پایش وضعیت نورد گرم و کنترل کیفیت ضخامت ورق به‌صورت لحظه‌ای

در خطوط نورد گرم فولاد، کیفیت نهایی ورق به‌طور مستقیم به دما، فشار نورد، سرعت عبور و به‌ویژه ضخامت در لحظه وابسته است. برای رسیدن به تلرانس‌های دقیق و جلوگیری از تولید ضایعات، به‌کارگیری سامانه‌های پایش لحظه‌ای و کنترل خودکار ضخامت ورق به یک ضرورت فنی تبدیل شده است. 

اجزای کلیدی سامانه پایش و کنترل ضخامت ورق

سنسورهای اندازه‌گیری ضخامت آنلاین
معمولاً از Gaugeهای پرتو ایکس یا گاما (X-Ray / Gamma Thickness Gauge) یا سنسورهای لیزری برای اندازه‌گیری غیرتماسی ضخامت ورق استفاده می‌شود.


دیتالاگر و کنترلر صنعتی (PLC/DCS)

داده‌های سنسورها به‌صورت آنی در PLC یا DCS پردازش و با مقادیر مرجع مقایسه می‌شوند.


سامانه‌های کنترل فیدبک هیدرولیکی
خروجی پردازش ضخامت، به سیستم AGC – Automatic Gauge Control ارسال شده و به‌طور خودکار فاصله غلتک‌ها تنظیم می‌شود.


پروتکل‌های ارتباطی پرسرعت

برای انتقال بدون تأخیر داده‌ها از پروتکل‌های Profinet، EtherCAT یا OPC UA استفاده می‌شود که در محیط‌های صنعتی سنگین پایدار و سریع عمل می‌کنند.

فرآیند پایش و اصلاح در لحظه

۱٫ ورق فولادی از قفسه‌های نورد عبور می‌کند.
۲٫ سنسور ضخامت، داده‌ی واقعی را به کنترلر ارسال می‌کند.
۳٫ کنترلر اختلاف مقدار واقعی و مقدار هدف (Setpoint) را محاسبه می‌کند.
۴٫ فرمان اصلاحی به سیستم هیدرولیکی یا سرووولو ارسال می‌شود و غلتک‌ها تنظیم می‌شوند.
۵٫ داده‌ها به‌صورت گرافیکی روی داشبورد مانیتورینگ نمایش داده شده و ذخیره می‌گردند.

 

در یک خط نورد گرم فولاد با ظرفیت۲ میلیون تن در سال، استفاده از Gauge لیزری با دقت ±۰٫۲۵ میکرون و پیاده‌سازی پروتکل EtherCAT باعث شد نوسان ضخامت از ۲٪ به کمتر از ۰٫۵٪ کاهش پیدا کند. این موضوع ضمن بهبود کیفیت نهایی،۵۰۰ تن کاهش ضایعات سالانه به‌همراه داشت.

 مزایای فنی سامانه پایش ضخامت لحظه‌ای

  1. کاهش تغییرات ضخامت و بهبود تلرانس ابعادی
  2. افزایش عمر غلتک‌ها و کاهش فشار مکانیکی غیرضروری
  3. امکان ثبت کامل داده‌ها برای ردیابی کیفیت (Traceability)
  4. واکنش سریع به تغییرات ناگهانی دما و سرعت نورد
  5. قابلیت اتصال به سیستم‌های MES و ERP جهت یکپارچه‌سازی تولید

قابلیت‌های پیشرفته مبتنی بر IoT و تحلیل داده

تحلیل پیش‌بینانه (Predictive Analytics) برای پیش‌بینی خرابی غلتک‌ها بر اساس الگوی داده‌های ضخامت
نمایش آنلاین در داشبورد وب یا موبایل از طریق OPC UA و MQTT
ذخیره‌سازی کلان‌داده‌ها (Big Data) و استفاده از الگوریتم‌های یادگیری ماشین جهت بهینه‌سازی پارامترهای نورد در طول زمان

 

اگر به دنبال پیاده‌سازی این سیستم در پروژه‌های صنعتی خود هستید، همین حالا با شماره های ۰۹۱۲۸۵۷۸۰۴۶ و ۰۹۱۲۰۱۹۱۳۶۸ تماس بگیرید و یا به ایمیل info@iotbiz.ir درخواست خود را ارسال کنید تا مشاوره رایگان دریافت کنید و راهکار مناسب را دریافت کنید.

اشتراک گذاری این مطلب

نظرات شما




موضوعات مرتبط