使用在线粒度分析优化磨床和空气分级性能

在现代制造过程中，实施全面的控制和监控系统是很正常的。其优点之一是能够及时、有效地提供大量数据:包括工艺流程、压力、温度、质量和能源使用。

这些参数可以在每分钟的基础上记录，并可以提供包含数十，甚至数百，数千操作条件记录的数据库。

这项工作旨在寻找新的机会，降低能源成本，提高产量和产量，同时仍然保持产品质量。

数据挖掘——概述

数据挖掘是一种相对较新的方法，旨在从海量数据中提取知识。它可以被定义为“从大型的、历史的和不同的数据集中发现重要的、隐式的、以前未知的、可能有用的和可理解的信息的半自动化过程。”

数据挖掘技术大致可分为三类:

• 手工识别模式
• 半自动识别
• 自动识别(在本例中已应用)。

图1所示的树显示了决策树的一部分，它与生产工厂中粉末的粒径有关。

图1所示。比如决策树

在线粒度分析-概述

在全自动光学系统中使用建立已久的激光衍射技术来测定干粉中的粒径和分布，为过程监控和改进和一致的产品质量提供了新的可能性，同时减少了浪费和资源的合理化。

该采样技术确保了在等速条件下的实时测量是可能的，因此可以充分和准确地描述微粒的特征。

过程概述

express的业务包括预混合、复合、挤压、造粒和造粒，随后是粉碎、分类和筛分。该产品为墨粉，是一种粒度分布紧密的细粉状产品。图2显示了粉碎、分级和筛分操作的示意图。

图2。工艺流程示意图

碳粉被真空输送从仓到过滤接收器，从那里，通过一系列的阀门，到粉碎机饲料料斗。

螺旋输送机将碳粉输送到粉碎机的底部，使用内部空气分级的流化床对射流磨机将颗粒尺寸减少到12微米以下。

粉碎后的产品被送入专用的空气分级机，其中的细馏分被去除。从分级机得到的粗品通过一个喷气筛得到成品墨粉。

工艺数据分析

每隔30秒从过程监控系统收集操作数据。这些数据包括了所有的关键工艺参数。总共有29,000多条记录，代表了超过一个星期的行动。图3显示了典型一天的产品粒度。

图3。粒径分布的典型变化

图4显示了整个数据集上过程电力成本的频率分布:

图4。电费数字变动

使用数据挖掘技术对数据进行分析，以确定模式，这可以解释关键流程性能参数的可变性。下图5显示了决策树的一部分，其中的“结果”(或目标)是粒子大小。

图5。以粒子大小作为结果的部分决策树

该树确定粉碎床压力是影响颗粒大小的最重要的因素。第二个因素是磨粉机转子的速度——较高的速度降低了平均粒径。

每个流程线的决策树都被检查了彼此之间的关系，预计它们之间会有良好的相关性。然而，情况并非如此——尤其是在结果设置为“收益率”的情况下。

用再热阀输出作为结果进行研究，结果表明分级机轮间隙气流是最重要的因素，通过跟踪这条路径发现，通过这些间隙的空气量远远高。

从这一发现，我们可以清楚地知道为什么这条生产线的产品收率明显低于其他生产线:它有更高的气流，而气流直接影响分类切割点。也就是说，气流越大=切割点越粗。

在这个系统上使用的更大的空气量，由于需要额外的功率来压缩额外的空气量，并在运行分级电机和排气机在更高的速度，以补偿粗糙的切割点，从而产生更高的能源使用量。

机会识别

在这些生产线上进行的数据挖掘实践表明，一些被认为不那么重要的参数可能会对整个工厂的性能和能源使用产生重大影响。

许多过程变量表现出长期和短期的循环变化，而长期变量则相对容易研究和改进;在短期内，产品质量的改善是最大的。

应用数据挖掘

上述讨论说明，使用数据挖掘和在线粒度分析技术对数据进行分析，可以确定改进流程性能的新机会，并量化这些新机会的影响。

该工具包不仅包含方便地挖掘新数据的工具，而且还包含“专家系统”功能，当数据可用时，可以将规则应用到数据处理中，并为流程操作员提供在线建议。

结论

所进行的工作表明，数据挖掘可以有效地用于提高墨粉的制造性能。在express，产量、质量、能源使用和吞吐量的改进已经被确认，包括:

• 采用已确定的低用电量计划，以减少用电量
• 减少在启动和关闭过程中产生的不合格材料
• 通过监测空气流量来提高产量
• 通过更好地理解工艺步骤的变化，提高产品质量
• 公用事业和主要设备的故障诊断
• 通过更少的频率和更明智的调整，更紧密的粒径分布
• 通过平滑周期变化提高植物产量
• 通过对优化方案与实际操作的比较进行过程调查

这些信息来源于细川美光提供的材料。欧洲杯足球竞彩

有关此来源的更多信息，请访问细川护熙微米．