Впервые опубликовано в Pulp & Paper Canada в Summer 2020 issue.
Обзор
Онлайн-датчики важны для современного производителя бумаги, поскольку благодаря непрерывному измерению свойств продукта они позволяют практически мгновенно реагировать на изменения процесса — как операторам, так и системам автоматического управления процессом.
Хотя оснащение предприятия онлайн-датчиками требует первоначальных капитальных затрат, они обычно быстро окупаются за счет сокращения выпуска некондиционной продукции и ускорения процесса смены сорта бумаги.
В большинстве случаев онлайн-датчики меняют роль лабораторных испытаний: из основного метода обеспечения качества они превращаются в инструмент контроля, гарантирующий, что датчики постоянно предоставляют точные измерения. Ключом к тому, чтобы показания онлайн-датчиков соответствовали офлайн-измерениям, полученным в заводских лабораториях контроля качества, является практика динамической корреляции датчиков, которая побуждает предприятия разрабатывать стратегию корреляции.
Лу Атнос, менеджер по работе с клиентами сервисного подразделения ABB, имеет более чем двадцатилетний опыт непосредственной работы с производителями бумаги и в настоящее время возглавляет группу по общим интересам TAPPI (TAPPI Common Interest Group) по вопросам корреляции датчиков. Значительная часть ее работы заключается в том, чтобы помогать клиентам создавать стратегию корреляции датчиков, гарантируя, что их онлайн-датчики могут выдавать точные измерения, а методы лабораторных измерений соответствуют отраслевым стандартам.
«Калибровка требует сравнения калибровочного эталона с измерением, выполненным с помощью вашего прибора, — говорит Атнос. — Проще говоря, процесс калибровки сравнивает выходные данные прибора с первичными эталонами и устанавливает их взаимосвязь».
В качестве примера Атнос приводит калибровку онлайн-датчика толщины, сравнивая его отклик с одним или несколькими прослеживаемыми эталонами известной толщины. «После завершения первоначальной калибровки набор первичных эталонов можно использовать для проверки стабильности и повторяемости датчика, — говорит она. — Ежемесячные проверки проводятся довольно часто».
Атнос добавляет, что важно, чтобы онлайн-датчик со временем был должным образом скоррелирован с лабораторными измерениями. Это предполагает регулярное сравнение показаний онлайн-датчиков с офлайн-измерениями, полученными в лаборатории контроля качества.
При проведении корреляции датчиков следует установить «пределы ожидаемого отклонения», чтобы объективно количественно оценить контрольные пределы между лабораторными и онлайн-измерениями. «Ожидаемое отклонение складывается из трех основных источников: точности датчика, вариативности процесса и точности лабораторных испытаний», — говорит Атнос.
Советы по запуску программы корреляции датчиков на предприятии
«Точность датчика должна быть указана производителем датчика. Свойства бумаги постоянно меняются в процессе производства, поэтому во время тестов на корреляцию невозможно и непрактично собирать образец именно из той точки, которую измеряет датчик. Необходимо учитывать влияние изменений процесса. Лабораторные факторы могут включать такие аспекты, как ошибка отбора проб, точность прибора, чувствительность прибора и ошибки при подготовке образцов».
Существуют различные методы корреляции датчиков. Например, для определения массы бумаги на единицу площади эти методы включают:
- Вес рулона или вес тамбура: расчет массы на единицу площади исходя из погонных метров, ширины обрезки и веса тамбура или рулона, с последующим сравнением с массой на единицу площади, указанной в отчете о тамбуре системы контроля качества.
- Динамический метод по одной точке: перевод датчика в одноточечный режим и сравнение результатов с лабораторными измерениями образцов, вырезанных из тамбура в той же позиции по ширине полотна.
«Важно понимать, что калибровка датчика и корреляция датчика — это разные вещи, — говорит Атнос. — Калибровка обеспечивает прецизионность, а корреляция датчика обеспечивает точность».
ПРИМЕР ИЗ ПРАКТИКИ
Американское предприятие, специализирующееся на упаковке, не могло добиться повторяемых результатов корреляции веса покрытия между лабораторными данными и онлайн-датчиками. Хотя операторы ожидали отклонение до 0,5 фунта на 3000 кв. футов, на самом деле они наблюдали отклонения, превышающие этот уровень в 10 раз.
Сначала они полагали, что проблема исходит от онлайн-датчика, но дальнейшее исследование показало, что первопричинами были высокая вариативность процесса на машине и несогласованные результаты лабораторных испытаний.
ВАРИАТИВНОСТЬ ПРОЦЕССА
Два онлайн-сканера (измеряющие массу на единицу площади до и после нанесения покрытия) были переведены в «одноточечный режим», после чего были собраны измерения массы на единицу площади.
Краткосрочная вариативность массы на единицу площади составляла примерно 5 фунтов на 3000 кв. футов между максимальным и минимальным значениями. Однако менее чем через неделю, после устранения проблемы в технологическом процессе, вариативность массы на единицу площади значительно снизилась — до 1,3 фунта на 3000 кв. футов.
Это подтвердило, что вариативность процесса влияла на результаты корреляции.
Лабораторная вариативность
Операторы проанализировали лабораторную вариативность, взяв образцы в поперечном и машинном направлениях размером один на три дюйма и весом около 13 граммов из трех точек тамбура: передней, средней и задней. Цель состояла в том, чтобы исследовать, насколько повторяемыми были лабораторные результаты для этих соседних полосок бумаги. Лабораторные тесты показали разброс до 2 фунтов на 3000 кв. футов веса покрытия между образцами. Для уменьшения вариативности было рекомендовано использовать образцы большего размера, чтобы снизить влияние случайных лабораторных ошибок и ошибок отбора проб, а также обеспечить повышенную точность.
Результаты
Производитель бумаги был удивлен, обнаружив, что ответственность за несогласованные результаты корреляции лежит не на онлайн-датчике.
Полезным итогом проекта стало начало дискуссий о том, как улучшить контроль веса покрытия в машинном направлении, что впоследствии позволило сэкономить на расходе покрытия: если возможно снизить вес покрытия на 0,5 фунта при сохранении высокого качества продукта, производитель может добиться экономии материала покрытия на 4,1 процента.
Некоторые другие причины, часто встречающиеся при плохой корреляции между лабораторными и онлайн-измерениями, включают несоблюдение стандартов измерения TAPPI или PAPTAC, отсутствие немедленной защиты образцов бумаги путем их запечатывания в пластиковый пакет (поскольку бумага гигроскопична), или измерение не той стороны бумаги для показателей, на которые влияет двусторонность.
Стратегии корреляции датчиков
Каждый производитель бумаги, использующий онлайн-датчики, должен иметь надежную стратегию корреляции датчиков, которая должна включать аудит процессов и методов корреляции датчиков для повышения точности измерений качества. Также должны быть установлены правильные стандартные операционные процедуры.
Атнос и ее команда помогли десяткам предприятий согласовать измерения онлайн-датчиков и лаборатории контроля качества.
Как говорит Эйвери Болтон, инженер по процессам качества в Domtar Hawesville и клиент сервиса корреляции датчиков ABB: «Сильная программа корреляции с ABB имеет решающее значение для операций, которые доверяют показаниям датчиков при принятии решений в реальном времени, влияющих на машины и производство. Операторы полагаются на измерения сканера, чтобы определить, когда продукция соответствует сорту. Когда разница между результатами сканера и лаборатории невелика, мы можем уверенно принимать быстрые решения».
Использование онлайн-датчиков с надлежащей корреляцией данных повышает точность измерения качества и позволяет добиться значительной экономии сырья, а также повысить эффективность за счет сокращения выпуска некондиционной продукции и снижения энергопотребления.
Тщательно проработанная программа корреляции датчиков необходима всем производителям бумаги для обеспечения качества продукции и прибыльности бизнеса.
«Надежная программа корреляции с ABB имеет решающее значение для предприятий, которые полагаются на показания датчиков при принятии решений в режиме реального времени, влияющих на работу машин и производство».
Эйвери Болтон, Domtar
