AI နည်းပညာသည် ကမ္ဘာလုံးဆိုင်ရာနည်းပညာဖွံ့ဖြိုးတိုးတက်မှုတွင် အစွန်းထွက်နယ်ပယ်တစ်ခုအဖြစ် ပေါ်ထွက်လာခဲ့သည်။ ထိပ်တန်း extruder ထုတ်လုပ်သူအနေဖြင့် Yongte သည် မကြာသေးမီက အတုထောက်လှမ်းရေး (AI) ပေါင်းစည်းမှုအား ထုထည်ပုံသွင်းကိရိယာများ၏ PLC အချိန်နှင့်တပြေးညီ ထိန်းချုပ်မှုစနစ်သို့ အဆိုပြုခဲ့သည်။ ဤဆန်းသစ်သောချဉ်းကပ်မှုသည် ရိုးရာအဝိုင်းပိတ် PID စည်းမျဉ်းမှ အသိဉာဏ်ရှိသော လိုက်လျောညီထွေရှိသော ပူးပေါင်းထိန်းချုပ်မှုဆိုင်ရာ ပါရာဒိုင်းများသို့ ကူးပြောင်းရန် ရည်ရွယ်သည်၊ ထိန်းချုပ်မှုယန္တရားများ၊ လုပ်ငန်းဆောင်ရွက်မှုမုဒ်များ၊ အရည်အသွေးအာမခံစနစ်များနှင့် ပြုပြင်ထိန်းသိမ်းမှုမူဘောင်များဆီသို့ ကူးပြောင်းသွားရန် ရည်ရွယ်ပါသည်။ ပင်မနည်းပညာဆိုင်ရာ အကျိုးသက်ရောက်မှုနှင့် အင်ဂျင်နီယာစွမ်းဆောင်ရည်ကို အဓိကကျသော အတိုင်းအတာခြောက်ခုဖြင့် စနစ်တကျ အကဲဖြတ်နိုင်သည်- ထိန်းချုပ်ယန္တရားများ၊ လုပ်ငန်းစဉ် ပိုမိုကောင်းမွန်အောင်၊ အရည်အသွေးစီမံခန့်ခွဲမှု၊ ကြိုတင်ပြင်ဆင်ထိန်းသိမ်းမှု၊ စွမ်းအင်ထိရောက်မှု စီမံခန့်ခွဲရေးနှင့် စနစ်တည်ဆောက်ပုံဒီဇိုင်း။

I. ထိန်းချုပ်မှု ယန္တရား- ပုံသေ ပါရာမီတာ စည်းမျဉ်းမှ ဘက်စုံပြောင်းလဲနိုင်သော ပေါင်းစပ်အသိဉာဏ်ဖြင့် ပူးပေါင်းဆောင်ရွက်သည့် ထိန်းချုပ်မှုသို့ ကူးပြောင်းခြင်း

သမားရိုးကျ extruder PLC စနစ်များသည် အပူချိန်၊ လည်ပတ်မှုအမြန်နှုန်းနှင့် ဖိအားကဲ့သို့သော သီးခြားကန့်သတ်ချက်များကိုသာ ရရှိနိုင်သည့် ၎င်းတို့၏ ပင်မထိန်းချုပ်မှုယန္တရားအဖြစ် PID တစ်ခုတည်း-ကွင်းဆက်စည်းမျဉ်းကို အားကိုးသည်။ ဤချဉ်းကပ်မှုသည် ပစ္စည်းဂုဏ်သတ္တိများ၊ ဝက်အူဝတ်ခြင်းနှင့် ပတ်ဝန်းကျင် အပူချိန်အတက်အကျများအပါအဝင် ပြင်းထန်စွာတွဲနေသော အနှောင့်အယှက်များကို ဖြေရှင်းရန် ရုန်းကန်နေရပါသည်။ AI ၏နိဒါန်းနှင့်အတူ

၁။ မော်ဒယ်ကြိုတင်ခန့်မှန်းထိန်းချုပ်မှု (MPC)၊ အားဖြည့်သင်ကြားမှု (RL) သို့မဟုတ် လိုက်လျောညီထွေရှိသော အာရုံကြောကွန်ရက်များကို အခြေခံ၍ ဘက်စုံထည့်သွင်းသည့် ဘက်စုံအထွက် (MIMO) ပူးပေါင်းထိန်းချုပ်မှုမော်ဒယ်ကို အပူချိန်ဇုန်များ၊ ဝက်အူမြန်နှုန်း၊ ဆွဲအားနှုန်းနှင့် အရည်ပျော်ဖိအားများတစ်လျှောက် ကမ္ဘာလုံးဆိုင်ရာ ဒိုင်းနမစ်ကိုက်ညီမှုရရှိစေရန် တည်ဆောက်ထားသည်။

၂။ ထိန်းချုပ်မှုဘောင်များကို လုပ်ငန်းစဉ်အခြေအနေများအလိုက် အွန်လိုင်းတွင် အလိုအလျောက်ချိန်ညှိနိုင်ပြီး ပိုမိုကောင်းမွန်အောင်ပြုလုပ်နိုင်ပြီး၊ ထုတ်ယူမှုလုပ်ငန်းစဉ်အတွင်း တက်ကြွတည်ငြိမ်မှုနှင့် အနှောက်အယှက်ဖြစ်မှုတို့ကို ခံနိုင်ရည်ရှိစေကာမူ စနစ်လွန်လွန်ကဲမှုနှင့် တည်ငြိမ်သောအခြေအနေတွင် အမှားအယွင်းများကို သိသိသာသာလျှော့ချနိုင်သည်။

၃။ AI ဆုံးဖြတ်ချက်ချသည့်အလွှာနှင့် PLC သည် အချိန်နှင့်တစ်ပြေးညီထိန်းချုပ်မှုအလွှာသည် master-slave ပူးပေါင်းလုပ်ဆောင်မှုဗိသုကာတစ်ခုအသွင်ဆောင်သည်- AI သည် အကောင်းဆုံးထိန်းချုပ်မှုဘောင်ကို ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်ပေးကာ PLC သည် ယုတ္တိဗေဒလုပ်ဆောင်မှုများ၊ ဘေးကင်းရေးဆိုင်ရာ သော့ခတ်မှုများနှင့် မီလီစက္ကန့်အဆင့်ထိန်းချုပ်မှုလိုအပ်ချက်များကို ပြည့်မီစေရန် အချိန်နှင့်တစ်ပြေးညီမောင်းနှင်သည့်လုပ်ဆောင်ချက်များကို လုပ်ဆောင်သည်။

II လုပ်ငန်းစဉ် ပိုမိုကောင်းမွန်အောင် ပြုလုပ်ခြင်း- ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ လုပ်ငန်းစဉ် ကန့်သတ်ချက် ပိုမိုကောင်းမွန်အောင် ပြုလုပ်ခြင်းနှင့် လျင်မြန်သော ပုံစံပြောင်းခြင်းကို ရရှိခြင်း။

သမားရိုးကျ extrusion လုပ်ငန်းစဉ်များသည် အတွေ့အကြုံရှိ နည်းပညာရှင်များ၏ အစမ်း-အမှားနည်းလမ်းများကို အားကိုးသဖြင့် ပစ္စည်းအစားထိုးမှု၊ သေဆုံးမှုပြောင်းလဲခြင်းနှင့် သတ်မှတ်ချက်ပြောင်းလဲမှုများအပြင် မြင့်မားသောအပိုင်းအစနှုန်းထားများအတွက် ကြာမြင့်စွာလည်ပတ်မှုများဖြစ်ပေါ်စေပါသည်။ AI စွမ်းရည်မြှင့်တင်ပြီးနောက်

၁။ သမိုင်းဆိုင်ရာ လုပ်ငန်းစဉ်ဒေတာနှင့် အချိန်နှင့်တပြေးညီ လည်ပတ်မှုအခြေအနေများအပေါ် အခြေခံ၍ ပစ္စည်းအဆင့်များ၊ ထုတ်ကုန်အတိုင်းအတာများ၊ ထုတ်လုပ်မှုစွမ်းရည်ပစ်မှတ်များနှင့် ထုတ်ယူမှုကန့်သတ်ချက်များကြားတွင် ဉာဏ်ရည်ထက်မြက်သော ကိုက်ညီမှုရရှိစေရန် လုပ်ငန်းစဉ် ကန့်သတ်မြေပုံပုံစံကို တည်ဆောက်ထားသည်။

၂။ တစ်ချက်နှိပ်ရုံဖြင့် လုပ်ငန်းစဉ် အလိုအလျောက် မျိုးဆက်နှင့် တိုးတက်သော ပေါင်းစည်းမှုကို ပံ့ပိုးပေးသည်၊၊ လုပ်ငန်းစဉ် အမှားရှာပြင်ခြင်း စက်ဝန်းကို သိသိသာသာ တိုစေကာ manual အတွေ့အကြုံအပေါ် မြင့်မားသော မှီခိုမှုကို လျှော့ချပေးသည်။

၃။ အပူလွန်ကဲခြင်း၊ ဖိအားပိုလွန်ခြင်းနှင့် ဝန်ပိုခြင်းကဲ့သို့သော ကိုက်ညီမှုမရှိသော လည်ပတ်မှုအခြေအနေများကို တားဆီးရန် အသိဉာဏ်ကန့်သတ်ချက်နှင့် လိုက်နာမှုစစ်ဆေးခြင်းကို အကောင်အထည်ဖော်ပါ။

III အရည်အသွေးထိန်းချုပ်မှု- အော့ဖ်လိုင်းနမူနာစမ်းသပ်ခြင်းမှ အွန်လိုင်းအပိတ်-စက်ဝိုင်း ဉာဏ်ရည်ဉာဏ်သွေး ပြုပြင်မှုအထိ ဆင့်ကဲပြောင်းလဲခြင်း

အွန်လိုင်း ထောက်လှမ်းမှုယူနစ်များ (အထူတိုင်းထွာများ၊ လေဆာအတိုင်းအတာ အာရုံခံကိရိယာများနှင့် အမြင်အာရုံစနစ်များ) ကို ပေါင်းစပ်ခြင်းဖြင့် AI နှင့် PLC တို့သည် ကွင်းပိတ်အရည်အသွေး ထိန်းချုပ်မှုစနစ်ကို ဖွဲ့ဆိုသည်-

၁။ AI သည် ထုတ်ကုန်များ၏ အတိုင်းအတာသွေဖည်မှုများနှင့် မျက်နှာပြင်ချို့ယွင်းချက်များကို အချိန်နှင့်တစ်ပြေးညီ စွမ်းဆောင်နိုင်ရည်ထုတ်ယူခြင်းနှင့် လမ်းကြောင်းကြိုတင်ခန့်မှန်းခြင်းကို လုပ်ဆောင်ပြီး PLC သို့ အမှားပြင်ဆင်ခြင်းအမိန့်များကို တိုက်ရိုက်ထုတ်ပေးပါသည်။

၂။ အပူချိန်၊ ဆွဲငင်အားနှင့် ဝက်အူအမြန်နှုန်းအတွက် ဒိုင်နမစ်လျော်ကြေးငွေသည် အနည်းငယ်မျှသာ သည်းခံနိုင်မှုကန့်သတ်ချက်များအတွင်း ထုထည်အတက်အကျများကို ထိန်းသိမ်းထားရန် လုပ်ဆောင်သည်။

၃။ လုပ်ငန်းစဉ်ကန့်သတ်ချက်များ၊ လုပ်ငန်းဆောင်ရွက်မှုအခြေအနေနှင့် အရည်အသွေးရလဒ်များအကြား ဆက်စပ်ခွဲခြမ်းစိတ်ဖြာမှုရရှိရန် လုပ်ငန်းစဉ်ပြည့်အရည်အသွေး ခြေရာခံနိုင်မှုစနစ်တစ်ခုကို တည်ထောင်ပါ

IV ကြိုတင်ပြင်ဆင်ထိန်းသိမ်းမှု- အခင်းဖြစ်ပွားပြီးနောက် ပြုပြင်ခြင်းနှင့် ပုံမှန်ထိန်းသိမ်းခြင်းမှ ကြိုတင်သတိပေးချက်သို့ ကူးပြောင်းခြင်း

AI သည် torque၊ current၊ temperature gradient နှင့် pressure pulsation အပါအဝင် PLC မှစုဆောင်းထားသော characteristic signals များအပေါ် နက်ရှိုင်းစွာ သင်ယူမှုကို လုပ်ဆောင်သည်။

၁။ ကြိုတင်သတိပေးချက်များနှင့် ကျန်ရှိနေသောအသက်ကို ခန့်မှန်းနိုင်စေရန်အတွက် အစောပိုင်းသတိပေးချက်လက္ခဏာများဖြစ်သည့် စစ်ထုတ်ခြင်းပိတ်ဆို့ခြင်း၊ ဝက်အူပေါက်ခြင်း၊

၂။ စီစဉ်ထားသော တိကျသောပြုပြင်ထိန်းသိမ်းမှုအား ပံ့ပိုးရန်၊ စီစဉ်ထားခြင်းမရှိသော စက်ရပ်ချိန်ကို လျှော့ချရန်၊ စက်ပစ္စည်းများ သန့်ရှင်းမှု ဆုံးရှုံးမှုနှင့် ရုတ်တရက် စက်ချို့ယွင်းမှုများကို ပံ့ပိုးရန်အတွက် ပြုပြင်ထိန်းသိမ်းမှု ဆုံးဖြတ်ချက် အကြံပြုချက်များကို ပေးပါ။

၃။ ပုံမှန်မဟုတ်သော လည်ပတ်မှုအခြေအနေများအတွက် အထက်အောက်တုံ့ပြန်မှုဗျူဟာကို တီထွင်ပါ- လုပ်ဆောင်ချက်များ၏ စည်းစနစ်ကျနမှုကို ရရှိစေရန် PLC ဘေးကင်းရေး ယုတ္တိဗေဒဖြင့် ပေါင်းစပ်ပါ- စောစီးစွာ သတိပေးချက်→ ဝန်လျှော့ချရေး→ အပြီးပိတ်လိုက်သည်။

V. Energy Efficiency Optimization- လုပ်ငန်းစဉ်တစ်ခုလုံးတစ်လျှောက် Intelligent Energy Consumption Regulation ကို ရရှိခြင်း

စွမ်းအင်သုံးကိရိယာများအနေနှင့်၊ extruder များသည် AI သည် စွမ်းအင်သုံးစွဲမှုပုံစံများနှင့် လုပ်ငန်းစဉ်ကန့်သတ်ချက်များကို အခြေခံ၍ ရည်ရွယ်ချက်များစွာဖြင့် ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်ရန် AI ကို ပံ့ပိုးပေးပါသည်။

၁။ ထုတ်ကုန်အရည်အသွေးနှင့် ထုတ်လုပ်မှုစွမ်းရည်ကို အာမခံချိန်တွင်၊ အပူလွန်ကဲပြီး စွမ်းအင်သုံးစွဲမှုကို လျှော့ချရန် အပူချိန်ဇုန်များတစ်လျှောက် အပူစွမ်းအင်နှင့် ဝက်အူလည်ပတ်မှုစွမ်းဆောင်ရည်ကို အင်တိုက်အားတိုက် အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်ပါ။

၂။ ပါဝါချောချောမွေ့မွေ့ စည်းမျဥ်းများရရှိရန် ဝန်အတက်အကျများကို ပေါင်းစပ်ခြင်းဖြင့်၊ စွမ်းအင်အသုံးချမှု ထိရောက်မှုကို မြှင့်တင်ပေးသည်၊ ထို့ကြောင့် စွမ်းအင်ထိန်းသိမ်းမှု၊ သုံးစွဲမှုလျှော့ချရေးနှင့် တည်ငြိမ်သောလည်ပတ်မှု၏ ရည်မှန်းချက်နှစ်ရပ်ကို အကောင်အထည်ဖော်နိုင်မည်ဖြစ်သည်။

VI ။ စနစ်ဗိသုကာ- Edge Intelligence နှင့် PLC ပူးပေါင်းဆောင်ရွက်ခြင်းဖြင့် Novel Control System ကို တည်ထောင်ခြင်း

PLC တွက်ချက်မှုဆိုင်ရာ အရင်းအမြစ်များအပေါ် ကန့်သတ်ချက်များကြောင့် AI ကို သမားရိုးကျ PLC အကောင်အထည်ဖော်ခြင်းဆိုင်ရာ ကျိုးကြောင်းဆီလျော်မှုတွင် တိုက်ရိုက်ထည့်သွင်း၍မရပါ။ ၎င်းသည် အင်ဂျင်နီယာ အကောင်အထည်ဖော်နေစဉ်အတွင်း အလွှာလိုက်ဗိသုကာလက္ခဏာကို ဖြစ်ပေါ်စေသည်။

၁။ အာရုံခံအလွှာ- အာရုံခံကိရိယာများသည် အပူချိန်၊ ဖိအား၊ လည်ပတ်မှုအမြန်နှုန်း၊ ရုန်းအားနှင့် ထုထည်အပါအဝင် အရင်းအမြစ်ပေါင်းစုံဒေတာကို စုဆောင်းသည်။

၂။ ထိန်းချုပ်မှုအလွှာ- PLC သည် အချိန်နှင့်တစ်ပြေးညီ ယုတ္တိဗေဒ၊ ရွေ့လျားမှုထိန်းချုပ်မှု၊ ဘေးကင်းလုံခြုံရေးနှင့် ညွှန်ကြားချက်များကို ကိုင်တွယ်ဆောင်ရွက်ပါသည်။

၃။ Edge Intelligence အလွှာ- edge computing unit သည် AI မော်ဒယ်၏ ကောက်ချက်ချမှု၊ လုပ်ဆောင်ချက်ခွဲခြမ်းစိတ်ဖြာမှု၊ ဆုံးဖြတ်ချက်ချခြင်းနှင့် ညွှန်ကြားချက်များ ပေးပို့ခြင်းတို့ကို လုပ်ဆောင်သည်။

၄။ အပြန်အလှန်အကျိုးသက်ရောက်မှုအလွှာ- Profinet၊ EtherNet/IP နှင့် Modbus TCP အပါအဝင် စက်မှုဘတ်စ်ကားများမှတစ်ဆင့် ယုံကြည်စိတ်ချရပြီး မြင့်မားသော၊ latency နည်းသောဒေတာဖလှယ်မှုကို ဖွင့်ပေးသည်။

တင်ပြလာတဲ့ အဓိက နိဂုံးများ

AI နည်းပညာနှင့် ပေါင်းစပ်ထားသော extruder PLC ထိန်းချုပ်မှုစနစ်သည် PLC များကို အစားမထိုးဘဲ ဉာဏ်ရည်ထက်မြက်သော ချဲ့ထွင်မှုမှတစ်ဆင့် ၎င်းတို့၏ ထိန်းချုပ်မှုစွမ်းရည်ကို မြှင့်တင်ပေးပါသည်။ သမားရိုးကျ passive execution ထိန်းချုပ်မှုအား ခံယူချက်-ဆုံးဖြတ်ချက်-ကွပ်မျက်ခြင်း-တုံ့ပြန်ချက်ပါရှိသော ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရအသိဉာဏ်ဖြင့် ထိန်းချုပ်မှုပုံစံသို့ အဆင့်မြှင့်တင်ခြင်းဖြင့်၊ ၎င်းသည် extrusion လုပ်ငန်းစဉ်တည်ငြိမ်မှု၊ ညီညွတ်မှု၊ အထွက်နှုန်းနှင့် အလုံးစုံစက်ပစ္စည်းစွမ်းဆောင်ရည် (OEE) တို့ကို သိသိသာသာ တိုးတက်ကောင်းမွန်စေသည်။ ဤချဉ်းကပ်မှုသည် တစ်ပြိုင်နက်တည်းတွင် လက်လုပ်လက်စားလုပ်အား၊ လုပ်ငန်းလည်ပတ်မှုကုန်ကျစရိတ်နှင့် စွမ်းအင်သုံးစွဲမှုအပေါ် မှီခိုအားထားမှုကို လျှော့ချပေးကာ အဆင့်မြင့်နည်းပညာသုံး စက်များတွင် ဉာဏ်ရည်ထက်မြက်သော အဆင့်မြှင့်တင်မှုများအတွက် အဓိကနည်းပညာလမ်းကြောင်းကို ထူထောင်ပေးသည်။

AI နည်းပညာ၏တိုးတက်မှုနှင့်အတူ၊ extruder ထိန်းချုပ်မှုစနစ်များသည် AI နှင့် စစ်မှန်သောပေါင်းစည်းမှုရရှိမည့်နေ့ကို ကျွန်ုပ်တို့မျှော်လင့်ပါသည်။ ဤအသွင်ပြောင်းမှုသည် "လုပ်ငန်းလည်ပတ်ကိရိယာများ" မှ "ဉာဏ်ရည်ထက်မြက်သောလုပ်ဖော်ကိုင်ဖက်များ" သို့ မိရိုးဖလာ ခွဲထုတ်ကိရိယာများအတွက် အရည်အသွေးကောင်းမွန်သော ခုန်ပျံကျော်လွှားမှုကို ဆိုလိုသည်သာမက ဒေတာမောင်းနှင်သည့် လုပ်ငန်းစဉ်ကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းဖြင့် ပေါ်လီမာရုပ်ပုံသွင်းထုတ်လုပ်မှုတွင် အခြေခံအပြောင်းအလဲများကို ဖြစ်ပေါ်စေပါသည်။ ထိုသို့သောတိုးတက်မှုသည် အရည်အသွေးတိကျမှု၊ ထုတ်လုပ်မှုထိရောက်မှုနှင့် အစိမ်းရောင်ကုန်ထုတ်လုပ်မှုတို့တွင် စက်မှုလုပ်ငန်းစံနှုန်းများကို မြှင့်တင်ပေးမည်ဖြစ်ပြီး၊ နောက်ဆုံးတွင် လူသား-စက်ပိုင်းဆိုင်ရာ ပူးပေါင်းဆောင်ရွက်မှုနှင့် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ဆင့်ကဲဖြစ်စဉ်တို့ လက္ခဏာရပ်ဖြင့် အသိဉာဏ်ရှိသော ထုတ်လုပ်မှုဂေဟစနစ်ကို တည်ထောင်မည်ဖြစ်သည်။