истинную причину возникновения брака /5 и сформировать совет /с по направлению и величине изменения управляющих воздействий Ц(^) для ввода значений характеристик экструдата и ПП в регламентные пороговые ограничения
ушт+дтах < у,я (о< уш* _ дшах ( да: <-дтах), (3)
где у11
предельно допустимые по регламенту
значения д-го выходного параметра, формируемые на основе требований к качеству экструдата (?хх° и ПП (например, предельно допустимые по регламенту значения толщины ПП определяются как б/о ± Дб™^ а степени усадки - как Бт ± ДБ?тах, Бсс0 ± ДБстах); -вектор параметров состояния процесса на 5-й стадии, определяющих причины нештатных ситуаций (например, состояние процесса подготовки экструдата описывается температурой экструдата Тхх(а и средним
временем пребывания тт состояние процесса каланд-рования - температурой ПП на выходе из каландра ТСа({), состояние процесса охлаждения ПП - температурным профилем охлаждения Т(/а-с, а)); Р£тт, Ртх -векторы предельных регламентных значений параметров состояния, зависящих от типа ПП Т1т, конфигурации линии СПпх и требуемой производительности 60;
3) задача визуализации больших производственных данных, которая заключается в отображении многомерных данных X, и<(С) с / на плоскости 2(() с / в период времени [¿0; К].
В поставленных задачах управления параметры Ддс и Алз , 5 = 1,2,3, я = 1 характеризующие отклонения значений характеристик экструдата и ПП от заданных и предельно допустимых по регламенту значений соответственно, являются критериями управления качеством.
Структура интеллектуальной системы. База знаний нештатных ситуаций, связанных с браком экструдата и пленки
Интеллектуальная система (рис. 2) включает: подсистему формирования советов по управлению качеством; банк данных характеристик ЭКП ПП; базу знаний нештатных ситуаций, связанных с браком экс-трудата и ПП, их причин и рекомендаций по устранению; подсистему расчета неконтролируемых на ЭКП характеристик экструдата и ПП по математическим моделям; подсистему визуализации данных; пользовательские интерфейсы.
Подсистема формирования советов по управлению качеством выдает рекомендации по направлению и величине изменения управляющих воздействий на ключевых стадиях ЭКП ПП, обеспечивающих выполнение требований (1) и (3) к критериям управления качеством Ддс и д,5 = 123,^ = 1 п в регламентном режиме (рациональное управление) и при возникновении нештатных ситуаций соответственно.
Банк данных характеристик ЭКП включает реляционные базы данных типов ПП, оборудования производственных линий, технологических регламентов, контролируемых и рассчитываемых характеристик процесса.
База данных типов ПП содержит рецептуры и требования к качеству ПП различных типов Т1т, а также параметры свойств твердой фазы и расплавов пленкообразующих полимеров Ир01ут, используемые для расчета характеристик экструдата и ПП. База данных оборудования производственных линий содержит конфигурации и геометрические параметры экструде-ров Тххи Сххь-ил Гх^тл каландров Ссаы Гсаы съемно-вытяжных и охлаждающих многовалковых устройств паакх, Гаакх, Сс00, Гс00, составляющих множество линий для выполнения заданий на изготовление широкого ассортимента ПП. База данных технологических регламентов содержит регламентные диапазоны управляющих воздействий на ключевых стадиях ЭКП для изготовления ПП различных типов Т1т, предельные значения параметров состояния процесса и требования к качеству экструдата (^хх°.
шах —
Рис. 2. Структура интеллектуальной системы для управления качеством ПП
База данных контролируемых и рассчитываемых характеристик процесса содержит массивы значений управляющих воздействий и((), 5 = 1, 2, 3 и выходных параметров У5те%1) ключевых стадий ЭКП, измеренных в течение времени выполнения каждого производственного задания [£>; К], и массивы значений выходных параметров УБса1с((), рассчитанных по математическим моделям для того же интервала времени.
Банк данных позволяет перенастраивать интеллектуальную систему на различные типы ПП, конфигурации и производительность линий.
Для решения задачи управления качеством ПП в нештатных ситуациях на основе продукционно-фреймового представления сложно структурированных экспертных знаний разработана база знаний нештат-
ных ситуаций, их причин и рекомендаций. Продукционно-фреймовая модель отображается в виде семантического графа [21]. Вершины этого графа соответствуют предметным (декларативным) знаниям (знаниям о нештатных ситуациях, причинах их возникновения и рекомендациях по устранению), а подграфы, состоящие из вершин, объединенных общими дугами, - управляющим (процедурным) знаниям (знаниям, необходимым для идентификации нештатных ситуаций, определения истинных причин их возникновения и формирования советов по управлению качеством ПП в нештатных ситуациях).
Знания о нештатных ситуациях, их причинах и рекомендациях по устранению отображаются в виде фрейма-прототипа (рис. 3).
Рис. 3. Информационная структура фрейма-прототипа «Нештатная ситуация»
Фрейм-прототип может быть представлен в виде нотации Бекуса-Науэра: Fr ::= < Нештатная ситуация, Q, A >, Q = {q, q, q>, A = {au, ..., аз.5>-Здесь Q - множество атрибутов фрейма, позволяющих структурировать знания на нештатные ситуации (qi), причины их возникновения (q) и рекомендации по устранению нештатных ситуаций (q); A - множество характеристик атрибутов. Для разработки базы знаний осуществлен переход от фрейма-прототипа к системе фреймов-примеров [21]. Каждый фрейм-пример отображает знания о конкретной нештатной ситуации, ее причинах и рекомендациях по устранению. Этот переход выполнен путем присвоения характеристикам каждого атрибута фрейма Fr конкретных значений, описывающих каждую нештатную ситуацию.
Знания, необходимые для идентификации нештатных ситуаций, определения их истинных причин и формирования советов по управлению, отображаются в виде продукционных правил: Pr :: = ЕСЛИ (условие), ТО (следствие). Следствие, которое состоит из одного или нескольких предложений, образующих выдаваемое правилом решение, принимается при истинности условия, также состоящего из одного или нескольких утверждений, соединенных знаками логических операций [22]. Примеры продукционных правил:
простое правило: ЕСЛИ (текущее значение индекса термодеструкции экструдата IJ(t) превышает максимально допустимое значение IJnax), ТО (существует нештатная ситуация «Термическая деструкция экструдата»);
фокусирующие правила: ЕСЛИ (существует нештатная ситуация «Термическая деструкция экструдата») л (среднее время пребывания xav превышает предельно допустимое значение iavmax), ТО (причина «Большое время пребывания в экструдере» является истинной причиной возникновения нештатной ситуации); ЕСЛИ (существует нештатная ситуация «Термическая деструкция экструдата») л (причина «Большое время пребывания в экструдере» является истинной
причиной возникновения нештатной ситуации), ТО (рекомендация по устранению нештатной ситуации имеет вид «Повышать частоту вращения шнека экс-трудера М^а) на величину ДМ(а)»).
В базу знаний включено описание нештатных ситуаций основных видов, возникающих на производстве: дефекты экструдата; уменьшение запаса экстру-дата; дефекты ПП. Нештатная ситуация возникает при выходе контролируемого или рассчитываемого выходного параметра (характеристики экструдата или ПП) за диапазон предельно допустимых по регламенту значений (соотношения (2)). Каждой нештатной ситуации, как правило, соответствуют несколько различных причин. Например, основными причинами нештатной ситуации, связанной с появлением на поверхности ПП желто-коричневых деструкционных полос, являются перегрев экструдата, увеличение запаса экструдата в питающем зазоре каландра или перегрев материала при каландровании. Поэтому одной из задач интеллектуальной системы является определение истинной причины, которая в текущих производственных условиях привела к возникновению данной нештатной ситуации. Каждой причине ставится в соответствие конкретная рекомендация (или ряд рекомендаций - последовательность действий управленческого производственного персонала, которые необходимо выполнить для устранения причины, а значит, и вызванной ею нештатной ситуации). По типу нештатные ситуации могут быть исправимыми и неисправимыми. Если нештатная ситуация является исправимой (например, дефекты экструдата, дефекты толщины и цвета Пп), то она устраняется в ходе производственного процесса путем целенаправленного изменения управляющих воздействий на ключевых стадиях ЭКП. В противном случае (неисправимая нештатная ситуация) для устранения нештатной ситуации требуется остановка линии. Например, если причинами появления на поверхности ПП черных точек или инородных включений являются загрязненные поверхности элементов оборудования,
то необходимо остановить производственный процесс и осуществить очистку загрузочной воронки, шнека, корпуса и головки экструдера или замену ленты качающегося транспортера.
Особенностью базы знаний является наличие приоритетов нештатных ситуаций, что позволяет решать задачу управления при одновременном возникновении нескольких нештатных ситуаций. Приоритет каждой нештатной ситуации формируется в зависимости от степени важности соответствующего дефекта для потребителей данного типа ПП с точки зрения негативного влияния дефекта на выполнение изделием, изготовленным из пП данного типа, своего функционального назначения. Например, для фармацевтической упаковочной ПП наименее приемлемыми дефектами являются черные точки (соответствующая нештатная ситуация имеет наивысший приоритет, если производится данный тип ПП), а для ПП, из которой изготавливаются пластиковые карты, - дефекты толщины.
Библиотека математических моделей для расчета характеристик экструдата и пленки
Для расчета характеристик экструдата и ПП, неконтролируемых на эКп, в интеллектуальную систему интегрирована библиотека функциональных (детерминированных) и эмпирических моделей, позволяющих дать количественную оценку выходных параметров У5са/с(С) в зависимости от управляющих воздействий ил С) и настраиваемых на различные типы ПП Тт, конфигурации и параметры оборудования ключевых стадий Сцпе\
¥Г (х) = Ф (Х,и, (0, к,), 5 = 1,2,3, X е[?0; Хк ], (4)
где К - вектор настраиваемых коэффициентов уравнений математических моделей для расчета выходных параметров 5-й ключевой стадии ЭКП.
Библиотека включает модели для расчета производительности экструдера и показателей качества экструдата, модели для вычисления толщины и разнотолщинности ПП, модели для расчета цветовых характеристик ПП и степени усадки ПП в продольном и поперечном направлении.
Ключевую роль в обеспечении требуемых потребительских характеристик ПП играет стадия подготовки экструдата. По данным производителей ПП, до 20% брака ПП связано именно с этой стадией [1]. Отклонения режима проведения процесса экструзии от регламентного приводят к нарушению условий движения, плавления и перемешивания полимерного материала в канале шнека экструдера, образованию застойных зон и, как следствие, к потере качества экструдата, которое на производстве автоматически не контролируется, и возникновению на поверхности ПП различных дефектов. Так, образование застойных зон и увеличение времени пребывания в экструдере при высокой температуре приводит к развитию в полимере термодеструкции, которая проявляется разрушением цепей его макромолекул и резким снижением молекулярной массы. Накопление продуктов деструкции (обрывков молекулярных цепей) в полимере необратимо изменяет цвет экструдата (последовательно на желтый, желто-оранжевый, оранжево-красный, красно-коричневый), повышает его ползучесть, вызывает прилипание к ленте транспортера и способствует появлению деструкционных полос на ПП. Поэтому в со-
став математического обеспечения интеллектуальной системы включены модели для расчета выходных параметров экструзии У1са1с(1).
Для учета аппаратной гибкости и конструктивно-кинематических характеристик экструдеров различных типов, механических и теплофизических свойств множества экструдируемых полимеров, разнообразия и сложности физических (гидродинамических, тепломассообменных) процессов, протекающих в канале шнека экструдера, предложен и развит комбинированный метод математического моделирования процессов экструзии. Он основывается на сочетании двух описанных в литературе по моделированию экструзии подходов - применении законов сохранения физических субстанций и реологии [23] и типовых гидродинамических моделей [24]. Метод заключается в структурно-параметрическом синтезе статической математической модели для расчета параметров состояния (скоростей, давлений, температур) твердой фазы и расплава полимера в канале шнека и производительности экструдера и динамической модели для оценки среднего времени пребывания в экструдере, от которого зависят показатели качества экструдата и которое описывает возможные причины возникновения нештатных ситуаций (термодеструкции и неоднородности экструдата).
Структурный синтез статической модели состоит в компоновке моделей, описывающих движение, нагрев и фазовый переход полимера (в зависимости от механизма плавления - пленочного, дисперсного - в экструдере данного типа и с учетом утечек через зазоры и прорези в нарезке, неньютоновского поведения расплава, теплообмена с корпусом и шнеком) в каналах элементов, из которых собран шнек данной конфигурации, и модели, описывающей течение в формующей головке данного типа. Для этого используются условия сопряжения элементов шнека, определяющие равенство параметров состояния фаз на выходе из канала текущего /го элемента и входе в канал следующего (0+ 1)-го элемента. В результате формируется система нелинейных алгебро-дифференциальных уравнений, включающая уравнения материального баланса, баланса сил трения и давления, теплового баланса для твердой фазы и расплава полимера, уравнения материального и теплового баланса на границе раздела фаз, реологическое уравнение состояния и замкнутая граничными условиями на входе в канал и стенках канала [25]. Параметрическая настройка статической модели осуществляется путем формирования значений геометрических параметров экструдера Ге!Си из базы данных оборудования (в зависимости от марки экструдера) и параметров свойств фаз полимера Ир01ут из базы данных типов ПП (в зависимости от типа пленкообразующего полимера). При этом также происходит означивание настраиваемых коэффициентов модели (коэффициентов реологической модели полимера Кг1е001, коэффициентов теплоотдачи от корпуса аЬк к = 1, ..., пТ и в шнек а5сп коэффициентов теплоотдачи от границы раздела в твердую фазу а50/ и от расплава к границе раздела ат) с использованием библиотеки моделей. Численное (конечно-разностное) решение уравнений статической модели позволяет рассчитать распределения скоростей, давлений и температур фаз полимера по каналу модульного шнека и производительность экструдера, которая определяет запас экструдата Тех(0:
G(0 = PQ (t), Qe(t): ^(t) = Pdie(t)' t t* ], (5)
scr\' m out (t )=y; (d, i '' 0' scr' e ' , j = Ne , N(t), K "rheol ' m out (í),Qe (t))' (6
Pdee (t)= /2 (Ге , ^rheol (t), Qe (t)) ' (7)
Л, (t) = /3 (d, L, ¿0,4cr, Г, j = 1,-, Ne, Hpoym, N(t)T (t), ^, к = 1,..., n, a„, Krheol, Qe (t)) ' (8)
где рт - плотность расплава, кг/м3; (¿(() - расход потока через экструдер, рассчитываемый методом последовательных приближений до выполнения условия сопряжения шнека и головки экструдера (равенство давлений на выходе из канала шнека Я50(а) и на входе в головку РлШ м3/с; р^(,), г^(,) - давление
(Па) и температура (°С) материала на выходе из канала последнего элемента шнека.
Температура экструдата, описывающая возможную причину его термодеструкции, определяется следующим образом: Тх (,) =Т^, (,).
При найденной производительности экструде-ра по динамической модели вычисляется среднее время пребывания. Динамическая модель синтезируется из типовых гидродинамических моделей (идеального
смешения, ячеечной, идеального вытеснения), описывающих структуру потоков в секциях шнека с различным механизмом и степенью перемешивания и охваченных рециклами, описывающими утечки. Численно (конечно-разностным методом) решается сформированная система уравнений материального баланса по потокам и трассеру, и рассчитывается функция распределения времен пребывания в экструдере, обработка которой методом моментов позволяет оценить среднее время пребывания [26].
В зависимости от управляющих воздействий на экструдер, параметров состояния фаз полимера и среднего времени пребывания рассчитываются показатели качества экструдата, отклонение которых выше предельно допустимых значений свидетельствует о браке экструдата:
Jd (,) _ (т jXd )gErf [Tex,(t )-Td ]{8,3;[TeXt(t )+273,15]J +273,15 )};00 ,
Ф.
(t )=ф^! (t )= /4 (d, ¿0, Ascr, Г, j = ;,..., Ne, H
W Hj
N zj-1+ze
t — 1
av
Yv (,)=\ í
Z j=; I j
e, polym, asol, am
, am JNOU (t ),TNÜ* (t ), G(t )) '
« w H 1-
ТЛЛ í W Yjxy (t)2 +(nscr -1) Y7x (t)2 + Yjzy (t)2 dydX
WJH
dz
IJ (t ) = /5 (civ, v = 0,., nL, кс( ), i = 1,., nc ) ' kci(t ) = Gci(t )/ G(, ) ' , n
ДEe„ (t ) = V[
= л/ - Lext (t)f + к«' - aj (t)Í + [C - b.J (t'
(9) (10)
(11)
(,)= /б (cav, v = 0,., na, кМ i = 1,., nc ) ' bj (,) = /7 (cbv, v = a. nb, кС1 1 = nc ) ' (12)
(13)
где хл Т - время (с) и температура (°С) начала изменения цвета экструдата вследствие термодеструкции; Еа - энергия активации процесса деструкции, Дж/моль;
(,)' т*С (,), т£Т(0 - доля твердой фазы в
материале, температура твердой фазы и расплава (°С) на выходе из канала последнего элемента шнека в зоне плавления; 7- длина канала шнека, м; - координата входа в канал /го элемента шнека, м; Ш, Н - длина, ширина и глубина канала /го элемента, м; " СК°Р°СТИ Деформаций
сдвига расплава в циркуляционном и поступательном потоке в канале /-го элемента, 1/с; ^ , ^,
cbv
коэффициенты нелинейных полиномиальных многофакторных моделей для оценки цветовых координат экструдата, рассчитанные путем обработки результатов активных экспериментов методом наименьших квадратов и зависящие от типов полимера, красителей и марки экструдера; ЛсХа) - доля расхода /-го красителя в производительности; Цх,аех*, Ьех* - эталонные цветовые координаты экструдата. Эталонные цветовые координаты экструдата определяются (при каждом переходе линии на новый эталон цвета ПП) как значения цветовых координат экструдата, при которых обеспечивается соответствие текущих значений цветовых координат ПП эталонным значениям С*, э*г,
b* [27].
Модели, применяемые для описания стадии каландрования, позволяют вычислить показатели качества ПП по толщине и цвету Y2calc(t). По моделям, построенным на основе методов аналитической геометрии и теории сопротивления материалов, рассчитываются профили толщины ПП (распределения толщины по ширине полотна) 5*c(t) при бомбировке, перекрещивании и контризгибе калибрующих валков каландра в зависимости от конфигурации Ccaiend и геометрических параметров rcaeend каландра, параметров механических свойств материалов валков и управляющих воздействий x(t), r(t) [28]. Разнотолщинность ПП Qj(t) вычисляется как разность между максимальным и минимальным значением в профиле толщины. По эмпирическим моделям, структура которых аналогична структуре моделей (12), рассчитываются цветовые координаты ПП Lf(t), afc(t), bf(t), в зависимости от которых оценивается цветовое отклонение ПП от эталона [27].
На стадии съема и охлаждения ПП вычисляется степень усадки ПП. Для этого применяются эмпирические модели, позволяющие рассчитать степень усадки в продольном и поперечном направлении S/{t), Sfc(t), и функциональные (механические) модели, учитывающие только упругие свойства ПП (модель Муни-Ривлина) или вязкоупругие свойства (обобщенная мо-
c
дель Максвелла, или модель релаксационного спектра, трехзвенная реологическая модель) [29, 30]. Функциональные модели применяются для расчета степени усадки в продольном направлении S11) как суммы степеней усадки ПП на каждом участке межвалкового пространства съемно-вытяжной и охлаждающей системы. Поскольку температура оказывает сильное влияние на механические свойства полимеров, перед расчетом степени усадки по модели процесса охлаждения, построенной на основе теории конвективной теплопередачи, вычисляется температурный профиль охлаждения ПП T(lt-a t) (распределение температуры по длине съемно-вытяжной и охлаждающей системы) [31]. Температура ПП T{lt-c, t) зависит от геометрических характеристик многовалкового устройства
ntake, Гtake, Cool, У cool, толщины ПП, параметров тепло-
физических свойств полимера и материалов съемно-вытяжных и охлаждающих валков, управляющих воздействий U(t) и температуры воздуха Tai(t). При найденном температурном профиле ПП и в зависимости от параметров механических свойств полимера и управляющих воздействий Vpt), p = 1, ..., ntake, Vcq(t), q = 1, ..., ncoo/ рассчитывается степени усадки S^t).
Адекватность моделей для расчета характеристик экструдата и ПП подтверждена (по критерию Фишера, среднеквадратическому отклонению) для различных типов цветных и неокрашенных ПП (на основе жесткого ПВХ, полипропилена, полиэтилена) и конфигураций линий (осциллирующий экструдер и двухшне-ковый экструдер с встречным вращением шнеков различных конфигураций, Г-образный и L-образный каландр, съемно-вытяжные и охлаждающие устройства различных конфигураций) [25-31].
Библиотека моделей позволяет применять интеллектуальную систему для формирования советов по управлению качеством многоассортиментных ПП, производимых на экструзионно-каландровых линиях различной конфигурации.
Алгоритм формирования советов по управлению качеством полимерных пленок в нештатных ситуациях
Для решения поставленных задач управления разработаны алгоритм интеллектуального анализа больших производственных данных и формирования советов по рациональному управлению качеством ПП [32], алгоритм формирования интеллектуальных советов по управлению качеством ПП при возникновении нештатных ситуаций (рис. 4) и алгоритм визуализации больших производственных данных. Формирование интеллектуальных советов по управлению осуществляется в результате обработки экспертных знаний, структурированных в базу знаний нештатных ситуаций и полученных путем интервьюирования управленческого производственного персонала (опытных технологов, операторов стадии подготовки экструдата, каландровожатых), изучения технологических регламентов ЭКП ПП и инструкций по управлению ЭКП в нештатных ситуациях, связанных с возникновением различных видов дефектов экструдата и ПП. Для измеренных на производстве и рассчитанных по моделям данных о характеристиках экструдата и ПП с использованием базы знаний нештатных ситуаций и баз данных типов ПП и технологических регламентов осуществляется идентификация каждой нештатной ситуации. При идентификации ситуации фиксируется степень отклонения текущего значения характеристики экструдата или ПП, описывающей ситуацию, от нижнего или верхнего регламентного ограничения, место и время возникновения ситуации. Данная информация учитывается при определении истинной причины ситуации, формировании совета по управлению и построении карты качества произведенной продукции. Совет по управлению содержит информацию о направлении и величине изменения управляющего воздействия для устранения истинной причины, а значит, и ситуации. Величина, на которую нужно изменить управляющее воздействие по отношению к его текущему значению, рассчитывается по соответствующей математической модели.
Алгоритм формирования советов по управлению в нештатных ситуациях
Тестирование интеллектуальной системы
Тестирование работоспособности интеллектуальной системы выполнено по большим данным ЭКП фармацевтических и пищевых упаковочных ПП различных рецептур на основе жесткого ПВХ, собранным на производственных линиях различных конфигураций на заводах в России и Германии. Каждый массив дан-
ных, собранных за месяц производства, содержал около 500 тыс. измеренных значений 250 технологических параметров ЭКП (управляющих воздействий, потребительских характеристик ПП).
В качестве примера рассмотрена работа интеллектуальной системы по обработке нештатной ситуации, которая связана с браком экструдата на выходе осциллирующего экструдера Рк-200. Показатели
качества экструдата (индекс термодеструкции, доля твердой фазы, степень смешения) рассчитываются в каждый момент времени по математической модели процесса экструзии в зависимости от измеренных значений управляющих воздействий на экструдер для заданных геометрических параметров экструдера, определенных его типом, конфигурацией, диаметром и длиной шнека, и параметров свойств экструдируемого полимера, определенных типом ПП. Рассчитанные значения отображаются на интерфейсе оператора экструдера в виде трендов (рис. 5). Текущее значение каждого показателя качества сравнивается с предельно допустимым значением, определенным в требованиях к качеству экструдата Qex0. В примере показано, что текущий индекс термодеструкции экструдата К^) = 14% превышает предельно допустимое значение Ц™* = 11,5%). Поэтому с использованием базы знаний нештатных ситуаций, их причин и рекомендаций система идентифицирует текущий дефект экстру-дата, который связан с его термическим разложением (рис. 5), визуально проявляющимся изменением цвета (начинающимся с пожелтения), повышенной «ползучестью» и прилипанием к ленте транспортера. Для идентифицированной нештатной ситуации из базы знаний
формируется перечень причин ее возникновения и описывающих их параметров состояния процесса экструзии (среднее время пребывания а температура экструдата Техк§)- Для определения истинной причины нештатной ситуации значения параметров состояния рассчитываются по математической модели процесса экструзии и сравниваются с предельно допустимыми значениями из базы данных технологических регламентов. В примере значение времени пребывания превышает верхнюю границу ограничений, поэтому истинной является причина 1 «Большое время пребывания в экструдере» (рис. 5). Найденной причине в базе знаний соответствует рекомендация по повышению частоты вращения шнека экструдера, реализация которой на объекте позволит уменьшить время пребывания, а значит, ввести индекс термодеструкции в диапазон допустимых значений, то есть устранить брак экструдата и предотвратить соответствующие поверхностные дефекты ПП (черные точки, деструкционные полосы). Тренд индекса термодеструкции свидетельствует об устранении нештатной ситуации после соответствующего изменения частоты вращения шнека экструдера.
15:15 15:30 Время, ч мин
Рис. 5. Тренд индекса термодеструкции и идентифицированный брак экструдата
Результаты тестирования подтвердили работоспособность интеллектуальной системы (базы знаний, библиотеки математических моделей, модуля формирования советов по управлению качеством в нештатных ситуациях) по обработке различных типов дефектов экструдата и ПП, возникающих в условиях гибкого многоассортиментного ЭКП, и возможность использования интеллектуальной системы для управления качеством ПП в режиме советчика оператора и обучения управлению качеством.
Интеграция интеллектуальной системы в компьютерный тренажерно-обучающий комплекс для управленческого производственного персонала ЭКП ПП позволяет изучить способы устранения нештатных ситуаций, связанных с браком экструдата и ПП, и сформировать навыки безаварийного, ресурсосберегающего управления сложным производственным процессом при реализации различных сценариев обучения (рецептур и требований к качеству ПП, конфигураций производственных линий) [33-35].
Заключение
Разработанная проблемно-ориентированная интеллектуальная система, ядром которой являются многовариантные, настраиваемые на переменные характеристики объекта управления модели описания
ЭКП ПП (информационные модели, математические модели, модель представления знаний), позволяет визуализировать большие производственные данные, полученные в результате как измерений, так и расчетов, диагностировать по ним нештатные ситуации, связанные с браком экструдата и ПП, определять истинные причины возникновения нештатных ситуаций и формировать советы по устранению брака. Интеллектуальная система настраивается на различные типы ПП (в том числе требования к их потребительским характеристикам) и конфигурации экструзионно-каландровых линий.
Программный комплекс интеллектуальной системы прошел успешную апробацию на современных высокотехнологичных ЭКП многоассортиментных ПП заводов в России и Германии. Результаты апробации показали, что применение интеллектуальной системы в качестве советчика управленческого производственного персонала позволяет повысить его профессиональный уровень и, как следствие, сократить время принятия решений по управлению качеством ПП при возникновении нештатных ситуаций. Это способствует улучшению потребительских характеристик выпускаемой продукции и ресурсосбережению (снижению невозвратных отходов и соответствующему увеличению выхода кондиционной продукции), а значит, по-
вышению эффективности производства ПП в целом.
Литература
1. Kohlert C, Steinmeier S, Kohlert M. Mathematical methods in plastics processing // Математические методы в технике и технологиях: сб. тр. междунар. науч. конф. В 12 т. Т. 8. СПб.: Изд-во Политехн. ун-та, 2017. С. 14-21.
2. Харазов В.Г. Интеллектуальные приборы и системы управления // Известия СПбГТИ(ТУ). 2014. № 26. С. 92-94.
3. Kohlert M, Hissmann O. Applied industry 4.0 in the polymer film industry // Proceedings of the 16th TAPPI European PLACE Conference. Basel, 2017. P. 183190.
4. Kohlert M, König А. Advanced polymeric film production data analysis and process optimization by clustering and classification methods // Frontiers in Artificial Intelligence and Applications. 2012. V. 243. P. 1953-1961. DOI: 10.3233/978-1-61499-105-2-1953.
5. Kohlert M, Chistyakova T.BB. Advanced process data analysis and on-line evaluation for computer-aided monitoring in polymer film industry // Известия СПбГТИ(ТУ). 2015. № 29. С. 83-88.
6. Жуков И.В., Харазов В.Г. Результаты поэтапной модернизации и эксплуатации усовершенствованной системы управления (APC-системы) // Известия СПбГТИ(ТУ). 2017. № 41. С. 105-112.
7. Русинов Л.А., Рудакова И. В., Куркина В. В. Мониторинг и диагностика состояния технологических процессов // Известия СПбГТИ(ТУ). 2010. № 7. С. 8087.
8. Осипенко У.Ю, Русинов Л.А. Разработка диагностической модели для диагностики состояния процесса получения олефинов // Известия СПбГТИ(ТУ). 2018. № 43. С. 87-90.
9. Егорова Е.Г, Мусаев А.А. Система диагностики процесса агломерации // Труды СПИИРАН. 2012. № 3. С. 249-259.
10. Шумихин А.Г., Бояршинова А.С, Орехов М.С. Применение нейросетевых моделей при автоматизированном управлении сложными химико-технологическими системами // Ползуновский вестник. 2012. № 3/2. С. 9-12.
11. Гайков А.В., Мусаев А.А. Модульная база знаний, как аналитическая компонента когнитивной системы управления производственными процессами // Известия СПбГТИ(ТУ). 2017. № 40. С. 115-119.
12. Николаев Н.А, Мусаев А.А. Когнитивная система автоматизированного управления на примере процесса первичной переработки нефти // Известия вузов. Приборостроение. 2017. Т. 60, № 9. С. 904-911. DOI: 10.17586/0021-3454-2017-60-9-904-911.
13. Сердюк А.И,, Радыгин А.Б,, Шерстобитова В.Н. Инфология процессов функционирования гибких производственных систем // Проблемы машиностроения и автоматизации. 2016. № 4. С. 26-36.
14. Путилин С. С. Использование математических моделей и методов системного анализа для оптимизации управления работой аммиачной холодильной установки // Прикаспийский журнал: управление и высокие технологии. 2013. № 3. С. 33-42.
15. Путилин С.С. Построение математической модели безопасности аммиачной холодильной установки // Вестник Астраханского государственного технического университета. Сер. «Управление, вычисли-
тельная техника и информатика». 2013. № 2. С. 39-44.
16. Rauwendaal C. Polymer Extrusion. 5th ed. Munich: Carl Hanser Verlag, 2014. 950 p. DOI: 10.3139/9781569905395.
17. Воскресенский А.М., Ищенко М.А. Компьютерные модели свойств и переработки полимерных композиций. СПб.: СПбГТИ(ТУ), 2008. 66 с.
18. Gartner H, Schnabel A., Kohlert C Control systems for calenders - from mixer to take-off // Kunststoffe Plast Europe. 1997. V. 87, № 6. P. 24-27.
19. Колерт К,, Воскресенский А.М., Красовский В.Н., Регер Э.-О. Интенсификация процессов каланд-рования полимеров. Л.: Химия, 1991. 224 с.
20. Чистякова Т.Б., Разы/граев А. С., Полосин
A.Н, Колерт К. Гибридная система управления цветом в экструзионном и экструзионно-каландровом производстве полимерных материалов // Вестник Саратовского государственного технического университета. 2012. № 1, вып. 2. С. 194-201.
21. Мешалкин В.П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения. М.: Химия, 1995. 368 с.
22. Советов Б.Я., Цехановский В.В., Чертовской
B.Д. Представление знаний в информационных системах. М.: Академия, 2011. 143 с.
23. Первадчук В.П, Труфанова Н.М., Янков В.И. Математическая модель и численный анализ процессов теплообмена при плавлении полимеров в пла-стицирующих экструдерах // Инженерно-физический журнал. 1985. Т. 48, № 1. С. 75-80.
24. Monchatre BB, Raveyre C, Carrot C. Residence time distributions in a co-kneader: a chemical engineering approach // Polymer Engineering and Science. 2015. V. 55, № 6. P. 1237-1245. DOI: 10.1002/pen.24061.
25. Чистякова Т.Б, Полосин А.Н. Математические модели и программный комплекс для управления экструзионными процессами в гибких многоассортиментных производствах полимерных материалов // Вестник Южно-Уральского государственного университета. Сер. «Математическое моделирование и программирование». 2019. Т. 12, № 4. С. 5-28. DOI: 10.14529/mmp190401.
26. Чистякова Т.Б., Полосин А.Н. Система имитационного моделирования для управления экс-трудерами в гибких производствах полимерных материалов // Автоматизация в промышленности. 2010. № 7. С. 35-40.
27. Чистякова Т.Б, Разы/граев А. С., Полосин А.Н, Колерт К. Программный комплекс для управления цветом тонких жестких полимерных материалов // Автоматизация в промышленности. 2012. № 7. С. 12-18.
28. Чистякова Т.Б, Куликов С.И, Полосин А.Н, Колерт К. ПО для управления толщиной каландрован-ных тонких материалов // Автоматизация в промышленности. 2007. № 1. С. 8-11.
29. Чистякова Т.Б, Авербух А.Б, Колерт К. Математическое моделирование процессов усадки/растяжения полимерной пленки для управления каландровой линией // Химическая промышленность. 2005. Т. 82, № 10. С. 498-508.
30. Чистякова Т.Б, Аразтаганова А.М, Колерт К. Математические модели и программные комплексы для исследования и управления качеством термоусадочных полимерных пленок // Известия СПбГТИ(ТУ). 2018. № 46. С. 123-127.
31. Чистякова Т.Б, Сергеев Н.А, Колерт К.
Математическая модель системы охлаждения каландровой линии для управления качеством полимерного материала // Химическая промышленность. 2005. Т. 82, № 2. С. 72-81.
32. Чистякова Т.Б., Тетерин М.А. Программный комплекс для мониторинга и управления качеством полимерных пленок международной промышленной корпорации // Динамика сложных систем - XXI век. 2018. Т. 12, № 3. С. 52-62. DOI: 10.18127/j19997493-201803-08.
33. Чистякова Т.Б. Информационные технологии синтеза компьютерных тренажеров для химических производств // Известия СПбГТИ(ТУ). 2007. № 1. С. 9095.
34. Chistyakova T.B., Novozhiiova I. V. Intelligence computer simulators for elearning of specialists of innovative industrial enterprises // Proceedings of the XIX International Conference on Soft Computing and Measurements (SCM'2016). St. Petersburg: Saint Petersburg Electrotechnical University «LETI», 2016. P. 329-332. DOI: 10.1109/SCM.2016.7519772.
35. Жуков И.В., Хабаров М.Д., Харазов В.Г. Компьютерные тренажеры для тестирования и разработки систем усовершенствованного управления технологическим процессом // Известия СПбГТИ(ТУ). 2017. № 40. С. 111-114.
References
1. Kohlert C, Steinmeier S, Kohlert M. Mathematical methods in plastics processing // Matematicheskie metody v tekhnike i tekhnologiyakh: sb. tr. mezhdunar. nauch. konf. V 12 t. T. 8. SPb.: Izd-vo Politekhn. un-ta,
2017. S. 14-21.
2. Kharazov V.G. Intellektual'nye pribory i siste-my upravleniya // Izvestiya SPbGTI(TU). 2014. № 26. S. 92-94. In Rus.
3. Kohlert M, Hissmann O. Applied industry 4.0 in the polymer film industry // Proceedings of the 16th TAPPI European PLACE Conference. Basel, 2017. P. 183190.
4. Kohlert M, König А. Advanced polymeric film production data analysis and process optimization by clustering and classification methods // Frontiers in Artificial Intelligence and Applications. 2012. V. 243. P. 1953-1961. DOI: 10.3233/978-1-61499-105-2-1953.
5. Kohlert M, Chistyakova T.B. Advanced process data analysis and on-line evaluation for computer-aided monitoring in polymer film industry // Izvestiya SPbGTI(TU). 2015. № 29. S. 83-88.
6. ZhukovI.V., Kharazov V.G. Rezul'taty poetap-noy modernizatsii i ekspluatatsii usovershenstvovannoy sistemy upravleniya (APC-sistemy) // Izvestiya SPbGTI(TU). 2017. № 41. S. 105-112. In Rus.
7. Rusinov LA, Rudakova I.V., Kurkina V.V. Monitoring i diagnostika sostoyaniya tekhnologicheskikh protsessov // Izvestiya SPbGTI(TU). 2010. № 7. S. 80-87. In Rus.
8. Osipenko U.Yu, Rusinov L.A. Razrabotka di-agnosticheskoy modeli dlya diagnostiki sostoyaniya protsessa polucheniya olefinov // Izvestiya SPbGTI(TU).
2018. № 43. S. 87-90. In Rus.
9. Egorova E.G., MusaevA.A. Sistema diagnostiki protsessa aglomeratsii // Trudy SPIIRAN. 2012. № 3. S. 249-259. In Rus.
10. Shumikhin A.G., Boyarshinova A.S., Orekhov M.S. Primenenie neyrosetevykh modeley pri avtomatiziro-
vannom upravlenii slozhnymi khimiko-tekhnologicheskimi sistemami // Polzunovsky vestnik. 2012. № 3/2. S. 9-12. In Rus.
11. Gaikov A. V., Musaev A.A. Modul'naya baza znaniy, kak analiticheskaya komponenta kognitivnoy sistemy upravleniya proizvodstvennymi protsessami // Izvestiya SPbGTI(TU). 2017. № 40. S. 115-119. In Rus.
12. Nikolaev N.A., Musaev A.A. Kognitivnaya sistema avtomatizirovannogo upravleniya na primere protsessa pervichnoy pererabotki nefti // Izvestiya vuzov. Priborostroenie. 2017. T. 60, № 9. S. 904-911. In Rus.
13. Serdyuk A.I,, Radygin A.B., Sherstobitova V.N. Infologiya protsessov funktsionirovaniya gibkikh pro-izvodstvennykh system // Problemy mashinostroeniya i avtomatizatsii. 2016. № 4. S. 26-36. In Rus.
14. PutiHn S.S. Ispol'zovanie matematicheskikh modeley i metodov sistemnogo analiza dlya optimizatsii upravleniya rabotoy ammiachnoy kholodil'noy ustanovki // Prikaspiyskiy zhurnal: upravlenie i vysokie tekhnologii. 2013. № 3. S. 33-42. In Rus.
15. PutiHn S.S. Postroenie matematicheskoy modeli bezopasnosti ammiachnoy kholodil'noy ustanovki // Vestnik Astrakhanskogo gosudarstvennogo tekhnich-eskogo universiteta. Ser. «Upravlenie, vychislitel'naya tekhnika i informatika». 2013. № 2. S. 39-44. In Rus.
16. Rauwendaal C. Polymer Extrusion. 5th ed. Munich: Carl Hanser Verlag, 2014. 950 p. DOI: 10.3139/9781569905395.
17. Voskresenskiy A.M., Ishchenko M.A. Komp'yuternye modeli svoystv i pererabotki polimernykh kompozitsiy. SPb.: SPbGTI(Tu), 2008. 66 s. In Rus.
18. Gartner H, Schnabel A., Kohlert C. Control systems for calenders - from mixer to take-off // Kunststoffe Plast Europe. 1997. V. 87, № 6. P. 24-27.
19. Kohlert C, Voskresenskiy A.M., Krasovskiy V.N., Reher E.-O. Intensifikatsiya protsessov kalandro-vaniya polimerov. L.: Khimiya, 1991. 224 s. In Rus.
20. Chistyakova T.B, Razygraev A.S., Polosin A.N., Kohlert C Gibridnaya sistema upravleniya tsvetom v ekstruzionnom i ekstruzionno-kalandrovom proizvodstve polimernykh materialov // Vestnik Saratovskogo gosudarstvennogo tekhnicheskogo universiteta. 2012. № 1, vyp. 2. S. 194-201. In Rus.
21. Meshalkin V.P. Ekspertnye sistemy v khimich-eskoy tekhnologii. Osnovy teorii, opyt razrabotki i prime-neniya. M.: Khimiya, 1995. 368 s. In Rus.
22. Sovetov B.Ya, Tsekhanovskiy V.V, Cher-tovskoy V.D. Predstavlenie znaniy v informatsionnykh sistemakh. M.: Akademiya, 2011. 143 s. In Rus.
23. Pervadchuk V.P, Trufanova N.M., Yankov V.I. Mathematical model and numerical analysis of heat-transfer processes associated with the melting of polymers in plasticating extruders // Journal of Engineering Physics. 1985. V. 48, № 1. P. 60-64. DOI: 10.1007/BF00878258.
24. Monchatre B, Raveyre C, Carrot C. Residence time distributions in a co-kneader: a chemical engineering approach // Polymer Engineering and Science. 2015. V. 55, № 6. P. 1237-1245. DOI: 10.1002/pen.24061.
25. Chistyakova T.B, Polosin A.N. Matematicheskie modeli i programmny kompleks dlya upravleniya ekstruzionnymi protsessami v gibkikh mnogoassortiment-nykh proizvodstvakh polimernykh materialov // Bulletin of the South Ural State University, Series: Mathematical Modelling, Programming and Computer Software. 2019. T. 12, № 4. S. 5-28. In Rus.
26. Chistyakova T.B, Polosin A.N. Sistema imi-
tatsionnogo modelirovaniya dlya upravleniya ekstruderami v gibkikh proizvodstvakh polimernykh materialov // Avtomatizatsiya v promyshlennosti. 2010. № 7. S. 35-40. In Rus.
27. Chistyakova T.B., Razygraev A.S., Polosin A.N., Kohlert C. Programmny kompleks dlya upravleniya tsvetom tonkikh zhyostkikh polimernykh materialov // Avtomatizatsiya v promyshlennosti. 2012. № 7. S. 12-18. In Rus.
28. Chistyakova T.B., Kuiikov S.I, Polosin A.N, Kohlert C. PO dlya upravleniya tolshchinoy kalandro-vannykh tonkikh materialov // Avtomatizatsiya v promysh-lennosti. 2007. № 1. S. 8-11. In Rus.
29. Chistyakova T.B, Averbukh A.B, Kohlert C. Matematicheskoe modelirovanie protsessov usad-ki/rastyazheniya polimernoy plyonki dkya upravleniya kalandrovoy liniey // Khimicheskaya Promyshlennost'. 2005. T. 82, № 10. S. 498-508. In Rus.
30. Chistyakova T.B, Araztaganova A.M., Kohlert C Matematicheskie modeli i programmnye kompleksy dlya issledovaniya i upravleniya kachestvom termousadochnykh polimernykh plyonok // Izvestiya SPbGTI(TU). 2018. № 46. S. 123-127. In Rus.
31. Chistyakova T.B, Sergeev N.A, Kohlert C Matematicheskaya model' sistemy okhlazhdeniya
kalandrovoy linii dlya upravleniya kachestvom polimernogo materiala // Khimicheskaya Promyshlennost'. 2005. T. 82, № 2. S. 72-81. In Rus.
32. Chistyakova T.B, Teterin M.A. Programmny kompleks dlya monitoringa i upravleniya kachestvom polimernykh plyonok mezhdunarodnoy promyshlennoy kor-poratsii // Dinamika slozhnykh system - XXI vek. 2018. T. 12, № 3. S. 52-62. In Rus.
33. Chistyakova T.B. Informatsionnye tekhnologii sinteza komp'yuternykh trenazhyorov dlya khimicheskikh proizvodstv // Izvestiya SPbGTI(TU). 2007. № 1. S. 90-95. In Rus.
34. Chistyakova T.B, Novozhilova I. V. Intelligence computer simulators for elearning of specialists of innovative industrial enterprises // Proceedings of the XIX International Conference on Soft Computing and Measurements (SCM'2016). St. Petersburg: Saint Petersburg Electrotechnical University «LETI», 2016. P. 329-332. DOI: 10.1109/SCM.2016.7519772.
35. Zhukov I.V., Habarov M.D, Kharazov V.G. Komp'yuternye trenazhyory dlya testirovaniya i razrabotki system usovershenstvovannogo upravleniya tekhnolog-icheskim protsessom // Izvestiya SPbGTI(TU). 2017. № 40. S. 111-114. In Rus.
Сведения об авторах:
Тетерин Михаил Александрович, ст. преподаватель каф. систем автоматизированного проектирования и управления, соискатель; Mikhail A. Teterin, senior lecturer of computer-aided design and control department, Ph.D applicant, e-mail: michail. teterin. 92@gmail. com
Чистякова Тамара Балабековна, д-р техн. наук, профессор, зав. каф. систем автоматизированного проектирования и управления; Tamara B. Chistyakova, Dr. Sci. (Eng.), Professor, head of computer-aided design and control department, e-mail: chistb@mail.ru
Полосин Андрей Николаевич, канд. техн. наук, доцент каф. систем автоматизированного проектирования и управления; Andrey N. Polosin, Ph.D (Eng.), associate professor of computer-aided design and control department, e-mail: polosin-1976@mail.ru
