TWM632910U

TWM632910U - 爐上監控系統

Info

Publication number: TWM632910U
Application number: TW111207989U
Authority: TW
Inventors: 林志鴻; 呂銀桐; 洪子耀
Original assignee: 林志鴻
Priority date: 2022-07-25
Filing date: 2022-07-25
Publication date: 2022-10-01

Abstract

一種爐上監控系統，包括：分析設備，用以分析爐水的組成數據；數據整合裝置，連接分析設備，並用以蒐集爐水的組成數據；以及近端控制裝置，耦接數據整合裝置，並用以根據爐水的組成數據以進行投料。

Description

爐上監控系統

本創作是有關一種爐上監控系統，尤其是一種用於監控金屬鑄造製程相關數據的監控系統。

一般在鑄造業中，為了鑄造出品質良好的金屬鑄件，會使用多種分析儀器分析在鑄造過程中會對金屬鑄件的品質、良率產生影響的相關數據，以確保所鑄造出的金屬鑄件的品質。

在這種時候，倘若沒有將這些分析儀器所分析出的數據做一個系統性的整合的話，便難以對製程進行控管，而這不只會對鑄造出的金屬鑄件的品質、良率產生嚴重影響，更可能會因為在生產的過程中疏於控管，不自覺地使用過多的能源進而對能源電廠造成莫大的負擔，狀況嚴重時甚至有影響一般住戶的用電需求的可能，這在提倡環保綠能、節約能源的現代是一個尚待解決的嚴重問題。

有鑑於此，本創作提供一種爐上監控系統，藉由蒐集並整合分析儀器所分析的數據，在第一時間得知當前的爐水的組成數據，並根據爐水的組成數據，計算組成數據中的各個元素的比例以產生配方進行投料，在爐水的組成數據與預期產出的金屬鑄件組成數據不相符時，除了能夠及時調整配方重新進行投料以避免產出不符合需求的成品，更可以將原本不能作為鑄造原料的回收廢料得以重新利用，除此之外，更可以透過監控分析儀器所分析的數據，以達到提高產能、減少耗能、提升成品良率的技術功效。

本創作所提供的爐上監控系統包括：分析設備，用以分析爐水的組成數據；數據整合裝置，連接分析設備，並用以蒐集爐水的組成數據；以及近端控制裝置，耦接數據整合裝置，並用以根據爐水的組成數據以進行投料。

在本創作的一實施例中，上述之爐上監控系統的分析設備包括：分光儀、碳矽分析儀、紅外線感測器、電表以及重量計。

在本創作的一實施例中，上述之爐上監控系統更包括：數據中心，連接數據整合裝置以及智慧數據提取系統，並用以儲存爐水的組成數據。

在本創作的一實施例中，上述之爐上監控系統的近端控制裝置包括：計算模組，用以計算各個元素的比例以產生配方來進行投料。

在本創作的一實施例中，上述之爐上監控系統，其中，計算模組更用以判定各個元素的比例是否超過上限值或是下限值。

在本創作的一實施例中，上述之爐上監控系統的近端控制裝置包括：警報模組，用以在組成數據異常時輸出警示資訊。

在本創作的一實施例中，上述之爐上監控系統更包括：採樣設備，連接分析設備，並用以採樣爐水。

在本創作的一實施例中，上述之爐上監控系統更包括：智慧數據提取系統，連接近端控制裝置、數據中心、以及數據整合裝置，並包括：顯示裝置，用以顯示爐水的組成數據；以及影像擷取裝置，用以從顯示裝置擷取爐水的組成數據。

綜上所述，本創作之爐上監控系統，可以藉由蒐集並整合分析儀器所分析的數據，在第一時間得知當前的爐水的組成數據，並根據爐水的組成數據，計算組成數據中的各個元素的比例以產生配方進行投料，並在爐水的組成數據與預期產出的金屬鑄件組成數據不相符時，除了能夠及時調整配方重新進行投料以避免產出不符合需求的成品，更可以將原本不能作為鑄造原料的回收廢料得以重新利用，除此之外，更可以透過監控分析儀器所分析的數據，以達到提高產能、減少耗能、提升成品良率的技術功效。

為讓本創作之上述和其他目的、特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式，作詳細說明如下。

請參照圖1，此圖為本創作實施例所提供的爐上監控系統的系統方塊圖。

在本實施例中，本創作之爐上監控系統1包括：採樣設備2；分析設備3，連接採樣設備2；數據整合裝置4，連接分析設備3；數據中心5，連接數據整合裝置4；智慧數據提取系統6，連接數據整合裝置4以及數據中心5；近端控制裝置7，耦接數據整合裝置4以及連接智慧數據提取系統6。

在本實施例中，本創作之爐上監控系統1先以分析設備3對爐水進行組成數據的分析，再由數據整合裝置4蒐集並整合爐水的組成數據，再由近端控制裝置根據爐水的組成數據進行投料。

接著，請參照圖2，此圖為本創作實施例所提供的爐上監控方法的步驟流程圖。

請同時參照圖1與圖2的步驟S1，其中，本創作之爐上監控系統1所包括的採樣設備2是在鑄造的製程中，對爐水，也就是對燒熔狀態的金屬進行採樣的設備，但本創作不對爐水的狀態進行限定，當分析設備3的需求是對固態金屬進行分析的需求時，採樣設備2也可以對固態金屬進行採樣，又或者是也可以先對爐水進行採樣，待爐水冷卻為固態後再將爐水樣本送至分析設備3進行下一步的分析。所列舉出來的採樣方式僅為示例，爐上監控系統1所包括的採樣設備2不限定於所列舉出的採樣方式，所有可以在鑄造的製程中，對爐水進行採樣的裝置皆可以做為爐上監控系統1所包括的採樣設備2。其中，採樣設備2可以是由人工進行操作採樣，也可以是由機器自動化採樣，本創作在此不做限定。

請同時參照圖1與圖2的步驟S2，其中，本創作之爐上監控系統1所包括的分析設備3是連接採樣設備2，在鑄造的製程中，對爐水的組成進行分析，並輸出爐水的組成相關數據的裝置。於一個實施例中，分析設備3包括分光儀31(又稱火花直讀光譜儀(Spark OES， Optical Emission Spectroscopy))，並且分光儀31用以在爐水於固態金屬狀態時，分析在爐水中所包含的金屬元素以及金屬元素的含量，以確保爐水的金屬比例符合製程要求。又於另一個實施例中，分析設備3包括碳矽分析儀32(又稱爐前鐵水成份分析儀)，並且碳矽分析儀32用以分析爐水的碳當量、碳含量、以及矽含量。在其他條件相同時，可以藉由改變金屬鑄件中的碳當量、碳含量、以及矽含量的比例的不同，調整金屬鑄件的機械性能(例如承重能力、抗撓曲能力、彈性等)，因此碳矽分析儀32可以確保爐水的碳當量、碳含量、以及矽含量以符合製程要求。又於另一個實施例中，分析設備3包括紅外線感測器33，並且紅外線感測器33用以量測爐水的溫度狀態，爐水的溫度會與成形目標的金屬鑄件的形狀、大小、澆鑄時間、材質等相關，因此紅外線感測器33可以確保爐水在成形為金屬鑄件時的品質以符合製程要求。又於另一個實施例中，分析設備3包括電表34，並且電表34用以監控電爐的輸出功率，當電爐的輸出功率高時，爐水的最高溫度或加熱速度會相對於輸出功率低時來得高，而金屬鑄件的品質與溫度有關，電表34除了可以監控電爐的輸出功率並確保金屬鑄件的品質以符合製程要求之外，更可以避免電爐輸出過多的電能。又於另一個實施例中，分析設備3包括重量計35(例如無線分離式吊秤)，用以量測金屬鑄件的重量，當金屬的組成數據固定時，金屬的重量也會固定，因此可以藉由重量計35再次確認金屬鑄件的品質是否符合製程要求。所列舉出來的分析設備3的種類僅為示例，爐上監控系統1所包括的分析設備3不限定於所列舉出的裝置種類以及數量，所有使用於控管鑄造製程、分析爐水組成並輸出爐水組成相關數據的裝置皆可以做為爐上監控系統1所包括的分析設備3。

請同時參照圖1與圖2的步驟S3，其中，本創作之爐上監控系統1所包括的數據整合裝置4是連接分析設備3，用以蒐集並整合分析設備3所輸出的爐水的組成數據的裝置。數據整合裝置4可以是可程式化邏輯控制器(Programmable Logic Controller，PLC)、個人電腦、筆記型電腦、單晶片微電腦(MCU)等具備蒐集並整合數據的功能的裝置。所列舉出來的數據整合裝置4的種類僅為示例，爐上監控系統1所包括的數據整合裝置4不限定於所列舉出的裝置種類，所有具有相同功能的裝置皆可以為爐上監控系統1所包括的數據整合裝置4。請參照圖2的步驟S4，於一個實施例中，數據整合裝置4連接數據中心5，並將爐水的組成數據上傳並儲存至數據中心5，在本實施例中，只要使用者的所使用的設備(例如個人電腦、筆記型電腦、手機)能夠連接網路，就能透過網路監控爐上監控系統1當前的製程狀態或是查詢過去的歷史數據。於其中一個實施例中，數據中心5更可以包括一管理系統(圖未示)，舉例來說，當使用者使用例如個人電腦等的設備透過網路連上數據中心5的管理系統時，管理系統可以提供一管理介面於使用者的設備，讓使用者可以透過管理系統以管理生產相關事宜。其中，管理介面例如可以包括但不限於：分析介面，用於顯示分析系統的分析結果，其中，分析系統可以例如是雲端分析系統，又或者是可以以數據中心5連接如近端控制裝置7的裝置的方式，利用一演算法取得分析結果，並將分析結果的資料傳輸於數據中心5，再透過分析介面顯示分析系統的分析結果；生產排程介面，用於例如根據近端控制裝置7所記錄的爐水的組成數據、或/以及產生的配方、或/以及分析系統的分析結果，進行生產作業的排程，並將排程結果顯示於生產排程介面，其中，生產作業的排程可以是由人工進行的排程，也可以是如近端控制裝置7的裝置藉由一演算法進行的自動排程，本創作不在此設限；配方設定介面，用於顯示以及設定金屬鑄件成品的元素目標比例，舉例來說，近端控制裝置7可以根據金屬鑄件成品的元素目標比例的設定，計算金屬鑄件成品的各個元素的比例(例如金屬元素、碳當量、碳含量、以及矽含量等)並產生配方以進行投料，其中，元素目標比例的設定可以是由人工設定，也可以是例如藉由演算法計算自動設定，本創作不在此設限，在其中一個實施例中，配方設定介面更包括一校正參數設定，校正參數是用於補償金屬鑄件成品的各個元素的比例的參數，校正參數可以是例如藉由演算法產生並可以依據生產狀況自動調整，也可以是藉由演算法產生後以人工手動調整，以符合金屬鑄件成品的元素目標比例的設定，本創作不在此設限，更於另一個實施例中，系統可以記錄校正參數設定，並將校正參數設定紀錄導入演算法中，並藉由演算法使校正參數更為精確，以生產出更符合元素目標比例的金屬鑄件成品；使用者管理介面，用於記錄並顯示系統的使用紀錄，舉例來說，使用者可以透過一登入介面使用預先註冊的帳號登入系統，系統中可以包括多個使用者，使用者管理介面可以顯示各個使用者的登入、登出、設定、系統操作、系統設定等的使用紀錄，更於其中一個實施例中，使用者可以使用訪客身分存取系統，在這種狀況下使用者可以使用的功能會受到限制，例如使用者不能以訪客身分進行校正參數的設定等；功能更新日誌，用於顯示管理系統的更新紀錄，系統管理人可以於功能更新日誌撰寫管理系統的更新紀錄，以告知使用者系統的更動。

請同時參照圖1與圖2的步驟S5，本創作之爐上監控系統1所包括的智慧數據提取系統6是連接數據整合裝置4以及數據中心5，並利用影像擷取裝置62透過人工智慧(Artificial Intelligence，AI)影像辨識技術從顯示裝置61擷取爐水的組成數據的數據提取系統。影像擷取裝置62可以是相機、攝影機等具有影像擷取功能的硬體裝置、其他具有影像擷取功能的軟體與硬體的整合裝置、或其他具有影像擷取功能的軟體模組。所列舉出來的影像擷取裝置62的種類僅為示例，智慧數據提取系統6所包括的影像擷取裝置62不限定於所列舉出的裝置或模組種類，所有具有相同功能的裝置或模組皆可以為智慧數據提取系統6所包括的影像擷取裝置62。AI影像辨識技術可以是例如線性迴歸(Linear Regression)、深度學習(Deep Learning)、神經網路(Neural Networks)、反向傳播(Backpropagation)、卷積神經網路(Convolutional Neural Networks，CNN)、遞歸神經網路(recurrent neural networks，RNN)等演算法技術，由於本創作AI應用面為文字與數字辨識及後續引申功能，因此演算法主要以能清楚、快速、辨識內容之外，對於文字的動態追蹤、項目歸類、數值解析等都是不同以往靜態辨識，因此所列舉出來的AI影像辨識技術的種類僅為示例，智慧數據提取系統6所使用的AI影像辨識技術不限定於所列舉出的演算法種類，所有能夠從顯示裝置61擷取爐水的組成數據的AI影像辨識技術皆可以為智慧數據提取系統6所使用的AI影像辨識技術。顯示裝置61可以是陰極射線管(CRT)顯示器、液晶(LCD)顯示器、有機發光二極體(OLED)顯示器。所列舉出來的顯示裝置61的種類僅為示例，智慧數據提取系統6所包括的顯示裝置61不限定於所列舉出的裝置種類，所有能夠顯示爐水的組成數據的裝置皆可以為智慧數據提取系統6所包括的顯示裝置61。於一個實施例中，智慧數據提取系統6可以透過影像擷取裝置62直接對分析設備3進行爐水的組成數據的擷取，也就是說，只要能夠擷取爐水的組成數據，就能作為智慧數據提取系統6所包括的影像擷取裝置62。又於另一個實施例中，數據整合裝置4包括顯示裝置61，也就是說，數據整合裝置4可以將從分析裝置3蒐集並整合的爐水的組成數據顯示於顯示裝置61，並且智慧數據提取系統6可以透過影像擷取裝置62直接對數據整合裝置4進行爐水的組成數據的擷取。又於另一個實施例中，智慧數據提取系統6可以接收數據整合裝置4所蒐集並整合的爐水的組成數據顯示於顯示裝置61，並藉由影像擷取裝置62對顯示裝置61進行爐水的組成數據的擷取。又於另一個實施例中，智慧數據提取系統6可以接收數據整合裝置4所整合並上傳至數據中心5的爐水的組成數據顯示於顯示裝置61，並藉由影像擷取裝置62對顯示裝置61進行爐水的組成數據的擷取。智慧數據提取系統6藉由使用影像擷取裝置62對顯示裝置61進行爐水的組成數據的擷取，可以避免裝置與裝置之間因線路相連所產生的干擾，達成隔絕裝置與裝置之間的干擾的技術功效。

請同時參照圖1與圖2的步驟S6，其中，本創作之爐上監控系統1所包括的近端控制裝置7是耦接數據整合裝置4以及連接智慧數據提取系統6，用以接收爐水的組成數據，並根據爐水的組成數據進行投料的裝置。在本創作中，投料是指依照製程所需進行料件的投放的動作。請參照圖2的步驟S61，於一個實施例中，近端控制裝置7包括計算模組71，計算模組71用以計算各個元素的比例(例如金屬元素、碳當量、碳含量、以及矽含量等)並產生配方以進行投料。計算模組71可以藉由爐水的組成數據進一步地計算出要產出的預期的金屬鑄件的所需的各個元素的比例，並將所需的各個元素製成配方，並依據此配方進行投料，進而得以產出符合預期的金屬鑄件。請參照圖2的步驟S62，計算模組71更可以預先設定要產出的預期的金屬鑄件的各個元素的比例的上限值與下限值，並判定在爐水的組成數據中的各個元素的比例是否超過上限值或是下限值。請參照圖2的步驟S63，於一個實施例中，近端控制裝置7包括警報模組72，警報模組72用以在爐水的組成數據異常時輸出警示資訊，例如警報模組72可以在計算模組71判定在爐水的組成數據中的各個元素的比例超過上限值或是下限值時，輸出警示資訊，以利重新投料、及時調整爐水的組成，進而避免產出不符合需求的成品，其中，警示資訊可以是文字資訊、影像資訊、聲音資訊等，本創作不在此做限定。於一個實施例中，近端控制裝置7可以記錄爐水的組成數據以及配方，當相同的狀況發生時，近端控制裝置7可以直接使用所記錄的配方，避免重複運算所造成的不必要的資源消耗。其中，近端控制裝置7可以是由人工進行操作投料，也可以是由機器自動化投料，本創作在此不做限定。

本創作之爐上監控方法的步驟流程不限定於圖2所示之步驟流程。舉例來說，本創作可以在進行圖2所示的步驟S6的投料之後，數據整合裝置再次蒐集爐水的組成數據，以及近端控制裝置根據再次蒐集的爐水的組成數據以確認各個元素的比例，更進一步地避免產出不符合需求的成品。

接著，請參照圖3，以下說明近端控制裝置7在計算要產出的預期的金屬鑄件所需的碳元素比例時，計算模組71補償碳元素的計算公式。可以注意的是，上述計算公式僅為示例，本領域技術人員可依據需求設計不同的計算公式，本創作不以上述計算公式為限制。

在其中一個實施例中，會先於近端控制裝置7設定目標碳元素百分比以及當爐重量，舉例來說，目標碳元素百分比為3.6%，當爐重量為750公斤；接著，由分光儀31測得當前爐水的第一碳測定值例如為3.5%，由碳矽分析儀32測得當前爐水的第二碳測定值例如為3.58%；其中計算公式中的α為高週波爐的重量感測值、γ為自動投料誤差百分比、δ為自身比重熱變異值，R與β為經由卷積神經網路CNN以及遞歸神經網路RNN所取得的大數據結果，其中R為藉由碳矽分析儀32的第二碳測定值(3.58%)產生的落差變異數，β為連續投料結果碳偏差值；也就是說，計算模組71可以藉由卷積神經網路CNN以及遞歸神經網路RNN所取得的大數據結果，以及基本參數的設定，經由如圖3所示的公式運算取得碳元素的補償值，並依據碳元素的補償值產生配方，以達到提升成品良率、將原本不能作為鑄造原料的回收廢料得以重新利用、提高產能、避免產出不符合需求的成品的技術功效。

又在另一個實施例中，計算模組71更可以分別設定每個分析設備3的設備代碼(例如為X1、Y1、Z1等)以及生產變數(例如為n1、n2、n3等)，並透過多維度變數的AI學習演算法預測設備的狀況，在設備尚未出現明顯問題時，即時透過警報模組72輸出警示資訊，提示設備需要提早更換、維修，從而避免設備突然產生故障所帶來的損失。

雖然本創作已以實施例揭露如上，然其並非用以限定本創作，本創作所屬技術領域中具有通常知識者，在不脫離本創作之精神和範圍內，當可作些許之更動與潤飾，因此本創作之保護範圍當視後附之申請專利範圍所界定者為準。

1:爐上監控系統 2:採樣設備 3:分析設備 31:分光儀 32:碳矽分析儀 33:紅外線感測器 34:電表 35:重量計 4:數據整合裝置 5:數據中心 6:智慧數據提取系統 61:顯示裝置 62:影像擷取裝置 7:近端控制裝置 71:計算模組 72:警報模組 α:高週波爐的重量感測值 β:連續投料結果碳偏差值 γ:自動投料誤差百分比 δ:自身比重熱變異值 R:落差變異數 S1, S2, S3, S4, S5, S6:步驟 S61, S62, S63:步驟

圖1為本創作實施例所提供的爐上監控系統的系統方塊圖；圖2為本創作實施例所提供的爐上監控方法的步驟流程圖；以及圖3為本創作實施例所提供的補償碳元素的計算公式。

1:爐上監控系統

2:採樣設備

3:分析設備

31:分光儀

32:碳矽分析儀

33:紅外線感測器

34:電表

35:重量計

4:數據整合裝置

5:數據中心

6:智慧數據提取系統

61:顯示裝置

62:影像擷取裝置

7:近端控制裝置

71:計算模組

72:警報模組

Claims

一種爐上監控系統，包括：至少一分析設備，用以分析一爐水的一組成數據；一數據整合裝置，連接該至少一分析設備，並用以蒐集該爐水的該組成數據；以及一近端控制裝置，耦接該數據整合裝置，並用以根據該爐水的該組成數據以進行投料。
如請求項1所述之爐上監控系統，其中，該至少一分析設備包括一分光儀、一碳矽分析儀、一紅外線感測器、一電表以及一重量計。
如請求項1所述之爐上監控系統，更包括：一數據中心，連接該數據整合裝置以及智慧數據提取系統，並用以儲存該爐水的該組成數據。
如請求項1所述之爐上監控系統，其中，該近端控制裝置包括：一計算模組，用以計算各個元素的比例以產生一配方來進行投料。
如請求項4所述之爐上監控系統，其中，該計算模組更用以判定該各個元素的比例是否超過上限值或是下限值。
如請求項1所述之爐上監控系統，其中，該近端控制裝置包括：一警報模組，用以在該組成數據異常時輸出警示資訊。
如請求項1所述之爐上監控系統，更包括：一採樣設備，連接該至少一分析設備，並用以採樣該爐水。
如請求項1所述之爐上監控系統，更包括：一智慧數據提取系統，連接該近端控制裝置以及數據整合裝置，並包括：一顯示裝置，用以顯示該爐水的該組成數據；以及一影像擷取裝置，用以從該顯示裝置擷取該爐水的該組成數據。