Datainsamling och automatisering av en glassproduktionslinje

En internationell glasstillverkare behövde förbättra kvaliteten i chokladsprutningsprocessen som utfördes av produktionslinjens maskiner. Det övergripande målet var att automatisera glassstrutslinjen. Dewesoft levererade en färdig lösning som säkerställde jämn kvalitet på strutarna med hjälp av infraröda kameror och mjukvara för dataanalys.

Vår kund är en välkänd internationell glasstillverkare. Du har sannolikt haft möjlighet att njuta av någon av deras glassprodukter minst en gång.

Med verksamhet i över 20 länder visar företaget sin styrka genom ett brett sortiment av glassprodukter, från klassiska strutar till förpackade varianter och mycket mer. Denna variation, tillsammans med deras globala närvaro, har stärkt deras position som en ledande internationell aktör.

En automatiserad produktionsprocess för glassstrutar omfattar vanligtvis följande steg:

1. Blandning
   Automatiserad utrustning blandar stora satser av glassmeten för att säkerställa jämn kvalitet.

2. Frysning
   Industriell frysutrustning möjliggör en kontinuerlig och effektiv frysningsprocess.

3. Formning och sprutning
   Specialiserade maskiner formar snabbt och exakt den frysta massan till strutar, medan andra applicerar ingredienser som choklad eller kräm.

4. Kvalitetskontroll
   Automatiserade kontroller säkerställer att varje produkt uppfyller krav på form, storlek, struktur och smak.

5. Förpackning
   Automatiserade system paketerar produkterna effektivt och i hög hastighet.

Mål

Samarbetet med Dewesoft uppstod ur behovet att analysera och utvärdera kvaliteten i chokladsprutningsprocessen som utfördes av produktionslinjens maskiner. Det övergripande målet var att automatisera produktionen av glassstrutar och samtidigt minska behovet av konstant manuell övervakning.

Både ekonomiska och kvalitetsrelaterade faktorer låg bakom initiativet. Kvalitet innebär att varje enskild produkt uppfyller höga krav i alla led.

När det gäller ekonomi handlar det inte om att minska personalstyrkan, utan om att frigöra operatörer från repetitiva maskinuppgifter så att de kan fokusera på mer värdeskapande arbete.

Produkter som inte uppfyller kvalitetskraven kasseras ofta i stället för att återvinnas. I en produktion där en glass tillverkas var 1,5 sekund kan även små avvikelser få stora konsekvenser.

En enkel beräkning visar att om endast 1 % av produkterna inte uppfyller kraven, motsvarar det cirka 24 defekta enheter per timme. Under ett dygn innebär det 576 kasserade glassar.

Ingen tillverkare har råd med sådant svinn. Därför anlitades Dewesoft för att genomföra en förstudie och ta fram en lösning som möjliggör automatisk identifiering av produkter som inte uppfyller kraven samt stödjer snabba och välgrundade korrigerande åtgärder.

Den övergripande visionen är att ta produktionen mot Industry 4.0, där sensorer, mjukvara och automation integreras i produktionslinjen. Detta möjliggör datainsamling och analys som leder till bättre beslutsfattande.

Dessa digitala teknologier bidrar till ökad automatisering, prediktivt underhåll och självlärande processer. Resultatet är högre effektivitet, snabbare respons och en förbättrad slutprodukt för kunden.

Mätuppställning

Produktionslinjer består av en sekvens av maskiner som arbetar kontinuerligt och inte bör stoppas under drift. Därför måste den valda mätlösningen vara så lite intrusiv som möjligt och säkerställa att den inte stör eller påverkar maskinernas normala funktion.

Vi implementerade en infraröd värmekamera i kombination med specialkonfigurerad DewesoftX-programvara. Den valda kameran var Optris XI 400, som kombinerar fördelarna med en robust och kompakt pyrometer med funktionaliteten hos en infraröd kamera.

Kameran anslöts med hjälp av Dewesofts Optris-plugin, en mjukvarumodul som möjliggör visualisering, analys och lagring av data från Optris värmekameror. Den stöder modellerna XI400, PI400 och PI640. I detta test användes en värmekamera med en upplösning på 302 × 288 pixlar.

Värmekameran placerades så att den endast täckte en av de sex raderna med strutar som rörde sig samtidigt.

Denna konfiguration är effektiv tack vare sin enkelhet, vilket ytterligare förstärks av Dewesofts användarvänliga arkitektur och enkla implementering.

För att exakt fånga alla nödvändiga parametrar för analys av sprutkvaliteten var det avgörande att utveckla ett specialanpassat fäste. Detta fäste monterades på en mekanisk arm och utformades för att placera kameran ovanför strutraden. Syftet var att rikta optiken nedåt och enbart fånga strutarnas kanter och insidor.

Datainsamling och efterbearbetning

Den 28 juni 2023 genomförde vi mätningar vid företagets italienska anläggning. Testsessionen varade i cirka en timme. Under denna tid samarbetade vi med operatörer och underhållsingenjörer. Deras erfarenhet gjorde det möjligt att simulera olika scenarier som kan uppstå vid problem med munstycket eller trycksystemet.

DewesoftX-programvaran samlade kontinuerligt in och bearbetade hela dataströmmen i realtid under testperioden. Vi kunde omedelbart presentera variationer i värden och bilder som tydligt fångades av värmekameran när specifika problem uppstod.

Efter insamlingen kunde vi bearbeta data offline och extrahera relevanta parametrar som indikerar sprutprocessens tillstånd. De implementerade matematiska operationerna inkluderar:

• Användning av “Latch”-funktionen för att fånga och lagra det registrerade värdet vid det ögonblick då triggern för linjeförflyttning aktiveras.

• Användning av “Basic Statistics” för att analysera alla registrerade datapunkter och tillhandahålla värden för att definiera tröskelvärden som skiljer godkända produkter från icke godkända.

• Logiska villkor som, baserat på identifierade parametrar, gör det möjligt att ändra status på en LED som visas intuitivt på skärmen och indikerar om varje strut är godkänd eller inte.

Genom lämpliga matematiska formler kunde vi även införa en räknare som identifierar defekta produkter och relaterar dessa till det totala antalet producerade enheter. Denna beräkning gav ett värde som speglar produktionslinjens övergripande effektivitet och prestanda.

Dataanalys

Genom att analysera hela datasetet kunde vi identifiera de parametrar som kännetecknar den normala driften av chokladsprutningsmaskinen.

Denna identifiering var avgörande för att jämföra dessa data med de som erhölls vid varje problematiskt scenario. Den gjorde det också möjligt att definiera tröskelvärden för att avgöra om en produkt är godkänd eller inte.

Vi tillämpade grundläggande statistiska analyser på data från värmekameran, inklusive minimum, maximum, medelvärde, median och peak-to-peak-värden. Dessa analyser gav en tydlig referens till de typiska värden som definierar maskinens normala drift.

Figur 5 är en skärmbild av den insamlade datafilen som visar resultaten från dessa matematiska processer.

Till vänster kan du observera de värden som beräknades omedelbart varje gång triggerhändelsen aktiverades. Denna händelse inträffade varje gång värmekameran detekterade rörelsen av en ny enhet.

Överst, från vänster till höger, hittar du det absoluta värdet som erhölls genom att använda grundläggande statistiska metoder på alla sampel som registrerades under mätintervallet. Detta tillvägagångssätt genererade ett enda meningsfullt värde som kunde jämföras med de faktiska värden som samlas in när produktionslinjen är i drift.

Observerade fall

Genom att analysera den insamlade datan kunde vi undersöka alla scenarier som kan uppstå när problem uppkommer under chokladsprutningen. Att kunna arbeta under dessa förhållanden gjorde det möjligt att identifiera de viktiga parametrar som krävs när sådana problem uppstår:

Minskning av spruttryck

Detta problem kan uppstå på grund av felaktigt inställda maskinparametrar eller andra faktorer som leder till minskat flöde av varm choklad från munstycket. Konsekvenserna av det reducerade trycket är en total chokladtäckning som inte uppfyller kraven samt mer ojämna ytor på grund av den minskade mängden applicerat material. Som följd fäster chokladen inte korrekt på våffelstruten.

Delvis igensatt munstycke

Detta problem uppstår när material byggs upp i munstycket, vilket hindrar chokladens flöde och minskar dess flytbarhet och jämnhet. Som ett resultat fördelas materialet ojämnt på våffelstruten och uppvisar oregelbundna områden.

Fullständig igensättning av munstycke

Detta problem uppstår vid en fullständig blockering i chokladkanalen eller munstycket. Felaktiga maskininställningar kan också leda till blockering och ett totalt spruttryck på noll. Resultatet av denna blockering är en strut utan choklad, där ett kallare och mer heterogent område blir synligt på grund av avsaknaden av varm sprutad choklad.

Efter dataanalysen identifierade och implementerade vi flera metoder för att upptäcka icke godkända enheter. När vi väl hade fastställt de “tröskelvärden” som skiljer godkända från icke godkända produkter, var det enkelt att integrera dessa i matematiska uttryck.

Logiska villkor styr dessa uttryck och ger i realtid en bedömning av kvaliteten på den nyproducerade enheten. Produktionsfel kan beräknas med fyra olika metoder som fungerar parallellt och inte utesluter varandra:

Peak-to-peak-analys

Analys av peak-to-peak-värdet, som representerar skillnaden mellan maximum- och minimumvärden, avslöjar områden som inte är tillräckligt täckta med varm choklad. Denna mätning ger konsekvent värdefulla insikter. Ett högt peak-to-peak-värde indikerar tydligt områden som inte är korrekt täckta.

Det omvända gäller dock inte alltid. Ett lågt peak-to-peak-värde bekräftar inte nödvändigtvis att produkten är godkänd, vilket framgår av analysen baserad på maximumvärdet.

Användning av medelvärde

Medelvärdet indikerar hur jämn den chokladsprutade ytan är. Ju lägre medelvärde, desto större är området som inte är tillräckligt täckt med choklad.

Att använda medelvärdet gör det enkelt att identifiera större delar av våffelstruten som inte har sprutats korrekt. Till skillnad från andra metoder som inte skulle avslöja denna avvikelse med ett enda värde. Till exempel indikerar värden under 41° ett problem. Ett lågt medelvärde kan också tyda på en liten täckt yta, även om den är jämn, vilket kan bero på lågt spruttryck.

Användning av maximum

Ett mycket lågt maximumvärde indikerar en minskning av munstyckets tryck, vilket förhindrar att hela våffelstruten täcks tillräckligt. I sådana fall kan enbart peak-to-peak-analys ge missvisande resultat. Maximumvärdet minskar avsevärt och närmar sig de registrerade minimumvärdena. Resultatet blir en peak-to-peak-skillnad som kan ligga inom intervallet som anses vara normalt eller godkänt.

Användning av minimum

Tydligt låga minimumvärden indikerar att området som fångas av kameran inte uppvisar korrekt täckning, vilket innebär att det finns helt otäckta partier på grund av otillräckligt tryck eller en möjlig igensättning i munstycket.

Integration med produktionslinjens automation

I den slutliga konfigurationen, utformad för att automatisera hela produktionslinjen, planeras följande enheter:

• Implementering av N värmekameror, där N motsvarar antalet banor som producerar glassstrutar.

• En digital ingångssignal för att synkronisera datainsamling och beräkning av parametrar vid exakt det ögonblick då produktionslinjen förflyttas.

N digitala utgångssignaler för att leverera ett binärt värde till produktionslinjens automationssystem.

Mätning och jämförelse av aktuella värden för varje glass möjliggör automatisering av linjen och snabb bortsortering av icke godkända produkter genom en dedikerad maskin i produktionslinjen. Resultaten från de tidigare beskrivna algoritmerna användes för att styra digitala utgångar som möjliggjorde automatisk kassering av icke godkända produkter.

Vidare, genom att implementera specifika algoritmer i DewesoftX-programvaran, är det möjligt att efter en serie iterationer definiera ett värde som signalerar behovet av att initiera prediktivt underhåll baserat på kontinuerlig övervakning. Målet är att planera underhållsåtgärder innan maskinerna, eller hela produktionslinjen, börjar visa tecken på försämrad prestanda, vilket minskar kostnader kopplade till oplanerade driftstopp.

Fördelen med denna lösning är dess enkla implementation. Det är en färdig hård- och mjukvaruarkitektur som kan implementeras i produktionslinjen utan att störa den befintliga driften.