KR20210034591A - 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법 - Google Patents
롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법 Download PDFInfo
- Publication number
- KR20210034591A KR20210034591A KR1020217002001A KR20217002001A KR20210034591A KR 20210034591 A KR20210034591 A KR 20210034591A KR 1020217002001 A KR1020217002001 A KR 1020217002001A KR 20217002001 A KR20217002001 A KR 20217002001A KR 20210034591 A KR20210034591 A KR 20210034591A
- Authority
- KR
- South Korea
- Prior art keywords
- product
- roll
- parameters
- thin
- intermediate processing
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 105
- 230000007547 defect Effects 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 claims abstract description 212
- 230000008569 process Effects 0.000 claims abstract description 156
- 238000004519 manufacturing process Methods 0.000 claims abstract description 106
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 34
- 238000010801 machine learning Methods 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims abstract description 4
- 239000000047 product Substances 0.000 claims description 359
- 230000006870 function Effects 0.000 claims description 88
- 238000004804 winding Methods 0.000 claims description 48
- 238000006243 chemical reaction Methods 0.000 claims description 41
- 238000004806 packaging method and process Methods 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 24
- 230000015572 biosynthetic process Effects 0.000 claims description 18
- 238000011179 visual inspection Methods 0.000 claims description 17
- 238000013473 artificial intelligence Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 10
- 239000011265 semifinished product Substances 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000003908 quality control method Methods 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 claims description 8
- 239000002923 metal particle Substances 0.000 claims description 8
- 239000000835 fiber Substances 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000004381 surface treatment Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 239000002002 slurry Substances 0.000 claims description 5
- 239000000701 coagulant Substances 0.000 claims description 3
- 239000013056 hazardous product Substances 0.000 claims description 3
- 229920000642 polymer Polymers 0.000 claims description 3
- 231100001261 hazardous Toxicity 0.000 claims 1
- 238000003780 insertion Methods 0.000 claims 1
- 230000037431 insertion Effects 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 12
- 239000004745 nonwoven fabric Substances 0.000 description 10
- 238000005520 cutting process Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 6
- 238000007635 classification algorithm Methods 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 4
- 238000009966 trimming Methods 0.000 description 4
- 230000001364 causal effect Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011143 downstream manufacturing Methods 0.000 description 3
- 238000011985 exploratory data analysis Methods 0.000 description 3
- 239000010408 film Substances 0.000 description 3
- 239000012467 final product Substances 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005304 joining Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000123 paper Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000008719 thickening Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000013039 cover film Substances 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000004078 waterproofing Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H18/00—Winding webs
- B65H18/08—Web-winding mechanisms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H26/00—Warning or safety devices, e.g. automatic fault detectors, stop-motions, for web-advancing mechanisms
- B65H26/02—Warning or safety devices, e.g. automatic fault detectors, stop-motions, for web-advancing mechanisms responsive to presence of irregularities in running webs
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2301/00—Handling processes for sheets or webs
- B65H2301/40—Type of handling process
- B65H2301/41—Winding, unwinding
- B65H2301/414—Winding
- B65H2301/4148—Winding slitting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2301/00—Handling processes for sheets or webs
- B65H2301/40—Type of handling process
- B65H2301/41—Winding, unwinding
- B65H2301/417—Handling or changing web rolls
- B65H2301/41702—Handling or changing web rolls management and organisation of stock and production
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2301/00—Handling processes for sheets or webs
- B65H2301/40—Type of handling process
- B65H2301/41—Winding, unwinding
- B65H2301/417—Handling or changing web rolls
- B65H2301/41704—Handling or changing web rolls involving layout of production or storage facility
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2301/00—Handling processes for sheets or webs
- B65H2301/50—Auxiliary process performed during handling process
- B65H2301/54—Auxiliary process performed during handling process for managing processing of handled material
- B65H2301/542—Quality control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2301/00—Handling processes for sheets or webs
- B65H2301/50—Auxiliary process performed during handling process
- B65H2301/54—Auxiliary process performed during handling process for managing processing of handled material
- B65H2301/544—Reading; Scanning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2511/00—Dimensions; Position; Numbers; Identification; Occurrences
- B65H2511/20—Location in space
- B65H2511/23—Coordinates, e.g. three dimensional coordinates
-
- B65H2511/232—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2553/00—Sensing or detecting means
- B65H2553/52—RFID sensor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2701/00—Handled material; Storage means
- B65H2701/10—Handled articles or webs
- B65H2701/12—Surface aspects
- B65H2701/124—Patterns, marks, printed information
- B65H2701/1244—RFID [Radio Frequency Identification Data] transponder
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2701/00—Handled material; Storage means
- B65H2701/10—Handled articles or webs
- B65H2701/19—Specific article or web
- B65H2701/1924—Napkins or tissues, e.g. dressings, toweling, serviettes, kitchen paper and compresses
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H2801/00—Application field
- B65H2801/84—Paper-making machines
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Controlling Rewinding, Feeding, Winding, Or Abnormalities Of Webs (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법으로서, - 데이터베이스 시스템에 저장된 고유한 식별 코드가 할당된 박형 제품의 롤을 수용하는 단계로서, 상기 후자는 상기 고유한 식별 코드와 연관된, 상기 중간 처리 단계의 상류에서의 상기 롤에 감긴 상기 박형 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터를 포함하는, 상기 수용하는 단계, - 상기 데이터베이스 시스템에 접근하는 단계, - 상기 중간 처리 단계로부터 출력된 제품 파라미터를 예측하기 위하여, 상기 중간 처리 단계로부터 출력된 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값 및 상기 중간 처리 단계의 상류에서의 상기 롤의 생산 단계에서 검출된 동일한 롤의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값으로부터, 기계 학습 로직에 의해 생성된, 상관관계를 사용하는, 예측 모델에서 상기 데이터베이스에 포함된 상기 롤의 고유한 식별 코드와 연관된 공정 파라미터 및/또는 제품 파라미터 중 하나 이상을 입력하는 단계, - 상기 제품 파라미터를 각각의 미리 정해진 한계값과 비교하는 단계, - 상기 비교 결과에 기초하여 박형 제품 결함의 예측 진단 정보를 발생시키는 단계를 제공하는, 상기 방법.
Description
본 발명은 롤에 감기게 될 연속적인 박형 또는 웹 제품, 예컨대, 종이-기반 제품, 종이, 티슈 페이퍼, 부직포, 필름, 다중-재료 및 유사한 제품의 생산 분야에 관한 것이다.
특히, 본 발명은 롤에 감긴(wound) 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법에 관한 것이다.
추가로, 본 발명은 또한 상기 방법을 사용하는 롤에 감긴 박형 제품용의 생산 공장(production plant)에 관한 것이다.
많은 산업 부문에서, 예를 들어 원통형 코어 상에 감아서 생산되는 마스터 롤로 알려진 웹 재료의 롤은 이들 마스터 롤을 풀고(즉, 언와인딩하고) 와인딩 또는 리와인딩 기계에 의해서 상이한 치수 특징을 갖는 롤로 되감는 과정을 통해서 상이한 치수의 롤로 전환될 필요가 있다. 이와 같이 해서 얻어진 더 작은 완성된 서브-롤은 전환 라인(converting line)으로도 알려진 기타 물품의 생산 라인을 공급하도록 반제품으로서 사용된다.
마스터 롤을 생산하는 몇몇 시설은 단지 마스터 롤을 생산할 수 있고, 이어서 후속의 전환, 예를 들어, 추가의 처리를 위해 리와인딩 기계를 통해서 서브-롤로 분할하는 것을 위하여 고객에게 이들 롤을 보낼 수 있거나, 또는 서브-롤을 내부적으로 생산하고, 이어서 이들 서브-롤을 완제품의 생산을 위해 최종 고객에게 보낼 수 있다. 롤 또는 서브-롤은, 보내기 전에, 제품을 보호하기 위하여 포장된다.
롤의, 서브-롤의 그리고 완제품의 생산 동안, 완제품의 품질을 무력하게 할 수 있거나 또는 생산 문제를 일으킬 수 있는 제품 결함이 발생될 수 있다.
전형적으로, 용어 "결함"은 구멍, 치핑된 가장자리(chipped edge), 흑색 얼룩, 물, 오일 마크, 재료의 두꺼워짐, 이물체의 존재, 재료 내 접합을 의미한다.
이들 결함은 평가되어, 롤의 생산 단계 동안 요구되는 품질 등급을 고려하는 엄격도로 분류된다. 일반적으로, 이들 결함의 존재는 허용되지 않고, 후속의 생산 단계에서, 이를 제거하는 조치가 취해진다.
결함의 제거는 일반적으로 2가지 문제를 유발한다. 한편으로, 결함을 포함하는 제품의 부분의 불가피한 손실이 있는 한편, 다른 한편으로 종종 생산 공정이 결함을 제거하기 위하여 상당히 속도가 느려지거나 또는 심지어 정지되어야 한다.
본 발명의 목적은 롤로 감길 연속 박형 또는 웹, 제품, 예컨대, 종이 제품, 종이, 티슈 페이퍼, 부직포, 필름, 다중-재료 및 유사한 제품의 생산에서 제품 결함의 생성과 연관된 문제를 해소하기 위한 것이다.
이 목적 이내에서, 본 발명의 중요한 목적은 생산을 최적화시키고, 고품질 제품을 얻고, 생산 정지시간을 저감시키고 그리고 후속의 처리 단계에서의 거절 및 문제를 회피 또는 저감시키기 위하여, 롤로 감긴 박형 제품의 처리 단계 동안 제품 결함의 존재를 예측할 수 있는 방법을 개발하는 것이다.
이하에 더욱 명백해지는 이들 및 기타 목적은, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법에 의해 실현되며, 해당 방법은 하기를 제공한다:
- 데이터베이스 시스템에 저장된 고유한 식별 코드가 할당된 박형 제품의 롤을 수용하고, 상기 고유한 식별 코드와 연관된, 중간 처리 단계의 상류에서의 상기 롤에 감긴 박형 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터를 포함하는 단계,
- 이 데이터베이스 시스템에 접근하는 단계,
- 상기 중간 처리 단계로부터 출력된 제품 파라미터를 예측하기 위하여, 상기 중간 처리 단계로부터 출력된 공정 파라미터 및/또는 제품 파라미터와 관련된 역사화된 값, 즉, 과거 값(historicized value) 및 상기 중간 처리 단계의 상류에서의 상기 롤의 생산 단계에서 검출된 동일한 롤의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값으로부터, 기계 학습 로직에 의해 생성된, 상관관계를 사용하는, 예측 모델에서 상기 데이터베이스에 포함된 상기 롤의 고유한 식별 코드와 연관된 공정 파라미터 및/또는 제품 파라미터 중 하나 이상을 입력하는 단계,
- 상기 제품 파라미터를 각각의 미리 정해진 한계값과 비교하는 단계,
- 상기 비교 결과에 기초하여 박형 제품 결함의 예측 진단 정보를 발생시키는 단계.
바람직하게는, 기계 학습 로직은 인공 지능 로직을 의미한다.
본 발명은, 롤의 리와인딩 및 전환 단계 동안, 결함이 초기 처리 단계에서와 같이 존재하지 않거나, 검출 가능하지 않거나 또는 분류 가능하지 않았으므로 미리 검출되지 않았던 완제품에서 형성될 수 있다는 사실의 관찰로부터 유래된다. 이들 결함의 몇몇은, 리와인더로부터 나오는 롤에 대해서, 제품의 형성, 감기(즉, (winding)), 포장(packaging) 및 되감기(리와인딩(rewinding)) 및 2차 형성 단계 동안 처리 조건 또는 고장(fault)에 의해 발생된다. 이들 작동 조건 또는 고장은 이들이 발생하는 단계에서 실제 결함을 나타내지 않을 수 있지만 하류 공정에서 결함의 원인(또는 공존 원인)일 수 있다.
따라서, 본 발명은, 상류에서 각 단계에서의 작동 조건 및 고장(이는 후속적으로 하류의 공정에서 결함을 생성할 것임)의 식별을 허용하는 방법에 관한 것이다. 본 발명은 또한, 하류 단계(들)로부터 출력되는 제품의 몇몇 특성 및 이들 공정에 대한 최적 세팅의 예측을 허용한다. 식별은, 잠재적인 문제의 발생을 회피 또는 제한하기 위하여, 따라서 후속 처리 단계에서 제품에 나타나, 공정 파라미터에 현저하게 되고 변동을 일으키게 될 수 있었던 잠재적인 결함을 허용하는, 작동 조건의 관찰에 기초하여 후기 단계에서 또는 실시간에 구현될 수 있다.
예측 모델은 중간 처리 단계의 상류에서 이들 롤의 생산 단계에서 검출된 복수의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 데이터의 제1 세트와, 예측의 중간 처리 단계로부터의 출력인 검출된 복수의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 데이터의 제2 세트를 사용할 수 있고; 인공 지능 또는 기계 학습 알고리즘에 의해서, 상기 두 세트를 상관시키는 학습 기능(learning function)이 생성되고, 상기 중간 처리 단계의 상류에서 검출된 동일한 공정 파라미터 및/또는 제품 파라미터 중 하나 이상의 분석을 통해서, 상기 중간 처리 단계로부터 출력된 하나 이상의 공정 파라미터 및/또는 제품 파라미터 중에서 상기 예측을 허용하는 예측 기능을 생성한다.
(특정 제품 파라미터와 견줄 수 있는) 제품 결함 단독에 관한 수보다 크고, 바람직하게는 하나 이상의 공정 파라미터 및 선택적으로 하나 이상의 제품 파라미터를 갖는 중간 처리 단계 파라미터의 상류가 검출되는 것은 명백하다. 서로 상관될 수 있는 사용된 제품 및 공정 파라미터의 수가 클수록, 예측 정밀도가 더 커질 것이다.
유리하게는, 예측 모델은, 이벤트, 즉, 공정 및/또는 제품 파라미터, 예컨대, 바람직하게는 제품 결함 또는 불길한(inauspicious) 공정 이벤트를 예측하기 위하여, 서로 조합되고 중간 처리 단계의 상류에서 검출된 적어도 2개의 상이한 공정 파라미터 및/또는 제품 파라미터를 고려한다.
예측 모델은 학습 기능과 예측 기능을 수행하는 인공 지능 알고리즘에 기초한다:
- 상기 학습 기능은 시스템 변수들 간에 존재하는 인과 관계의 구조와 상관관계의 구조를 발견할 목적으로, 획득된 공정 파라미터 및 제품 파라미터에 기초하고; 상기 학습 기능은 이전 단계에서 역사화된 모든 파라미터와, 전환 및 리와인딩 단계 및 제품 품질과 같은 후속 단계에서 식별된 파라미터 간의 상관관계를 구현하고; 상기 학습 기능은 결함의 출현에 영향을 미칠 수 있는 조건으로 제품 품질과 제품 파라미터 및 공정 파라미터를 상관시키는 인공 지능 모델의 개발을 허용하고; 상기 학습 기능은 예측 기능을 생성하고;
- 상기 예측 기능은, 그 순간에 검출된 파라미터에 기초하여, 실시간에 출현할 수 있는 잠재적인 제품 및/또는 공정 파라미터를 나타내는 목적을 갖는다.
바람직하게는, 상기 방법은 중간 처리 단계의 상류에서 상기 롤에 감긴 박형 제품의 생산 단계에서 검출된 복수의 공정 파라미터의 데이터베이스 시스템에 저장을 제공한다.
바람직하게는, 방법은 중간 처리 단계 동안 검출된 복수의 공정 파라미터의 데이터베이스 시스템에 저장을 제공한다.
바람직하게는, 상기 방법은 중간 처리 단계의 상류에서 상기 롤에 감긴 박형 제품의 생산 단계에서 검출된 복수의 공정 파라미터의 데이터베이스 시스템에 저장을 제공한다.
바람직하게는, 상기 방법은 중간 처리 단계 동안 검출된 복수의 공정 파라미터의 데이터베이스 시스템에 저장을 제공한다.
바람직하게는, 상기 방법은 중간 처리 단계의 상류에서 상기 롤에 감김 박형 제품의 생산 단계에서 검출된 복수의 제품 파라미터 및 복수의 공정 파라미터 둘 다의 데이터베이스 시스템에 저장을 제공한다.
바람직하게는, 상기 방법은 중간 처리 단계 동안 상기 롤에 감긴 박형 제품의 생산 단계에서 검출된 복수의 제품 파라미터 및 복수의 공정 파라미터 둘 다의 데이터베이스 시스템에 저장을 제공한다.
바람직하게는, 롤과 연관될 수 있는 제품 파라미터 및 공정 파라미터는 하기로부터 선택되고 중간 처리 단계의 상류에서 또는 중간 처리 단계 동안 검출되어야 한다:
- 제품 유형 식별;
- 기계 유형;
- 롤 길이;
- 롤 포맷 폭;
- 외측 롤 직경;
- Y의 함수로서, 감긴 길이의 함수로서의 폭 프로파일;
- 감긴 박형 제품의 평량;
- 감긴 박형 제품의 평량 공차;
- 롤을 형성하기 위하여 박형 제품이 와인딩되는 코어의 유형;
- 코어 직경;
- 스핀들 식별자;
- 롤 중량;
- 롤 생산 개시 일 및 시간
- 롤 생산 종료 일 및 시간;
- 실온;
- 상대습도;
- 제품 품질 등급;
- 롤 품질 등급;
- 롤 밀도;
- Y의 함수로서의 롤 밀도 프로파일;
- 조작자 또는 생산 관리자 식별자
- Y의 함수로서의 롤 속도 프로파일;
- Y의 함수로서의 와인더 속도 프로파일;
- Y의 함수로서의 생산 라인 가속도 및/또는 Y의 함수로서의 와인더 가속도;
- 적용된 표면 처리;
- 표면 처리의 위치;
- X를 따른 그리고 Y를 따른 평량 프로파일;
- X축을 따른 그리고 Y를 따른 두께 프로파일;
- X축을 따른 그리고 Y를 따른 습도 프로파일;
- 형성 사양;
- 접착 유형;
- 사용된 섬유의 혼합체, 또는 사용된 중합체의 혼합물;
- 정제 정도(degree of refinement);
- 사용된 물의 유형의 혼합;
- 응결제(coagulant) 농도;
- 응집제(flocculant) 농도;
- 슬러리 전도도;
- 기계적 특성 - 부하(load);
- 기계적 특성- 습식 파열(wet burst);
- 기계적 특성 - 탄성 계수;
- Y를 따른 제품 형성을 따라 검출된 온도;
- Y를 따른 오븐 또는 후드 온도 프로파일;
- Y를 따른 인쇄 피치;
- Y를 따른 캘린더에 의한 길이의 단위당 적용된 닙 포스(nip force);
- Y를 따른 캘린더 온도;
- Y를 따른 와인딩 장력 프로파일;
- 와인더 슬립 프로파일(winder slip profile);
- 적용된 제어 유형;
- 생산 레시피 식별자;
- 하기를 포함하는, 검출 시스템에 의해 검출된 내포된 결함:
- 내포된 결함의 수;
- 결함 이미지;
- 결함 유형;
- 위치 X;
- 위치 Y;
- X를 따른 치수;
- Y를 따른 치수;
- 결함 영역;
- 엄격도;
- 롤 성장 프로파일 직경/감긴 미터;
- 롤의 Y축과 관련된 시간 스탬핑을 이용한 제품의 형성에 따라 수집된 비디오 이미지.
바람직하게는, 중간 처리 단계의 상류에서 상기 롤에 감긴 박형 제품의 생산 단계에서 검출된 사용되는 공정 파라미터는, 바람직하게는, 3 초과의 수, 더 바람직하게는 5 초과의 수이고, 이에 의해서 더 큰 예측 정도를 확보한다. 바람직하게는, 중간 처리 단계의 상류에서 상기 롤에 감긴 박형 제품의 생산 단계에서 검출된 사용되는 제품 파라미터는 바람직하게는 3 초과의 수, 더 바람직하게는 5 초과의 수이고, 이에 따라서 더 큰 예측 정도를 확보한다.
유리하게는, 예측 정보의 생성에 후속하여, 상기 방법은, 상기 중간 처리 단계에서, 상기 한계값을 초과하는 것을 피하기 위하여 처리 공정 파라미터를 조절하거나, 또는 상기 스테이션의 하류에서의 임의의 처리를 위하여 잠재적으로 위험한 제품의 부분을 거부하도록 구성된 동작을 포함한다.
유리하게는, 중간 처리 단계는, 1차 롤로 규정된 롤의 박형 제품의 풀기(즉, 언와인딩(unwinding)) 및 상기 1차 롤과 같거나 또는 작은 횡방향 치수를 갖는 2차 롤로 규정된 하나 이상의 박형 제품의 와인딩을 포함하는 리와인딩 단계이며, 여기서 데이터베이스 시스템에 저장된 1차 코드로 규정된 고유한 식별 코드가 1차 롤과 연관되고, 리와인딩 단계의 상류에서의 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터가 연관되고, 2차 코드로 규정된 관련된 고유한 식별 코드가 각각의 2차 롤과 연관되고, 리와인딩 단계의 상류에서의 박형 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터 및 리와인딩 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터 둘 다와 연관된다.
대안적으로, 중간 처리 단계는 박형 제품의 롤의 언와인딩 및 롤에 감긴 박형 제품을 완제품 또는 반제품으로 전환시키는 전환 모듈에의 박형 제품의 삽입을 포함하는, 롤에 감긴 박형 제품의 완제품 또는 반제품으로의 전환 단계이다.
유리하게는, 데이터베이스 시스템에서, 박형 제품의 인라인 생산 동안 그리고/또는 상기 롤로 인라인 생산된 상기 박형 제품의 후속의 와인딩 동안 검출된 롤 공정 파라미터 및/또는 제품 파라미터의 고유한 식별 코드와 연관된다.
바람직하게는, 데이터베이스 시스템에서, 롤의 포장 단계 동안 검출된 롤 공정 파라미터 및/또는 제품 파라미터의 고유한 식별 코드와 연관된다.
유리하게는, 상기 방법은 공정의 전체를 따른 이들 공정 파라미터 및/또는 제품 파라미터의 검출, 및 1차 롤로 와인딩하기 전에 박형 제품의 생산 단계로부터 유래되는 파라미터가 관련되는 박형제품을 포함하는 롤과의 결과적 연관을 포함하고, 따라서 리와인딩 단계 및 포장 단계를 또한 포함할 수 있고, 예측 모델은 대응한 단계와 관련된 과거 파라미터에 기초하여, 예측이 관련되는 단계의 상류에서 검출된 파라미터에 기초하여 제품 파라미터를 예측하도록 구성된다.
유리하게는, 관련된 롤에 대한 제품 및/또는 공정 파라미터는, 파라미터가 검출된 제품의 영역의 위치의 함수로서 저장된다.
이 후자의 양상을 참조하면, 바람직하게는, 파라미터가 검출된 제품의 영역의 위치는 동일 롤과 관련된 원점을 가진 좌표계에 의해 저장되되, 상기 좌표계는,
- 롤의 축과 평행한, 바람직하게는 0(제로)이 롤의 측면에 대응하는 제1 좌표축과, 롤이 감겨 있는 축을 중심으로 박형 제품의 선형 언와인딩(linear unwinding)에 대응하고, 원점이 바람직하게는 롤의 코어 상에 있는 박형 제품의 와인딩 개시점과 일치하는 제2 좌표축을 포함한다.
유리하게는, 롤에 고유한 식별 코드를 배정하는 것은, 데이터베이스 시스템에서 고유한 식별 코드를 포함하고 상기 고유한 식별 코드를 저장하는, a) 그래픽, b) 예를 들어, RFID 유형의 전자 매체, 또는 c) 자기 대역 매체를 적용함으로써 롤에 마킹(marking)하는 것을 포함할 수 있다.
전자 또는 자기 매체의 경우에, 상기 매체의 상기 식별 코드를 배정하기 위한 프로그래밍 단계를 포함할 수 있고, 이 프로그래밍 단계는 상기 적어도 하나의 롤에 상기 매체를 적용하기 전에 또는 상기 매체가 1차 롤에 적용되는 때에 일어난다.
유리하게는, 롤에 감긴 박형 제품의 상기 중간 처리 단계의 개시 시에 상기 롤의 고유한 코드를 판독하는 단계가 있을 수 있다.
또 다른 양상에 따르면, 본 발명은 하기를 포함하는, 박형 제품의 롤을 생산하기 위한 공장에 관한 것이다:
- 동일 라인의 제품 및/또는 공정 파라미터를 알 수 있는 제어 시스템을 포함하는 연속 박형 제품의 생산 라인,
- 박형 제품 및 롤의 생산 동안 검출된 제품 및/또는 공정 파라미터 및 상기 롤과 관련된 제품 및/또는 공정 파라미터와 연관된 생산된 롤의 식별 코드를 포함하는 데이터베이스 시스템,
- 상기 라인으로부터 빠져나오는 박형 제품을 1차 롤로 와인딩하도록 구성된, 연속 박형 제품의 상기 생산 라인의 출구에 위치된 적어도 하나의 와인더로서, 와인더의 관리 시스템, 와인딩되고 있는 1차 롤과 연관되는 그래픽, 전자 또는 자기 매체 상의 판독 및/또는 기록 디바이스로서, 상기 매체에 기록 또는 상기 매체를 프로그래밍하도록 구성되고 전자 관리 유닛과 작동 가능하게 연결된, 상기 판독 및/또는 기록 디바이스, 및 와인더에 진입하는 제품의 평가 시스템으로서, 바람직하게는 품질 제어 모듈 QCS, 및/또는 결함의 그리고/또는 금속 입자를 검출하는 유형의 육안 검사 모듈을 포함하는, 상기 평가 시스템을 포함하는, 상기 적어도 하나의 와인더,
- 와인더로부터 유래되는 상기 1차 롤로부터 1개 이상의 2차 롤을 생산하도록 구성된 선택적 리와인더로서, 2차 롤에 감겨 있는 제품의 평가 시스템으로서, 예를 들어, 결함의 그리고/또는 금속 입자를 검출하는 유형의 육안 검사 모듈, 및 추가의 선택적 품질 제어 모듈 QCS를 포함할 수 있는, 상기 평가 시스템, 언와인딩되고 있은 롤의 식별 코드의 판독 디바이스, 및 와인딩되고 있는 2차 롤과 연관되는 식별 코드의, 그래픽, 전자 또는 자기 매체 상의 판독 및/또는 기록 디바이스, 및 와인딩되고 있는 제품의 상기 평가 시스템에 의해 검출된 제품 및/또는 공정 파라미터를 상기 파라미터가 관련되는 2차 롤의 식별 코드와 연관되어 상기 데이터베이스 시스템에 통신하도록 구성된 관리 시스템을 포함하는, 상기 선택적 리와인더,
- 1차 또는 2차 롤을 위한 선택적 포장 스테이션으로서, 상기 롤과 연관된 매체 상의 상기 롤의 식별 코드의 판독 디바이스, 및 포장된 롤의 평가 시스템과 연관이 있는 포장 단계의 관리 시스템으로서, 예를 들어, 육안 검사 모듈을 포함하고, 포장과 연관되고 포장 중인 롤의 상기 평가 시스템에 의해 검출된 제품 및/또는 공정 파라미터를 상기 파라미터가 관련되는 롤의 식별 코드와 연관되어 상기 데이터베이스 시스템에 통신하도록 구성된, 상기 관리 시스템을 포함하는, 상기 선택적 포장 스테이션,
- 롤의 완제품 또는 반제품으로의 전환 스테이션으로서, 1개 이상의 롤에 대한 1개 이상의 언와인딩 스테이션, 상기 1개 이상의 롤의 전환 기계, 언와인딩되고 있은 롤의 식별 코드의 판독 디바이스, 롤로부터 언와인딩되어서 전환 기계에 진입하는 제품의 평가 시스템으로서, 예를 들어, 육안 검사 모듈, 처리 중인 제품의 파라미터를 결정하기 위하여 존재하는 상기 전환 기계의 센서를 포함할 수 있고, 상기 공정 파라미터 및/또는 제품 파라미터는 언와인딩되고 있은 각각의 롤과 또는 데이터베이스 시스템 내 그들의 식별 코드와 연관되는 전환 단계 동안 획득되는, 상기 평가 시스템을 포함하는, 상기 전환 스테이션,
- 상기 데이터베이스 시스템에 포함된 롤의 고유한 식별 코드와 연관된 공정 파라미터 및/또는 제품 파라미터의 관리 소프트웨어로서, 공장의 처리 단계로부터 출력된 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값과 상기 중간 처리 단계의 상류에서의 상기 롤의 생산 단계에서 검출된 동일한 롤의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값 사이의, 기계 학습 로직에 의해 생성된, 상관관계를 사용하는 예측 모델이 구현되고, 상기 모델은 상기 처리 단계로부터 출력된 제품 파라미터를 예측하도록 구성된, 상기 관리 소프트웨어.
유리하게는, 상기 공장은 상기 한계값을 초과하는 것을 피하기 위하여 처리 공정 파라미터를 조절하거나, 또는 상기 스테이션의 하류에서의 임의의 처리 동안 잠재적으로 위험한 제품의 부분을 거절하도록 구성된, 박형 제품의 상기 생산 라인의 공정 파라미터, 및/또는 상기 와인더의 공정 파라미터, 및/또는 상기 포장의 공정 파라미터, 및/또는 상기 리와인더의 공정 파라미터, 및/또는 상기 전환 스테이션의 공정 파라미터를 변화시키기 위한 수단을 포함할 수 있다.
또 다른 양상에 따르면, 1차 롤(또는 마스터 롤)로부터 박형 제품을 언와인딩하고 이를 1개 이상의 서브-롤(또는 2차 롤) 상에 리와인딩하기 위한 라와인더가 기재되며, 해당 리와인더는 하기를 포함한다:
- 형성될 2차 롤을 위한 2차 원통형 코어를 생산하기 위한 선택적 스테이션,
- 언와인딩 구역(1차 롤의 언와인더를 포함함)이 설치된 와인딩 스테이션,
- 상기 언와인딩 구역 앞쪽에, 동축으로 나란히 배열된 2차 코어들을 수용하도록 구성된 와인딩 크래들(winding cradle),
- 상기 언와인딩 구역과 상기 와인딩 크래들 사이에 배열된, 복수의 블레이드를 구비한, 절단 디바이스,
1개 이상의 2차 롤에 감겨 있는 제품의 평가 시스템으로서, 금속 입자를 검출하는 유형의 및/또는 결함의 육안 검사 모듈을 포함할 수 있는, 상기 평가 시스템.
본 발명이 추가의 특징 및 이점은, 첨부 도면에서 비제한적인 예로서 예시된, 몇몇 바람직하지만 비배타적인 실시형태의 설명으로부터 더욱 명백해질 것이다:
도 1은 본 발명에 따른 박형 제품의 롤의 생산 공장의 개략도;
도 2는 도 1의 공장에서 사용된 리와인더의 개략적 평면도;
도 3은 도 1의 공장에서 사용된 롤과 코어의 조립체를 도시한 도면;
도 4는 롤 상의 결함의 위치의 참조 시스템을 예시한 다이어그램.
도 1은 본 발명에 따른 박형 제품의 롤의 생산 공장의 개략도;
도 2는 도 1의 공장에서 사용된 리와인더의 개략적 평면도;
도 3은 도 1의 공장에서 사용된 롤과 코어의 조립체를 도시한 도면;
도 4는 롤 상의 결함의 위치의 참조 시스템을 예시한 다이어그램.
전술한 특징을 참조하여, 본 발명에 따른 공장의 다이어그램은 번호 (10)으로 전체로서 표시되어 있다. 이 공장은 마스터 롤(이하 "1차 롤(B1)"로도 표기됨)을 생산하고 저장하고, 그리고 마스터롤(B1)로부터 추가의 롤 또는 서브-롤(이하 "2차 롤(B2i)"로도 표기됨)을 생산하도록 구성된 생산 시설(11) 내부에 있다.
이하에는, 공지된 유형의 공장(10)의 구성부품을 주로 설명한다. 공장(10)은 연속 박형, 또는 웹, 제품(T), 예컨대, 종이, 티슈 페이퍼, 부직포, 또는 기타 유사한 제품(필름, 다수 재료 제품 등)의 생산 라인을 포함하고, 종료 부분은 번호 (12)로 표시된다. 이 라인의 제어 시스템은 (12A)로 표시된다. 이 제어 시스템은 이하에 기재된 라인(12)의 제품 파라미터 및 공정 파라미터를 알고 있을 수 있다.
생산 라인(12)의 끝 부분에, 1개 이상의 와인더(13)가 제공된다(이 도면에서는 단지 1개의 와인더가 도시되어 있다). 와인더(13)는 스핀들을 포함하고, 그 위에 박형 제품(T)의 원통 관형 코어(이하 1차 코어(14)로 표기됨)가 배치된다. 1차 코어는 라인(12) 상의 박형 제품(T)의 공급과 동일한 방향(f1)(기계 방향)으로 회전하고, 그 결과 1차 코어(14) 상에 제품을 감게 되어, 마스터 또는 1차 롤(B1)을 생산한다. 와인더의 관리 시스템은 (13A)로 표시되어 있다.
공장(10)에는 각종 부분의 전자 제어 디바이스(30)가 제공되되, 이 디바이스에는 각종 부분의 작동을 관리하기 위한 PLC 시스템 및 네트워크에 의해서 서로 작동 가능하게 연결된 인터페이스 컴퓨터가 제공된다. 전자 제어 디바이스(30)는 또한 생산의 개시 전에 로딩되고 각종 처리 단계 동안 획득된 정보(제품 파라미터 및 공정 파라미터, 및 또 다른 정보)를 가진 하나 이상의 서브-데이터베이스를 포함하는 데이터베이스 시스템(31)을 포함한다. 데이터베이스 시스템(31)은 각종 부분이 서로 조화되는 방식으로 상호작용할 수 있게 한다.
와인더(13)에 진입되는 제품의 평가 시스템이 제공되며, 해당 평가 시스템은, 예를 들어, 종이 생산 분야에서 공지된 유형의 품질 제어 모듈 QCS(품질 제어 시스템)(32A)(예를 들어, 이하의 센서 중 하나 이상을 포함함: 평량, 두께, 습도를 검출하기 위한 센서, 회분(ash), 색, 불투명도, 섬유의 배향, 박형 제품의 투과율 등을 검출하기 위한 센서)를 포함하고, 이는 뷰잉 시스템(viewing system), 및 결함 및/또는 또한 공지된 유형(뷰잉 시스템을 포함할 수도 있음)의, 금속 입자를 검출하는 유형의 육안 검사 모듈(32B)을 포함할 수 있다.
전형적으로, "결함"은 구멍(또한 직경 1㎜ 미만), 치핑된 가장자리, 흑색 얼룩, 물, 오일 마크, 재료의 두꺼워짐, 이물질의 존재, 재료의 접합(즉, 결함 구역의 십자형 상류 및 하류에서 제품을 절단하고 나머지 단부를 스플라이싱함으로써 작성된 박형 제품의 연장부를 따른 이러한 접합의 위치)를 의미한다.
뷰잉 시스템은 이미지 획득을 통해서 구멍, 인열(tear), 주름, 이물질 등과 같은 결함을 검출 가능한 시스템이다. QCS 시스템은 적외선 광원의 반사 및/또는 굴절 또는 베타 입자의 흡수에 기초하고, 예를 들어, 제품 두께 프로파일, 평량 프로파일, 상대습도 프로파일, 특정 처리(코팅)의 두께 프로파일의 검출을 허용하고; 이들 파라미터는 제품의 물질과 연관될 수 있다. 참조값으로부터의 이들 측정치의 과도한 편차는 제품 결함에 필적한다. 금속 검출 시스템은 심지어 1밀리미터 미만의 치수를 갖는 제품 내 금속 이물질의 존재를 검출할 수 있는 시스템이다.
상기 방법은, 라인(12)의 제어 시스템(12A), 와인더(13)의 관리 시스템 (13A), 품질 제어 모듈 QCS(32A), 데이터베이스 시스템(31)에서, 결함의 및/또는 금속 입자(32B)를 검출하는 유형의 육안 검사 모듈 그리고 이하에 기재된 1차 롤의 1차 식별 코드와의 연관에 의해 공지되고 이들을 통해 검출된 제품 파라미터 및 공정 파라미터의 저장을 제공한다.
일반적으로, 상기 공장에서, 공정 파라미터 및/또는 제품 파라미터는, 예를 들어, 전체로서 각 롤을 특성 규명하는 "정적" 유형의 데이터와, 즉, 롤의 길이 및/또는 직경과 연관되고 따라서 이의 본 발명의 처리에 연결된 "동적" 유형의 데이터의 2개의 범주로 나뉠 수 있다. 이들 파라미터는 롤의 길이 또는 직경의 함수로서의 프로파일로서 과거에 알려진 사실이다. 시간의 함수로서 획득된 경우의 값은, 롤의 와인딩 속도에 기초하여 길이 또는 직경의 함수로서 전환될 수 있다.
공장에서 생산된 롤의 위치 및 거리를 식별하기 위하여, 예를 들어, 롤에 연결된 이하의 참조 시스템이 사용된다. 참조 시스템 롤의 X축의 원점은 롤의 좌측면과 일치하고; 좌측은 밑에서부터 조작자를 행하여 롤을 언와인딩하는 가상적 조작자의 좌측으로 의도되며; 이 X축은 롤의 와인딩/언와인딩 축 평행하고 기계의 "크로스 방향(Cross Direction)"에 대응한다. 롤 참조 시스템의 Y축의 원점은 와인딩 개시점(즉, 롤의 코어에 체결되는) 롤의 시작과 일치하고, 따라서 길이 방향 또는 "기계 방향"에서의 위치를 나타낸다. 당연히, 와인딩 축으로부터의 거리에, 즉, 롤의 직경에 연결된 좌표로 Y축을 전환시키는 것이 가능하다.
1차 롤의 고유한 코드와 연관될 수 있는 제품 파라미터 및 공정 파라미터는 예를 들어 다음과 같다:
- 제품 유형 식별(이것은 제품 유형을 식별하는 코드이고; 이 표기는 제품/공정/생산자/고객의 유형에 따라 좌우됨);
- 기계 유형(사용되는 기계(들)를 나타내는 코드);
- 롤 길이;
- 롤 포맷 폭;
- 외측 롤 직경;
- Y의 함수로서, 감긴 길이의 함수로서의 폭 프로파일;
- 감긴 박형 제품의 평량;
- 감긴 박형 제품의 평량 공차;
- 롤을 형성하기 위하여 박형 제품이 와인딩되는 코어의 유형;
- 코어 직경;
- 스핀들 식별자(이것은 롤이 감겨 있는 스핀들을 식별하는 파라미터임);
- 롤 중량:
- 롤 생산 개시 일 및 시간:
- 롤 생산 종료 일 및 시간;
- 실온;
- 상대습도;
- 제품 품질 등급(이것은 자동화 기기를 통해 생성되거나 또는 조작자에 의해 표시된 감긴 제품의 품질 지수임);
- 롤 품질 등급(이것은 형상 및 외부 미적 결함으로서 의도된 롤의 품질 지수; 자동화 기기를 통해 생성되거나 또는 조작자에 의해 표시된 지수임);
- 롤 밀도;
- Y의 함수로서의 롤 밀도 프로파일;
- 조작자 또는 생산 관리자 식별자(식별자와 자연인 사이의 연관이 시스템에 알려져 있지 않음);
- Y의 함수로서의 생산 라인 속도 프로파일;
- Y의 함수로서의 와인더 속도 프로파일;
- Y의 함수로서의 생산 라인 가속도 및/또는 Y의 함수로서의 와인더 가속도;
- 적용된 표면 처리(제품에 적용된 처리 유형의 표시; 예를 들어 화학적, 방수 처리 등);
- 표면 처리의 위치(X축을 따른 위치의 벡터);
- X를 따른 그리고 Y를 따른 평량 프로파일(X축을 따른 프로파일은 QCS 시스템 또는 검사 시스템에 의해 측정되고; 이 시스템은 X 및 Y를 따른 완전한 프로파일을 작성하기 위하여 X를 따라 측정된 평량 벡터를 역사화하고(historicized)(즉, 과거값으로 하고); 해상도, 따라서 저장된 점의 수는 QCS 기기의 해상도에 따라 좌우되고; 예로써, X를 따른 해상도는 제품의 폭을 따른 32개 섹터일 수 있음);
- X축을 따른 그리고 Y를 따른 두께 프로파일(X를 따른 그리고 Y를 따른 평량 프로파일에 대해서 상기 주석 참조);
- X축을 따른 그리고 Y를 따른 습도 프로파일(X를 따른 그리고 Y를 따른 평량 프로파일에 대해서 상기 주석 참조);
- 형성 사양(예컨대, 부직포의 형성 모드);
- 접착 유형(전형적으로, 부직포 분야에서 섬유를 접착하는 방법, 예를 들어, 바늘, 초음파, 물, 캘린더를 통하는 등);
- 사용된 섬유의 혼합체(예컨대, 전형적으로 종이 분야에서, 슬러리를 위하여 사용된 상이한 유형의 섬유의 백분율), 또는 사용된 중합체의 혼합물 (전형적으로 몇몇 부직포의 생산 분야에서);
- 정제 정도(전형적으로 종이 분야에서, 사용된 섬유의 SH 정제 정도);
- 사용된 물의 유형의 혼합(전형적으로 종이 분야에서, 슬러리를 위하여 사용된 상이한 유형의 물의 백분율);
- 응결제 농도(전형적으로 종이 분야에서);
- 응집제 농도(전형적으로 종이 분야에서);
- 슬러리 전도도(전형적으로 종이 분야에서);
- 기계적 특성 - 부하(전형적으로 종이 분야에서, 라인 밖에서 제품에 수행되는 기계적 특성의 샘플 시험; 시험 결과는 샘플이 취해진 롤과 연관될 수 있음);
- 기계적 특성 - 습식 파열(라인 밖에서 제품에 수행되는 기계적 특성의 샘플 시험; 시험 결과는 샘플이 취해진 롤과 연관될 수 있음);
- 기계적 특성 - 탄성 계수(전형적으로 부직포 분야에서, 라인 밖에서 제품에 수행되는 기계적 특성의 샘플 시험; 시험 결과는 샘플이 취해진 롤과 연관될 수 있음);
- Y를 따른 제품 형성을 따라 검출된 온도(라인을 따라 설치된 센서에 의해 검출된 온도; 그 값(값의 벡터)은 롤의 Y축을 따라 역사화되고; 제품의 직접 온도가 검출되지 않은 경우, 대안적으로 형성에 관여된 공기 또는 실린더의 표면의 온도가 검출될 수 있음);
- Y를 따른 오븐 또는 후드 온도 프로파일;
- Y를 따른 인쇄 피치(라인 내 제품의 인쇄가 존재하는 경우);
- Y를 따른 캘린더에 의한 길이의 단위당 적용된 닙 포스;
- Y를 따른 캘린더 온도(전형적으로 부직포 분야에서);
- Y를 따른 와인딩 장력(또는 당김) 프로파일(롤과 와인딩 롤러 사이의 길이 단위당 적용된 닙 포스);
- 와인더의 슬립 프로파일(속도차);
- 적용된 제어 유형(롤의 형성을 위한 적용된 제어 유형, 예컨대, 플라이, 슬립 또는 속도차 등에 기초한 제어);
- 생산 레시피 식별자(이것은 제품을 생산하는데 사용된 레시피의 식별자를 나타냄)
- 하기를 포함하는, 검출 시스템(예컨대, 뷰잉 시스템)에 의해 검출된 내포된 결함:
- 내포된 결함의 수;
- 결함 이미지(결함의 이미지);
- 결함 유형(결함 유형 및 이의 치수를 식별하는 코드);
- 위치 X(롤 참조 시스템에 의한 결함의 위치);
- 위치 Y(롤 참조 시스템에 의한 결함의 위치);
- X를 따른 치수;
- Y를 따른 치수;
- 결함 영역;
- 엄격도;
- 롤 성장 프로파일 직경/감긴 미터(이것은 Y의 함수로서의 롤의 직경을 나타냄);
- 롤의 Y축과 관련된 시간 스탬핑을 이용한 제품의 형성에 따라 수집된 비디오 이미지(공정 모델링에서 표시를 부여할 수 있는 생산 라인을 따라 수집된 각종 이미지 및 비디오가 롤의 점 Y로 추적 가능하도록 역사화될 수 있음).
위에서 열거된 제품 파라미터 및 공정 파라미터의 일부 또는 전부에 관련된 정보는 데이터베이스 시스템(31)의 제1 데이터베이스(DB1)에 저장된다.
1차 롤(B1)을 생산하기 위해, 와인더(13)의 1차 코어(14) 상에 제품(T)을 와인딩하기 전에, 1차 코어(14)는, 예를 들어, 1차 코어(14)의 외부 가장자리 상에 제1 라벨 또는 RFID 매체(33)를 적용함으로써 전자적으로 마킹된다.
일단 1차 롤(B1)이 와인더(13)의 출구에 위치된, 전자 제어 디바이스(30)와 작동 가능하게 연결된 RFID 안테나(34)와 같은, 전자 매체 상의 제1 판독 및/또는 기록 디바이스에 의해 생산되면, RFID 라벨(33)에 1차 식별 코드(G)가 배정되는데, 이는 데이터베이스 시스템(31)의 제2 데이터베이스(DB2)에서 발견된다.
전자 디바이스(30)는, 상기 제2 데이터베이스(DB2)에서, 제1 데이터베이스(DB1)에 존재하는 1차 롤에 대해서 위에서 기재된 제품 파라미터 및 공정 파라미터의 정보와 동일 1차 롤의 1차 식별 코드(G) 간의 연관을 생성하고, 따라서, 이 제2 데이터베이스(DB2)에서, 1차 롤의 세계성(globality)("정적" 파라미터)와 그리고 롤의 위치("동적" 파라미터)와 연관된, 상기 제품 파라미터 및 공정 파라미터와 관련된 주어진 1차 식별 코드 정보와 연관된다.
1차 식별 코드(G)가 와인더(13) 상의 제품(T)의 와인딩 단계의 개시 전에 또한 RFID 라벨(33)에 배정될 수 있고(예를 들어 RFID 라벨이 1차 코어에 적용되기 전에 또는 그 직후에 배정이 일어날 수 있고), 한편 검출된 결함의 연관은 와인딩 단계의 종료 후에 일어나는 것이 이해된다. 게다가, RFID 라벨(33)은 또한 와인더(13) 상에 와인딩 단계 후에 1차 코어(14)에 적용될 수 있다(그리고 RFID 라벨이 1차 코어에 적용되기 전에 또는 그 직후에 코드의 배정이 일어날 수 있다). 라벨은 롤의 코어에, 또는 롤의 표면에 적용될 수 있다.
전자 라벨에 대안적으로, 그래픽 유형의 마킹(영숫자 코드, 바코드 또는 QR코드 등과 같은 그래픽 매체의 적용) 또는 자석 밴드가 사용될 수 있다.
전자 또는 자기 매체가 사용되는 경우에, 롤에 매체를 적용하기 전에, 또는 상기 매체가 1차 롤에 적용된 때에 해당 매체의 1차 식별 코드를 배정하기 위한 프로그래밍 단계를 포함한다.
조작자는 1차 롤(10)의 형성 공장에 존재할 수 있다.
와인더(13)의 하류에는, 포장 또는 저장 구역을 향해서, 또는 1개(또는 그 초과)의 리와인더(17)를 향해 직접(도면에서는 단지 1개의 리와인더만 표시됨) 1차 롤(B1)을 이동시키는 적어도 제1 핸들러(16)가 제공된 언로딩 구역(15)이 위치된다.
리와인더(17)는 형성될 2차 롤(B2i)용의 2차 관형 원통형 코어(18i)를 생산하기 위한 스테이션(22)과, 언와인딩될 1차 롤의 언와인딩 구역(20), 언와인딩 구역(20)의 앞쪽에 "와인딩 크래들"로도 알려진 동축으로 나란히 배열된 2차 코어(18i)의 배열용의 구역(21) 및 언와인딩 구역(20)과 2차 코어의 배열용의 구역(21) 사이에 배열된, 복수의 블레이드(24)를 구비한 절단 디바이스(23)가 제공된 와인딩 스테이션(19)이 제공된다. 복수의 블레이드(24)와, 박형 제품을 2차 코어(18i)의 횡단 폭과 동등한 폭의 연속 웹으로 절단하기 위하여 언와인딩 방향에 대해서 횡단하고 절단 위치를 조절하는 방향(f2)에 따라서 블레이드를 이동시키기 위한 위치 표시기(도시 생략)가 연관되어 있다.
용어 "횡단"은, 박형 제품의 공급 방향(f1)과 직교하는 방향, 즉, 1차 롤(B1)의 회전축에 그리고 2차 코어(18i), 따라서 2차 롤(B2i)의 축에 평행한 방향을 의미한다.
2차 롤을 이동시키고, 이에 따라서 포장 스테이션(26)을 향하여 생산되도록 구성된 적어도 제2 핸들러(25)가 제공된다.
이 예에서, 이 포장 스테이션(26)은, 핸들러(25)로부터 2차 롤을 집어서 1개(또는 그 초과)의 컨베이어 벨트(28)상에 배치하는 로봇(27), 예를 들어, 인간형 팔을 포함한다. 예를 들어 커버 필름에 의해서 1개 이상의 2차 롤(B2i)을 포장하기 위한 포장 디바이스(39)가 이 컨베이어 벨트(28)의 끝에 제공된다.
제3 핸들러(29)를 통해서, 1개 이상의 2차 롤로 형성된 팩이 포장 스테이션(26)으로부터 제공된 저장 구역으로 취해진다.
와인더(13)로 되돌아가면, 제1 핸들러(16)(예를 들어 캐리지 또는 셔틀)에 의해 이와 같이 해서 형성된 1차 롤(B1)은, 이의 언로딩 구역(15)으로부터, 취해져서 리와인더(17)에 로딩된다. 여기서, 제2 RFID 안테나(35)와 같은 전자 매체 상의 제2 전자 판독 및/또는 기록 디바이스는, RFID 전자 라벨(33)에 프로그래밍된 1차 롤(B1)의 1차 식별 코드(G)를 판독한다. 따라서, 전자 디바이스(30)는 처리 중인 1차 롤을 인식하고, 1차 코드(G)를 통해서 제1 데이터베이스(DB1)에 존재하는 제품 및/또는 공정 파라미터에 대한 정보를 발견한다.
절단 디바이스(23)의 블레이드를 위치시키기 전에, 전자 디바이스(30)는 적절하게 2차 롤을 생산하기 위하여 이들 2차 코어(18i)의 생산을 조직하도록 2차 코어(18i)를 생산하기 위한 스테이션(22)을 제어한다(2차 코어(18i)는 관련된 2차 롤의 웹과 동일한 횡단폭을 갖는다). 필요한 경우, 복수의 2차 코어(18i)의 수 및 횡단폭, 따라서 1차 롤(B1)로부터 오는 박형 제품의 대응하는 절단은, 1차 롤에서의 박형 제품의 위치 및/또는 공정 파라미터의 위치와 관련된 정보를 고려해서 결정될 수 있으므로, 목적하는 세트의 파라미터가 각 2차 롤(B2i)에 제공된다.
제품 및/또는 공정 파라미터는 제1 데이터베이스(DB1)에 저장되고, 롤(B1')을 식별하는 코드(G1)와 연관된다. 일단 1차 롤(B1')이 리와인더(17) 상에 있으면, 전자 디바이스(30)는 관련된 제1 RFID 라벨(33)로부터 코드(G1)를 판독하고, 동일 롤과 연관된 파라미터의 맵을 식별한다. 따라서, 전자 제어 디바이스(30)는 1차 롤(B1') 상의 파라미터의 위치 정보를 생산될 각각의 2차 롤(B2i)(예를 들어 2차 롤(18h - 181- 182 - 18y - 183 - 184) 상의 파라미터의 위치 정보로 전환된다.
스테이션(22)에서, 2차 코어의 생산은, 공통의 관형 원통형 코어를 제품(T)이 리와인딩 동안 와인딩되게 될 복수의 2차 코어로 절단함으로써 일어난다(몇몇 실시형태에서, 코어를 생산하기 위한 스테이션은 존재하지 않을 수 있다).
순서(18h - 181 - 182 - 18y -183 - 184)로 동축으로 나란한 2차 코어가 리와인더(13)의 구역(20)에 배열된다. 마찬가지로, 전자 디바이스(30)는, 기계 방향에 따라서 1차 롤(BG)로부터 나오는 제품(T)을 2차 코어(18h - 181- 182 - 18y - 183 - 184) 간의 계면에 대응하는 웹으로 절단하도록 절단 디바이스(23)의 5개의 블레이드(24)를 배열한다.
이어서, 리와인딩 단계, 즉, 1차 롤(BG)로부터 박형 제품(T)을 언와인딩하고, 이어서 제품(T)을 와인딩하는 것은, 유리하게는 2차 코어(18i) 상에서 위에서 기재된 위치에서 디바이스(23)를 절단하여 2차 롤(B2i)를 생산함으로써 제어된다.
유리하게는, 2차 코어(18h - 181 - 182 - 18y - 183 - 184)를 생산한 후에, 이들은 각각의 제2 전자 라벨 또는 RFID 매체(35)를 적용함으로써 전자적으로 마킹된다.
리와인더(17)에 존재하는 제3 RFID 안테나(36)와 같은 전자 매체 상의 제3 전자 판독 및/또는 기록 디바이스를 통해서, 전자 제어 디바이스(30)에는 2차 코어(18i)의 제2 RFID 라벨(35)에 각각의 2차 식별 코드(Ki)를 배정하며, 이는 데이터베이스 시스템(31)의 제2 데이터베이스(DB2)에서 발견된다.
언급된 바와 같이, 전자 제어 디바이스(30)는 1차 롤(BG) 상의 제품 및/또는 공정 파라미터의 위치 정보를 각 2차 롤(B2i) 상의 제품 및/또는 공정 파라미터의 위치 정보, 예를 들어, 2차 롤의 중심으로부터 제품의 언와인딩 미터 및 (즉, 2차 롤과 일체인 참조 시스템에 관하여) 2차 롤의 가장자리로부터의 거리의 관점에서 2차 롤에서의 파라미터의 위치 좌표로 전환시켰다. 이어서, 디바이스(30)는 제2 데이터베이스(DB2), 2차 코드(Ki) 및 관련된 2차 롤(B2i) 상의 파라미터의 각각의 위치 정보에 연관되므로, 제품 및/또는 공정 파라미터의 세트를 각각의 2차 롤(B2i)과 연관시키고, 이 세트는, 데이터베이스 시스템(31)에서 2차 롤의 코드와 연관시켜 저장된다.
이 결과는, 각각의 2차 롤(B2i)에 대해서, 제품 및/또는 공정 파라미터의 맵이, 그 위에 감긴 제품 상의 위치와 관계없이, 동일 롤에 연결된 파라미터에 부가해서 공지되어 있는 것이다.
바람직하게는, 2차 롤(B2i)의 마킹은 동일 2차 코어 상의 박형 제품의 와인딩 단계가 시작되기 전에 각각의 2차 코어(18i)에서 일어난다. 다른 실시형태에서, 이 마킹은 그 대신에 와인딩 후에, 즉, 2차 롤(B2i)이 종결되고/되거나 리와인더(13)로부터 언로딩될 때 일어날 수 있다.
2차 식별 코드(Ki)를 각각의 제2 RFID 라벨(35)에 배정하기 위한 프로그래밍 단계는, 제2 RFID 라벨이 대응하는 2차 롤에 적용되기 전에 또는 이 제2 RFID 라벨이 위에서 기재된 바와 같이 2차 롤에 적용된 경우에 일어날 수 있다(그리고 2차 식별 코드(Ki)의 이러한 배정은 또한 각각의 제2 코어(18i) 상의 제품의 와인딩 단계 후에, 그러나 임의의 단계에서 바람직하게는 2차 롤(B2i)이 리와인더(13)를 떠나기 전에 일어날 수 있다).
일단 각각의 제2 레벨을 가진 2차 롤(B2i)이 작성되면, 이들은 리와인더(13)에 의해, 제2 핸들러(25), 예를 들어, 캐리지 또는 셔틀을 통해서, 포장 스테이션(26)으로 이동된다.
다른 실시형태에서, 와인더는 공장으로부터 존재하지 않을 수 있고, 연속 박형 제품은 생산 라인으로부터 리와인더 유형의 와인더로 직접 공급되므로, 제품의 생산 라인으로부터 리와인더에 존재하는 코어와 동일한 폭의 웹으로 절단되어, 복수의 롤을 작성하고, 이들은 이어서 포장 구역으로 또는 다른 처리 구역을 향해서 보내질 것이다.
리와인더에서의 절단은 코어 상에 감겨 있는 박형 제품의 가장자리의 트리밍을 단지 포함할 수 있으므로, 감긴 완제품을 가진 단일 롤 및 거절될 트리밍을 포함하는 1개 또는 2개의 스크랩 롤이 리와인딩 기계로부터 전달될 수 있고; 대안적으로, 단지 1개의 롤이 전달될 수 있고, 트리밍은 트리밍 흡입구를 통해서 계속해서 거절되는 것에 유의해야 한다.
유리하게는, 2차 롤에 감겨 있는 제품의 평가 시스템(60)은 라와인더와 연관이 있고, 상기 평가 시스템은, 예를 들어, 결함의 그리고/또는 와인더(13)에 대해서 기재된 것과 유사한 금속 입자를 검출하는 유형의 육안 검사 모듈 및 추가의 선택적 품질 제어 모듈 QCS(도시 생략)을 포함할 수 있다.
따라서, 박형 제품의 생산 단계와 그리고 와인더(13) 상의 와인딩 단계와 상관된 제품 및/또는 공정 파라미터뿐만 아니라, 리와인딩 단계 동안 검출된 제품 및/또는 공정 파라미터는 또한 데이터베이스(DB2)에 2차 롤(B2i)의 2차 코드(Ki)와 연관된다.
2차 롤의 고유한 식별 코드와 연관 가능한 새로운 제품 파라미터 및 공정 파라미터는 예를 들어 하기 중 하나 이상이다:
- 마스터 롤 식별(즉, 예를 들어 2차 롤이 유래되는 1차 롤의 식별 코드; 공정의 유형에 따라서 1개 이상의 마스터 롤이 있을 수 있음);
- 기계 유형(사용된 기계(들)를 나타내는 코드);
- 롤 길이;
- 롤 포맷 폭;
- 외측 롤 직경;
- Y의 함수로서의, 감긴 길이의 함수로서의 폭 프로파일;
- 플라이(ply)의 수;
- 롤을 형성하기 위하여 박형 제품이 와인딩되는 코어의 유형;
- 코어 직경;
- 스핀들 식별자(이것은 롤이 감겨 있는 스핀들을 식별하는 파라미터임);
- 롤 중량;
- 롤 생산 개시 일 및 시간;
- 롤 생산 종료 일 및 시간;
- 실온;
- 상대습도;
- 제품 품질 등급(이것은 자동화 기기를 통해 생성되거나 또는 조작자에 의해 표시된 감긴 제품의 품질 지수임);
- 롤 품질 등급(이것은 형상 및 외부 미적 결함으로서 의도된 롤의 품질 지수; 자동화 기기를 통해 생성되거나 또는 조작자에 의해 표시된 지수임);
- 롤 밀도;
- Y의 함수로서의 롤 밀도 프로파일;
- 조작자 또는 생산 관리자 식별자 (식별자와 자연인 사이의 연관이 시스템에 알려져 있지 않음);
- Y의 함수로서의 언와인딩 속도 프로파일;
- Y의 함수로서의 언와인딩 속도 프로파일;
- Y의 함수로서의 와인딩 속도 프로파일;
- Y의 함수로서의 가속도;
- Y의 함수로서의 연신율;
- 기계적 특성 - 탄성 계수(전형적으로 부직포 분야에서, 라인 밖에서 제품에 수행되는 기계적 특성의 샘플 시험; 시험 결과는 샘플이 취해진 롤과 연관될 수 있음);
- 평균 넥-인(mean neck-in)(이것은 길이방향 절단 후 제품의 협폭화를 표시함; 이것은 부직포의 전형적인 파라미터임);
- Y의 함수로서의 넥-인 프로파일(이것은 길이방향 절단 후 제품의 협폭화를 표시함; 이것은 부직포의 전형적인 파라미터임);
- Y의 함수로서 측정된 제품 온도;
- Y를 따른 인쇄 피치(제품 인쇄가 존재할 경우);
- Y의 함수로서의 롤과 라이더 롤러 간의 길이 단위당 적용된 닙 포스;
- Y의 함수로서의 롤과 부하-베어링 롤러 간의 길이 단위당 적용된 닙 포스;
- Y의 함수로서의 언와인딩과 와인딩 간의 슬립 프로파일(속도차);
- Y의 함수로서의 제품에 적용된 장력(또는 당김) 프로파일;
- Y의 함수로서의 부하-베어링 롤러 토크;
- 적용된 제어 유형(롤의 형성을 위해 적용된 제어 유형, 예컨대, 플라이, 슬립 또는 속도차 등의 당김에 기초한 제어);
- 생산 레시피 식별자(이것은 제품을 감는데 사용된 레시피의 식별자를 나타냄; 레시피는 세팅의 세트임);
- 하기를 포함하는, 검출 시스템(예를 들어 뷰잉 시스템)에 의해 검출된 내포된 결함:
- 내포된 결함의 수;
- 결함 이미지(결함의 이미지)
- 결함 유형(결함 유형 및 이의 치수를 식별하는 코드)
- 위치 X(롤 참조 시스템에 의한 결함의 위치);
- 위치 Y(롤 참조 시스템에 의한 결함의 위치);
- X를 따른 치수;
- Y를 따른 치수;
- 결함 영역;
- 엄격도;
- 롤 성장 프로파일 직경/감긴 미터(이것은 Y의 함수로서의 롤의 직경을 나타냄);
- 롤의 Y축과 관련된 시간 스탬핑을 이용한 제품의 형성에 따라 수집된 비디오 이미지(공정 모델링에서 표시를 부여할 수 있는 생산 라인을 따라 수집된 각종 이미지 및 비디오가 롤의 점 Y로 추적 가능하도록 역사화될 수 있음).
언급된 바와 같이, 리와인더로부터 2차 롤이 포장 스테이션(26)으로 이동될 수 있다.
이 후자에는 전자 제어 디바이스(30)와 작동 가능하게 연결된 제4 RFID 안테나(40)와 같은 전자 매체 상의 제4 전자 판독 및/또는 기록 디바이스가 제공되며, 이는 스테이션(26)에 도달하는 제2 롤(B2i)의 제2 RFID 라벨(35)을 판독하여, 그들의 2차 식별 코드(Ki)를 판독한다. 이 판독으로부터, 전자 제어 디바이스(30)는 제2 데이터베이스(DB2)와 상호작용한다.
포장 스테이션(26)에는 또한 포장되는 롤의 평가 시스템(62)(예를 들어, 육안 검사 모듈을 포함할 수 있음)과 연관된, 포장 단계의 관리 시스템(61)이 제공된다.
포장 단계의 관리 시스템(61)에 의해 수집된 데이터는 롤의 수송, 취급 및 포장을 위한 제어 시스템으로부터, 롤의 평가 시스템(62)으로부터 또는 조작자로부터 직접 유래될 수 있다.
포장 단계의 관리 시스템(61)은 또한 데이터베이스 시스템에 수집된 정보를 보낼 목적을 갖는다.
따라서, 박형 제품의 생산 단계와 그리고 와인더(13) 상의 와인딩 단계와 상관된 제품 및/또는 공정 파라미터뿐만 아니라, 포장 동안 검출된 제품 및/또는 공정 파라미터는 또한 데이터베이스 시스템에서 롤(1차 및 2차)의 식별 코드와 연관된다.
이 단계에서, 롤과 연관된 제품 및/또는 공정 파라미터는 일정 유형의 것이다.
획득되어 데이터베이스 시스템으로 전달되고, 따라서 포장된 롤의 식별 코드와 연관된 제품 및/또는 공정 파라미터는 하기 중 1개 이상을 포함할 수 있다:
- 포장 기계의 유형의 식별자;
- 목적지 고객 식별자(대안적으로 수송 거리 또는 개소와 관련된 데이터);
- 조작자 또는 생산 관리자 식별자 (식별자와 자연인 사이의 연관이 시스템에 알려져 있지 않음);
- 처리 단계 개시 일 및 시간;
- 처리 단계 종료 일 및 시간;
- 롤 중량;
- 육안 검사 모듈로부터의 이미지;
- 포장 유형(type of wrapping), 레시피(이것은 제품을 포장하는데 사용된 레시피의 식별자를 나타냄; 레시피는 세팅의 세트임);
- 포장 재료(wrapping material);
- 포장 층(wrapping layer)의 수;
- 롤의 형성과 연관된 품질 등급(돌출 코어 또는 쑥 들어간 코어의 존재, 링잉(ringing), 스타링(starring), 스트레인(stain) 등과 같은 프로파일의 불일치성; 품질 등급은 조작자에 의해 배정될 수 있거나 또는 육안 검사 시스템의 이미지의 분석을 통해서 자동적으로 배정될 수 있음);
- 저장 개시 일 및 시간;
- 저장 종료 일 및 시간;
- 저장 온도;
- 저장 습도.
2차 롤(B2)(또는 와인딩 단계로부터 직접 오는 1차 롤(B1))은, 전환 스테이션(70)에서 더욱 가공되고, 이 전환 스테이션은 완제품 또는 반제품을 얻게 하고, 1차 및/또는 2차 롤이 생산되는 동일 생산 시설(11) 내에 존재할 수 있거나, 또는 (현재 실시예에서처럼) 또 다른 생산 시설(50)에 위치될 수 있다.
전환 스테이션에서의 롤은, 데이터베이스 시스템에서, 이전의 처리 동작(와인딩, 선택적 리와인딩, 선택적 포장)과 연관된 모든 제품 및/또는 공정 파라미터와 연관되는 고유한 식별 코드(K)(또는 Ki)를 갖는다.
전환 스테이션(70)에는, 예를 들어, 이 스테이션에 도달하는 제2 롤(B2i)의 제2 RFID 라벨(35)을 판독하여 이들의 2차 식별 코드(Ki)를 판독하도록 구성된, 전자 제어 디바이스(30)와 작동 가능하게 연결된 RFID 안테나(71)와 같은, 전자 매체 상의 제5 전자 판독 및/또는 기록 디바이스가 제공된다. 이 판독으로부터, 전자 제어 디바이스(30)는 제2 데이터베이스(DB2)와 상호작용한다.
전환 스테이션(70)은 1개 이상의 언와인딩 스테이션(72)(생산될 제품의 유형에 따라 좌우되고, 따라서 1개 이상의 롤이 완제품 또는 반제품의 생산과 관련됨), 및 전환 기계(73)를 포함한다. 당연히, 전환 스테이션은 전환 스테이션의 관리 시스템(74)을 포함하는데, 이는 롤로부터 언와인딩되어서 전환 기계에 도입되어 포장되는 제품의 평가 시스템(75)과 연관이 있고, 이는, 예를 들어, 육안 검사 모듈을 포함할 수 있다. 센서는 처리 중인 제품의 특징을 결정하기 위하여 전환 기계 내부에 제공된다.
이 단계에서 획득된 공정 파라미터 및/또는 제품 파라미터는, 언와인딩된 롤(또는 롤들)과, 또는 데이터베이스 시스템에서 이의/이들의 식별 코드와 연관된다.
전환 단계에서 수집된 파라미터는, 기계의 제어 시스템으로부터, 그 안에 설치된 센서로부터, 육안 검사 모듈로부터, 그리고 또한 조작자로부터 직접 얻어질 수 있다.
전환 스테이션의 관리 시스템(74)은 또한 데이터베이스 시스템에 수집된 정보를 보낼 목적을 갖는다.
획득되고 데이터베이스 시스템에 전달되고 따라서 전환 스테이션에서 처리된 롤(또는 롤들)의 식별 코드와 연관된 제품 및/또는 공정 파라미터는 이하의 하나 이상을 포함할 수 있다:
- 전환 식별자(이것은 관련된 처리 동작을 식별함);
- 전환 기계 유형(기계를 나타내는 코드);
- Y의 함수로서의 폭 프로파일;
- 플라이의 수;
- 코어 직경;
- 롤 중량;
- 생산 개시 일 및 시간;
- 생산 종료 일 및 시간;
- 롤 밀도;
- 조작자 또는 생산 관리자 식별자 (식별자와 자연인 사이의 연관이 시스템에 알려져 있지 않음);
- Y의 함수로서의 언와인딩 속도 프로파일(각 롤에 대해서 하나는 언와인딩되고 있음);
- Y의 함수로서의 처리 속도 프로파일;
- Y의 함수로서의 가속도;
- Y의 함수로서의 연신율;
- Y의 함수로서의 제품 수축률;
- Y의 함수로서 적용된 장력(또는 당김) 프로파일(각 롤에 대해서 하나는 언와인딩되고 있음);
- 하기를 포함하는, 검출 시스템에 의해 검출된 내포된 결함(예를 들어 뷰잉 시스템):
- 내포된 결함의 수;
- 결함 이미지 (결함의 이미지);
- 결함 유형(결함 유형 및 이의 치수를 식별하는 코드);
- 위치 X (롤 참조 시스템에 의한 결함의 위치);
- 위치 Y(롤 참조 시스템에 의한 결함의 위치);
- X를 따른 치수;
- Y를 따른 치수;
- 결함 영역;
- 엄격도;
- Y의 함수로서의 기계 정지(Y축과 연관된 기계 정지의 이력(history))
- Y의 함수로서 일어나는 인열(예를 들어, Y축과 연관된 광학 시스템을 통해서 검출된 인열의 이력).
위에서 기재된 예에서는, RFID 전자 라벨 및 이러한 라벨을 기록/판독하기 위한 대응하는 RFID 안테나를 구체적으로 언급하였다. 다른 실시형태에서는, 전자 라벨 대신에, 예를 들어, 영숫자, 바 또는 QR 코드 등이 표시되는 종이 라벨과 같은 그래픽 매체가 사용될 수 있다. 이 경우에, 매체를 원격으로 기록하고 판독하는 안테나 대신에, 그래픽 라벨을 인쇄하는 프린터 및 표시된 그래픽 심볼의 광학 판독 디바이스가 요구된다. 대안적으로, 자기 밴드를 가진 라벨 및 자기 밴드에 저장된 데이터의 관련된 기록 및 판독 디바이스가 사용될 수 있다.
일반적으로, 식별 코드를 연관시키는 매체는 롤을 작성하기 위하여 제품이 와인딩되는 코어에 또는 롤 자체의 외표면에 고정될 수 있다.
유리하게는, 데이터베이스 시스템(31), 또는 적어도 이 시스템의 일부분이 또한 텔레마틱 네트워크(telematic network)를 통해서 원격으로 접속 가능한 서버와 연관되므로, 제2 시설에서 처리 동안 RFID 라벨과 연관된 식별 코드(G) 또는 (K)를 판독함으로써, 이 코드와, 즉, 처리 중인 1차 롤(B1) 또는 (B2)과 연관된 정보, 따라서 이 롤에 대한 제품 및/또는 공정 파라미터의 위치에 대한 정보를 얻는 것이 가능해진다. 그러므로, 생산 공정은 하나 초과의 시설에서 일어날 수 있다. 따라서, 예를 들어, 생산 및 1차 롤에의 와인딩되는 제1 시설에서 일어날 수 있고, 리와인딩되는 제2 시설에서 일어날 수 있고, 전환은 제3 시설에서 일어날 수 있고(또는 이들 동작이 상이한 조합으로 일어날 수 있고), 제품 및/또는 공정 파라미터의 이력은 롤과 여전히 연관될 수 있다.
따라서, 위에서 기재된 시스템은, 박형 제품의 롤의, 상기 롤로 생산된 최종 제품(또는 반제품)까지의 생산 체인을 따라서 제품 결함이 있는 제품 파라미터 및 공정 파라미터를 추적하고 기억할 수 있는 것은 명백하다. 제품 파라미터 및 공정 파라미터는 최종 제품(또는 반제품)이 생산되는 롤의 식별 코드와 연관된 데이터베이스 시스템에 저장된다.
본 발명에 따르면, 이들 제품 및/또는 공정 파라미터의 전부 또는 일부는, 하기를 제공하는 방법을 통해서, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는데 사용된다:
- 데이터베이스 시스템에 저장된 고유한 식별 코드가 할당된 박형 제품의 롤을 수용하고 고유한 식별 코드와 연관된, 상기 중간 처리 단계의 상류에서의 상기 롤에 감긴 상기 박형 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터를 포함하는 단계,
- 데이터베이스 시스템에 접근하는 단계,
- 상기 중간 처리 단계로부터 출력된 제품 파라미터를 예측하기 위하여, 상기 중간 처리 단계로부터 출력된 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값 및 상기 중간 처리 단계의 상류에서의 상기 롤의 생산 단계에서 검출된 동일한 롤의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값으로부터, 기계 학습 로직에 의해 생성된, 상관관계를 사용하는, 예측 모델에서 데이터베이스에 포함된 롤의 고유한 식별 코드와 연관된 공정 파라미터 및/또는 제품 파라미터 중 하나 이상을 입력하는 단계,
- 상기 제품 파라미터를 각각의 미리 정해진 한계값과 비교하는 단계,
- 상기 비교 결과에 기초하여 박형 제품 결함의 예측 진단 정보를 발생시키는 단계.
따라서, 이 방법의 결과로서, 중간 처리 단계에서, 상기 한계값을 초과하는 것을 피하기 위하여 처리 공정 파라미터를 조절하거나, 또는 상기 스테이션의 하류에서의 임의의 처리를 위하여 잠재적으로 위험한 제품의 부분을 거부하도록 구성된 동작을 수행하여 생산에 명백한 이점을 갖게 하는 것이 가능하다.
몇몇 파라미터가 예측되도록 요구되는 각 중간 단계에 대해서, 상기 방법의 예측 모델은 따라서 중간 처리 단계의 상류에서의 롤의 생산 단계에서 검출된 복수의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 데이터의 제1 세트와 예측의 중간 처리 단계로부터의 출력인 검출된 복수의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 데이터의 제2 세트와 상호작용한다.
이 방법을 생성하기 위하여, 소정량의 제품 및/또는 공정 파라미터가 예측 모델을 구현하는 것을 가능하게 하도록 누적되어야 하는 것은 명백하다.
각 처리 단계(제품 생산, 1차 롤의 와인딩, 선택적 리와인딩, 선택적 포장)에서, 이 공정을 기술하는데 필요한 모든 파라미터 및 품질 및 결함의 관점에서의 결과가 수집된다.
각 단계에 대해서, 3개 그룹의 파라미터가 있다:
모든 파라미터가 데이터베이스 시스템에 수집되면, 해당 시스템은 정보를 집중시키고, 이어서 전자 제어 디바이스(30)에 접속되어 이의 처리를 가능하게 한다.
처리 시스템의 목적은, 각종 생산 단계의 입력 자료의 특징을 작동 조건 및 결합과 "상관"시키기 위한 것일 뿐만 아니라, 각 단계에 연루된 기계에 적용될 세팅을 최적화하기 위한 것이다. 이렇게 하기 위하여, 이전의 단계로부터의 정보(즉, 제품 및/또는 공정 파라미터)를 사용하는 것이 또한 가능하다.
이 동작은, 1차 롤로부터의 처리된 재료의 추적 가능성에 의해 그리고 공정, 품질 및 결함 파라미터를 배정하는 것 둘 다에 의해 가능해지고, 이러한 파라미터는 롤의 각 지점에 대해서 Y축 상의 길이의 함수로서 역사화된다.
처리 시스템은 각 단계에서 시스템의 거동을 기술하는 1개 이상의 기계 학습 모델을 작성하도록 설계되어서, 하기를 위하여 결함을 예측한다:
이 목적은 반제품 및 완제품 둘 다에 대해서 보다 큰 품질 보증을 얻어, 결함의 발생을 제한 또는 회피하는 것이다.
개발된 수학적-통계학적 모델은 인공 지능(AI) 또는 기계 학습(ML) 브랜치로 나뉘는데, 그 이유는 기본적으로 절차가 이를 통해서 기계가 학습하여 독자적으로 구체적인 입력에 따라 어떻게 동작/반응할지를 개발한 것이기 때문이다. 따라서, 시스템이 제공하는 인공 지능은, 위에서 기재된 것과 같은 시나리오를 모델링하기 위하여 일련의 구체적으로 개발된 알고리즘으로 구성된다.
모델은 하기 2가지 기능을 수행하는 인공 지능 알고리즘에 기초한다:
학습 기능은 획득된 공정 파라미터 및/또는 제품 파라미터에 기초한다. 학습 단계의 목적은 시스템의 변수들 간에 존재하는 인과관계 및 상관관계의 구조를 검색하는 것이다.
학습 기능은 이전의 단계들에서 역사화된 모든 파라미터 및 후속의 단계, 예컨대, 전환 및 리와인딩 단계에서 식별된 파라미터(주로 결함)와 및 제품의 품질 간의 상관관계를 구현한다.
이 동작은 제품/공정 파라미터(유리하게는, 결함)와 결함의 출현에 영향을 미칠 수 있는 조건을 가진 제품의 품질과 상관이 있는 인공 지능 모델의 개발을 허용한다. 학습 기능은 처리 단계의 수학적 모델, 즉, 예측 기능을 생성한다.
예측 기능은 그 순간까지 검출된 파라미터에 기초한 실시간 또는 거의 실제 시간에 출현할 수 있는 잠재적인 제품 및/또는 공정 파라미터(유리하게는, 결함)를 나타낼 목적을 갖는다.
인공 지능 기술의 사용은 데이터의 유형 및 양이 빅 데이터(Big Data)의 정의 내에 들어간다는 사실에 의해 동기부여된다:
학습 단계는 2개의 매크로 단계, 즉, 모델의 탐구 단계 및 개발 단계로 이루어진다. 일단 당해 시스템과의 신뢰도를 얻고 모델을 구축하는데 사용될 데이터베이스를 통합할 필요가 있는 탐구 단계가 종결되면, 이것에 이어서 다음의 작업흐름을 준수하는 기계 학습 부분이 후속된다:
- 분석에 사용될 데이터 소스의 식별;
- 데이터 클리닝;
- 분석될 특징의 추출;
- 기계 학습 모델의 개발;
- 분석될 특징의 시험 그룹의 정의;
- 학습 단계의 개시;
- 최고 성능을 가진 알고리즘 및 모델의 선택;
- 선택된 기계 학습 알고리즘의 심층 평가;
- 최상의 기계 학습 모델의 선택;
- 기계 학습 모델의 이슈;
- 조절, 통합 또는 개선을 시행하기 위하여, 기계 학습 모델의 성능의 제어.
완전한 인공 지능 인프라스트럭처(infrastructure)를 생성하도록 후속될 작업흐름에서, 2가지 반복 사이클, 즉, 서술적 기능의 작성 단계로부터 시험 그룹의 구조화 단계로 이행하는 제1 사이클, 학습 단계의 개시 단계로부터 모델 선택 단계로 이행하는 제2 사이클이 제공된다. 이 제2 단계는 실제 학습 단계이다.
현재 많은 알고리즘이 데이터 분석 및 인공 지능 인프라스트럭처 개발을 위하여 이용 가능하다. 간략히 말하면, 선형 모델에 기반한 알고리즘, 예컨대, 주성분 분석(PCA) 또는 부분 최소 제곱(PLS) 회귀, 또는 비선형 알고리즘, 예컨대, 인공 신경망(ANN), 또는 심층 학습 에코시스템의 일부인 더욱 새로운 알고리즘이 이용 가능하다. 사용하거나 또는 선택될 알고리즘의 유형은 데이터의 유형 및 작업 목적, 즉, 비감독(unsupervised)(탐구) 또는 감독(인과 관계의 분류 또는 발견을 목적으로 함) 분석인지에 따라서 좌우된다.
바람직하게는, 구조가 고정된 파라미터, 예컨대, 원료의 특징 또는 기계의 작동 파라미터의 분석은, 알고리즘, 예컨대, PCA(탐구 분석의 경우에) 또는 PLS 및 랜덤 포레스트(Random Forest)로 수행될 수 있다. 대신에, 가변 지속기간, 예컨대, 리와인딩 또는 전환 공정의 획득으로부터, 또는 다량의 복합 파라미터, 예컨대, 결함 이미지로부터 얻어지는 파라미터를 분석할 경우, 대신에 심층 학습 알고리즘, 예컨대, 각각 시계열에 대한 롱 숏-텀 메모리(Long Short-Term Memory: LSTM) 알고리즘 및 이미지에 대한 컨볼류션 신경망(Convolutional Neural Network: ConvNet)을 사용하는 것이 유리하다.
이 분석에 사용되는 소프트웨어는, 자체-적응(self-adaptive) 유형의 것이고, 즉, 데이터베이스가 확장되고 제품 결함 및 양이 기록되므로, 사용 시 모델을 업데이트하는 것을 가능하게 한다. 사실상, 소프트웨어는 프리세트(preset) 학습 모델을 포함하는데, 이는 완제품과 연관된 제품 및/또는 공정 파라미터(유리하게는, 결함 및 양)를 예측하는 것을 허용하지만, 이 소프트웨어는 또한 데이터베이스가 확장되고 프리세트 모델의 기준을 업데이트하고 이들을 개선하는 기능을 가진 자동 학습 기능성을 포함한다. 프리세트 모델은 특정 데드라인에서 조절하고, 이들을 새로운 공정 파라미터 및/또는 제품 파라미터로 업데이트한다. 모델의 성능이 개선되면, 새로운 기준이 유지되고, 다르게는 사용 시 미리 모델의 기준이 강제로 유지된다.
실시예 1
티슈 페이퍼로 포장된 제품이 작성되고 1차 단계(인라인 생산 및 1차 롤 상의 와인딩), 포장 미전환으로 구성되는 과정을 갖는 것으로 가정한다. 당해 실시예에서의 리와인딩 단계는 존재하지 않고, 전환은 1차 유형의 단일-플라이 롤(마스터 롤)로 직접 작동한다.
생산 단계 동안, 전환 단계에서 처리 문제를 제한하는 제품을 보증할 필요가 있다.
공정은 위에서 나타낸 파라미터의 일부를 수집되게 하고, 특히 1차 단계에서 이하의 측정을 허용한다:
- 롤 식별자(이것은 1차 롤의 식별 코드임);
- 제품 유형 식별(제품 유형을 식별하는 코드; 등급은 제품/공정/생산자/고객의 유형에 따라 좌우됨);
- 기계 유형(와인딩 기계를 나타내는 코드);
- 롤 길이;
- 포맷 폭;
- 외부 직경;
- 평량;
- 평량 공차;
- 코어 유형;
- 코어 직경;
- 롤 중량;
- 생산 개시 일 및 시간;
- 생산 종료 일 및 시간;
- 롤 밀도;
- Y의 함수로서의 생산 라인 속도 프로파일;
- Y의 함수로서의 와인더 속도 프로파일;
- 크로스 방향(또는 X축)으로 그리고 Y를 따른 평량 프로파일(X축을 따른 프로파일은 QCS 시스템에 의해 측정되고; 이 시스템은 X 및 Y를 따른 완전한 프로파일을 작성하도록 X를 따라 측정된 평량 벡터를 역사화한다. 해상도, 따라서 기억된 점의 수는 QCS 툴(tool)의 해상도에 따라 좌우된다. 예로써, X를 따른 해상도는 제품의 폭을 따라 32개 섹터일 수 있음);
- 하기를 포함하는, 검출 시스템에 의해 검출된 내포된 결함(예를 들어, 뷰잉 시스템):
- 내포된 결함의 수;
- 결함 유형(결함 유형 및 이의 치수를 식별하는 코드);
- 위치 X(롤 참조 시스템에 의한 결함의 위치);
- 위치 Y(롤 참조 시스템에 의한 결함의 위치);
- X를 따른 치수;
- Y를 따른 치수;
- 결함 영역;
- 엄격도;
- 롤 성장 프로파일 직경/감긴 미터(이것은 Y의 함수로서의 롤의 직경을 나타냄).
포장 및 수송 단계 동안, 적어도 롤의 식별 코드는 그 단계로부터 그의 이행을 추적하기 위하여 획득된다.
후속의 롤 전환 단계 동안, 적어도 이하의 파라미터가 획득된다:
- 전환 식별자(이것은 진행 중인 전환 공정을 식별함);
- 롤 식별(상대적인 언와인딩 스테이션에서 전환 중인 롤의 식별 코드가 식별되고; 1개 이상의 롤이 있을 수 있음);
- 전환 기계의 유형(기계를 나타내는 코드);
- 롤로부터 전환 시 박형 제품의 플라이의 수;
- 생산 개시 일 및 시간;
- 생산 종료 일 및 시간;
- Y의 함수로서의 언와인딩 속도 프로파일(각 롤에 대해서 1개);
- Y의 함수로서의 처리 속도 프로파일;
- Y의 함수로서의 기계 정지(Y축과 연관된 기계 정지의 이력);
- Y의 함수로서 일어나는 인열(예를 들어 Y축과 연관된 광학 시스템에 의해서 검출된 인열의 이력).
당해 공정은 처리된 롤에 대해서 상기 파라미터를 저장한다. 저장 공정은 모든 이용 가능한 파라미터를 저장하고 효과적으로 유용하게 하도록 상관/비-상관 하이브리드 구조에서 일어난다. 사실상, 당해 공정에서, 정적 유형의 파라미터, 예컨대, 롤 식별자, 제품 유형 또는 기계 유형 식별자가 있고, 이는 공정의 과정에 걸쳐 변화될 예정이 없는 한편, 다른 데이터, 예컨대, 와인더 속도 프로파일 또는 언와인딩 속도 프로파일은 충분히 높은 빈도로 시간에 따라 기록되어야 한다. 전자는 SQL 데이터베이스에 저장될 수 있는 한편, 후자는 커다란 양의 데이터를 신속하게 관리하는데 더욱 적합한 데이터베이스(예컨대, 상표명 "Cassandra", "Historian" 등으로 알려진 것들 중에서 시계열 데이터베이스)에 저장되어야 한다.
시스템이 공정 및 제품 파라미터의 실질적인 이력을 수집한 후에, 학습 기능은, 다른 파라미터 모두에 의해 전환 단계에서 일어나는 인열과 상관이 있는 수학적 모델을 개발할 수 있다. 모델 개발 단계에서, 제1 탐구 분석 단계가 수행되는데, 이는 파라미터의 통합의 효과적인 수준을 이해하고 파라미터를 적절하게 합성하는 특정 함수를 생성할 어떠한 필요도 가능하게 한다. 이 단계에서 전처리 및 클리닝 절차는 또한 파라미터와 관련된 데이터가 모델의 구축을 위하여 사용될 준비가 될 때까지 수행된다. 이 경로는 주로 주성분 분석(PCA) 또는 그래픽 시각화 기술을 이용해서 구현된다. 이들 기술은 비감독 유형, 즉, 어떠한 선험적 가설 없는 것이어서, 분석 결과를 "오염"시키는 것을 회피한다. 위에서 기재된 절차는 이어서 정의되고, 표준화되고 그리고 재현 가능한 분석 프로토콜(알고리즘)에 포함되어야 하는데, 그 이유는 이것이 장래의 처리 동작 동안 생산된 모든 파라미터가 이하의 예측 모델에서 용이하게 이용 가능하게 되도록 통과해야 하는 퍼넬(funnel)이어야 하기 때문이다.
하나 이상의 표적 변수가 정의된 예측 모델을 구축하기 위하여, 이 경우에, 표적 변수는, 예를 들어, 하기일 수 있다:
예로써, 인열이 고려된다. 따라서, 평량 및 결함은 다른 변수와 함께 예측자 파라미터가 된다. 그 목적은 인열의 형성을 방지하는 것이고, 따라서 예측자가 무엇이고 이들이 인열을 위하여 어떤 특성(값)으로 일어나는지를 이해하는 것이다. 선택된 모델은 인열이 일어나는 조건을 알려주게 될 분류 알고리즘이다. 입력 데이터는 모드 상기 리스트에 표시된 것들이지만, 정적 데이터(예컨대, 알고리즘이 또한 다른 기계로 연장되지 않는 한, 기계 유형) 또는 임의의 경우에 이러한 생산을 다른 것과는 차별화하기 위하여 초기 참조로서만 사용될 조작자에 의해 설정된 것들은 제외한다.
시험될 주된 분류 알고리즘은 다음과 같다: PLS-DA, 랜덤 포레스트, SVM 및 ANN. 성능 표시기는 얻어질 최상의 성능을 허용하는 것을 검증하는데 사용되고, 최상의 성능을 가진 알고리즘이 선택된다. 분석 절차는, 파라미터 시험 그룹과 균등하게 대표적인 원래의 데이터의 대략 20%를 포함하는 검증 그룹을 정의함으로써 일어난다. 시험 그룹은 알고리즘을 훈련하고 교정하는데 사용되는 한편, 검증 그룹은 외부 검증을 수행하는데 사용된다.
분류 알고리즘은 2개의 출력을 갖는다:
이어서 모델은 저감된 형태로 재훈련되고 생산에 투입된다.
구체적인 관점에서, 예를 들어, 모델은 와인딩 속도가 400 m/분을 초과하고 인열 지점에서의 평량이 허용된 공차 내이더라도 공칭 평량으로부터 -10% 초과만큼 상이할 때 종이가 인열될(즉, 찢길) 수 있음을 알려줄 수 있다. 이것은 이들 파라미터가 주어진 값을 가정하는 순간에 결함이 발생될 수 있는 형성동안 기계에 또는 조작자에게 표시되고 예측되는 프로토콜/알고리즘 모델의 개발을 허용한다. 그 지점에서, 기계 또는 조작자는 롤의 파라미터의 임계 조건을 회피하도록 공정을 보정할 수 있고, 이미 생산된 롤에 대해서, 시스템은 파라미터들의 그 조합의 손상 효과(예컨대, 제품의 이 부문에서 자동 속도 감소)를 제한하도록 전환 기계를 구성할 수 있다. 실제로, 예측 모델은, 이벤트, 즉, 공정 및/또는 제품 파라미터, 예컨대, 바람직하게는 제품 결함 또는 불길한 공정 이벤트(이 경우에 인열)를 예측하기 위하여, 서로 상관되고(언와인딩 속도 및 평량) 중간 처리 단계의 상류에서 검출된 적어도 2개의 상이한 공정 파라미터 및/또는 제품 파라미터를 고려하였다.
실시예 2
동일 공칭 폭의 부직포의 몇개의 플라이가 접합되어 접착된 전환 단계에서 부직포 제품에 대한 공정을 고려한다.
공정은 1차 단계(부직포 생산, 1차 롤로 감김), 되김기 및 포장 및 전환 단계로 이루어진다.
최종 전환 기계에서 언와인딩 및 처리 단계 동안, 부직포 제품은 상이한 언와인딩 장력으로 인해 제품의 원래의 폭에 관하여 폭의 변동이 적용될 수 있다. 몇몇 경우에, 협소화 정도는 접합될 플라이들 간에 변하여 일치하지 않거나 또는 임의의 경우에 더 낮은 품질인 최종 제품이 얻어지는 것이 관찰된다. 플라이들 간의 상이한 협소화를 초래하는 제품의 생산 및 와인딩 인자의 상호작용 및 영향은 식별되어야 한다.
고려될 제품 파라미터 및 공정 파라미터에 관해서, 이들은 적어도 1차 단계, 리와인딩, 포장 및 전환 단계에 대해서 앞서 표시된 것들 모두이다.
당해 공정은 처리된 롤에 대한 상기 파라미터를 저장한다. 저장 공정은 모든 이용 가능한 파라미터를 저장하고 효과적으로 유용하게 하도록 상관/비-상관 하이브리드 구조에서 일어난다. 사실상, 당해 공정에서, 정적 유형의 파라미터, 예컨대, 롤 식별자, 제품 유형 또는 기계 유형 식별자가 있고, 이는 공정의 과정에 걸쳐 변화될 예정이 없는 한편, 다른 파라미터, 예컨대, 와인더 속도 프로파일 또는 언와인딩 속도 프로파일은 충분히 높은 빈도로 시간에 따라 기록되어야 한다. 전자는 SQL 데이터베이스에 저장될 수 있는 한편, 후자는 커다란 양의 데이터를 신속하게 관리하는데 더욱 적합한 데이터베이스(예컨대, 상표명 "Cassandra", "Historian" 등으로 알려진 것들 중에서 시계열 데이터베이스)에 저장되어야 한다.
시스템이 공정 및 제품 파라미터의 실질적인 이력을 수집한 후에, 학습 기능은, 내포된 다른 단계 모두 중 다른 파라미터를 전부 고려하면, 전환 기계 상에 접합 단계(협소화)에 가장 가까운 지점에서 Y의 함수로서의 플라이의 공칭 폭과 플라이의 폭 프로파일 간의 차이에 상관이 있는 수학적 모델을 개발할 수 있다.
모델 개발 단계에서, 제1 탐구 분석 단계가 수행되는데, 이는 파라미터의 통합의 효과적인 수준을 이해하고 파라미터를 적절하게 합성하는 특정 함수를 생성할 어떠한 필요도 가능하게 한다. 이 단계에서 전처리 및 클리닝 절차는 또한 파라미터와 관련된 데이터가 모델의 구축을 위하여 사용될 준비가 될 때까지 수행된다. 이 경로는 주로 "비감독" 유형의, 즉, 어떠한 선험적 가설 없는 그래픽 시각화 기술 또는 주성분 분석(PCA) 기술을 이용해서 구현된다. 위에 기재된 절차는 이어서 정의되고, 표준화되고 그리고 재현 가능한 분석 프로토콜(알고리즘)에 포함되어야 하는데, 그 이유는 이것이 장래의 처리 동작 동안 생산된 모든 데이터가 이하의 예측 모델에서 용이하게 이용 가능하게 되도록 통과해야 하는 퍼넬이어야 하기 때문이다.
하나 이상의 표적 변수가 정의된 예측 모델을 구축하기 위하여, 이 경우에, 표적 변수는 접합 점의 함수로서 플라이의 공칭 폭과 실제 폭 사이의 차이이다. 이전의 예에 개시된 것과 달리, 이 변수는 연속적 변수이고, 따라서 이전의 것과 상이한 알고리즘을 이용해서 분석되어야 한다.
선택된 모델은 플라이의 접합 단계를 가장 잘 수행하는 동작 파라미터 및 가장 잘 동작하는 조건을 알려줄 것이다. 사용될 입력 데이터는 모두 상기 예에서 표시된 것들이지만, 정적 데이터(예컨대, 알고리즘이 또한 다른 기계로 연장되지 않는 한, 기계 유형) 또는 임의의 경우에 이러한 생산을 다른 것과는 차별화하기 위하여 초기 참조로서만 사용될 조작자에 의해 설정된 것들은 제외한다.
시험될 주요 회귀 알고리즘은 다음과 같다: PLS, 라소 회귀(Lasso Regression), 리지 회귀(Ridge regression), SVM 및 ANN. 성능 표시기는 얻어질 최상의 성능을 허용하는 것을 검증하는데 사용되고, 최상의 성능을 가진 알고리즘이 선택된다. 분석 절차는, 분석 중인 파라미터 그룹 중, 시험 그룹과 같이 균등하게 대표적인 원래의 파라미터 데이터의 대략 20%를 포함하는 검증 그룹과, 파라미터 데이터 시험 그룹을 정의함으로써 일어난다. 시험 그룹은 알고리즘을 훈련하고 교정하는데 사용되는 한편, 검증 그룹은 외부 검증을 수행하는데 사용된다.
분류 알고리즘은 2개의 출력을 갖는다:
이어서 모델은 저감된 형태로 재훈련되고 생산에 투입된다.
구체적인 관점에서, 예를 들어, 협소화 프로파일이 상류 단계에서 검출된 많은 파라미터에 의해 상이한 정도로 복수의 상관 관계를 갖는 것이 관찰될 수 있다. 가장 강한 상관관계가 전환 단계에서 당김과 슬립으로, 이전 단계에서 검출된 플라이의 평량 프로파일 및 폭 프로파일에서 얻어진다.
학습 기능에 의해서, 동일한 처리 동작의 플라이의 협소화들 사이의 최대 차이가 있는 경우에, 시스템은 전환 기계에 로딩된 롤들 사이의 최대 차이가 1차 단계에서 라인의 속도에 존재하는 것이 관찰될 수 있다.
본 발명의 주제에 의해서 가능한 이 결론은 형성 및 와인딩 공정을 개선하고, 전환 기계에 대한 작동 장력을 동적으로 보정하여, 플라이를 최적으로 맞춤화하거나(예컨대, 형성 속도가 서로 근접하게 되거나) 또는 미리 비순응도(degree of nonconformity)를 갖는 제품을 마킹하도록 취해지는 동작을 허용한다.
도면은 단지 본 발명의 가능한 비제한적인 실시형태를 도시하는데, 이는 본 발명이 기초로 하는 개념의 범위로부터 벗어나는 일 없이 형태 및 배열을 달리할 수 있음이 이해된다. 첨부된 청구범위에서의 임의의 참조 부호는 상기 설명 및 첨부된 도면에 비추어 순수하게 이를 읽는 것을 용이하게 하기 위하여 제공되며, 하등 보호 범위를 제한하는 것은 아니다.
Claims (16)
- 롤에 감긴(wound) 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법으로서,
- 데이터베이스 시스템에 저장된 고유한 식별 코드가 할당된 박형 제품의 롤을 수용하는 단계로서, 상기 데이터베이스 시스템은 상기 고유한 식별 코드와 연관된, 상기 중간 처리 단계의 상류에서의 상기 롤에 감긴 상기 박형 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터를 포함하는, 상기 수용하는 단계,
- 상기 데이터베이스 시스템에 접근하는 단계,
- 상기 중간 처리 단계로부터 출력된 제품 파라미터를 예측하기 위하여, 상기 중간 처리 단계로부터 출력된 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값(historicized value) 및 상기 중간 처리 단계의 상류에서의 상기 롤의 생산 단계에서 검출된 동일한 롤의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값으로부터, 기계 학습 로직에 의해 생성된, 상관관계를 사용하는, 예측 모델에서 상기 데이터베이스에 포함된 상기 롤의 고유한 식별 코드와 연관된 공정 파라미터 및/또는 제품 파라미터 중 하나 이상을 입력하는 단계,
- 상기 제품 파라미터를 각각의 미리 정해진 한계값과 비교하는 단계,
- 상기 비교 결과에 기초하여 박형 제품 결함의 예측 진단 정보를 발생시키는 단계
를 포함하는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항에 있어서,
상기 예측 진단 정보의 생성에 후속하여, 상기 방법은, 상기 중간 처리 단계에서, 상기 한계값을 초과하는 것을 피하기 위하여 처리 공정 파라미터를 조절하거나, 또는 상기 스테이션의 하류에서의 임의의 처리를 위하여 잠재적으로 위험한 제품의 부분을 거부하도록 구성된 동작을 포함하는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 또는 제2항에 있어서,
상기 예측 모델은, 이벤트, 또는 공정 및/또는 제품 파라미터, 바람직하게는, 예컨대, 제품 결함 또는 불길한(inauspicious) 공정 이벤트를 예측하기 위하여, 기계 학습 로직에 의해서 서로 상관되고 상기 중간 처리 단계의 상류에서 검출된 적어도 2개의 상이한 공정 파라미터 및/또는 제품 파라미터를 고려하는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제3항 중 어느 한 항에 있어서,
상기 예측 모델은 상기 중간 처리 단계의 상류에서의 동일 롤의 생산 단계에서 검출된 복수의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 데이터의 제1 세트와 상기 예측의 중간 처리 단계로부터의 출력인 검출된 복수의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 데이터의 제2 세트를 사용하고; 인공 지능 또는 기계 학습 알고리즘에 의해서, 상기 두 세트를 상관시키는 학습 기능이 생성되고, 상기 중간 처리 단계의 상류에서 검출된 동일한 공정 파라미터 및/또는 제품 파라미터 중 하나 이상을 분석함으로써, 상기 중간 처리 단계로부터 출력된 하나 이상의 공정 파라미터 및/또는 제품 파라미터 중에서 상기 예측을 허용하는 예측 기능을 생성하는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서,
상기 중간 처리 단계는,
1차 롤로 규정된 롤의 박형 제품의 언와인딩(unwinding) 및 상기 1차 롤과 같거나 또는 작은 횡방향 치수를 갖는 2차 롤로 규정된 하나 이상의 박형 제품의 와인딩(winding)을 포함하는 리와인딩 단계(rewinding step)로서, 상기 데이터베이스 시스템에 저장된 1차 코드로 규정된 상기 고유한 식별 코드가 상기 1차 롤과 연관되고, 상기 리와인딩 단계의 상류에서의 상기 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터가 연관되고, 2차 코드로 규정된 관련된 상기 고유한 식별 코드가 각각의 2차 롤과 연관되고, 상기 리와인딩 단계의 상류에서의 상기 박형 제품의 생산 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터 및 상기 리와인딩 단계에서 검출된 공정 파라미터 및/또는 제품 파라미터 둘 다와 연관되는, 상기 리와인딩 단계,
또는
박형 제품의 롤의 언와인딩 및 롤에 감긴 박형 제품을 완제품 또는 반제품으로 전환시키는 전환 모듈에의 박형 제품의 삽입을 포함하는, 롤에 감긴 박형 제품의 완제품 또는 반제품으로의 전환 단계인, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제5항 중 어느 한 항에 있어서,
상기 데이터베이스 시스템에서, 상기 박형 제품의 인라인 생산 동안 그리고/또는 상기 롤로 인라인 생산된 상기 박형 제품의 후속의 와인딩 동안 검출된 상기 롤 공정 파라미터 및/또는 제품 파라미터의 상기 고유한 식별 코드와 연관되는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제6항 중 어느 한 항에 있어서,
상기 데이터베이스 시스템에서, 상기 롤의 포장 단계(packaging step) 동안 검출된 상기 롤 공정 파라미터 및/또는 제품 파라미터의 상기 고유한 식별 코드와 연관되는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제7항 중 어느 한 항에 있어서,
관련된 롤에 대한 상기 제품 파라미터는, 상기 파라미터가 검출되는 상기 제품의 영역의 위치의 함수로서 저장되는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제8항에 있어서,
상기 파라미터가 검출된 상기 제품의 영역의 위치는 동일 롤과 관련된 원점을 가진 좌표계에 의해 저장되되, 상기 좌표계는, 상기 롤의 축과 평행한, 바람직하게는 0(제로)이 상기 롤의 측면에 대응하는 제1 좌표축과, 롤이 감겨 있는 축을 중심으로 상기 박형 제품의 선형 언와인딩에 대응하고, 원점이 바람직하게는 상기 롤의 코어 상에 있는 상기 박형 제품의 와인딩 개시점과 일치하는 제2 좌표축을 포함하는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제9항 중 어느 한 항에 있어서,
상기 적어도 하나의 롤에 고유한 식별 코드를 배정하는 것은, 상기 데이터베이스 시스템에서 상기 고유한 식별 코드를 포함하고 상기 고유한 식별 코드를 저장하는, a) 그래픽, b) 예를 들어, RFID 유형의 전자 매체, 또는 c) 자기 대역 매체를 적용함으로써 적어도 하나의 상기 롤에 마킹하는 것을 포함하는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제10항에 있어서,
전자 또는 자기 매체의 경우에, 상기 매체의 상기 1차 식별 코드를 배정하기 위한 프로그래밍 단계를 포함하되, 이 프로그래밍 단계는 상기 적어도 하나의 롤에 상기 매체를 적용하기 전에 또는 상기 매체가 상기 1차 롤에 적용되는 때에 일어나는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제11항 중 어느 한 항에 있어서,
상기 롤에 감긴 상기 박형 제품의 상기 중간 처리 단계의 개시 시에 상기 롤의 고유한 코드를 판독하는 단계를 포함하는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법. - 제1항 내지 제12항 중 어느 한 항에 있어서,
롤과 연관될 수 있고 상기 중간 처리 단계의 상류에서 또는 상기 중간 처리 단계 동안 검출될 상기 제품 파라미터 및 공정 파라미터 및 상기 예측 모델에 사용되는 과거 파라미터는 하기 중 2개 이상으로부터 선택되는, 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법: 제품 유형 식별; 기계 유형, 롤 길이, 롤 포맷 폭, 외측 롤 직경, Y의 함수로서, 감긴 길이의 함수로서의 폭 프로파일, 감긴 박형 제품의 평량, 감긴 박형 제품의 평량 공차, 롤을 형성하기 위하여 박형 제품이 와인딩되는 코어의 유형, 코어 직경, 스핀들 식별자, 롤 중량, 롤 생산 개시 일 및 시간, 롤 생산 종료 일 및 시간, 실온, 상대습도, 제품 품질 등급, 롤 품질 등급, 롤 밀도, Y의 함수로서의 롤 밀도 프로파일, 조작자 또는 생산 관리자 식별자, Y의 함수로서의 생산 라인 속도 프로파일, Y의 함수로서의 와인더 속도 프로파일, Y의 함수로서의 생산 라인 가속도 및/또는 Y의 함수로서의 와인더 가속도, 적용된 표면 처리, 표면 처리의 위치, X를 따른 그리고 Y를 따른 평량 프로파일, X축을 따른 그리고 Y를 따른 두께 프로파일, X축을 따른 그리고 Y를 따른 습도 프로파일, 형성 사양, 접착 유형, 사용된 섬유의 혼합체, 또는 사용된 중합체의 혼합물, 정제 정도(degree of refinement), 사용된 물의 유형의 혼합, 응결제(coagulant) 농도, 응집제(flocculant) 농도, 슬러리 전도도, 기계적 특성, 예컨대, 부하(load), 습식 파열, 탄성 계수, Y를 따른 제품 형성을 따라 검출된 온도, Y를 따른 오븐 또는 후드 온도 프로파일, Y를 따른 인쇄 피치, Y를 따른 캘린더에 의한 길이의 단위당 적용된 닙 포스(nip force), Y를 따른 캘린더 온도, Y를 따른 와인딩 장력 프로파일(winding tension profile), 와인더 슬립 프로파일(winder slip profile), 적용된 제어 유형, 생산 레시피 식별자, 검출 시스템에 의해 검출된 내포된 결함, 롤 성장 프로파일 직경/감긴 미터, 롤의 Y축과 관련된 시간 스탬핑을 이용한 제품의 형성에 따라 수집된 비디오 이미지. - 제1항 내지 제13항 중 어느 한 항에 따른 방법을 수행하도록 구성된, 박형 제품의 롤을 생산하기 위한 공장(plant).
- 박형 제품의 롤을 생산하기 위한 공장으로서,
- 동일 라인의 제품 및/또는 공정 파라미터를 알 수 있는 제어 시스템을 포함하는 연속 박형 제품의 생산 라인,
- 박형 제품 및 롤의 생산 동안 검출된 제품 및/또는 공정 파라미터 및 상기 롤과 관련된 제품 및/또는 공정 파라미터와 연관된 생산된 롤의 식별 코드를 포함하는 데이터베이스 시스템,
- 상기 라인으로부터 빠져나오는 박형 제품을 1차 롤로 감도록 구성된, 연속 박형 제품의 상기 생산 라인의 출구에 위치된 적어도 선택적 와인더로서, 상기 와인더의 관리 시스템, 와인딩되고 있는 상기 1차 롤과 연관되는 그래픽, 전자 또는 자기 매체 상의 판독 및/또는 기록 디바이스로서, 상기 매체에 기록 또는 상기 매체를 프로그래밍하도록 구성되고 상기 전자 관리 유닛과 작동 가능하게 연결된, 상기 판독 및/또는 기록 디바이스, 및 상기 와인더에 진입하는 제품의 평가 시스템으로서, 바람직하게는 품질 제어 모듈 QCS, 및/또는 결함의 그리고/또는 금속 입자를 검출하는 유형의 육안 검사 모듈을 포함하는, 상기 평가 시스템을 포함하는, 상기 선택적 와인더,
- 상기 와인더로부터 유래되는 상기 1차 롤로부터 1개 이상의 2차 롤을 생산하도록 구성된 선택적 리와인더로서, 상기 2차 롤에 감겨 있는 제품의 평가 시스템으로서, 예를 들어, 결함의 그리고/또는 금속 입자를 검출하는 유형의 육안 검사 모듈, 및 추가의 선택적 품질 제어 모듈 QCS를 포함할 수 있는, 상기 평가 시스템, 언와인딩되고 있은 롤의 식별 코드의 판독 디바이스, 및 와인딩되고 있는 2차 롤과 연관되는 식별 코드의, 그래픽, 전자 또는 자기 매체 상의 판독 및/또는 기록 디바이스, 및 와인딩되고 있는 제품의 상기 평가 시스템에 의해 검출된 제품 및/또는 공정 파라미터를 상기 파라미터가 관련되는 상기 2차 롤의 식별 코드와 연관되어 상기 데이터베이스 시스템에 통신하도록 구성된 관리 시스템을 포함하는, 상기 리와인더,
- 1차 또는 2차 롤을 위한 선택적 포장 스테이션으로서, 상기 롤과 연관된 매체 상의 상기 롤의 식별 코드의 판독 디바이스, 및 포장된 롤의 평가 시스템과 연관이 있는 포장 단계의 관리 시스템으로서, 예를 들어, 육안 검사 모듈을 포함하고, 포장과 연관되고 포장 중인 롤의 상기 평가 시스템에 의해 검출된 제품 및/또는 공정 파라미터를 상기 파라미터가 관련되는 롤의 식별 코드와 연관되어 상기 데이터베이스 시스템에 통신하도록 구성된, 상기 관리 시스템을 포함하는, 상기 선택적 포장 스테이션,
- 롤의 완제품 또는 반제품으로의 전환 스테이션으로서, 1개 이상의 롤에 대한 1개 이상의 언와인딩 스테이션, 상기 1개 이상의 롤의 전환 기계, 언와인딩되고 있은 롤의 식별 코드의 판독 디바이스, 롤로부터 언와인딩되어서 상기 전환 기계에 진입하는 제품의 평가 시스템으로서, 예를 들어, 육안 검사 모듈, 처리 중인 제품의 파라미터를 결정하기 위하여 존재하는 상기 전환 기계의 센서를 포함할 수 있고, 상기 공정 파라미터 및/또는 제품 파라미터는 언와인딩되고 있은 각각의 롤과 또는 상기 데이터베이스 시스템 내 그들의 식별 코드와 연관되는 상기 전환 단계 동안 획득되는, 상기 평가 시스템을 포함하는, 상기 전환 스테이션,
- 상기 데이터베이스 시스템에 포함된 롤의 고유한 식별 코드와 연관된 공정 파라미터 및/또는 제품 파라미터의 관리 소프트웨어로서, 상기 공장의 처리 단계로부터 출력된 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값과 상기 중간 처리 단계의 상류에서의 상기 롤의 생산 단계에서 검출된 동일한 롤의 공정 파라미터 및/또는 제품 파라미터와 관련된 과거 값 사이의, 기계 학습 로직에 의해 생성된, 상관관계를 사용하는 예측 모델이 구현되고, 상기 모델은 상기 처리 단계로부터 출력된 제품 파라미터를 예측하도록 구성된, 상기 관리 소프트웨어
를 포함하는, 박형 제품의 롤을 생산하기 위한 공장. - 제15항에 있어서,
상기 한계값을 초과하는 것을 피하기 위하여 처리 공정 파라미터를 조절하거나, 또는 상기 스테이션의 하류에서의 임의의 처리 동안 잠재적으로 위험한 제품의 부분을 거절하도록 구성된, 박형 제품의 상기 생산 라인의 공정 파라미터, 및/또는 상기 와인더의 공정 파라미터, 및/또는 상기 포장의 공정 파라미터, 및/또는 상기 리와인더의 공정 파라미터, 및/또는 상기 전환 스테이션의 공정 파라미터를 변화시키기 위한 수단을 포함하는, 박형 제품의 롤을 생산하기 위한 공장.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102018000006680 | 2018-06-26 | ||
| IT102018000006680A IT201800006680A1 (it) | 2018-06-26 | 2018-06-26 | Metodo di predizione della presenza di difetti di prodotto durante una fase di lavorazione intermedia di un prodotto sottile avvolto in bobina |
| PCT/IB2019/055333 WO2020003114A1 (en) | 2018-06-26 | 2019-06-25 | Method for predicting the presence of product defects during an intermediate processing step of a thin product wound in a roll |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210034591A true KR20210034591A (ko) | 2021-03-30 |
Family
ID=63965746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217002001A KR20210034591A (ko) | 2018-06-26 | 2019-06-25 | 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법 |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US20210261374A1 (ko) |
| EP (1) | EP3814259A1 (ko) |
| JP (1) | JP2021529709A (ko) |
| KR (1) | KR20210034591A (ko) |
| CN (1) | CN112469649B (ko) |
| BR (1) | BR112020026593A2 (ko) |
| CA (1) | CA3104776A1 (ko) |
| IT (1) | IT201800006680A1 (ko) |
| MX (1) | MX2020014329A (ko) |
| WO (1) | WO2020003114A1 (ko) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113795800A (zh) * | 2019-05-09 | 2021-12-14 | 杜尔系统股份公司 | 用于对工件进行检验的方法、检验设备和处理设备 |
| JP2022531714A (ja) | 2019-05-09 | 2022-07-08 | デュール システムズ アーゲー | 分析方法及びそのための装置 |
| IT202000004072A1 (it) * | 2020-02-27 | 2021-08-27 | Orox Group Srl | Sistema di identificazione di difetti su tessuti, relativa apparecchiatura e relativo metodo |
| JP7457560B2 (ja) | 2020-03-31 | 2024-03-28 | 信越ポリマー株式会社 | 包装ロール体の製造システム |
| US20240012395A1 (en) * | 2020-09-18 | 2024-01-11 | Base Se | Chemical production control |
| JP2023546779A (ja) * | 2020-09-18 | 2023-11-08 | ビーエーエスエフ ソシエタス・ヨーロピア | 化学製造制御 |
| US20220092473A1 (en) * | 2020-09-18 | 2022-03-24 | Samsung Display Co., Ltd. | System and method for performing tree-based multimodal regression |
| CN114002225B (zh) * | 2021-10-19 | 2023-05-12 | 业成科技（成都）有限公司 | 光学检测系统与方法 |
| SE2250794A1 (en) * | 2022-06-27 | 2023-12-28 | Valmet Oy | Method and system for monitoring the performance of a winding spool in the reel section of a paper machine |
| CN115806213B (zh) * | 2022-12-06 | 2024-02-09 | 江苏汉信天诚新材料有限公司 | 一种气凝胶检测设备 |
| CN115933574B (zh) * | 2023-01-09 | 2024-04-26 | 浙江聚优非织造材料科技有限公司 | 一种生产非织造产品的智能控制方法及系统 |
| CN117574328B (zh) * | 2024-01-15 | 2024-03-29 | 德阳联动检测科技有限公司 | 基于扭矩数据的联轴器打滑分析方法及系统 |
| CN117635082B (zh) * | 2024-01-26 | 2024-04-30 | 三明市丰润化工有限公司 | 一种饲料专用二氧化硅生产智能化管理系统 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08245059A (ja) * | 1995-03-15 | 1996-09-24 | Dainippon Printing Co Ltd | 不良指示方法と不良抜取方法およびそれらの装置 |
| FI119034B (fi) * | 2004-04-14 | 2008-06-30 | Metso Paper Inc | Menetelmä ja järjestelmä kuormitusmittausten suorittamiseksi ja hyödyntämiseksi paperinvalmistukseen liittyvien koneenosien ja laitteiden kunnossapidossa |
| WO2008004256A1 (en) * | 2006-07-05 | 2008-01-10 | Galileo Vacuum Systems S.R.L. | Method and installation for producing spools of web like material with vacuum desposition |
| WO2009151419A1 (en) * | 2008-06-12 | 2009-12-17 | Metso Automation Inc. | Method and apparatus for reel building and roll runnability in moving web manufacturing |
| JP5682368B2 (ja) * | 2011-02-22 | 2015-03-11 | 凸版印刷株式会社 | 搬送速度制御システム |
| KR101247184B1 (ko) * | 2011-12-30 | 2013-03-25 | 건국대학교 산학협력단 | 롤투롤 라미네이션 공정에서 박리현상과 리와인딩 구간에서의 슬립현상을 방지하기 위한 운전 장력 설정 방법 |
| JP6035877B2 (ja) * | 2012-05-30 | 2016-11-30 | 凸版印刷株式会社 | シート加工製品製造システム |
| US9168734B2 (en) * | 2012-12-28 | 2015-10-27 | Goss International Americas, Inc. | System and method for preventing high tension from damaging a printing press |
| US9518362B2 (en) * | 2014-04-15 | 2016-12-13 | Georgia-Pacific Consumer Products Lp | Methods and apparatuses for controlling a manufacturing line used to convert a paper web into paper products by reading marks on the paper web |
| JP6018616B2 (ja) * | 2014-12-04 | 2016-11-02 | 株式会社日立産機システム | シート巻取装置及びシート巻取方法 |
| WO2018072775A1 (de) * | 2016-10-18 | 2018-04-26 | Reifenhäuser GmbH & Co. KG Maschinenfabrik | Verfahren und datenerfassungsgerät zum bereitstellen, abrufen und nutzen eines datenelements im rahmen eines prozesses zum herstellen einer bahnware aus kunststoff |
| IT201600127586A1 (it) * | 2016-12-16 | 2018-06-16 | Futura Spa | Impianto per la produzione di logs di materiale cartaceo. |
| KR20180111562A (ko) * | 2017-03-30 | 2018-10-11 | 스미또모 가가꾸 가부시키가이샤 | 검사 장치, 검사 방법 및 필름 권회체의 제조 방법 |
-
2018
- 2018-06-26 IT IT102018000006680A patent/IT201800006680A1/it unknown
-
2019
- 2019-06-25 US US17/255,889 patent/US20210261374A1/en active Pending
- 2019-06-25 CA CA3104776A patent/CA3104776A1/en active Pending
- 2019-06-25 JP JP2020572957A patent/JP2021529709A/ja active Pending
- 2019-06-25 CN CN201980049014.3A patent/CN112469649B/zh active Active
- 2019-06-25 KR KR1020217002001A patent/KR20210034591A/ko active IP Right Grant
- 2019-06-25 WO PCT/IB2019/055333 patent/WO2020003114A1/en unknown
- 2019-06-25 EP EP19748950.3A patent/EP3814259A1/en active Pending
- 2019-06-25 BR BR112020026593-4A patent/BR112020026593A2/pt unknown
- 2019-06-25 MX MX2020014329A patent/MX2020014329A/es unknown
Also Published As
| Publication number | Publication date |
|---|---|
| CN112469649A (zh) | 2021-03-09 |
| CN112469649B (zh) | 2023-06-20 |
| US20210261374A1 (en) | 2021-08-26 |
| JP2021529709A (ja) | 2021-11-04 |
| CA3104776A1 (en) | 2020-01-02 |
| BR112020026593A2 (pt) | 2021-03-23 |
| IT201800006680A1 (it) | 2019-12-26 |
| WO2020003114A1 (en) | 2020-01-02 |
| MX2020014329A (es) | 2021-05-27 |
| EP3814259A1 (en) | 2021-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210034591A (ko) | 롤에 감긴 박형 제품의 중간 처리 단계 동안 제품 결함의 존재를 예측하는 방법 | |
| KR102580590B1 (ko) | 제조 공정을 모니터링하기 위한 방법, 체계적인 의존성을 간접적으로 유도하기 위한 방법, 품질 적합화 방법, 제조 공정을 시작하기 위한 방법, 압출 제품을 제조하기 위한 방법 및 압출 제품을 제조하기 위한 시스템 | |
| EP1953616B1 (en) | A method for creating an optimal cutting plan for a strip-like material | |
| US8364303B2 (en) | Method and system for corrective planning and optimization of processing processes | |
| US20190240889A1 (en) | Method and data detection device for providing, retrieving and using a data element in a process for producing plastic sheet material | |
| US11148341B2 (en) | Method for evaluating at least one industrial process | |
| CN107831736A (zh) | 使用用于造纸机或其它系统的模型参数数据群集的模型‑工厂失配检测 | |
| CN107831737A (zh) | 用于横向过程行为监视的利用支持向量机的模型工厂失配检测 | |
| RU2768288C2 (ru) | Способ и установка для изготовления рулонов тонких изделий | |
| US20210379783A1 (en) | Slitter director for automated control of slit roll generation from manufactured web | |
| Shin et al. | Smart manufacturing systems engineering for designing smart product-quality monitoring system in the industry 4.0 | |
| US20220145539A1 (en) | Method and device for detecting a web break of a fibrous web, industrial plant and computer program product | |
| CN112547352B (zh) | 一种基于数字孪生的自动喷涂监测遥操作方法及系统 | |
| US8740061B2 (en) | Recording information for a web manufacturing process | |
| US20240094717A1 (en) | Method for a model-based determination of model parameters | |
| US20220147033A1 (en) | Computer Program Product, Industrial Installation, Method and Apparatus for Determining or Predicting a Position of a Web Break | |
| US11148894B2 (en) | Method and devices and system for winding and unwinding a reel | |
| JP2022052002A (ja) | 解析装置、解析方法および解析プログラム | |
| RU2021101516A (ru) | Способ прогнозирования наличия дефектов продукта на промежуточном этапе обработки тонкого продукта, намотанного в рулон | |
| Gloy et al. | Networked Production Systems in the Textile Industry | |
| CN115667625A (zh) | 用于预测和诊断造纸机中的纸幅断裂的自适应学习、自动标记方法和系统 | |
| JPH04174788A (ja) | 抄紙ラインの欠陥情報追跡方法 | |
| JPH08127446A (ja) | 不良除去方法および装置 | |
| JPH038887A (ja) | 抄紙制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |