BazTech - Yadda

1

Zastosowanie sztucznej inteligencji do optymalnej produkcji tektury falistej

Garbowski Tomasz

Przegląd Papierniczy

|

2023

|

R. 79, nr 5

279--288

PL

Podczas produkcji tektury falistej zachodzi wiele dynamicznych procesów fizycznych i mechanicznych, takich jak formowanie warstwy pofalowanej, sklejanie linerów z flutingiem przy udziale wysokiej temperatury i ciśnienia. Dynamika tych procesów bezpośrednio wpływa na jakość produktu, a także na ilość i rodzaj ewentualnych wad. Właściwości użytkowe i wytrzymałościowe tektury falistej zależą też od typu i gramatury papierów wykorzystanych na poszczególne warstwy oraz od ilości i składu/stężenia mieszanki klejowej. Kluczową rolę odgrywa również wilgotność materiału wsadowego oraz temperatura w procesie nagrzewania i suszenia. Tektura falista po przerobie nie jest tożsama z tekturą bezpośrednio po wyprodukowaniu, a suma cech papierów składowych wykorzystanych do jej produkcji nie wystarczy, aby ją poprawnie opisać. W artykule podjęto próbę odpowiedzi na pytania – jak poprawnie wykorzystać informacje o materiale wsadowym używanym do produkcji tektury falistej i jak zintegrować parametry produkcyjne oraz inne dane pomiarowe zbierane podczas magazynowania, transportu i przerobu ze sztuczną inteligencją, w celu zoptymalizowania procesu produkcji i samego produktu.

EN

During the production of corrugated board, many dynamic physical and mechanical processes take place, such as the formation of a corrugated layer, gluing of liners with fluting using high temperature and pressure. The dynamic of these processes directly affects the quality of the product, as well as the number and type of possible defects. The usable and strength properties of corrugated board also depend on the type and grammage of papers used for individual layers and on the amount and composition/concentration of the adhesive mixture. The moisture content of the input material, as well as the temperature in the heating and drying process, also play a key role. There is no doubt that corrugated board after converting is not identical to cardboard immediately after production, and the sum of the characteristics of the constituent papers used for its production is not enough to describe it correctly. This article attempts to answer the question of how to correctly use information about the input material used for the production of corrugated board, as well as how to integrate production parameters and other measurement data collected during storage, transport / processing with artificial intelligence in order to optimize the production process and the product itself.

2

Control method of winding quality in shrink sleeve labels converting process

Krystosiak K., Werpachowski W.

Computer Methods in Materials Science

|

2015

|

Vol. 15, No.3

409--415

EN

In manufacturing practice of most big printing companies there are collected data, records of process parameters. Gathering information from them in form of developed models and rules is the subject of interdisciplinary field of science like data mining which uses statistical methods or Artificial Intelligence, like Artificial Neural Networks, Decision Trees, Expert Systems and many other. Effect of using data mining tools will be quality improving of shrink sleeve labels and winding process and also reduction manufacturing costs. This paper describes developed models of Artificial Neural Networks (ANN) to be used for prediction of initial tension parameters and winding speed for each every new design of shrink sleeve label. Every one design of shrink sleeve label has a lot of factors. Some of them are more significant, some of them less. The aim of this paper is to choose significant factors and build a model of ANN in learning process with using collected data. Finally when ANN model will be computed, it can be used for prediction of key winding parameters of new shrink sleeve label designs. This will brings for company saved time for experimental selection during converting of winding parameters like tension and speed and also will be minimized risk of occurrence of defects with incorrect winding parameters.

PL

W praktyce produkcyjnej w większości dużych przedsiębiorstw poligraficznych są gromadzone dane, zapisy dotyczące parametrów procesu. Wydobycie z nich informacji w postaci opracowanych modeli reguł i zasad postępowania jest przedmiotem interdyscyplinarnej dziedziny nauki jaką jest eksploracja danych, która wykorzystuje metody statystyczne, czy sztucznej inteligencji, jak np. sztuczne sieci neuronowe, drzewa decyzyjne, systemy ekspertowe, i inne. Efektem tych działań będzie poprawa jakości wyrobu i procesu oraz obniżenie kosztów wytwarzania. Artykuł prezentuje opracowany model sztucznej sieci neuronowej (SSN), w celu wykorzystania do predykcji początkowych parametrów naciągów oraz prędkości nawijania dla każdego nowego wyrobu, czyli etykiet termokurczliwych. Każdy wzór etykiet termokurczliwych posiada wiele zmiennych. Niektóre z nich są bardziej istotne, inne mniej. Celem niniejszego artykułu jest wybór istotnych zmiennych i opracowanie modelu SSN w procesie uczenia sieci na zebranych danych. Model SSN obliczy wartości wyjściowe - w tym przypadku parametry początkowe naciągów dla odwijaka i nawijaka oraz prędkość nawijania. Uzyskany efekt, to zaoszczędzony czas na eksperymentalnym doborze naciągów w trakcie pracy przy danym zleceniu produkcyjnym, a także zmniejszone ryzyko wystąpienia wad związanych z niewłaściwie dobranymi wartościami naciągów. Zastosowanie SSN w celu optymalizacji jakości nawijania przyniosło pozytywny efekt. Badania wstępne na danych historycznych z procesu konfekcjonowania udowodniły, że ta metoda może myć użyteczna do celu predykcji optymalnych wstępnych parametrów nawijania, takich jak naciągi czy prędkość, bazując na kilku najistotniejszych zmiennych opisujących proces konfekcjonowania. Niniejsze badania potwierdziły, że model UJ Sztucznej Sieci Neuronowej odnalazł zależności występujące w procesie konfekcjonowania.

3

Usuwanie ołowiu ze stopu Cu-Pb-Fe na drodze barbotażu helem

Oleksiak B.

Rudy i Metale Nieżelazne

|

2008

|

R. 53, nr 6

353-358

PL

Technologia przerobu stopu Cu-Pb-Fe polega na jego konwertorowaniu przy dmuchu powietrzem. Celem tego procesu jest uzyskanie miedzi zawierającej do 0,3 % mas. ołowiu oraz usunięcie z niej arsenu, a także uzyskanie jak największego stopnia eliminacji ołowiu do pyłów. Produktami konwertorowania oprócz miedzi są pyły i żużel. Pyły kierowane są do bezpośredniego przerobu w celu odzyskania z nich ołowiu, żużel natomiast wraca do przetopu w piecu elektrycznym wraz z żużlem z pieca zawiesinowego. Można więc przyjąć, że ołów zawarty w żużlu konwertorowym krąży w obiegu technologicznym. Aby określić możliwość opracowania technologii przerobu stopu Cu-Pb-Fe, umożliwiającej nie tylko otrzymanie miedzi o odpowiedniej zawartości ołowiu, ale także pozwalającej na całkowite przejście ołowiu do pyłów przeprowadzono badania kinetyki procesu barbotażu tego stopu argonem. W niniejszym artykule przedstawiono wyniki badań usuwania ołowiu ze stopu Cu-Pb-Fe na drodze barbotażu helem. Badania prowadzono w temperaturze 1473 i 1548 K i przy przepływie gazu 5,55ź10/-06, 6,94ź10/-06, 8,33ź10/-06, 9,72ź10/-06 m/3źs/-1. Na podstawie przeprowadzonych badań stwierdzono, że wraz ze wzrostem temperatury i natężenia przepływu gazu następuje wzrost stopnia usunięcia ołowiu.

EN

Technology of processing the Cu-Pb-Fe alloy comprises its converting by air blast. The aim of this process is extraction of copper containing up to 0.3 % wt. of lead and removal of arsenic, as well as obtainment of the highest degree of lead elimination to the dust. The products of converting, besides of copper are the dusts and slag. The dusts are run to the direct processing for recovery of lead, while the slag is returned back to electric furnace for remelting together with the slag from fluidized-bed furnace. It can be assumed then, that the lead contained in converter slag is circulating in the processing cycle. To determine the possibility of preparation of the processing technique for Cu-Pb-Fe alloy, enabling not only a recovery of copper with proper lead content, but also making possible for total transfer of lead to the dust, there were conducted examinations of kinetics of argon barbotage process for this alloy. In this article are presented the test results of 1523 K and gas flow 5.55ź10/-06, 6.94ź10/-06, 8.33ź10/-06, 9.72ź10/-06 m/3źs/-1. For examinations was utilized a PR-110/1300-H/V tube furnace allowing to heat the samples up to 1573 K temperature. Measurements of process temperatures was performed by three adjustable thermocouples PtRh10-Pt type. The gas was introduced to metal bath through an Al2O3 lance, immersed down to the depth 0.03 m over crucible bottom. Flow of gas was controlled by means of a system of values and rotameters. Basing on performed examinations it was proved that along with increase of temperature and intensity of gas flow, there occurs increase of lead removal degree.

4

Proces odmiedziowania żużla zawiesinowego i konwertorowania stopu CuPbFe w HM Głogów II.

Czernecki J., Śmieszek Z., Miczkowski Z., Pluciński S., Szwancyber G., Warmuz M., Garbacki J.

Rudy i Metale Nieżelazne

|

2001

|

R. 46, nr 5-6

221-227

PL

Jednym z produktów zawiesinowego stapiania koncentratów miedzi w HM Głogów jest żużel, w którym stężenie miedzi wynosi od 10 do 16 % mas. Cu, co stanowi 25-30 % miedzi wprowadzanej z koncentratem. Miedź z żużla jest odzyskiwana w piecu elektrycznym 18 MVA przez redukcję tlenków metali; w wyniku procesu otrzymuje się stop CuPbFe, żużel odpadowy i pyły. Stop CuPbFe przerabiany jest w konwertorze celem uzyskania miedzi konwertorowej przydatnej do procesu rafinacji ogniowej. W artykule przedstawiony jest rozwój obu tych technologii od uruchomienia zakładu w 1978 roku do chwili obecnej.

EN

One of the products of a single-stage process of copper production in the fluidized-bed furnace, at GŁOGÓW II copper smelter, is slag containing from 10 to 16 mass. % Cu, with makes 25-30 % of copper introduced to the furnace with a concentrates. Copper is recovered from the slag in an electric furnace 18 MVA by reduction of the metal oxides, and the product of this process is CuPbFe alloy, waste slag and dusts. CuPbFe alloy is converted to blister copper containing under 0,3 mass % Pb. The paper outlines development of the technology for slag cleaning and CuPbFe alloy converting and of the design of an electric furnace from the start-up in 1978 till present.