Inteligentni sistem vodenja proizvodne linije gumijevih profilov

Transcription

1 Inteligentni sistem vodenja proizvodne linije gumijevih profilov Andrej Dobnikar, Uroš Lotrič, Branko Šter, Mira Trebar Univerza v Ljubljani, Fakulteta za računalništvo in informatiko Tržaška cesta 25, 000 Ljubljana Andrej Dobnikar e-pošta: andrej.dobnikar@fri.uni-lj.si, telefon: fax:

2 Inteligentni sistem vodenja proizvodne linije gumijevih profilov Povzetek Članek podaja opis inteligentnega vodenja proizvodne linije gumijevih profilov. Zaradi zahteve po nedestruktivnem merjenju profilov je bil razvit poseben merilni sistem na osnovi treh kamer. Opisane so glavne značilnosti merilnega sistema in integracija v sistem vodenja linije. Centralni del sistema vodenja predstavlja mehki krmilnik, ki na osnovi mehke logike, mehkih pravil in mehkega sklepanja krmili ekstrudor profilov tako, da izmerjene dimenzije profilov ostanejo v tolerančnih mejah. Opisane so osnove mehkega krmiljenja in specifičnost njegove implementacije. Ob koncu so podani primeri uporabe sistema vodenja pri nadzoru linije, ki kažejo na to, da sistem zadovoljivo izpolnjuje pričakovanja. Ključne besede: mehka logika, inteligentno vodenje, nedestruktivno merjenje, proizvodnja gumijevih profilov Abstract The paper describes intelligent control of a rubber profile production line. Due to a demand for nondestructive testing of profiles, a special measurement system with three cameras was developed. Basic characteristics of the measurement system and its integration into the control system are presented. A central part of the control system is a fuzzy controller, which is based on fuzzy logic and controls the extruder in order to keep measured widths in tolerances. The basis of fuzzy controller and the specific implementation are given. The presented results show successful application of the control system on the rubber profile production line. Keywords: fuzzy logic, intelligent control, non-destructive measurement, rubber profile production line 2

3 Uvod V sodobni proizvodnji se vse bolj postavljajo zahteve po zmanjševanju stroškov. Enega od stroškov, na katerega lahko vplivamo v samem proizvodnem procesu, predstavljajo izdelki slabe kvalitete. Njihov delež lahko znatno zmanjšamo s sistemi za vodenje proizvodnih procesov. Takšen sistem smo razvili na proizvodnji liniji za izdelovanje gumijevih profilov v družbi Savatech, d.o.o. Osnovni problem pri izdelovanju gumijevih profilov predstavljajo kavčukove zmesi, katerih kvaliteta se zaradi narave sestavin, predvsem naravnega kavčuka in saj, spreminja. Zaradi razlik v homogenosti zmesi se spreminja njena viskoznost, od te pa so močno odvisne obdelovalne lastnosti zmesi in s tem tudi oblike profilov. Profili morajo zadoščati zahtevam kupcev, ki so podane kot stroge tolerance za izbrane dimenzije njihovih presekov. Odstopanja dimenzij gumijevih profilov zaradi omenjenih dejavnikov pa je na srečo v veliki meri mogoče kompenzirati s spreminjanjem vplivnih procesnih parametrov. Največji problem pri vodenju proizvodne linije gumijevih profilov predstavlja samo vrednotenje ustreznosti profilov. Za dober nadzor potrebujemo čim bolj pogosto in natančno merjenje, ki pa hkrati ne sme poškodovati izdelkov. Zato je bil za potrebe vodenja proizvodne linije gumijevih profilov razvit merilni sistem, ki omogoča sprotno nedestruktivno merjenje širin profilov pod tremi različnimi koti, iz katerih lahko z veliko verjetnostjo napovemo napake tako na zunanjem, vidnem delu profila, kot tudi v njegovi notranjosti. Sistem za vodenje na podlagi opravljenih meritev po potrebi sproži popravljanje izbranih vplivnih parametrov procesa tako, da se merjene dimenzije profilov povrnejo v tolerančne meje. V zadnjem času se z naraščanjem procesne moči računalnikov vedno bolj uveljavljajo metode vodenja na osnovi tako imenovanih mehkih računalniških metod procesiranja, kamor uvrščamo tudi modele izdelane na osnovi mehke logike in nevronskih mrež. V drugem poglavju bo podrobneje opisan proces izdelovanja gumijevih profilov, v tretjem poglavju bo predstavljen merilni sistem za merjenje dimenzij profilov, v četrtem in petem poglavju bodo podane osnove mehkega krmiljenja in razložen uporabljeni sistem vodenja. V 3

4 šestem poglavju bo na podatkih, zajetih med delovanjem sistema, ovrednoten opisani sistem vodenja ter nazadnje v zaključku poudarjene bistvene ugotovitve. 2 Proizvodna linija za izdelavo gumijevih profilov Proces izdelovanja gumijevih profilov je prikazan na sliki. Trak kavčukove zmesi preko podajalnika vstopa v ekstrudor. Polž v ekstrudorju z vrtenjem potiska kavčukovo zmes od vstopne odprtine proti glavi ekstrudorja z vstavljeno matrico, ki da ekstrudiranim profilom dokončno obliko. Surovi ekstrudirani profili nato potujejo v solno kopel, kjer se pri visokih temperaturah vulkanizirajo. V procesu vulkanizacije iz surovih profilov nastanejo gumijevi profili z elastičnimi lastnostmi. Iz solne kopeli gumijevi profili potujejo najprej v hladilno komoro, kjer se odstrani sol in prekine vulkanizacija, nato pa še v sušilno komoro, da se osušijo. Pred skladiščenjem se profili navijejo na kolute. kavčukova zmes glava z matrico merilni sistem gumijev profil ekstruder vulkanizacija ohlajanje sušenje navijanje Slika : Proces ekstrudiranja gumijevih profilov. Največji problem pri ekstrudiranju predstavlja spreminjanje preseka surovega profila na izhodu iz matrice (White, 995). Preseki ekstrudiranih profilov so močno odvisni od lastnosti same zmesi, predvsem nehomogenosti, ki ostanejo v njej po mešanju, in od razmerja med obrati polža in hitrostjo linije, imenovanega tudi faktor hitrosti. V manjši meri na nabrekanje kavčukove zmesi vpliva tudi temperatura ekstrudorja. Zato se v praksi spremembe oblike profilov, do katerih največkrat pride zaradi nehomogenosti v kavčukovi zmesi, odpravljajo predvsem z ustreznim prilagajanjem faktorja hitrosti. 3 Merilni sistem Z vidika kontrole izdelkov bi bilo merilni sistem za sprotno merjenje oblike profilov najbolje postaviti na koncu proizvodnje linije. Vendar bi bil v tem primeru odziv sistema zelo počasen. 4

5 Ker pa je zmanjšanje preseka po končanem ekstrudiranju zaradi relaksacije materiala in vulkanizacije majhno in zelo predvidljivo, je bolje, če je merilni sistem postavljen takoj za ekstrudorjem (slika ). Z idealnim merilnim sistemom bi zajeli presek profila (slika 2), na katerem bi lahko izmerili zahtevane zunanje in notranje dimenzije, vendar brez rezanja profila takšno dovolj natančno merjenje danes praktično ni izvedljivo. Slika 2: Presek profila z označenimi zahtevanimi dimenzijami in tolerančnimi mejami. Zato je bil izdelan merilni sistem na osnovi linijskih kamer, ki merijo zunanje dimenzije profila pod različnimi koti. Merilni sistem, razvit v sodelovanju z MB Vision, d.o.o. iz Ljubljane, je sestavljen iz treh kamer, postavljenih tako, da merijo širino profila pod zornimi koti 45 0, 90 0 in 35 0 (slika 3). kamera kamera 2 kamera 3 Slika 3: Merilni sistem, sestavljen iz treh kamer: a) v realnem okolju in b) shematski prikaz. 5

6 Zahtevam kupcev ustrezajo le profili brez napak, kar pomeni, da morajo biti vse zahtevane dimenzije znotraj tolerančnih mej. Za ovrednotenje merilnega sistema je bilo narejenih več poskusov z različnimi profili, pri čemer so bile z izkrmiljenjem proizvodnega procesa namenoma povzročene napake (Dobnikar et. al., 200). Korelacijska analiza števila napak, to je števila zahtevanih dimenzij v preseku profila, ki so izven tolerančnih mej, in širin profilov, izmerjenih z merilnim sistemom, je pokazala, da z merjenjem širin pod omenjenimi koti lahko s približno 90% zanesljivostjo napovemo, ali je v vzorcu napaka. Na primer, na sliki 4, ki prikazuje korelacije med številom napak in meritvami s kamero na enem od profilov, je v tolerančnem območju (sivo območje) enajst vzorcev brez napak in le en vzorec z napakami. 7 6 število napak širina profila izmerjena s kamero [mm] Slika 4: Število napak na profilu v odvisnosti od širine profila izmerjene s kamero. Ker je večino napak možno predvideti že na izhodu iz ekstrudorja, je mogoče izvesti povratnozančno vodenje proizvodne linije za izdelavo gumijevih profilov na osnovi predlaganega merilnega sistema. 4 Osnove mehkega krmilnika Opisani problem vodenja proizvodne linije tipično sodi v skupino problemov, pri katerih ne poznamo teoretične (analitične) zveze med vhodnimi in izhodnimi spremenljivkami. V takšnih primerih je primerno uporabiti metode, ki so približne in posnemajo človekovo razmišljanje. Sem uvrščamo metode, ki imajo osnovo v mehki logiki (Zadeh, 965) in s pomočjo katerih lahko zgradimo mehki krmilnik. 6

7 Mehki krmilnik je sistem, sestavljen iz treh delov (Harris et. al., 993):. iz vhodno/izhodnih mehkih spremenljivk in pripadajočih mehkih vrednosti, 2. iz mehkih pravil in 3. iz mehkih metod sklepanja (ang. inference). Vključeni so lahko še postopki mehčanja (ang. fuzzification) in odmehčanja (ang. defuzzification). 4. Mehke množice Vzemimo, da a,b,.. označujejo mehke vhodne, x, y,.. pa mehke izhodne spremenljivke. Univerzalno področje U določa množico možnih vrednosti mehke spremenljivke, n.pr. a U a, y U y. Mehka množica podaja mehke vrednosti, ki določajo pripadnosti mehkim množicam za posamezne vrednosti mehkih spremenljivk. Mehko spremenljivko a lahko opisujejo mehke množice, A, A 2,..., A N, kjer je N poljubno celo število. Pokrivanje mehkih spremenljivk z mehkimi množicami lahko izvedemo intuitivno glede na specifičnost problema, ali pa s postopkom vektorske kvantizacije (grupiranje), ki temelji na dejanskih meritvah vhodno/izhodnih mehkih spremenljivk in ki jo lahko implementiramo tudi s pomočjo učenja samoorganizirajočih nevronskih mrež (Haykin, 999). V nadaljevanju bomo predpostavili intuitivno določanje mehkih množic, ob upoštevanju vseh značilnosti problema vodenja proizvodne linije. 4.2 Mehka pravila Na področju mehkega inženirstva, kamor uvrščamo tudi mehke krmilnike, sta se uveljavili predvsem Zadeh-Mamdanijevo mehko pravilo in Takagi-Sugenovo mehko pravilo (Harris et. al., 993), ki imata osnovo v relaciji A Y, ki jo imenujemo implikacija in ki podaja posebno zvezo (vzrok/posledica) med dvema mehkima množicama. Zadeh-Mamdani-jevo mehko pravilo podaja izraz: IF a is A THEN y is Y kjer je a is A primer trditve, ki pomeni, da spremenljivka a pripada mehki množici A, kar podajamo s pripadnostno funkcijo µ A :U a [0,]. Posplošitev tega pravila je: IF a is A AND a 2 is A 2 AND... AND a k is A k THEN y is Y 7

8 V takšnem primeru, ko v pravilu nastopi več pogojev, ki so združeni preko operatorja AND, vsak pogoj lahko predstavimo z implikacijo tipa A i Y, ki se uporablja ločeno pri sklepanju o Y' : Y' = A i ' (A i -> Y) V zgornjem izrazu pomenita A i ' in Y' pogojno modificirani mehki množici, prva zaradi razmer na vhodu, druga pa zaradi vpliva vhodnih mehkih vrednosti na izhod, znak pa določa kompozicijo oziroma ustrezen par operatorjev, kot bo razloženo v nadaljevanju. Bistvo takšnega sklepanja je, da modificirana vhodna mehka množica implicira ustrezno modificirano izhodno mehko množico. Vrednosti Y' posameznih pogojev se združijo z enim od združevalnih (ang. aggregation) operatorjev (običajno AND, OR). V primeru, da so pogoji v pravilu združeni preko operatorja OR, takšno pravilo lahko pretvorimo v več pravil s po enim samim pogojem. Takagi-Sugenovo mehko pravilo pa določa izraz: IF a is A THEN y is f(a) kjer je f(a) poljubna funkcija nad spremenljivko a. Največkrat je funkcija f linearna ali pa polinom nižjih redov. Funkcija je lahko tudi konstanta, tedaj govorimo o 0-tem redu funkcije.v splošnem je pravilo tipa Takagi-Sugeno podano z: IF a is A i AND a 2 is A2 i AND...AND a m is Am i THEN y = f(a,...,a m ) 4.3 Mehke metode sklepanja Mehko sklepanje ali inferenca uporablja mehko implikacijo, mehko kompozicijo in mehke povezovalne (ang. link) operatorje, ki povezujejo mehka pravila v celoto. Mehko inferenco torej določa trojček F = < I, K, P>, kjer je I implikacijska relacija, K kompozicijski operator in P povezovalni operator, ki povezuje mehka pravila v celoto. Implikacija ima več različnih implementacij, vsaka od njih ima specifične lastnosti. Najpreprostejša je izvedba implikacije kar z MIN oziroma AND operatorjem, (Harris et. al., 993). Kompozicija mehkih relacij R (A, B) in R 2 (B, C) je mehka relacija R(A, C), ki jo dobimo z zaporedno izvedbo relacij R 8

9 in R 2. Tipična in najpogosteje uporabljena kompozicija je MAX-MIN kompozicija (Zadeh, 965), R(A, C): µ R (a,c) = µ R (a,b) µ R2 (b,c) = max(min(µ R (a,b),µ R2 (b,c))) Mehko sklepanje je kombinacija implikacije in kompozicije. Pri tem so od izbire implikacije in kompozicije odvisne lastnosti sklepanja. Najbolj pogosto uporabljene lastnosti mehkega sklepanja so naslednje: sklepanje naprej (generalized modus ponens, GMP), kjer pravilo R in trenutna vhodna množica A' omogočata sklepanje o množici B', ki je torej posledica ( ) trditev A B in (&) A': A B & A' B', kjer je: B' = A' (A B) ter sklepanje nazaj (generalized modus tolens, GMT), pri katerem pravilo R in trenutna izhodna množica B' omogočata sklepanje o množici A': A B & B' A', kjer je A' = (A -> B) B'. Izmed mehkih povezovalnih operatorjev so najbolj uporabni OR-link (ki uporablja MAX oziroma OR operator) in AND-link (z MIN oziroma AND operatorjem). V praksi so vhodne mehke spremenljivke podane z realnimi vrednostmi. Ker so tedaj tudi cilj realne izhodne mehke spremenljivke, se uporablja inferenčna metoda, ki po vrsti izvede mehčanje spremenljivk, evaluacijo pravil in odmehčanje. Pravila so tipa: IF a is A AND a 2 is A2 THEN y is Y Mehčanje spremenljivk je bilo opisano na začetku poglavja. Evaluacija pravil na osnovi mehkih vrednosti (pripadnosti mehkim množicam), ki pripadajo realnim vrednostim vhodnih mehkih spremenljivk, določa za vsako pravilo izhodno mehko množico Y', največkrat s pomočjo enega od obeh možnih načinov: 9

10 MIN inferenca: Y' = Y min(µ A (a ), µ A2 (a 2 )) Produktna inferenca: Y' = Y µ A (a ) µ A2 (a 2 ), kjer pomeni algebraični produkt. V primeru večjega števila vhodnih pogojev je torej potreben eden (ali več) združevalnih operatorjev, ki združi pogoje iz pravila z izhodno mehko množico. Pri tem se kot posplošitve združevalnih operatorjev uporabljajo operatorji T-norm in S-norm, katerih tipični predstavniki so: T-norm: T(a, b) = min(a, b); T(a, b) = a b; T(a, b) = max(0, a+b-) = a t b S-norm: S(a, b) = max(a, b), S(a, b) = a+b-a b; S(a, b) = min(, a+b) = a s b Kadar je zaradi preseka mehkih množic hkrati aktivnih več mehkih pravil, običajno algebraično seštevamo izhodne množice posameznih pravil ali pa uporabimo MAX (oziroma OR) povezovalni operator. Na primer, dve pravili oblike: R: IF a is A AND a 2 is A2 THEN y is Y R: IF a is A 2 AND a 2 is A2 2 THEN y is Y 2, povežemo z max(y '(y), Y 2 '(y), pri čemer smo z Y ' in Y 2 ' označili rezultat povezovanja vhodnih pogojev posameznega pravila v modificirano izhodno mehko množico pravila. V postopku odmehčanja, izračunamo realne vrednosti izhodne mehke spremenljivke na osnovi rezultatov evaluacije pravil. Za odmehčanje se najpogosteje uporabljata dve metodi: Pri metodi Center gravitacije se išče geometrični center y', ki balansira funkcije pripadnosti v okviru Y'. Dobimo ga s pomočjo izraza: y' =( µ Y' (y). y) / µ Y' (y) 0

11 Pri metodi Sredina maksimumov pa iščemo y', ki ustreza maksimumu izhodne mehke množice Y'. Če je takšnih točk več, potem poiščemo njihovo povprečje. 5 Mehki krmilnik v sistemu vodenja Mehki krmilnik v sistemu vodenja proizvodne linije gumijevih profilov je bil zasnovan kot sistem prvega reda, kar pomeni, da sta vhodni mehki spremenljivki napaka e (razlika med dejansko in referenčno vrednostjo za vsak profil z vsake kamere) in sprememba napake de (oziroma njen odvod), izhodna mehka spremenljivka pa je sprememba faktorja hitrosti df. Referenčne vrednosti so ročno potrjene želene vrednosti širin profilov, ki dajo na izhodu linije izdelek v tolerancah. Če število profilov označimo s P (P je največ 4), imamo zaradi treh kamer 3P meritev in prav toliko referenčnih vrednosti. Vsaka od napak e in sprememb napake de predlaga svojo spremembo faktorja hitrosti, zato je smiselno za dejansko spremembo faktorja hitrosti df vzeti uteženo povprečje vseh 3P prispevkov. Slika 5 prikazuje mehki krmilnik, kjer sta e in de vektorja napake in sprememb napake, mehke množice za omenjene spremenljivke pa podaja tabela. referenčne vrednosti e de + - mehki krmilnik df ekstrudor nadaljnji proces končni izdelek izmerjene vrednosti Slika 5: Mehki krmilnik v industrijskem procesu. Tabela : Mehke množice za vhodni spremenljivki e in de ter vrednosti izhodne spremenljivke df. e de df N negativen N negativen N negativen AZ približno nič AZ približno nič NS majhen negativen P pozitiven P pozitiven Z nič PS majhen pozitiven P pozitiven Slika 6 prikazuje pripadnost µ(e) spremenljivke e mehkim množicam N, AZ in P. Parametri vhodnih mehkih množic se določijo po zajemu referenčnih vrednosti:

12 referenčna vrednost za posamezno kamero in posamezen profil določa središče mehke množice AZ (e=0), tolerance iz recepta določajo območje [w, w + ], kjer je pripadnost spremenljivke e mehki množici AZ, µ AZ (e), enaka, tolerance iz recepta določajo območje [e +, e ], izven katerega je pripadnost spremenljivke e mehkima množicama N in P, µ N (e) in µ P (e), enaka. Na obeh vmesnih intervalih, [e, w ] in [e +, w + ], pa e pripada delno dvema množicama. Na intervalu [w, w + ] korekcija ni potrebna. Pod e ter nad e + je regulacija absolutno potrebna, vmes pa v določeni meri. N µ(e) AZ P e - w - 0 w + e + e Slika 6: Pripadnost spremenljivke e mehkim množicam. Tudi za vhodno spremenljivko de so parametri mehkih množic določeni vnaprej. Pripadnost spremenljivke de mehkim množicam prikazuje slika 7. µ(de) N AZ P ε de /2 d de ε de /2 de Slika 7: Pripadnost spremenljivke de mehkim množicam. 2

13 Z d de je označena širina območja s polno pripadnostjo množici AZ (privzeta vrednost 0.0), ε de /2 pa je širina območja, kjer pripadnost linearno pade od na 0 (privzeta vrednost 0.0). Izhodna spremenljivka je sprememba faktorja hitrosti df. Podana je kot model Takagi-Sugeno reda 0, kjer izhodne vrednosti podajajo konstante: N = -0,02, NS = -0,0, AZ = 0, PS = 0,0 in P = 0,02. Mehki krmilnik uporablja mehka pravila sklepanja, ki jih podaja tabela 2, oziroma izrazi: IF e=n AND de=n THEN df = P IF e=n AND de=az THEN df = PS IF e=n AND de=p THEN df = AZ... IF e=p AND de=p THEN df = N Spremembo faktorja hitrosti določata kompozicija in povezovanje pravil na osnovi enačbe: df ( µ () e, µ ( de) ) ij min Ei DEj df i= j= i= j= = = i= j= min w 3 ( µ Ei () e, µ DEj ( de) ) ij i= j= df w ij ij, kjer je µ Ei (e) pripadnost spremenljivke e mehki množici E i (N, AZ ali P), µ DEj (de) pa pripadnost spremenljivke de mehki množici DE j (N, AZ ali P). Vrednost w ij predstavlja mero, s katero je upoštevano pravilo ij glede na konkretne vhodne vrednosti. Spremenljivka df ij predstavlja želeno vrednost faktorja hitrosti df za pravilo ij. Dobimo jo v tabeli pravil (tabela 2) na presečišču vhodnih mehkih množic i in j. Tabela 2: Uporabljena mehka pravila za spremembo faktorja hitrosti df ij. de N AZ P N P PS Z e AZ PS Z NS P Z NS N 3

14 Na opisan način smo izračunali predlagano spremembo faktorja hitrosti za k-to kamero in p-ti profil in jo označimo z df kp. Za vse kamere, k =, 2, 3, in vse profile, p =,..., P, povprečimo izhodne vrednosti spremembe faktorjev z izrazom DF = 3P 3 P df kp k = p= in dobljeno povprečje zaokrožimo na stotinko (zahteva krmilnika). Zaokrožena vrednost DF predstavlja dejansko spremembo faktorja hitrosti. Opisani mehki krmilnik in povezavo z merilnim sistemom smo implementirali s programskim paketom ikrmilnik, ki vsebuje tudi grafični vmesnik, s katerim je mogoče enostavno in pregledno spremljanje vodenja proizvodne linije. Slika 8 ilustrira programski paket med delovanjem. Slika 8: Prikaz delovanja mehkega krmilnika za izbrano kamero in izbran profil. 6 Rezultati Delovanje mehkega krmilnika smo testirali na proizvodni liniji. Vse dokler so izmerjene širine profilov v tolerančnem območju, je konstanten tudi faktor hitrosti. Ko pa se pojavijo razlike med dejansko in referenčno vrednostjo izmerjenih širin profilov se z regulacijo faktorja hitrosti le-te poskušajo odpraviti. 4

15 Na sliki 9 je prikazan poskus regulacije pri konstantni hitrosti proizvodne linije in umetnem spreminjanju faktorja hitrosti. Testiranje se prične z zajemom referenčnih vrednosti širin profilov. Za srednjo kamero sta referenčni vrednosti 8,37 mm za prvi profil in 8,369 mm za drugi profil, začetni faktor hitrosti pa je 0,4 m -. V prvem delu testa smo začasno izključili regulacijo in umetno povečali faktor hitrosti na 0,43 m -. S tem smo umetno povečali dimenzije profilov. Po vključitvi regulacije je mehki krmilnik začel zmanjševati faktor hitrosti in s tem tudi dimenzije obeh profilov. Ko so se dimenzije profilov vrnile nazaj v tolerančno območje, se je faktor hitrosti ustalil na začetni vrednosti. Poskus smo ponovili še tako, da smo pri izključeni regulaciji faktor hitrosti zmanjšali na 0,37 m - in tako zmanjšali tudi dimenzije obeh profilov. Po ponovni vključitvi regulacije je mehki krmilnik začel postopno povečevati faktor hitrosti na začetno vrednost, pri kateri so se dimenzije profilov vrnile nazaj v tolerančno območje. širina profila [mm] 8,4 8,4 8,39 8,38 8,37 8,36 8,35 8,34 8,33 8,32 zajem referenc izkrmiljenje regulacija izkrmiljenje regulacija profil profil 2 referenca faktor 0,56 0,54 0,52 0,50 0,48 0,46 0,44 0,42 0,40 0,38 faktor hitrosti [/m] 8, čas [s] 0,36 Slika 9: Regulacija pri spreminjanju faktorja hitrosti. V drugem poskusu, ki je prikazan na sliki 0 imamo primer regulacije, ko so se dimenzije profilov zaradi spremembe parametrov procesa, najverjetneje zaradi nehomogenosti v zmesi, začele nenadoma povečevati. Zajeti referenčni vrednosti širin za srednjo kamero sta 8,369 mm za prvi profil in 8,368 mm za drugi profil, začetni faktor hitrosti pa 0,4 m -. Mehki krmilnik je na osnovi izmerjenih širin začel zmanjševati faktor hitrosti, tako da so se dimenzije profilov vrnile v tolerančno območje. 5

16 8,385 8,380 profil profil 2 referenca faktor hitrosti 0,65 0,60 širina profila [mm] 8,375 8,370 8,365 0,55 0,50 0,45 0,40 8, čas [s] 0,35 Slika 0: Regulacija faktorja hitrosti v odvisnosti od izmerjenih širin profilov. 7 Zaključek Prispevek podaja osnovne značilnosti inteligentnega vodenja splošnih procesov na osnovi mehkih tehnik računanja. Na konkretnem primeru nadzora proizvodne linije gumijevih profilov je bila demonstrirana njegova uporaba v praksi. S tem smo pokazali, da lahko nedestruktivni merilni sistem, sestavljen iz treh kamer, na izhodu iz ekstrudorja predstavlja dovolj natančen detektor napak v profilih, kar je lahko podlaga za uspešno povratnozančno vodenje. V testnem obdobju je sistem deloval po pričakovanjih in uspešno odpravil umetno vnesene napake profilov. Končno vrednost sistema pa bo pokazal čas oziroma njegova vključitev v redni proizvodnji proces ter natančna analiza prihrankov materiala. S stalnim merjenjem dimenzij profilov in stalnim obveščanjem o kakovosti izdelka bo sistem inteligentnega vodenja zagotavljal kvalitetni nadzor nad proizvodnim procesom. Z obveščanjem ob kritičnih situacijah pa bo omogočil tudi hitrejše odpravljanje napak, do katerih prihaja med proizvodnjo, in tako pomagal pri zmanjševanju količine slabih izdelkov in odpadka. Realno je zato pričakovati znižanje stroškov proizvodnje, zaradi stalnega nadzora nad kvaliteto izdelkov pa bo kupcem hkrati dana tudi garancija o kvaliteti proizvedenih profilov. 6

17 Zahvala Avtorji se zahvaljujejo sodelavcem Plan Inženiringa, Savatech, d.o.o., še posebej pa Marku Bratini, univ. dipl inž. in Janezu Bajžlju, univ. dipl. inž., za vso potrebno podporo in sodelovanje ter za njihov prispevek pri razvoju in uvajanju sistema. Zahvala gre tudi Ministrstvu za gospodarstvo Republike Slovenije, ki je finančno podprlo razvoj inteligentnega sistema vodenja proizvodnje gumijevih profilov. Literatura Dobnikar, A., Lotrič, U., Šter, B., Trebar, M., Gabrijel, I., Vavpotič, S. (200) Optimizacija procesa ekstrudiranja profilov, I, II. delovno poročilo, FRI, LASPP Harris, C. J., Moore, C. G., Brown, M. (993) Intelligent Control, Aspects of Fuzzy Logic and Neural Nets, World Scientific, Singapore. Haykin, S. (999), Neural Networks: A Comprehensive Foundation, Prentice Hall, New Jersey. White, J. L. (995) Rubber Processing, Hanser Publishers, Munich. Zadeh, L. A. (965) Fuzzy Sets, Information and Control, 8,

18 Biografije Andrej Dobnikar (946) je diplomiral, magistriral in doktoriral na Fakulteti za elektrotehniko v Ljubljani (97, 973, 984). Od leta 976 je zaposlen na ljubljanski univerzi, najprej kot asistent in docent na Fakulteti za elektrotehniko, nato pa kot izredni in redni procesor na Fakulteti za računalništvo in informatiko. Ukvarja se predvsem z metodami mehkega računanje, paralelnim procesiranjem in dinamičnimi sistemi. Uroš Lotrič (970) je diplomiral na Fakulteti za matematiko in fiziko Univerze v Ljubljani (994), magistriral in doktoriral pa na Fakulteti za računalništvo in informatiko Univerze v Ljubljani (997 in 2000). Od leta 999 naprej je zaposlen kot asistent na Fakulteti za računalništvo in informatiko na Univerzi v Ljubljani. Raziskovalno se ukvarja z metodami mehkega računanja in procesiranjem signalov. Branko Šter (967) je diplomiral na Fakulteti za elektrotehniko in računalništvo leta 993, magistriral 996 na Fakulteti za elektrotehniko in doktoriral 999 na Fakulteti za računalništvo in informatiko Univerze v Ljubljani. Od leta 998 je zaposlen na Fakulteti za računalništvo in informatiko kot asistent. Raziskovalno se ukvarja z metodami mehkega računanja in avtonomnimi robotskimi sistemi. Mira Trebar (957) je diplomirala leta 98 na Fakulteti za elektrotehniko, smer Računalništvo in informatika Univerze v Ljubljani, magistrirala leta 992 na Fakulteti za elektrotehniko in računalništvo in doktorirala leta 997 na Fakulteti za računalništvo in informatiko Univerze v Ljubljani. Od leta 998 je zaposlena kot višji predavatelj na isti fakulteti. Raziskovalno se ukvarja z metodami adaptivnega učenja, paralelnim procesiranjem in metodami individualnega in skupinskega razmišljanja. 8