ES2942578T3

ES2942578T3 - Método de diagnóstico predictivo para una planta de producción de cartón corrugado

Info

Publication number: ES2942578T3
Application number: ES18759658T
Authority: ES
Inventors: Mauro Adami; Marco Imposti; Gianluca Berrettini
Original assignee: Fosber SpA
Current assignee: Fosber SpA
Priority date: 2017-09-07
Filing date: 2018-09-04
Publication date: 2023-06-02
Anticipated expiration: 2038-09-04
Also published as: US20210373535A1; CN111201494A; EP3679437B1; WO2019048437A1; US11422536B2; EP3679437A1; CN111201494B; IT201700100484A1

Abstract

Se divulga un nuevo método para monitorear la operación de una planta de producción de cartón ondulado, el método permite detectar al menos un parámetro operativo de una unidad funcional de la planta, por ejemplo, una corriente absorbida por un motor. Entonces, el valor actual de una función estadística del parámetro operativo se calcula en una ventana temporal actual. El valor máximo y el valor mínimo de una misma función estadística se calculan a partir de datos historizados del parámetro operativo en cuestión. Al comparar el valor actual de la función estadística y los valores máximo y mínimo, se obtiene una información de diagnóstico predictivo. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Método de diagnóstico predictivo para una planta de producción de cartón corrugado

Campo técnico

La presente invención se refiere a las plantas de producción de cartón corrugado. Más en particular, la presente invención se refiere a métodos de diagnóstico predictivo para componentes o unidades funcionales de las plantas de producción de cartón corrugado.

Técnica anterior

El cartón corrugado se produce a partir de hojas de papel planas alimentadas por rollos maestros. El cartón corrugado consta normalmente de al menos una hoja de papel corrugado y dos hojas de papel planas, las denominadas revestimientos, entre las que se dispone la hoja de papel corrugado. Los revestimientos se pegan a la hoja de papel corrugado en la parte superior o cresta de los canales. En términos generales, un cartón corrugado puede comprender más de una hoja de papel corrugado. Normalmente, se dispone una hoja de papel plana entre cada par de hojas de papel corrugado.

Una planta de producción de cartón corrugado generalmente comprende una o más desbobinadoras para desenrollar rollos de bandas continuas u hojas de papel plano, y una o más corrugadoras. Cada corrugadora convierte una hoja continua de papel plano en una hoja continua de papel corrugado y une la hoja continua de papel corrugado a una hoja continua de papel plano, el denominado revestimiento. La lámina continua compuesta que sale de la corrugadora se alimenta a una máquina dobladora encoladora, donde se le pega un segundo revestimiento. En general, la planta puede comprender una o más corrugadoras para alimentar una o más hojas, que consisten en una hoja continua de papel corrugado y un revestimiento, a la máquina dobladora encoladora. La planta comprende además una sección donde se procesa el cartón corrugado de la máquina dobladora encoladora, esta sección se denomina extremo seco, para distinguirla de la sección (denominada extremo húmedo) que comprende las máquinas desde las desbobinadoras hasta las máquinas dobladoras encoladoras. La sección del extremo seco normalmente comprende una estación de marcado y corte longitudinal, donde la lámina de cartón corrugado se corta en tiras longitudinales continuas.

Las tiras longitudinales continuas se procesan adicionalmente para producir una serie de hojas separadas, o lo que se denomina plegado en abanico, es decir, una tira plegada en zigzag de acuerdo con líneas transversales de corte y plegado.

Las plantas de este tipo comprenden una pluralidad de unidades funcionales de varios tipos. Por ejemplo, se proporcionan motores eléctricos, bombas, sistemas de vapor, alimentador de cola, sistemas de aire presurizado, etc.

Es probable que las unidades funcionales se vean afectadas por el desgaste y puedan romperse. Las intervenciones de mantenimiento, reparación o sustitución de las unidades funcionales de una línea pueden resultar muy costosas, ya que podría ser necesario parar la línea incluso durante mucho tiempo. Los tiempos de inactividad resultan en pérdidas de producción que afectan los costes generales de producción. Teniendo en cuenta que el margen de beneficio del material producido (cartón corrugado) es muy reducido, un aumento de costes debido a pérdidas de producción derivadas de paradas de reparación o mantenimiento podría resultar muy oneroso para los usuarios. Además, la detención de la sección del extremo húmedo genera importantes desperdicios y largos tiempos de reinicio, ya que el cartón corrugado que aún está en la máquina debe descargarse y rechazarse por completo, y las secciones calientes (corrugadoras, máquina dobladora encoladora) se deben llevar nuevamente a la temperatura correcta antes de iniciar la producción de nuevo.

Por tanto, existe la necesidad de mejorar las líneas y plantas de producción de cartón corrugado, para superar, al menos parcialmente, los inconvenientes de la técnica actual, especialmente en lo que se refiere a los costes de reparación y mantenimiento. El documento EP2119559 A divulga un método y un dispositivo para detectar una parte empalmada.

Resumen de la invención

De acuerdo con un aspecto, se proporciona un método para monitorizar el funcionamiento de una planta de producción de cartón corrugado, que comprende las siguientes etapas:

- detectar al menos un parámetro operativo de una unidad funcional de la planta y calcular un valor actual de al menos una primera función estadística de dicho parámetro en una ventana temporal actual;

- calcular un valor máximo y un valor mínimo de la primera función estadística en base a datos históricos del parámetro operativo;

- comparar el valor actual de la primera función estadística y dicho valor máximo y dicho valor mínimo de dicha primera función estadística calculado sobre dichos datos históricos;

- generar una información de diagnóstico predictivo en base al resultado de dicha comparación.

En una realización mejorada de la invención, se usan dos funciones estadísticas en combinación. En este caso, el método puede implementarse realizando todas las etapas del mismo para cada una de las dos (o más) funciones estadísticas.

Prácticamente, los datos históricos del parámetro operativo, a partir de los cuales se calculan los valores de la(s) función(es) estadística(s), cuyo valor máximo y mínimo luego se calculan, pueden estar contenidos dentro de una ventana temporal de aprendizaje móvil. La ventana temporal móvil se traduce a lo largo del tiempo, para contener valores del parámetro operativo adquiridos a lo largo del tiempo, por ejemplo, a través de sensores adecuados. Prácticamente, la ventana temporal de aprendizaje se traduce a lo largo de una ordenada de tiempo, de modo que los valores máximo y mínimo de la(s) función(es) estadística(s) no se establecen de una vez por todas en base a una etapa de aprendizaje inicial realizado una sola vez. Viceversa, el proceso de aprendizaje se actualiza, es decir, la ventana temporal de aprendizaje (cuyos datos se utilizan para determinar los valores máximos y mínimos de la(s) función(es) estadística(s) para la siguiente comparación con los datos actuales) almacena continuamente los datos más recientes, descargando los mayores. La etapa de avance del tiempo se puede seleccionar de forma adecuada basándose simplemente en consideraciones de diseño.

Las funciones estadísticas pueden calcularse sobre intervalos de tiempo, o ventanas de cálculo, en las que se subdivide la ventana temporal de aprendizaje móvil. Por ejemplo, la ventana temporal de aprendizaje móvil se puede subdividir en una pluralidad de N ventanas de cálculo para calcular las funciones estadísticas. La ventana temporal de aprendizaje móvil puede avanzar temporalmente en etapas iguales a la duración de la ventana de cálculo. En este caso, en cada etapa temporal, se descartan los valores de la ventana de cálculo más antigua, mientras que se adquieren los datos contenidos en la nueva ventana de cálculo, correspondientes a la etapa temporal realizada por la ventana temporal de aprendizaje móvil.

La ventana temporal actual, en base a la cual se calculan la(s) función(es) estadística(s) actual(es), puede tener la misma duración que cada ventana de cálculo de función estadística en la que se subdivide la ventana temporal de aprendizaje móvil.

Como se explica mejor a continuación, para un funcionamiento más efectivo del sistema, la ventana temporal actual se distancia temporalmente de la ventana temporal de aprendizaje móvil.

También se describe aquí un método para monitorear la operación de una planta de producción de cartón corrugado, el método comprende las siguientes etapas:

(a) calcular un valor máximo y un valor mínimo de al menos una función estadística de un parámetro operativo de una unidad funcional en una ventana temporal de aprendizaje móvil;

(b) calcular un valor actual de la función estadística del parámetro operativo de la unidad funcional en una ventana temporal actual, siguiendo temporalmente y distanciada de la ventana temporal de aprendizaje móvil;

(c) comparar el valor actual de la función estadística y el valor máximo y el valor mínimo de la función estadística calculados en la ventana temporal de aprendizaje móvil;

(d) generar una pieza de información de diagnóstico predictivo en base al resultado de dicha comparación;

(e) traducir en el tiempo la ventana temporal de aprendizaje móvil y la ventana temporal actual;

(f) repetir las etapas de (a) a (e).

Como se describirá mejor a continuación con referencia a una pluralidad de realizaciones, la unidad funcional puede ser cualquier elemento o componente de la planta, o un conjunto o subconjunto de elementos o componentes, que deberán ser debidamente verificados con fines diagnóstico-predictivos.

En primer lugar, una unidad funcional puede ser un motor eléctrico, o una unidad que comprende un motor eléctrico y componentes asociados al mismo, tales como el accionamiento del motor, los actuadores, la(s) cadena(s) cinemática(s) movida(s) por el motor, etc.

Una unidad funcional también puede ser un componente de una cadena cinemática, o un cojinete, como un cojinete hidrostático, hidrodinámico o de rodamiento, o un conjunto de estos componentes. Las unidades funcionales también pueden ser, o pueden comprender, elementos móviles, como cuchillos longitudinales (por ejemplo, cuchillos giratorios en forma de disco), o cuchillos transversales (como cizallas transversales) o herramientas de plegado. Una unidad funcional también puede estar constituida por uno o más rodillos calentadores, rodillos guía y rodillos de retorno, rodillos estiradores, frenos de desbobinadores, empalmadores y sus partes, conductos para aire a presión, vapor, aceite u otros fluidos, rodillos de presión, rodillos corrugadores, placas calientes de máquina dobladora encoladora, transportadores, apiladores (apiladores verticales y apiladores horizontales), etc. En general, las unidades funcionales pueden comprender cualquier miembro, componente, elemento o combinación de los mismos, que esté sujeto a desgaste o consumo, y que pueda absorber o suministrar potencia mecánica, ejercer presión, empuje o tracción, absorber o suministrar fluidos (incluyendo aceite, agua, vapor, colas), generar vibraciones, etc.

Breve descripción de los dibujos

La invención se comprenderá mejor al seguir la descripción y los dibujos adjuntos, que muestran un ejemplo no limitativo de realización de la invención. Más en particular, en los dibujos:

Las Figs. 1A, 1B, 1C y 1D muestran partes de una planta de producción de cartón corrugado, que están dispuestas en secuencia a lo largo de la ruta de alimentación del cartón;

Las Figs. 2(A), 2(B), 2(C) y 2(D) muestran diagramas de ejemplo que ilustran el método de diagnóstico predictivo divulgado en este documento;

La Fig. 3 ilustra esquemáticamente una cizalla para cortar transversalmente el cartón corrugado continuo en hojas individuales;

Las Figs. 4A-4D muestran diagramas del funcionamiento de la cizalla de la Fig. 3;

Las Figs. 5A-5F muestran diagramas del método de diagnóstico aplicado a la cizalla de la Fig. 3;

La Fig. 6 muestra una ampliación de la sección de máquina dobladora encoladora de la línea de producción de cartón corrugado, en una realización;

La Fig. 7 muestra un diagrama del método de diagnóstico aplicado a la máquina dobladora encoladora de la Fig. 6;

La Fig. 8 muestra un diagrama del sistema de gestión de datos asociado con la línea de producción de cartón corrugado; y

La Fig. 9 muestra un diagrama de la tendencia de las funciones estadísticas calculadas en intervalos de tiempo posteriores, en caso de deriva de los valores de estas funciones.

Descripción detallada de las realizaciones

La siguiente descripción detallada de los ejemplos de realización se hace con referencia a los dibujos adjuntos. Los mismos números de referencia en diferentes figuras identifican elementos iguales o similares. Además, los dibujos no están necesariamente a escala. La descripción detallada a continuación no limita la invención. El ámbito de protección de la presente invención está definido por las reivindicaciones adjuntas.

En la descripción, la referencia a “una realización” o “ la realización” o “algunas realizaciones” significa que una característica, estructura o elemento particular descrito con referencia a una realización está comprendido en al menos una realización del objeto divulgado. Las oraciones “en una realización” o “en la realización” o “en algunas realizaciones” en la descripción, por lo tanto, no se refieren necesariamente a la misma realización o realizaciones. Las características, estructuras o elementos particulares se pueden combinar además de cualquier manera adecuada en una o más realizaciones.

En la realización ilustrada, se divulga una planta para la producción de hojas de cartón corrugado de doble pared, es decir, con dos hojas de papel corrugado, denominado papel acanalado, interpuestas entre dos hojas de papel planas, denominadas revestimientos, y una hoja intermedia interpuesta entre las dos hojas de papel acanalado. Además, la planta está configurada para proporcionar dos pilas de hojas en dos dispositivos de apilamiento adyacentes.

Sin embargo, debe entenderse que las características descritas a continuación, relacionadas con el método y el sistema de diagnóstico predictivo, pueden usarse también en plantas provistas de un número diferente de corrugadoras y, por lo tanto, adaptadas para producir una hoja de cartón corrugado que comprende un diferente número de hojas. Además, los sistemas de apilamiento pueden ser diferentes, por ejemplo, pueden adaptarse para formar una única pila o más de dos pilas de hojas de cartón. En otras realizaciones, los sistemas de apilamiento pueden proporcionar medios para doblar en abanico la hoja de cartón corrugado sin cortarla en hojas individuales.

De manera similar, la cortadora de máquina dobladora encoladora y la estación de corte y plegado longitudinal, divulgadas a continuación solo a modo de ejemplo, pueden configurarse de manera diferente a lo que se describe e ilustra en este documento.

Con referencia al dibujo adjunto, la planta comprende una primera sección 3 para producir una primera hoja de cartón corrugado de una cara, una segunda sección 5 para producir una segunda hoja de cartón corrugado de una cara, una tercera sección 7 para alimentar las dos hojas de cartón corrugado de una cara junto con una hoja plana de papel a una máquina 8 dobladora encoladora de una sección 9 que comprende la máquina 8 dobladora encoladora y los accesorios correspondientes. Desde la sección 9 se entrega una hoja de cartón corrugado compuesta, formada por el conjunto de hojas de cartón corrugado de una sola cara y de la hoja de papel plano adicional pegada a las mismas, formando esta hoja de papel plano un segundo revestimiento de la hoja de cartón corrugado compuesto.

Delante de la sección 9 está prevista una sección 11 en el que están dispuestos unos dispositivos para la eliminación de recortes, y adelante de la sección 11 está prevista un sección 13 para cortar y plegar longitudinalmente la hoja de cartón corrugado procedente de la sección 9 que contiene la máquina 8 dobladora encoladora, para separar la lámina de cartón corrugado en una pluralidad de tiras longitudinales de cartón corrugado y para formar líneas de plegado a lo largo de la extensión longitudinal de las tiras longitudinales únicas de cartón corrugado continuo.

En la realización ilustrada, la planta 1 también comprende, sólo a modo de ejemplo, una sección 15 para cortar transversalmente las tiras de cartón corrugado provenientes de la sección 13, un transportador 17 doble y dos áreas 19A y 19B para apilar las hojas de cartón cortadas en la sección 15 y alimentadas por medio del transportador 17 doble.

Una primera corrugadora 21 está dispuesta en la sección 3. Las corrugadoras que se pueden utilizar para producir una hoja de cartón corrugado de una sola cara son en sí conocidas. A continuación, solo se describirán los elementos principales de la corrugadora, siendo la corrugadora, por ejemplo, como se divulga en el documento US 8714223 o en el documento EP 1362691.

Brevemente, la corrugadora 21 puede comprender un primer rodillo 23 corrugador que actúa conjuntamente con un segundo rodillo 25 corrugador y un rodillo 27 de presión, u otro miembro de presión, para unir una hoja de papel plana y una hoja de cartón corrugado, como se describe a continuación. La corrugadora 21 se alimenta con una primera hoja de papel plana o lisa N1 desde una primera desbobinadora 29. La desbobinadora 29 puede configurarse de manera conocida y no se describirá en detalle. La desbobinadora 29 puede comprender dos posiciones para un primer carrete B1 de desbobinadora, desde la que se suministra la primera hoja de papel liso N1, y un segundo carrete de espera BIX, que se desenrollará cuando el carrete B1 se agote.

Una segunda hoja de papel lisa N2 se desenrolla desde una segunda desbobinadora 31, que puede ser sustancialmente igual a la desbobinadora 29, y sobre el cual se desenrolla una primera bobina B2, de la que se desenrolla la hoja de papel N2, y se dispone un segundo carrete B2X de espera, comenzando a desenrollarse el carrete B2X en espera cuando se agota el carrete B2.

El rodillo 23 corrugador se alimenta con la primera hoja de papel lisa N1, después de haber pasado alrededor de un rodillo 33 de calentamiento. El arco de contacto de la hoja de papel N1 alrededor del rodillo 33 de calentamiento se puede ajustar para transferir a la hoja de papel liso N1 una mayor o menor cantidad de calor procedente del interior del rodillo 33 de calentamiento, por ejemplo, calentado con vapor circulando dentro de sí mismo.

Se ondula la primera hoja de papel liso N1 pasando por la línea de contacto formado entre los rodillos 23 y 25 corrugadores. De esta forma, se obtiene una hoja de papel corrugado N1 a la salida de la línea de contacto entre los rodillos 23 y 25 corrugadores. Se aplica cola adecuada a los canales formados en la hoja de papel corrugado por medio de una unidad 35 de encolado, de modo que la hoja de papel corrugado N1 pueda pegarse sobre la hoja de papel lisa N2 alimentada, junto con la hoja de papel corrugado N1, a través de la línea de contacto formada entre el segundo rodillo 25 corrugador y el rodillo 27 de presión.

La unidad 35 de encolado puede comprender un rodillo 36 de aplicación, en contacto con los canales de la hoja de papel corrugado N1 accionado alrededor del segundo rodillo 25 de corrugado. El rodillo 36 de aplicación recibe la cola de un rodillo distribuidor o rodillo 38 de cribado, que toma cola de un tanque 40 o similar. La distancia entre los rodillos 36 y 38 se puede ajustar para ajustar la cantidad de cola aplicada a la hoja de papel corrugado N1.

En algunas realizaciones, la segunda hoja de papel liso N2 puede alimentar alrededor de uno o más rodillos 37, 39 dispuestos entre la desbobinadora 31 y la corrugadora 21, para calentarse. El arco de contacto entre la hoja de papel liso N2 y uno o ambos rodillos 37, 39 puede modificarse para variar la cantidad de calor transferido por el (los) rodillo(s) 37, 39 a la hoja de papel liso N2 antes de que entre en contacto con el rodillo 27 de presión. También el rodillo 27 de presión puede calentarse internamente para pegar las hojas de papel N1 y N2 en condiciones de alta presión y alta temperatura.

A la salida de la corrugadora 21 se obtiene una hoja de cartón corrugado NS de una sola cara, formada por la primera hoja de papel corrugado N1 y la segunda hoja de papel liso o plano N2, como se muestra en la ampliación de la Fig. 2. Las canales o crestas O formadas sobre la primera hoja de papel N1 se pegan por medio de una cola C, aplicada por la unidad 35 de encolado a las ondas O, sobre la superficie de la hoja de papel lisa N2 enfrentada a la hoja de papel corrugado N1.

Aguas abajo de la corrugadora 21 se dispone un puente 41, que se extiende hacia la sección 5 y las siguientes secciones 7 y 9 de la planta 1. Sobre el puente 41, se puede formar un material S de lámina de cartón corrugado de una cara NS, con la formación de pliegues de acumulación adecuados, de modo que la velocidad operativa de la corrugadora 21 pueda hacerse, al menos parcialmente, independiente de la velocidad operativa de las secciones adelante.

La hoja de cartón corrugado de una cara NS se alimenta a lo largo de un primer camino que se desarrolla por encima del puente 41 hasta un rodillo 43 de calentamiento, alrededor del cual la hoja de cartón corrugado de una cara NS puede enrollarse en un arco ajustable, para calentarse adecuadamente antes de llegar a la máquina 8 dobladora encoladora de la sección 9.

En la realización ilustrada, la planta 1 comprende una segunda sección 5 sustancialmente igual a la sección 3, donde se forma una segunda hoja de cartón corrugado de una sola cara, todavía indicada con NS, por medio de un par adicional de hojas de papel N4, N5 provenientes de desbobinadoras similares a las desbobinadoras 29 y 31, y una corrugadora similar a la corrugadora 21. Esta segunda lámina de cartón corrugado de una cara NS se alimenta al puente 41 para formar un material S y se alimenta hacia la corrugadora de máquina 8 dobladora encoladora de la sección 9, estando enrollado alrededor de un rodillo 45 de calentamiento, sustancialmente equivalente al rodillo 43 de calentamiento.

En otras realizaciones, se puede omitir la sección 5, así como la respectiva corrugadora. A la inversa, en otras realizaciones, se pueden proporcionar más de dos secciones 3, 5, con el respectivo corrugador y desbobinador de las hojas de papel para formar respectivas hojas de cartón corrugado de una sola cara NS, que luego se pegan entre sí por medio de la máquina 8 dobladora encoladora de la sección 9.

Una hoja de papel lisa o plana N3 se desenrolla de otra desbobinadora 47 y se alimenta, preferiblemente pasando alrededor de un rodillo 49 de calentamiento, a la sección 9 de máquina dobladora encoladora. Las unidades 51, 53 de encolado aplican, de manera conocida, una cola a los canales de la respectiva hoja de papel corrugado de las dos hojas de cartón corrugado de una cara NS, para encolarlas entre sí y con la hoja de papel lisa N3, que formará el segundo revestimiento del cartón corrugado compuesto CC que sale de la sección 9, el primer revestimiento está formado por la hoja de papel lisa N2.

La sección 9 que contiene la máquina dobladora encoladora se puede configurar de manera conocida y no se describirá en detalle en este documento. Los ejemplos de realizaciones de máquina dobladora encoladora se describen en los documentos US 7,291,243 y US 2012/0193026.

En la sección 11, se dispone una cizalla 61 giratoria transversal, que puede realizar cortes transversales para cortar, total o parcialmente, el cartón corrugado compuesto CC alimentado desde la sección 9. La cizalla 61 giratoria transversal puede configurarse, por ejemplo, como se divulga en EE. UU. 6722243.

Como se describe con mayor detalle a continuación, la cizalla 61 giratoria transversal puede utilizarse, en particular, para eliminar porciones de cartón corrugado CC donde hay defectos de pegado u otros defectos.

El cartón corrugado compuesto CC, alimentado a través de la sección 13 de marcado y corte, se divide en tiras que pueden desviarse a lo largo de dos caminos definidos por los dos transportadores 17a , 17B de la sección 17. La sección 13 puede configurarse de manera conocida, por ejemplo, como se describe en US 5,951,454, US 6,165,117, US 6,092,452, US 6,684,749, US 8,342,068 o en otros documentos de la técnica anterior mencionados en los documentos de patente mencionados anteriormente.

Los dos transportadores 17A, 17B transportan hojas de cartón corrugado obtenidas cortando transversalmente las tiras continuas de cartón corrugado compuesto en la sección 15, para formar pilas PI, P2 en planos 63, 65 de recogida, conocidas y configuradas por ejemplo como se describe en EP 1710183, US 5,829,951, o en otros documentos de patente mencionados en estas patentes.

El número 62 indica una estación para cortar transversalmente las tiras continuas de cartón corrugado compuesto provenientes de la sección 13 longitudinal de marcado y corte longitudinal. La estación 62 comprende cizallas 62A, 62B transversales, subdividiendo cada tira continua proveniente de la sección 13 en láminas individuales de longitud dada. La línea puede comprender una cizalla 62A, 62b transversal para cada transportador 17A, 17B.

Cada sección o estación de la planta 1 brevemente descrita anteriormente comprende una o más unidades funcionales, cada una de las cuales puede ser alimentada con electricidad, aire a presión, vapor, cola u otro material o fluido, o combinaciones de los mismos. Por ejemplo, cada corrugadora comprende uno o más motores para controlar la rotación de los rodillos corrugadores y del rodillo de presión, sistemas de suministro de vapor para calentar los rodillos y sistemas de suministro de cola para aplicar a los canales de la hoja de papel corrugado. Además, cada tramo de la línea o planta 1 comprende elementos de transmisión de movimiento, tales como correas, cadenas, ejes, juntas, además de cojinetes de empuje o radiales. Algunas estaciones comprenden elementos giratorios que están sujetos a desgaste, como cuchillas en forma de disco, cuchillas rectilíneas o helicoidales, herramientas de plegado, etc.

Las unidades funcionales están sujetas a desgaste; por lo tanto, requieren, con el tiempo, ser mantenidas, reparadas o reemplazadas. De acuerdo con un aspecto aquí descrito, con el fin de evitar o reducir fallas que puedan causar tiempos de inactividad prolongados y/o para programar mejor las intervenciones de reemplazo, mantenimiento y reparación, se proporciona un método para administrar y controlar los parámetros operativos de la planta 1, que permite el diagnóstico predictivo sobre una o más unidades funcionales de la línea o planta 1. A continuación, se describirá de forma general una realización de un método de diagnóstico predictivo y luego se proporcionarán ejemplos específicos (solo a modo de ejemplo no limitativo) del método aplicado a una serie de unidades funcionales de la planta 1.

Una o más unidades funcionales de la planta 1 pueden comprender uno o más sensores para detectar al menos un parámetro operativo, o una pluralidad de parámetros operativos, de la unidad funcional. Los sensores se utilizan para adquirir valores de los parámetros operativos durante una etapa de aprendizaje. Después de la etapa de aprendizaje inicial, los sensores se utilizan para adquirir los valores actuales de los parámetros operativos con el fin de realizar una etapa de control y diagnóstico predictivo de la unidad funcional utilizando los valores actuales y los datos históricos relacionados con los valores de los mismos parámetros, previamente adquiridos durante la etapa de aprendizaje. Como se explica mejor a continuación, los datos históricos se actualizan continuamente, siempre que la etapa de aprendizaje no se realice solo en un intervalo de tiempo inicial; por el contrario, se realiza de forma continua en una ventana temporal móvil, denominada en lo sucesivo ventana temporal de aprendizaje móvil At². De esta forma, los valores históricos de los datos utilizados para el diagnóstico predictivo se actualizan continuamente.

En algunas realizaciones, se puede evitar la etapa de aprendizaje inicial y, como valores históricos, se pueden usar valores de los mismos parámetros relacionados con una planta que tiene características similares y que se puso en funcionamiento previamente. Esencialmente, como datos históricos para una segunda planta (al menos en una etapa inicial de operación), se utilizan los valores de los parámetros relacionados con las mismas unidades funcionales de una planta similar previamente instalada y ya puesta en operación.

Por ejemplo, la unidad funcional puede comprender un motor eléctrico y uno o más sensores para detectar uno o más parámetros eléctricos, por ejemplo, tensión, corriente, potencia activa o reactiva, y/o uno o más parámetros relacionados con magnitudes mecánicas tales como torque, vibración, etc.

Más en general, según el tipo de unidad funcional, se pueden proporcionar uno o más de los siguientes sensores: sensores de corriente; sensores de voltaje; sensores de temperatura; sensores de vibración; sensores de velocidad; sensores de aceleración; sensores de caudal de aire; sensores de caudal de vapor; sensores de consumo de cola; sensores de presión; sensores o sistemas para medir el consumo de electricidad; sensores de par

El método de diagnóstico predictivo puede proporcionar una etapa de aprendizaje, durante la cual se crea un conjunto de datos históricos relacionados con un parámetro operativo que caracteriza una unidad funcional dada. En el caso de un motor eléctrico, el parámetro de funcionamiento puede ser, por ejemplo, la corriente absorbida. Como se mencionó anteriormente, la etapa de aprendizaje puede representarse, alternativamente o en combinación, también por una etapa de adquisición de datos históricos de otra planta igual o similar o parte de la misma, que ya ha entrado en funcionamiento.

En general, algunos parámetros operativos pueden adquirirse a través de sensores, sondas o transductores adecuados. Por ejemplo, los parámetros de voltaje y potencia se pueden adquirir a través de sensores de voltaje y corriente. Los parámetros de par pueden detectarse a través de sensores de par o mediante el procesamiento de señales eléctricas de un motor de accionamiento. Las temperaturas se pueden detectar por medio de sensores de temperatura. Las fuerzas y presiones se pueden detectar por medio de sensores o celdas de carga, interruptores de presión y similares. En algunos casos, los accionamientos de los actuadores respectivos pueden proporcionar algunos parámetros operativos. En algunos casos, los parámetros operativos pueden estar ya disponibles como parámetros de proceso, como la presión, la velocidad, etc.

La Fig. 2 muestra esquemáticamente una forma de implementar el método divulgado en el presente documento. Más específicamente, la Fig. 2(A) muestra un diagrama genérico de un parámetro operativo genérico, por ejemplo, la corriente absorbida por un motor, en función del tiempo. El parámetro operativo se muestrea con un intervalo de muestreo indicado con Atmuestra en la Fig. 2. En el eje horizontal se indica el tiempo, mientras que en el eje vertical se indica el parámetro operativo. El intervalo de muestreo puede ser, por ejemplo, un segundo.

En algunas realizaciones, los parámetros operativos pueden procesarse previamente. Se pueden filtrar, interpolar o procesar de otra manera, por ejemplo.

Se identifica una ventana temporal de aprendizaje móvil, indicada con At², a lo largo del eje del tiempo. La ventana temporal de aprendizaje móvil puede durar, por ejemplo, algunos días o semanas. Solo a modo de ejemplo, la ventana temporal de aprendizaje móvil (abajo también simplemente “ventana temporal de aprendizaje”) puede durar 60 días. Los datos adquiridos por medio de un sistema de control durante la ventana temporal de aprendizaje móvil At2 se procesan y el resultado del procesamiento se almacena. De acuerdo con algunas realizaciones, las ventanas de cálculo únicas, para calcular una función estadística relacionada con el parámetro operativo en cuestión, se identifican dentro de la ventana temporal de aprendizaje móvil At². En el diagrama de la Fig. 2, la ventana para el cálculo de la función estadística se indica con Ati. La ventana de cálculo es sustancialmente una ventana temporal, cuya duración es inferior a la de la ventana temporal de aprendizaje At². En algunas realizaciones, la duración de la ventana de cálculo Ati para calcular la función estadística es de algunos minutos.

El procesamiento de los datos históricos adquiridos dentro de la ventana temporal de aprendizaje móvil At²puede proporcionar el cálculo de una primera función estadística y, si es necesario, una segunda función estadística dentro de cada ventana de cálculo Ati para calcular la función estadística. En algunas realizaciones, la función estadística puede ser una densidad espectral de potencia, o una raíz cuadrática media, o simplemente un valor máximo y un valor mínimo, calculados sobre el conjunto de datos relacionados con el parámetro controlado y adquiridos dentro de la ventana temporal en cuestión. En realizaciones particularmente ventajosas, la función estadística puede ser una varianza (indicada con a en la Fig. 2) o una media (indicada con j en la Fig. 2) de los valores del parámetro operativo en cuestión. En realizaciones ventajosas, tanto la varianza como la media se calculan de los datos adquiridos en cada ventana única Ati para calcular la función estadística. También es posible calcular más de dos funciones estadísticas.

Prácticamente, a lo largo de la ventana temporal de aprendizaje At²móvil puede moverse una ventana de cálculo Ati móvil a intervalos regulares, por ejemplo, Is, dentro de los cuales se calculan la(s) función(es) estadística(s) relacionada(s) con los datos contenidos en esta ventana. De esta forma, las funciones estadísticas se calculan sobre todos los datos históricos adquiridos durante el período de tiempo definido por la ventana temporal de aprendizaje móvil At².

Para cada posición de la ventana de cálculo Ati es posible calcular la varianza y la media de los valores del parámetro operativo contenido dentro de la ventana de cálculo. Por ejemplo, para una posición genérica i-ésima de la ventana de cálculo (Ati)i, se puede calcular una varianza ai y una media |j¡ de esta forma, donde (i = i ... N). Los valores máximo y mínimo de la varianza y de la media, indicados a continuación en la Fig. 2, se pueden seleccionar entre todos los valores calculados para la media ( j i , j ¡, ....jn) y entre todos los valores calculados para la varianza (ai, ai, ......aN) para una ventana temporal de aprendizaje móvil dada At²:

valor máximo de la media: MÁX(j),

valor mínimo de la media: m ín(j)

valor máximo de la varianza: MÁX(a)

valor mínimo de la varianza: mín(a).

Los valores máximo y mínimo de las dos funciones estadísticas son almacenados por la unidad de control de la planta i. Como la ventana temporal de aprendizaje móvil At²es una ventana móvil en el tiempo, como se describe a continuación, los cuatro valores máximos y mínimos de varianza y la media varían con el tiempo, mientras la planta está operando.

En algunas realizaciones, es posible detectar los valores MÁX(j), m ín(j), MÁX(a) y mín(a) utilizando un mayor número de muestras del parámetro operativo. Con este fin, es posible hacer lo siguiente.

Se elige un intervalo de muestreo Atmuestra adecuado. El intervalo de muestreo puede durar algunos segundos, por ejemplo. Solo a modo de ejemplo no limitativo, es posible establecer un intervalo de muestreo Atmuestra = i segundo. Cada segundo es posible calcular el valor de las dos funciones estadísticas, la varianza y la media, sobre los valores de los parámetros operativos adquiridos durante la ventana de cálculo Ati recién transcurrida. En el segundo siguiente, la ventana de cálculo Ati se mueve i segundo y la varianza y la media se calculan de nuevo sobre los valores del parámetro operativo en la ventana de cálculo Ati traducidos en i segundo. El proceso puede continuar durante todo el día, por ejemplo. Para cada día es posible detectar y almacenar los valores máximo y mínimo de varianza y media calculados como se describió anteriormente. Los valores máximo y mínimo también se pueden calcular, en lugar de durante 24 horas, en un marco de tiempo diferente, por ejemplo, cada hora o cada diez horas. El marco de 24 horas se elige solo por practicidad. Prácticamente, en el caso de un intervalo de muestreo de i segundo, durante un día se recogen 24x60x60 = 86400 valores de varianza e igual número de valores de media. Cada valor se calcula en una ventana de cálculo Ati. Sobre la base de los 86400 valores recopilados cada día para cada una de las dos funciones estadísticas, se identifican el valor máximo y el valor mínimo aMÁx, amin, jmáx, jmin. Al final de la etapa de aprendizaje, es decir, una vez transcurrida la ventana temporal At2, cuya duración genérica es de G días, el sistema tendrá G valores máximos de varianza, G valores máximos de media, G valores mínimos de varianza y G valores mínimos de media. Si At²= 60 días, estarán disponibles 60 valores máximos y mínimos para cada función estadística. En base a cada uno de estos cuatro conjuntos de G = 60 elementos, se identifican los valores MÁX(|j), mín(|j), MÁX(a) y mín(a).

En otras realizaciones, es posible identificar directamente el máximo y el mínimo entre todas las muestras recogidas.

Una vez finalizado la etapa de aprendizaje inicial, o una vez adquiridos los valores relativos a una planta similar ya en funcionamiento, se continúan adquiriendo los valores del parámetro operacional en un intervalo de tiempo At3, cuya duración es preferentemente inferior al ancho, es decir, la duración, de la ventana temporal de aprendizaje móvil At². Por ejemplo, el intervalo de tiempo At3 puede tener una duración de algunos días, por ejemplo, de 0 a 20 días, típicamente 15 días. Debe entenderse que estos datos numéricos, al igual que los anteriores, se dan sólo a título de ejemplo no limitativo.

Una vez transcurrido el intervalo de tiempo At3 que sigue a la ventana temporal de aprendizaje móvil At²(o cuyos datos se suman a los datos adquiridos por una toma de datos realizada para una planta similar), se inicia el proceso de diagnóstico predictivo para la unidad funcional, a la que se refiere el parámetro operacional detectado y procesado. Esta etapa proporciona el cálculo de la primera función estadística y la segunda función estadística (varianza y media en el ejemplo ilustrado) de los valores del parámetro operativo detectado durante una ventana temporal actual Atact. En algunas realizaciones, la duración de la ventana temporal actual puede ser la misma que la duración de la ventana Ati para calcular la función estadística. Como se explicará mejor a continuación, esto se prefiere particularmente ya que los datos adquiridos durante esta etapa en la ventana temporal actual Atact se utilizarán como datos históricos para el aprendizaje dinámico. Además, la ventana temporal actual Atact es móvil, es decir, se traduce con el tiempo de manera similar a la ventana temporal de aprendizaje móvil At². La ventana temporal actual permanece preferiblemente a una distancia temporal fija (intervalo At3) de la ventana temporal de aprendizaje móvil.

En el diagrama de la Fig. 2, los valores de la varianza de la función estadística y de la media de la función estadística para el parámetro operativo, calculados en la ventana temporal actual Atact, se indican con aact y jact, respectivamente.

Los valores aact y jact calculados en la ventana temporal actual Atact se comparan con los valores MÁX(j), mín(j); MÁX(a); mín(a) definido anteriormente y calculado en la ventana temporal de aprendizaje móvil At². Si la unidad funcional a la que se refiere el parámetro operacional en cuestión opera correctamente, los valores estadísticos aact y jact estarán comprendidos entre los valores máximo y mínimo calculados en la ventana temporal móvil de aprendizaje. Si es necesario, es posible proporcionar, para cada una de las dos funciones estadísticas, intervalos de tolerancia respectivos por encima y por debajo de los valores máximo y mínimo respectivos. A partir de los valores MÁX(j), m ín(j); MÁX(a); mín(a), los intervalos extendidos que comprenden un margen de tolerancia se definen como sigue:

intervalo de la primera función estadística (varianza):

[mín(a) - A; MÁX(a) A]

intervalo de la segunda función estadística (media):

[m ín(j) - A; MÁX(j) A]

En realizaciones particularmente ventajosas, en cada intervalo definido anteriormente es posible definir un intervalo intermedio respectivo:

[min(a) - A'; MÁX a A']

[m in(j) - A'; MÁX(j) A']

donde A' < A.

En la Fig. 2(B) se muestra un diagrama cartesiano; en el eje horizontal se indica la media, en el eje vertical se indica la varianza.

En el diagrama se muestra lo siguiente: un primer cuadrado interior, definido por los valores máximo y mínimo de varianza y media; un cuadrado intermedio, que contiene el cuadrado interior, y un cuadrado exterior, que contiene el cuadrado interior y el cuadrado intermedio, definidos por los intervalos indicados anteriormente.

En el ejemplo ilustrado se han tomado los valores A y A', iguales para los intervalos de varianza y media, respectivamente. Sin embargo, esto no es estrictamente necesario. Debe entenderse que, por ejemplo, se pueden proporcionar diferentes márgenes para ampliar los intervalos de media y varianza.

Además, como se ha indicado, mientras que en el ejemplo descrito se usan dos funciones estadísticas (varianza y media), debe entenderse que en otras realizaciones se pueden usar diferentes funciones estadísticas y/o un número diferente de funciones estadísticas.

Los valores actuales Oact y |Jact de varianza y media calculados en cada ventana temporal actual Atact definen sustancialmente las coordenadas de un punto en el diagrama de la Fig. 2(B). La unidad funcional, a la que se refiere el parámetro operacional, sobre la que se calculan los valores actuales Oact y Jact de varianza y media, opera correctamente si este punto está dentro del cuadrado definido por MÁX(j ), m ín(j), Má X(o ) y mín(o). Si el punto está dentro del cuadrado definido por:

[min(o) - A'; MÁX(^o) A']

[min(M) - A'; MÁX(|^j) A']

se puede prever que no se emita ninguna señal de alarma o prealarma, ya que A' se puede considerar como un valor de tolerancia alrededor de un dato puntual. Si el punto está entre el cuadrado intermedio y el cuadrado exterior definido por

[min(M) - A; MÁX(m) A]

[mín(o) - A; MÁX(o) A]

se emite una señal de prealarma, y si el punto está fuera del cuadrado mayor se emite una señal de alarma. Estas situaciones anómalas de desviación de las funciones estadísticas del cuadrado calculado durante la etapa de aprendizaje (o adquiridas a partir de datos históricos almacenados durante la operación de una planta análoga o una unidad funcional análoga de otra planta) son indicativas de una falla incipiente y por lo tanto la respectiva alarma representa una pieza útil de información de diagnóstico predictivo.

Los datos anómalos son útiles para resaltar la proximidad de una condición de falla, pero no deben usarse en la etapa de adquisición de datos, es decir, en la etapa de aprendizaje del sistema, ya que esto podría causar errores. Por tanto, es posible prever la eliminación automática (por ejemplo, mediante un algoritmo) o manual (por ejemplo, por un operador) de datos anómalos de la serie de datos útiles para la etapa de aprendizaje.

En algunas realizaciones, solo se puede usar un umbral de alarma, en lugar de dos umbrales de alarma (o prealarma y alarma) como se describió anteriormente.

En algunas realizaciones, se puede proporcionar un umbral de tiempo para evitar falsas alarmas, por ejemplo, debido a fluctuaciones temporales del parámetro operativo resultantes de factores que no están vinculados a una condición de falla incipiente. La alarma o prealarma sólo se genera si el punto definido en el diagrama de la Fig. 2(B) por los valores Oact y Jact queda fuera del cuadrado definido entre los valores MÁX(^j), m ín(j), MÁX(^o) y mín(o) y los intervalos de tolerancia, si los hubiere, durante un tiempo superior a un umbral de tiempo preestablecido. Por el contrario, es decir, en caso de que la anomalía finalice después de un tiempo inferior al umbral temporal preestablecido, no se genera ninguna alarma.

Las anomalías operativas que pueden provocar tales alteraciones en las funciones estadísticas utilizadas (por ejemplo, los valores de varianza y media) para disparar una prealarma o una señal de alarma, pueden deberse a diferentes causas externas, entre las que se encuentran un mal ajuste o un mal uso de la unidad funcional, un defecto incipiente o una degradación por desgaste, o cualquier otra causa.

El cuadrado representado en la Fig. 2(B) se puede utilizar en un monitor para dar una indicación visual inmediata que el operador puede entender rápidamente. Para dar una representación aún más intuitiva, es posible cambiar las coordenadas para representar la misma situación de la Fig. 2(B) en un diagrama circular como se indica en la Fig. 2(C).

El método de control de la unidad funcional, al que se refiere el parámetro operativo detectado, puede prever calcular los valores actuales Oact y Jact en la ventana temporal actual Atact con un intervalo de muestreo Atmuestra de 1 segundo, por ejemplo. Cada segundo se mueve la ventana temporal actual y se calculan de nuevo las coordenadas Oact y Jact del punto de operación real en el plano o, j (Fig. 2(B) o Fig. 2(C)).

Como se indicó anteriormente, los valores actuales Oact y Jact de las funciones estadísticas ^oy ^jcalculadas en la ventana temporal actual Atact se comparan con los valores máximos y mínimos de las mismas funciones estadísticas, identificadas en la ventana temporal de aprendizaje móvil Ats, que es la temporalidad separada por un intervalo At3 de la ventana temporal actual Atact. De esta manera, es posible crear una discontinuidad entre el período de aprendizaje y el período actual. Esto puede ser útil para tener en cuenta el hecho de que algunos parámetros operativos de unidades funcionales dadas pueden estar sujetos a una variación lenta con el tiempo, por ejemplo, debido al envejecimiento de uno o más componentes. Tal deriva no puede detectarse si los valores Oact y Jact se comparan con los valores máximo y mínimo de las funciones estadísticas que se calculan en una ventana temporal de aprendizaje Ats temporalmente contigua a la ventana temporal actual Atact. Viceversa, introduciendo el intervalo de tiempo At3, la deriva gradual del parámetro operacional detectado da como resultado una señal o una alarma, ya que uno u otro o ambos valores actuales Oact y |Jact estarán fuera del cuadrado identificado por el máximo y valores mínimos de las funciones estadísticas calculados sobre la ventana temporal de aprendizaje móvil, debido a la deriva ocurrida durante el intervalo de tiempo At3.

Como se mencionó anteriormente, la etapa de aprendizaje es continuo y dinámico; esto significa que, una vez finalizado la primera etapa de aprendizaje en la ventana temporal de aprendizaje At², los datos relacionados con el parámetro operacional controlado continúan almacenándose y la ventana temporal de aprendizaje At²se desplazará a lo largo del eje del tiempo (eje horizontal en la Fig. 2(A)), para estar constantemente a la misma distancia temporal At3 con respecto a la ventana temporal actual Atact.

La comparación entre las Figs. 2(A) y 2(D) pone claramente de manifiesto este aspecto. En cada etapa temporal correspondiente, por ejemplo, al ancho de tiempo de la ventana de cálculo Ati, la ventana temporal de aprendizaje móvil At²se traslada en una etapa igual al ancho de la ventana de cálculo Ati, siguiendo la ventana temporal actual Atact. Los valores de las funciones estadísticas calculadas sobre la ventana de cálculo más antigua Ati se descargan y rechazan, mientras que los valores de las funciones estadísticas calculadas sobre los datos contenidos en la ventana de cálculo subsiguiente Ati entran en la ventana temporal de aprendizaje móvil At². Esencialmente, como es claramente evidente comparando las Figs. 2(A) y 2(D), la ventana temporal de aprendizaje móvil At2 se puede mover con el tiempo y avanza permaneciendo a una distancia temporal At3 de la ventana temporal actual Atact. En cada etapa de avance temporal, los datos estadísticos más antiguos se descartan y se adquieren datos estadísticos más recientes.

Cada vez que la ventana temporal de aprendizaje móvil At2 avanza una etapa Ati el conjunto de los valores ( j i , ... Ji, .... ^jn) y ( a i , a i, ^on), en la que se detectan los valores MÁX(^j), mín(j), MÁX(o), mín(o), cambia y por lo tanto pueden cambiar los valores máximo y mínimo de las funciones estadísticas calculadas. Los cuadrados representados en las Figs. 2(B) y 2(C) pueden moverse gradualmente con el tiempo. El aprendizaje es por tanto dinámico y continuo.

La ventana temporal de aprendizaje móvil At2 siempre permanece separada temporalmente por un intervalo de tiempo At3 con respecto a la ventana temporal actual Atact. Por lo tanto, a medida que pasa el tiempo, incluso si hay una actualización de los valores máximos y mínimos de las funciones estadísticas y, por lo tanto, un posible movimiento del cuadrado dentro del cual (Figs. 2(B) y 2(C)) el punto definido por los valores Oact, jact deben estar contenidos, siempre existe la posibilidad de detectar cualquier deriva lenta del parámetro operacional. La duración del intervalo de tiempo At3 puede ser constante. Esto simplifica el proceso de procesamiento. Sin embargo, esto no es estrictamente necesario.

Incluso si se ha hecho referencia anteriormente a una situación en la que se utilizan dos funciones estadísticas (media y varianza) para definir un diagrama bidimensional, donde se define un área cuadrada o circular, dentro de la cual el punto definido por los valores Oact, Jact debe ser posicionado, también es posible usar solo una función estadística, por ejemplo, solo varianza o solo media. En este caso, se aplican todas las consideraciones anteriores, con la única diferencia de que la función estadística será solo una y el diagrama será unidimensional en lugar de bidimensional.

En otras realizaciones, también es posible utilizar más de dos funciones estadísticas, con el mismo criterio descrito anteriormente. En este caso, desde un punto de vista gráfico, el punto de operación actual de la unidad funcional, o más precisamente el valor del parámetro operacional relacionado con esta unidad funcional, debe permanecer dentro de un volumen cúbico (o esférico) definido por el máximo y mínimo valores de las tres funciones estadísticas calculados dentro de la ventana temporal de aprendizaje móvil

Incluso si en la presente descripción se hace referencia específica a la varianza ya una media genérica de los valores del parámetro operativo en cuestión, debe entenderse, sin embargo, que también pueden utilizarse otras funciones estadísticas. Además, la media puede ser una media aritmética, una media ponderada, una media geométrica, una media armónica, una media potencia, una media aritmético-geométrica, una media integral, una media temporal o cualquier otra función que defina una media de valores.

En la descripción anterior del método para controlar un parámetro operativo genérico de una unidad funcional genérica de la planta i, se ha hecho referencia únicamente al parámetro operativo y al tiempo. En este caso, el diagnóstico predictivo permite comparar la tendencia en el tiempo del parámetro operativo en cuestión (por ejemplo, la corriente absorbida por un motor) y la tendencia del mismo parámetro en la ventana temporal de aprendizaje móvil At², independientemente de otros parámetros operativos.

Sin embargo, en algunos casos un parámetro operativo genérico se puede correlacionar con un segundo parámetro operativo, o con más parámetros operativos, que se tendrán en cuenta para comprobar su tendencia en el tiempo.

Por ejemplo, la corriente absorbida por un motor que controla la alimentación del cartón corrugado compuesto a lo largo de la máquina 8 dobladora encoladora de la sección 9 puede ser constante dados los mismos parámetros operativos de la línea y en particular dada la misma presión con la que el cartón corrugado compuesto se presiona contra la máquina 8 dobladora encoladora. Es posible detectar una falla incipiente o una degradación en el rendimiento

i i

del motor debido al envejecimiento en función de un cambio en la función estadística, por ejemplo, la varianza y/o la media, calculada sobre la corriente absorbida por el motor

Sin embargo, si cambia la presión con la que se presiona el cartón corrugado compuesto contra la máquina 8 dobladora encoladora, también varía correspondientemente la corriente absorbida por el motor. Esta variación de la corriente absorbida no se debe a un fallo incipiente del motor, sino al cambio de un parámetro (presión) correlacionado con la corriente absorbida.

En este caso, se tendrá en cuenta la correlación entre la corriente absorbida y la presión del cartón corrugado compuesto sobre la máquina 8 dobladora encoladora; la presión representa el segundo parámetro operativo, correlacionado con el primer parámetro operativo, representado por la corriente absorbida. Si no se tiene en cuenta este segundo parámetro operativo, y si se comparan los valores de media y varianza calculados con una determinada presión del tablero contra la máquina 8 dobladora encoladora con los valores mínimo y máximo de estas funciones estadísticas calculadas en una ventana temporal móvil de aprendizaje, en la que la presión del tablero tenía un valor diferente, se obtendrá un subconjunto muy amplio de datos relacionados con una pluralidad de condiciones de trabajo diferentes. Podría señalarse una situación anómala o un fallo, no correspondiendo a la realidad y debido a que los valores comparados corresponden a situaciones diferentes, donde la corriente absorbida está sujeta al efecto del cambio de presión con el que se presiona el cartón corrugado contra la máquina 8 dobladora encoladora. Aún más probable es el caso de no detección de fallas debido a un aprendizaje “no estricto”.

En términos generales, en algunas realizaciones, el método descrito anteriormente prevé que, durante el aprendizaje, si el parámetro operativo se correlaciona con uno o más segundos parámetros, para cada valor o rango de valores de dichos uno o más segundos parámetros correlacionados, en cada ventana de cálculo, las funciones estadísticas se calculan en correlación con el valor de uno o más segundos parámetros.

Por ejemplo, en el caso de la corriente absorbida por el motor que alimenta el cartón corrugado compuesto a través de la sección 9 de la máquina 8 dobladora encoladora, puede ocurrir lo siguiente. Durante la etapa de aprendizaje, los valores calculados de las funciones estadísticas se correlacionan con el valor del parámetro de presión. Todos los valores calculados de las funciones estadísticas en la ventana temporal de aprendizaje móvil At²se clasifican en grupos, cada uno de los cuales contiene los valores calculados de la función estadística para una presión dada (o rango de presión) ejercida por el cartón corrugado compuesto contra la máquina 8 dobladora encoladora.

En la etapa de comparar los valores históricos y los valores actuales de las funciones estadísticas calculadas en la ventana temporal actual Atact para una presión dada, los valores actuales se comparan con los valores máximo y mínimo de las funciones estadísticas detectadas en el grupo de los valores calculados de dichos valores estadísticos sobre los valores del parámetro operativo detectado a la misma presión.

En otras palabras, en una ventana temporal actual dada Atact la presión del cartón corrugado compuesto sobre la máquina 8 dobladora encoladora puede tomar un valor actual dado. Los valores de las funciones estadísticas de varianza y media calculados en dicha ventana temporal actual Atact se comparan con los valores máximos y mínimos de las mismas funciones calculadas sobre datos históricos en la ventana temporal móvil de aprendizaje At²correspondiente al mismo valor de presión o a un rango de valores de presión, dentro de los cuales está contenida la presión actual.

Para ello, es suficiente que, durante la etapa de aprendizaje, los datos recogidos se agrupen según el valor del o de los segundos parámetros actuales. Como la ventana temporal de aprendizaje móvil At²tiene una duración relativamente larga (por ejemplo, algunas semanas o meses), en este intervalo de tiempo la planta 1 operará en varias condiciones operativas, por ejemplo, con diferentes presiones del cartón corrugado compuesto en la máquina 8 dobladora encoladora. El cálculo de las funciones estadísticas y la selección de los valores máximos y mínimos se realizan para valores homogéneos de presión. Si la planta 1 opera a tres valores diferentes de presión Pl, P2, P3 del cartón corrugado compuesto en la máquina 8 dobladora encoladora en diferentes intervalos de tiempo dentro de la ventana temporal de aprendizaje móvil At², para cada ventana de cálculo Ati se determina el valor de presión y de los valores relacionados de las funciones estadísticas se atribuirán a uno u otro de tres grupos distintos de valores, uno para cada valor de presión Pl, P2, P3. Los valores máximos y mínimos, MÁX(|j), mín(|j), MÁX(a) y mín(a) de las funciones estadísticas (en el ejemplo, varianza y media), se calcularán individualmente para cada uno de los tres grupos, de modo que, en cada instante, en base a los datos históricos recopilados en la ventana temporal de aprendizaje móvil, estarán disponibles tres valores MÁX(j), mín(ji), MÁX(a) y mín(a) para los tres valores de presión Pl, P2 y P3. El control de diagnóstico predictivo se realizará entonces de la siguiente manera. Los valores reales aact y jact de las dos funciones estadísticas calculadas en cada intervalo de muestreo en la ventana temporal actual Atact se compararán con los valores MÁX(j), mín(ji), MÁX(a) y mín(a) correspondientes al mismo valor de presión Pl, P2 o P3.

Los dos ejemplos prácticos siguientes, referidos a dos unidades funcionales particulares, lo explican mejor.

Cada cizalla 62A, 62B en la estación 62 de corte transversal comprende un motor para hacer girar un rodillo portacuchillas y una cuchilla de yunque. En el diagrama de la Fig. 3, que muestra cualquier cizalla de la estación 62 de corte transversal, se muestra un rodillo portacuchillas 64A, con una cuchilla 66 actuando conjuntamente con un rodillo 64B que lleva una cuchilla 68 de yunque. El número de referencia 70 indica genéricamente un motor para hacer girar los rodillos 64A, 64B.

El motor 70 es una unidad funcional de la planta 1, en el sentido definido anteriormente. Está continuamente controlado por el sistema de diagnóstico predictivo descrito en este documento. El motor 70 puede conectarse a una red de suministro de energía, esquemáticamente indicada con G. Un sensor o grupo de sensores 72 pueden detectar cantidades eléctricas del motor 70, por ejemplo, el voltaje y la potencia absorbida. En algunas realizaciones, se pueden proporcionar dos motores independientes para los dos rodillos 64A, 64B. Lo que se describe a continuación se aplica a un solo motor o a cada motor. Alternativamente, en lugar de usar sensores para detectar parámetros eléctricos, los parámetros eléctricos pueden estar disponibles mediante el accionamiento del motor respectivo.

Como se sabe, cada cizalla 62A, 62B se controlará de modo que la velocidad periférica de los elementos de corte 66, 68 sea igual a la velocidad Vⁿa la que se alimenta el cartón corrugado N en el espacio de contacto entre los dos rodillos 64A, 64B. Si la extensión circunferencial de los rodillos es igual a la longitud del corte, es decir, a la distancia entre dos cortes transversales consecutivos, la velocidad periférica de los rodillos puede mantenerse constante e igual a Vⁿ, y por tanto la velocidad angular de los rodillos 64A, 64B se mantiene constante. Sin embargo, si la longitud del corte es diferente a la extensión circunferencial de los rodillos 64A, 64B, los dos rodillos serán cíclicamente acelerados y desacelerados para hacer una rotación completa entre un corte y el siguiente, y tal que, al mismo tiempo, tienen una velocidad constante igual a la velocidad de alimentación Vⁿdurante el corte, es decir, cuando la hoja 66 y la hoja de yunque 68 están en contacto con el cartón corrugado N. Este intervalo de tiempo corresponde a una porción dada, en radianes, del ángulo de rotación, que puede depender de la forma de la hoja y del yunque, que suele tener forma helicoidal. Las aceleraciones y desaceleraciones cíclicas, en cada corte, conllevan un cambio cíclico en la absorción de corriente por parte del motor 70.

La corriente absorbida por el motor 70 depende por lo tanto de los siguientes factores:

velocidad de alimentación Vⁿdel cartón corrugado

longitud de corte L, es decir, la longitud de las hojas individuales de cartón corrugado.

Los diagramas de las Figs. 4A, 4B, 4C y 4D muestran, sólo a modo de ejemplo, la tendencia de la velocidad periférica de los rodillos 64A, 64B en función del tiempo, para cuatro longitudes de corte diferentes. L indica la longitud del corte, es decir, la distancia entre dos cortes posteriores realizados por las cizallas en la hoja continua de cartón corrugado. Lc indica la longitud de la circunferencia de los rodillos 64; 64B, o más exactamente la longitud de las circunferencias sobre las que se mueven la hoja 66 y la hoja de yunque 68.

La Fig. 4A muestra el caso en el que la longitud de corte L es igual a la longitud Lc de la circunferencia. La velocidad periférica Vp de los rodillos 64A, 64^bes constante e igual a la velocidad Vⁿdel cartón corrugado. La potencia absorbida por el motor 70 (o por cada motor que acciona los rodillos 64A, 64B de las cizallas 62A, 62B) es sustancialmente constante si no hay factores perturbadores.

La Fig. 4B muestra la situación en la que la longitud de corte L es mayor que la longitud Lc. En este caso, los rodillos 64A, 64B desacelerarán entre un corte y el siguiente, para permitir la etapa de una cantidad de cartón corrugado N mayor que la longitud Lc de la circunferencia, mientras que durante el corte (intervalos indicados con tcorte en la Fig. 4B) la velocidad periférica de los rodillos o, más exactamente, de la cuchilla 66 y de la contracuchilla 68 es igual a la velocidad Vⁿ. Cada rodillo 64A, 64B y los respectivos motores 70 realizan rampas de aceleración y desaceleración, como se muestra en el diagrama de la Fig. 4B. En el ejemplo de la Fig. 4B, la velocidad de rotación de los rodillos 64A, 64B es cero durante algunos intervalos de tiempo (t0).

Si la velocidad Vⁿde alimentación del cartón corrugado N es muy elevada, los rodillos 64A, 64B alcanzarán, en los intervalos tcorte, valores muy elevados de velocidad periférica. En este caso es conveniente que las rampas de aceleración y desaceleración sean tales que nunca detengan completamente los rodillos 64A, 64B, como se muestra en la Fig. 4C.

En ambos casos mostrados en las Figs. 4B y 4C, entre dos cortes sucesivos los rodillos 64A, 64B tienen una velocidad media inferior a la velocidad Vⁿ.

Si la longitud de corte L es menor que la longitud Lc, es necesario que los rodillos 64A, 64B aceleren entre un corte y el siguiente, es decir, deberán girar con una velocidad periférica superior a la velocidad Vⁿdel cartón corrugado, en el intervalo de tiempo durante el cual la hoja 66 y la hoja de yunque 68 no están enganchadas en el cartón N corrugado (tiempo de tcorte). Esta situación se ilustra en la Fig. 4^d.

La corriente absorbida por el motor 70 puede variar, por ejemplo, con una deriva lenta en el tiempo, debido al desgaste o a un fallo incipiente. El método de diagnóstico predictivo descrito en este documento está adaptado para detectar esta deriva comparando los valores de una o más funciones estadísticas, como se describió anteriormente, con los datos históricos durante la etapa de aprendizaje anterior. Dado que la corriente absorbida está correlacionada con la longitud de corte, como se mencionó anteriormente, es necesario que la comparación entre los valores de las funciones estadísticas calculadas en la ventana temporal actual y los valores máximos y mínimos derivados de los datos adquiridos durante la etapa de aprendizaje tome esta correlación en cuenta.

A este fin, por ejemplo, es suficiente que los datos sobre la absorción de corriente y voltaje adquiridos durante la ventana temporal de aprendizaje móvil Át²se correlacionen con la longitud de corte establecida cada vez. Por lo tanto, durante la ventana temporal de aprendizaje móvil At²se recopilarán datos de absorción de corriente, agrupados según la longitud de corte. Para cada longitud de corte establecida se calcularán los valores máximos y mínimos de las funciones estadísticas en la ventana temporal de aprendizaje móvil, obteniendo así valores máximos y mínimos de las funciones estadísticas para cada longitud, o para rangos de longitud de corte suficientemente estrechos.

Durante la ventana actual Atact se calculará el valor de la(s) función(es) estadística(s) y estos valores se compararán con los valores máximo y mínimo de las mismas funciones estadísticas calculadas como se describió anteriormente en base a los datos adquiridos en la ventana temporal del aprendizaje móvil, con referencia a la longitud de corte correspondiente.

Las Figs. 5A, 5B, 5C, 5D, 5E y 5F muestran seis diagramas que muestran los datos, adquiridos durante una ventana temporal de aprendizaje móvil, relacionados con la corriente absorbida por uno de los motores de unas cizallas 62A, 62B para diferentes condiciones de velocidad de alimentación Vⁿdel cartón corrugado y para diferentes longitudes de corte L. Los valores actuales en amperios (A) se muestran en el eje de ordenadas y los valores de velocidad (m/min) se muestran en el eje de abscisas. En cada diagrama, la longitud de corte se indica en mm. Por ejemplo, el diagrama de la Fig. 5A se refiere a una longitud de corte L igual a 621 mm. En realizaciones ventajosas, el valor actual no es un valor instantáneo, sino un valor mediado, por ejemplo, la media cuadrática calculada en un intervalo de tiempo corto, o un valor filtrado con un filtro de paso bajo. Esto permite evitar errores debido a la detección puntual de valores pico instantáneos. El principio de utilizar un valor medio en lugar del valor instantáneo se puede utilizar en relación no solo con la corriente absorbida, sino también con otros parámetros utilizados para el diagnóstico predictivo de una unidad funcional genérica.

Comparando las Figs. 5A-5F es evidente que la longitud de corte (y por lo tanto el perfil de la velocidad periférica de los rodillos de corte) se correlaciona con la tendencia de la corriente dada la misma velocidad lineal (Vⁿ). Por lo tanto, es claramente evidente que, al realizar el método de diagnóstico predictivo descrito anteriormente, para tener información útil, es necesario que los valores de las funciones estadísticas relacionadas con la corriente absorbida en la ventana temporal actual se comparen con los valores máximo y mínimo de las funciones estadísticas calculados sobre la ventana temporal de aprendizaje dada la misma longitud de corte (L) y la misma velocidad de línea (Vⁿ). Por lo tanto, en cada instante, el sistema de control deberá conocer: la velocidad de línea (Vⁿ) y la longitud de corte establecida (L). En base a esto, para cada ventana temporal de aprendizaje móvil se determinarán los valores MÁX(j), mín(|j), MÁX(a) y mín(a), calculados para el mismo valor de L y para el mismo valor de Vⁿ, o para rangos suficientemente estrechos de valores de L y Vⁿdentro de los cuales caen los valores actuales de L y Vⁿ. Indicando los valores máximo y mínimo de las funciones estadísticas para los valores de L y Vⁿcon: MÁX[j(L, Vⁿ)], min[j(L, Vⁿ)], MÁX[a(L, Vⁿ)] y min[a(L, Vⁿ)], alrededor de ellos se define un intervalo de tolerancia, como se explica con referencia a la Fig. 2(B) o 2(C). En la ventana temporal actual se calculan los valores de las funciones estadísticas a(L, Vⁿ) y j(L, Vⁿ) y se comprobará si estos valores se encuentran dentro del intervalo de tolerancia definido en torno a los valores MÁX[j(L, Vⁿ))], min[j(L, Vⁿ)], MÁX[a(L, Vⁿ)] y min[a(L, Vⁿ)]. En caso negativo, se emitirá una señal de alarma indicando que la corriente detectada está sujeta a fluctuaciones que no son estadísticamente compatibles con un correcto funcionamiento y por lo tanto son indicativas de un fallo inminente.

El proceso descrito anteriormente para controlar un primer parámetro operativo de una unidad funcional (por ejemplo, corriente absorbida por el motor) correlacionado con otro parámetro de la misma unidad funcional (por ejemplo, velocidad de alimentación Vⁿy/o longitud de corte L) se puede aplicar a una pluralidad de unidades funcionales y parámetros correspondientes.

Por ejemplo, en la sección 9 de la máquina 8 dobladora encoladora está previsto un sistema de alimentación del cartón corrugado N sobre la máquina dobladora encoladora y un sistema de presión con el que se presiona el cartón corrugado contra la máquina 8 dobladora encoladora con presión variable.

La Fig. 6 muestra un diagrama de la sección 9 en una posible realización. Más detalles de una realización de la máquina 8 dobladora encoladora de la sección 9 se divulgan, por ejemplo, en el documento US 7,291,243. La sección 9 ilustrada en este documento es solo un ejemplo, y los expertos en la materia saben que la sección 9, generalmente denominada “dobladora encoladora”, se puede configurar de diversas maneras y puede tener sistemas de presión y sistemas de alimentación de cartón corrugado diferentes a los ilustrados aquí.

En el ejemplo esquemático de la Fig. 6, el cartón corrugado N se alimenta por medio de un fieltro u otro elemento 72 continuo, accionado alrededor de rodillos de guía, al menos uno de los cuales está motorizado. Por ejemplo, el rodillo 73 más adelante puede ser motorizado con un motor 74. El número de referencia 76 indica un sistema de presión que presiona la rama inferior del elemento 72 continuo contra el cartón corrugado N, que es arrastrado por fricción por el elemento 72 continuo y avanza deslizándose sobre la máquina 8 dobladora encoladora.

La corriente absorbida por el motor 74 depende, en cierta medida, de la velocidad de alimentación del cartón corrugado Vⁿy, en mayor medida, de la presión ejercida por el sistema 76 de presión, del que depende la fuerza de fricción entre el cartón corrugado y la máquina 8 dobladora encoladora y, por lo tanto, la corriente absorbida por el motor 74.

La Fig. 7 muestra un diagrama donde en el eje de abscisas se indica el valor de presión porcentual con respecto a un valor nominal, y en el eje de ordenadas se indica la corriente absorbida por el motor 74. Los puntos recopilados representan los valores detectados durante la etapa de aprendizaje. Dentro de las dos curvas discontinuas cae el 99 % de los datos recopilados.

Para controlar el correcto funcionamiento de la unidad funcional representada por el motor 74, la corriente absorbida se puede utilizar como parámetro operativo. El valor de la función estadística relacionada con la corriente absorbida detectada en una ventana temporal de corriente se compara con los valores máximo y mínimo de la función estadística calculados en la ventana temporal de aprendizaje móvil. Sin embargo, como la corriente absorbida depende de la presión a la que se presiona el cartón corrugado contra la máquina dobladora encoladora, la función estadística, o cada función estadística tenida en cuenta, se calcula para valores de presión correspondientes o comparables. Prácticamente, si la presión de operación es igual al 150 % de la presión nominal, los valores de las funciones p, a calculados con base en los valores de corriente adquiridos en la ventana temporal actual Atact se comparan con los valores MÁX(p), mín(m); MÁX(a); mín(a) calculado en la ventana temporal de aprendizaje móvil At²a partir de los datos de absorción de corriente en correspondencia de condiciones de funcionamiento equivalentes, es decir, con la misma presión sobre el cartón corrugado, igual al 150 % de la presión nominal.

Además, la velocidad de alimentación Vⁿdel cartón corrugado N se puede utilizar como parámetro operativo adicional.

Los criterios descritos anteriormente se pueden aplicar a cualquier unidad funcional de la planta 1. Se pueden recopilar uno o más parámetros operativos para cada unidad funcional. Es posible tener en cuenta la tendencia a lo largo del tiempo, o la tendencia a lo largo del tiempo y en función de uno o más parámetros operativos correlacionados con la misma.

La figura 8 muestra un diagrama de bloques funcional de una planta 1 de producción de cartón corrugado genérica. GF1, GF2, .... GFj, ... GFn indican n unidades funcionales genéricas. Pik indica los parámetros operativos de cada unidad funcional GFi. En aras de la simplicidad, se ha supuesto que para cada unidad funcional GFi m se han proporcionado parámetros funcionales (de Pi1 a Pim). Sin embargo, esto no es estrictamente necesario. En general, el valor de m es variable para cada unidad funcional, es decir, cada unidad funcional puede tener un número variable de parámetros operativos.

Los parámetros operativos se detectan a través de sensores adecuados que interactúan con una unidad 101 de control central, adaptada para gestionar los datos recopilados, para procesarlos y almacenarlos en un banco 102 de memoria de capacidad de almacenamiento adecuada. En la base de datos se puede almacenar lo siguiente: los valores máximos y mínimos de las funciones estadísticas calculadas en las ventanas temporales de aprendizaje; los valores de estas funciones estadísticas calculados en la ventana temporal actual; tanto para más valores o rangos de valores de uno o más parámetros correlacionados, si se requiere.

La unidad 101 central de control puede comparar de forma continua o intermitente los valores de las funciones estadísticas de cada parámetro operativo calculado en la ventana temporal actual con los valores máximos y mínimos calculados en la ventana temporal de aprendizaje móvil y dar información, señales o alarmas a través de una interfaz 103 de usuario, por ejemplo, un monitor u otro aparato.

El método descrito anteriormente en términos generales, y específicamente con referencia al motor de la cizalla 62A, 62B y el motor 74 para alimentar el cartón corrugado N a través de la sección 9 de la máquina 8 dobladora encoladora, se puede aplicar para realizar diagnóstico predictivos de una o más unidades funcionales de una o más estaciones, secciones, partes o componentes de la planta 1. A continuación se enumeran una serie de casos de ejemplo, a título enunciativo y no limitativo, de unidades funcionales y parámetros correspondientes, los cuales se le puede aplicar el método de diagnóstico predictivo aquí descrito. Las unidades funcionales se agrupan con carácter general, si es necesario, según la sección de la planta en la que estén dispuestas.

Cada desbobinadora 31, 47 puede comprender un motor para controlar el movimiento de elevación y descenso de los carretes B1, B2, así como uno o más motores para accionar una empalmadora. Cada motor puede ser una unidad funcional controlada por la unidad 101 de control programable. El parámetro operativo puede ser la corriente absorbida por el motor. La corriente absorbida por el motor que controla el descenso y la elevación de los carretes puede correlacionarse con la dimensión o el peso del carrete.

Además de un control y diagnóstico del motor desbobinadora, se pueden proporcionar otros parámetros operativos, que permitan diagnosticar o predecir otro tipo de fallas o mal funcionamiento, si se controlan adecuadamente. Por ejemplo, a través de uno o más sensores de vibración es posible detectar cualquier alteración en las vibraciones generadas durante el funcionamiento. Estas alteraciones pueden ser indicativas de fallas incipientes de miembros móviles, como cojinetes de apoyo, o de sistemas de transmisión de movimiento, como correas, cadenas y ruedas dentadas.

T ambién se pueden proporcionar sensores para detectar la tensión de la hoja de papel. Las fluctuaciones en la tensión del papel pueden ser indicativas de un fallo incipiente o de un mal funcionamiento de los componentes destinados a gestionar la tensión del papel. Típicamente, el desenrollado se produce por tracción, mientras se frena el carrete de papel, de forma que la hoja de papel se desenrolla con una tensión dada y convenientemente calibrada. Una fluctuación de la tensión puede ser, por ejemplo, indicativa de un mal funcionamiento de los frenos.

En algunas realizaciones, se pueden proporcionar sensores para medir el consumo de aire a presión o sensores de presión para detectar la presión del aire a presión. Fluctuaciones o cambios en estos parámetros pueden estar correlacionados con un consumo excesivo de aire, indicativo de fugas en los conductos y/o mal funcionamiento de los elementos alimentados con aire a presión, por ejemplo, los frenos de las desbobinadoras.

Se pueden proporcionar diferentes unidades funcionales en cada corrugadora 21, sujetas a un control de diagnóstico predictivo. En primer lugar, los actuadores, que activan de forma diversa movimientos continuos o intermitentes de los miembros corrugadores, pueden estar sujetos a diagnósticos predictivos. Estos actuadores pueden ser eléctricos (motores eléctricos) o actuadores hidráulicos o neumáticos. Por ejemplo, se puede controlar lo siguiente: el motor de rotación de uno o ambos rodillos 23, 25 corrugadores, el motor que acciona la unidad 36 dispensadora de cola, uno o más motores que controlan la rotación de uno o más rodillos 37, 39, 33 que guían las hojas de papel N1, N2, controlando los actuadores el ángulo de enrollado de las hojas de papel individuales alrededor de los rodillos de calentamiento y guía. Los parámetros operativos de estos actuadores pueden ser la corriente absorbida por el motor. La corriente se puede correlacionar con uno o más parámetros adicionales, tales como la velocidad de alimentación Vⁿdel papel y las hojas de cartón corrugado a través de la planta, la tensión del papel, la presión entre los rodillos 23, 25 corrugadores, la presión entre el rodillo corrugador y el rodillo 27 de presión, la dimensión del espacio entre el rodillo 25 corrugador y el rodillo 36 de la unidad de encolado, los parámetros del vapor de calentamiento del rodillo que pueden afectar la deformación térmica del rodillo.

La unidad de encolado, que comprende el rodillo 36, puede constituir una unidad funcional adicional en el sentido aquí previsto. El parámetro operativo puede ser el caudal de cola, es decir, la cantidad de cola consumida por unidad de tiempo. Según una posible realización, el parámetro representado por el caudal de cola se controla como autocorrelación, es decir, los valores de las cantidades estadísticas de este parámetro se comparan con los valores máximo y mínimo calculados en la ventana temporal de aprendizaje móvil, suponiendo que el consumo de cola no dependa de otros parámetros operativos correlacionados. Una desviación en la cantidad de cola consumida puede ser indicativa de un fallo inminente de la unidad de aplicación de cola, o indicativa de un ajuste incorrecto de la misma.

Sin embargo, el parámetro operativo del consumo de cola se puede correlacionar con uno o más parámetros adicionales. Por ejemplo, la cantidad de cola consumida se puede correlacionar con el tipo de papel (reciclado, nuevo, grosor del papel, etc.), la forma del canal, la temperatura de funcionamiento, es decir, la temperatura del papel en el área donde se aplica la cola, la presión en el que el rodillo 27 de presión presiona el rodillo 25 corrugador, la viscosidad de la cola, la temperatura, la velocidad de alimentación Vⁿ.

Como se sabe, la corrugadora 21 puede comprender uno o más rodillos calentados internamente. Por ejemplo, uno o ambos rodillos 23, 25 corrugadores, el rodillo 27 de presión, uno o más rodillos guía, por ejemplo, los rodillos 33, 37, 39, pueden calentarse internamente. Los rodillos pueden calentarse eléctricamente o por medio de un fluido de transferencia de calor, tal como vapor, agua, aceite u otro fluido. También es posible utilizar más fuentes de energía térmica en combinación o alternativamente. Uno, algunos o todos los rodillos calentados, y los correspondientes sistemas de calefacción, pueden estar previstos como unidades funcionales. En este caso, como parámetros operativos es posible utilizar una cantidad indicativa del consumo de energía térmica, es decir, de la energía térmica absorbida. Esto se puede detectar midiendo la corriente absorbida, en caso de calentamiento por electricidad, o midiendo el caudal del fluido de transferencia de calor y la caída de temperatura entre la entrada y la salida del miembro calentado, por ejemplo, entre la entrada y la salida de un rodillo calentado. La potencia térmica necesaria, es decir, la cantidad de calor en la unidad de tiempo utilizada para calentar el miembro calentado respectivo hasta la temperatura deseada puede depender de diferentes factores o parámetros operativos correlacionados, tal como en particular la velocidad de alimentación de papel Vⁿ, la cantidad de cola suministrada, los parámetros del papel.

Como ya se indicó con referencia a la desbobinadora también para la corrugadora se pueden controlar otros parámetros operativos, por ejemplo, las vibraciones y los parámetros relacionados con el aire a presión. Las vibraciones pueden ser detectadas y monitorizadas para resaltar anomalías correlacionadas con fallas incipientes de los rodamientos de los miembros giratorios, de los miembros de transmisión de movimiento (cadenas, correas, engranajes), y en general de todos los miembros móviles. Los parámetros correlacionados con el aire presurizado, como la presión y el caudal, se pueden detectar para comprobar las fugas en la planta.

Se pueden proporcionar rodillos de calentamiento a lo largo del recorrido de las hojas de papel lisas y corrugadas, después de las corrugadoras 21 y antes de la estación 9 con la máquina dobladora encoladora. Por ejemplo, se proporcionan tres rodillos 43, 45 y 49 de calentamiento en la realización ilustrada. Cada uno de ellos puede estar asociado con un actuador que cambia el ángulo de envoltura, es decir, el ángulo de contacto de la hoja de papel alrededor del rodillo. Cada uno de dichos rodillos puede ser motorizado por medio de un actuador, por ejemplo, un motor eléctrico. Cada actuador puede constituir una unidad funcional en el sentido aquí previsto. Análogamente, cada sistema de calefacción puede constituir una unidad funcional en el sentido aquí previsto. Como parámetros operacionales se pueden utilizar valores de potencia absorbida para la actuación, o valores de otros parámetros que sean función de la potencia absorbida, por ejemplo, el valor de la corriente eléctrica absorbida por el motor eléctrico, del cual se detecta la autocorrelación, es decir el cambio en el tiempo de la(s) función(es) estadística(s), o que pueden ser controlados también en correlación con otros parámetros operativos.

Por ejemplo, en el caso de los rodillos 43, 45, 49 calentados la potencia térmica absorbida para calentar puede ser un parámetro operativo correlacionado con el arco de contacto con la hoja de papel, la velocidad de alimentación (Vⁿ), parámetros del material de celulosa utilizado, grosor del papel, forma de los canales del papel corrugado, etc.

Cada unidad 51, 53 de encolado puede constituir una unidad funcional como se pretende aquí. Cada unidad 51, 53 de encolado puede controlarse en base al parámetro operativo constituido por el consumo de cola. Este parámetro se puede comprobar en correlación con otros parámetros, como ya se ha indicado con referencia a la unidad de encolado de las corrugadoras, por ejemplo, en función de las características de las hojas de papel, la velocidad de alimentación Vⁿ, etc.

Como ya se indicó con referencia a la desbobinadora y la corrugadora, también para la unidad de encolado se pueden controlar otros parámetros operativos, por ejemplo, las vibraciones y los parámetros relacionados con el aire a presión. Las vibraciones pueden ser detectadas y monitorizadas para resaltar anomalías correlacionadas con fallas incipientes de los rodamientos de los miembros rotatorios, de los miembros de transmisión de movimiento (cadenas, correas, engranajes), y en general de todos los miembros móviles. Los parámetros correlacionados con el aire presurizado, tal como la presión y el caudal, se pueden detectar para verificar las fugas en las plantas.

La sección 9 de máquina dobladora encoladora tiene, como ya se describió en detalle, al menos un motor para arrastrar el cartón corrugado N a través de la sección 9, deslizándose sobre la máquina 8 dobladora encoladora. En algunas realizaciones, más de un motor puede ser también proporcionado. Cada motor puede constituir una unidad funcional en el sentido aquí previsto. Puede controlarse, en lo que respecta al diagnóstico predictivo, en función de la corriente absorbida como parámetro operativo relevante. Como ya se ha descrito, este parámetro operativo se puede correlacionar con otro parámetro operativo, por ejemplo, la presión a la que se presiona el cartón corrugado N contra la máquina 8 dobladora encoladora. En algunos casos, la presión puede depender del grosor del cartón corrugado, y en este caso también se puede utilizar el espesor como parámetro adicional correlacionado con la corriente absorbida por el motor.

La sección 9 tiene otras unidades funcionales. En particular, cada placa 8 calefactora, o grupos de placas 8 calefactoras, pueden constituir unidades funcionales. Estas unidades funcionales se pueden asociar con uno o más parámetros operativos que se pueden usar dentro de un proceso de diagnóstico predictivo como se describe en este documento. Los parámetros operativos de la máquina dobladora encoladora pueden ser: temperatura, caudal de vapor o caudal de otro fluido de transferencia de calor con el que se calientan las placas calefactoras; energía térmica suministrada.

Como ya se indicó con referencia a la desbobinadora, la corrugadora y las encoladoras, también en la sección 9 de máquina dobladora encoladora se pueden controlar otros parámetros operativos, tales como vibraciones y parámetros relacionados con el aire a presión. Las vibraciones pueden ser detectadas y monitorizadas para resaltar anomalías correlacionadas con fallas incipientes de los rodamientos de los miembros rotatorios, de los miembros de transmisión de movimiento (cadenas, correas, engranajes), y en general de todos los miembros móviles. Los parámetros correlacionados con el aire presurizado, como la presión y el caudal, se pueden detectar para verificar las fugas en las plantas.

La sección 11 de eliminación de desechos puede comprender una cizalla transversal con uno o más motores. Como se describe con referencia a la sección 62, también los motores de la cizalla de la sección 11 pueden considerarse como unidades funcionales controladas por el sistema de diagnóstico predictivo. El parámetro operacional puede ser la corriente absorbida por el motor. Otro parámetro correlacionado puede ser la velocidad de alimentación Vⁿ.

También en la sección 11 se pueden proporcionar sensores para detectar las vibraciones y/o parámetros del aire a presión, para los mismos fines descritos con referencia a las desbobinadoras, corrugadoras, la máquina dobladora encoladora, es decir, para determinar fallas incipientes de miembros móviles, como cadenas, correas u otros miembros de transmisión de movimiento, soportes o cojinetes, etc.

Cada una de las secciones 13 (cortador-marcador) y la sección 17 (transportadores) comprenden una pluralidad de motores eléctricos y otros miembros móviles. Cada uno de estos componentes se puede considerar como una unidad funcional y se puede someter a un control de diagnóstico predictivo como se describe anteriormente. Un parámetro operativo de cada actuador puede ser un parámetro eléctrico correlacionado con la potencia absorbida, por ejemplo, la corriente absorbida. En general, como se describe en detalle para las cizallas 62A, 62B, cada motor eléctrico puede controlarse utilizando un parámetro operativo, por ejemplo, indicativo de la potencia absorbida. Para algunos actuadores, se puede tener en cuenta otro parámetro relacionado con el funcionamiento, por ejemplo, la velocidad de alimentación Vⁿdel cartón corrugado, la longitud de corte, las características del cartón corrugado, como el grosor, el número de capas que lo forman, el número de hojas para cada pila formada en los planos 63, 65 de recogida, etc.

También en las secciones 13, 15 y 17 se pueden proporcionar sensores para detectar las vibraciones y/o parámetros del aire a presión, para los mismos fines descritos con referencia a las desbobinadoras, corrugadoras, la máquina dobladora encoladora, es decir, para determinar fallas incipientes de miembros móviles, tales como cadenas, correas u otros miembros de transmisión de movimiento, soportes o cojinetes, etc.

En la sección 13 se pueden proporcionar sensores de temperatura, por ejemplo, para detectar la temperatura de las cuchillas de corte longitudinal y/o las herramientas de incisión. Aumentos anómalos de la temperatura pueden ser indicativos de un desgaste excesivo de las herramientas de corte e incisión. Por lo tanto, las anomalías en el parámetro “temperatura” pueden usarse para predecir la necesidad de reemplazar las herramientas.

Cada miembro de la planta 1 que está sujeto a vibraciones también puede ser monitorizado a través de acelerómetros o sensores de vibración con el fin de detectar cualquier anomalía de funcionamiento que pueda suponer un cambio en la intensidad, frecuencia o en otros parámetros de las vibraciones. Cada miembro sujeto a vibración puede ser considerado como una unidad funcional y uno o más parámetros relacionados con las vibraciones, tales como la intensidad y/o la frecuencia de las mismas, pueden ser considerados como parámetros operativos de la unidad funcional. En algunas realizaciones, se pueden agrupar y monitorizar más componentes, como una sola unidad funcional, a través de la detección de uno o más parámetros operativos y parámetros correlacionados, si los hay. Por ejemplo, más miembros de una cadena cinemática se pueden considerar como una sola unidad funcional, así como más soportes de uno o más miembros giratorios.

El método de diagnóstico predictivo descrito en este documento puede utilizar uno o más parámetros relacionados con la vibración mecánica de un miembro como parámetro operativo detectado y controlado, sobre el cual realizar, en tiempo real, la etapa de aprendizaje y detección, el cálculo de las funciones estadísticas y la comprobación de cualquier alteración de las funciones estadísticas con respecto a los valores máximos y mínimos calculados en la etapa de aprendizaje. En general, la vibración de cada uno de estos elementos mecánicos estará correlacionada con uno o más parámetros operativos adicionales de la línea o sección de la que forma parte el miembro. Por ejemplo, las vibraciones se pueden correlacionar con la velocidad de alimentación del cartón corrugado o la velocidad de alimentación de las hojas de papel individuales que lo componen, y/o los ciclos de aceleración/desaceleración de los miembros móviles, que pueden ser, a su vez, una función de la longitud de corte (L). Las vibraciones también pueden verse afectadas por las características del tablero producido, tal como el gramaje, el espesor, el número de capas que lo componen. Uno o más de estos parámetros pueden utilizarse como parámetros correlacionados con el principal parámetro operativo, por ejemplo, la frecuencia o la intensidad de la vibración, con criterios análogos a los descritos anteriormente con referencia a la longitud de corte (L) o a la presión sobre el cartón corrugado como otro parámetro correlacionado para controlar la cizalla 62A, 62B y en la sección 9 de máquina dobladora encoladora, respectivamente.

En la descripción anterior se ha supuesto adquirir, en un intervalo variable en el tiempo, los valores de una o más cantidades, de las cuales se calculan entonces uno o más valores de funciones estadísticas correspondientes. En base a los valores máximos y mínimos de una o más magnitudes estadísticas, el diagnóstico se realiza comparando los valores adquiridos en el intervalo de aprendizaje con los valores actuales o reales de las mismas variables estadísticas calculadas en un intervalo de tiempo real. El funcionamiento de la unidad funcional a la que se refieren las magnitudes estadísticas detectadas es correcto si el o los valores calculados en la ventana temporal actual se encuentran dentro de un intervalo o rango en torno a los valores máximo y mínimo calculados en el periodo de aprendizaje.

Sin embargo, se ha detectado que pueden producirse alteraciones en el funcionamiento de una determinada unidad funcional, que supongan una deriva en el tiempo de los valores máximos y mínimos de las funciones estadísticas en cuestión. Esta deriva puede ser indicativa de una falla incipiente. La deriva podría no ser detectable con los criterios descritos anteriormente. Por ejemplo, en el caso de una unidad funcional constituida por, o que comprenda, un motor eléctrico, puede darse la siguiente situación. Debido a un mal funcionamiento, el motor absorbe, durante algunos intervalos de tiempo, una corriente superior al valor correcto. El tiempo durante el cual se produce la absorción anómala y/o la entidad de la anomalía puede ser tal que no dispare una alarma, ya que el valor o valores de las funciones estadísticas tenidas en cuenta (por ejemplo, en este caso, varianza y media) permanecen dentro del intervalo de tolerancia alrededor del valor derivado de la etapa de aprendizaje (Fig. 2B). Por lo tanto, una situación anómala de este tipo podría no ser detectada por un método de diagnóstico predictivo del tipo descrito anteriormente.

Para tener una señal de alarma o diagnóstico relacionada con una situación anómala de este tipo, se puede realizar un proceso de adquisición y diagnóstico del tipo descrito en detalle a continuación con referencia a las Figs. 9A-9D.

Brevemente, el proceso proporciona las siguientes etapas: calcular valores máximos y mínimos respectivos de al menos una función estadística del parámetro operativo en una secuencia temporal de intervalos de aprendizaje; detectar cualquier deriva en el tiempo de dichos valores máximo y mínimo calculados para los intervalos de aprendizaje de dicha secuencia; en caso de detectar una deriva, señalando cualquier anomalía.

En la descripción detallada a continuación, se prevé calcular dos funciones estadísticas y, en particular, de forma similar a los ejemplos de realización descritos anteriormente, la media y la varianza.

En las Figs. 9A-9D los cuadros se muestran constituidos por los valores máximo y mínimo de dos cantidades estadísticas (en el ejemplo varianza a y media p nuevamente) calculadas en intervalos de aprendizaje. Cada figura muestra un diagrama donde el eje de abscisas muestra el valor de la media y el eje de ordenadas muestra el valor de la varianza del parámetro en cuestión, por ejemplo, una corriente absorbida por un motor, o un caudal de aire a presión u otro.

Para detectar una deriva lenta en las cantidades estadísticas, en algunas realizaciones es posible proceder de la siguiente manera. Se establece un intervalo temporal de aprendizaje de duración adecuada. Típicamente, el intervalo de tiempo de aprendizaje para detectar la deriva lenta de un parámetro controlado tiene una duración menor que la duración de la ventana temporal de aprendizaje móvil indicada anteriormente con AÍ²(Fig. 2). En algunas realizaciones, el intervalo temporal de aprendizaje puede ser, por ejemplo, un día. Los valores máximo y mínimo de varianza y media (u otra función estadística) se calculan en esta ventana temporal de aprendizaje, por ejemplo, como se describió anteriormente con referencia a la ventana temporal de aprendizaje móvil At². Estos valores, análogamente a lo descrito con referencia a la Fig. 2B, definen un cuadrado en el diagrama p, a.

En la Fig. 9A se muestran cuatro cuadrados, indicados con Q1, Q2, Q3, Q4, definidos por los valores máximo y mínimo de la media y la varianza calculados en cuatro intervalos de aprendizaje distintos. En la Fig. 9B se muestra un cuadrado envolvente que contiene todos los cuadrados Q1, Q2, Q3, Q4.

Si la unidad funcional, en la que se detecta el parámetro controlado, funciona correctamente y no está sujeta a una deriva lenta, los cuadrados posteriores definidos por los valores máximo y mínimo de la varianza y la media calculada en intervalos de aprendizaje posteriores caen dentro del cuadrado envolvente QE. En otras palabras, el cuadrado de la envolvente QE en el diagrama p, a tiende a tener dimensiones y posición constantes.

Viceversa, si los valores de la media y la varianza tienen una deriva lenta, la situación ilustrada esquemáticamente en las Figs. 9C y 9D se produce. Los cuadrados Q5, Q6, Q7 definidos por los valores máximo y mínimo de p, a, calculados en intervalos temporales de adquisición posteriores, se mueven gradualmente fuera de la envolvente original QE, es decir, el cuadrado de la envolvente QE aumenta de dimensión o cambia de posición en el diagrama p, a. Si la envolvente QE se calcula, por ejemplo, en base a un número final de cuadrados Qi, cada vez que se calcula un nuevo cuadrado Qi en base a los valores máximo y mínimo de varianza y media calculados en un intervalo de aprendizaje más reciente, el más antiguo de los cuadrados previamente calculados Qi se eliminan del sobre QE. Con referencia a la tendencia de la deriva representada por los cuadrados Q5, Q6, Q7 de las Figs. 9C y 9D, si el cuadrado envolvente QE se determina con base de los cuatro últimos cuadrados Qi calculados, en la Fig. 9E se muestra la envolvente QE1, obtenida a partir de los cuadrados Q2, Q3, Q4, Q5, el cuadrado Q1 (el más antiguo de los que se muestran en las Fig. 9A, 9B) siendo rechazados. En la figura se muestra el cuadrado de la envolvente QE2, calculado sobre los cuadrados Q4, Q5, Q6, Q7, mientras que los cuadrados Q1, Q2, Q3 han sido rechazados. En las Figs. 9B, 9E, 9F es claramente evidente que el cuadrado de la envolvente cambia de posición y dimensiones en el diagrama p, a debido a la lenta deriva de los valores mínimo y máximo de la media y la varianza.

Esta situación anómala puede ser detectada y disparar una señal de alarma. El desplazamiento de los cuadrados Qi en el diagrama p, a y por lo tanto el cambio de forma y posición de la envolvente ^qE, puede dar un indicio cualitativo que puede ser indicativo del tipo de falla incipiente que provoca la lenta deriva de los valores media y varianza del parámetro controlado.

Un sistema del tipo descrito anteriormente puede interactuar con una red de TI local, lo que permite que un operador controle una o más líneas dentro de una misma planta o más plantas. Una línea de producción provista del sistema de diagnóstico mencionado anteriormente también se puede conectar a una unidad de control remoto, por ejemplo, a través de un portal de comunicación. También es posible transmitir señales de alarma, mensajes de diagnóstico u otra información, que se puede obtener a partir de los datos procesados como se describe anteriormente, a través de correo electrónico, servicios de mensajes cortos u otros sistemas de mensajes en ordenadores locales o remotos, o en dispositivos móviles como teléfonos móviles o tabletas.

Claims

REIVINDICACIONES

1. Un método para monitorizar la operación de una planta de producción de cartón corrugado, que comprende las siguientes etapas:

detectar al menos un parámetro operativo de una unidad funcional de la planta y calcular un valor actual de al menos una primera función estadística de dicho parámetro en una ventana temporal actual;

calcular un valor máximo y un valor mínimo de la primera función estadística en base a datos históricos del parámetro operativo;

comparar el valor actual de la primera función estadística con dicho valor máximo y dicho valor mínimo de dicha primera función estadística calculados sobre dichos datos históricos;

en base al resultado de dicha comparación, generar una pieza de información de diagnóstico predictivo respecto a dicha unidad funcional.

2. El método de la reivindicación 1, que además comprende las siguientes etapas:

calcular un valor actual de al menos una segunda función estadística de dicho parámetro operativo en dicha ventana temporal actual;

calcular un valor máximo y un valor mínimo de la segunda función estadística en base a dichos datos históricos del parámetro operativo;

comparar el valor actual de la segunda función estadística con dicho valor máximo y dicho valor mínimo de dicha segunda función estadística calculados sobre dichos datos históricos;

generar una pieza de información de diagnóstico predictivo en base al resultado de la comparación entre los valores de la primera función estadística y la segunda función estadística con el respectivo valor máximo y valor mínimo calculado sobre dichos datos históricos del parámetro operacional.

3. El método de la reivindicación 1 o 2, en el que los datos históricos del parámetro operativo son datos contenidos en una ventana temporal de aprendizaje móvil, que precede temporalmente a la ventana temporal actual.

4. El método de la reivindicación 3, en el que la duración de la ventana temporal de aprendizaje es mayor que la duración de la ventana temporal actual y preferiblemente igual a un múltiplo de la duración de la ventana temporal actual.

5. El método de acuerdo con la reivindicación 3 o 4, en el que el valor máximo y el valor mínimo de al menos una de dichas primera función estadística y segunda función estadística se determinan como el máximo y el mínimo de la misma función estadística calculados sobre una pluralidad de ventanas para calcular una función estadística que están contenidas dentro de la ventana temporal de aprendizaje móvil.

6. El método de la reivindicación 3 o 4 o 5, en el que la ventana temporal de aprendizaje móvil se distancia temporalmente de la ventana temporal actual por un intervalo de tiempo.

7. El método de la reivindicación 6, en el que el intervalo de tiempo comprendido entre la ventana temporal actual y la ventana temporal de aprendizaje móvil tiene una duración variable.

8. El método de acuerdo con una o más de las reivindicaciones 3 a 7, en el que la etapa de calcular el valor máximo y el valor mínimo de la primera función estadística o de la segunda función estadística sobre datos históricos del parámetro operacional comprende las siguientes etapas:

- calcular el valor de al menos una de dicha primera función estadística y dicha segunda función estadística para cada ventana de una secuencia de ventanas para calcular la función estadística contenida dentro de la ventana temporal de aprendizaje móvil o en la que se subdivide la ventana temporal de aprendizaje móvil;

- determinar el valor máximo y el valor mínimo de la primera función estadística o de la segunda función estadística entre los valores de la función estadística calculados para dicha secuencia de ventanas para calcular la función estadística contenida dentro de la ventana temporal de aprendizaje móvil.

9. El método de una o más de las reivindicaciones anteriores, en la que la primera función estadística es un valor promedio del parámetro en la ventana temporal actual, o una varianza del parámetro en la ventana temporal actual.

10. El método de una o más de las reivindicaciones anteriores, en el que la segunda función estadística es una varianza del parámetro en la ventana temporal actual, o un promedio del parámetro en la ventana temporal actual.

11. El método de una o más de las reivindicaciones anteriores, en el que el parámetro operativo se correlaciona con al menos un parámetro adicional de la unidad funcional.

12. El método de la reivindicación 11, en el que los datos históricos del parámetro operativo comprenden una pluralidad de valores del parámetro operativo para cada uno de los diferentes valores del parámetro adicional de la unidad funcional.

13. El método de una o más de las reivindicaciones anteriores, que comprende las etapas de: calcular valores máximos y mínimos respectivos de al menos una función estadística del parámetro operativo en una secuencia temporal de intervalos de aprendizaje; detectar cualquier desviación en el tiempo de dichos valores máximo y mínimo calculados para los intervalos de aprendizaje de dicha secuencia; en caso de que se detecte una deriva, señalizando una anomalía.

14. Una planta para la producción de cartón corrugado, que comprenda: una o más corrugadoras; al menos una sección de máquina dobladora encoladora; un extremo seco; un sistema de procesamiento y control de datos, configurado para implementar un método según una o más de las reivindicaciones anteriores.

15. Un soporte de datos que comprende uno o más programas ejecutables en una máquina o sistema TI, configurado para implementar un método según una o más de las reivindicaciones 1 a 13.