કાચની બોટલો માટે હોટ એન્ડ ફોર્મિંગ કંટ્રોલ

છેલ્લા કેટલાક વર્ષોમાં, વિશ્વની મોટી બ્રૂઅરીઝ અને ગ્લાસ પેકેજિંગ વપરાશકર્તાઓ પ્લાસ્ટિકનો ઉપયોગ ઘટાડવા અને પર્યાવરણીય પ્રદૂષણ ઘટાડવાના મેગાટ્રેન્ડને અનુસરીને, પેકેજિંગ સામગ્રીના કાર્બન ફૂટપ્રિન્ટમાં નોંધપાત્ર ઘટાડો કરવાની માંગ કરી રહ્યા છે.લાંબા સમય સુધી, ગરમ છેડાની રચનાનું કાર્ય ઉત્પાદનની ગુણવત્તાની ખૂબ ચિંતા કર્યા વિના, એનિલિંગ ભઠ્ઠીમાં શક્ય તેટલી બોટલો પહોંચાડવાનું હતું, જે મુખ્યત્વે ઠંડા અંતની ચિંતા હતી.બે જુદી જુદી દુનિયાની જેમ, ગરમ અને ઠંડા છેડાને વિભાજન રેખા તરીકે એન્નીલિંગ ફર્નેસ દ્વારા સંપૂર્ણપણે અલગ કરવામાં આવે છે.તેથી, ગુણવત્તાની સમસ્યાઓના કિસ્સામાં, ઠંડા છેડાથી ગરમ છેડા સુધી ભાગ્યે જ કોઈ સમયસર અને અસરકારક સંચાર અથવા પ્રતિસાદ છે;અથવા ત્યાં સંદેશાવ્યવહાર અથવા પ્રતિસાદ છે, પરંતુ એન્નીલિંગ ફર્નેસ સમયના વિલંબને કારણે સંચારની અસરકારકતા વધારે નથી.તેથી, કોલ્ડ-એન્ડ એરિયામાં અથવા વેરહાઉસના ગુણવત્તા નિયંત્રણમાં ઉચ્ચ-ગુણવત્તાવાળા ઉત્પાદનોને ફિલિંગ મશીનમાં ખવડાવવામાં આવે છે તેની ખાતરી કરવા માટે, વપરાશકર્તા દ્વારા પરત કરવામાં આવતી અથવા પરત કરવાની જરૂર હોય તેવી ટ્રે મળી આવશે.
તેથી, ગરમ છેડે ઉત્પાદનની ગુણવત્તાની સમસ્યાઓને સમયસર ઉકેલવી, મોલ્ડિંગ સાધનોને મશીનની ગતિ વધારવામાં, હલકા વજનની કાચની બોટલો હાંસલ કરવામાં અને કાર્બન ઉત્સર્જન ઘટાડવામાં મદદ કરવી ખાસ કરીને મહત્વપૂર્ણ છે.
કાચ ઉદ્યોગને આ ધ્યેય હાંસલ કરવામાં મદદ કરવા માટે, નેધરલેન્ડની XPAR કંપની વધુને વધુ સેન્સર્સ અને સિસ્ટમો વિકસાવવા પર કામ કરી રહી છે, જે કાચની બોટલો અને ડબ્બાઓના હોટ-એન્ડ ફોર્મિંગ પર લાગુ થાય છે, કારણ કે સેન્સર દ્વારા પ્રસારિત થતી માહિતી સુસંગત અને કાર્યક્ષમ છે.મેન્યુઅલ ડિલિવરી કરતાં વધુ!

મોલ્ડિંગ પ્રક્રિયામાં ઘણા બધા દખલકારી પરિબળો છે જે કાચની ઉત્પાદન પ્રક્રિયાને અસર કરી રહ્યા છે, જેમ કે ક્યુલેટ ગુણવત્તા, સ્નિગ્ધતા, તાપમાન, કાચની એકરૂપતા, આસપાસનું તાપમાન, વૃદ્ધત્વ અને કોટિંગ સામગ્રીના વસ્ત્રો, અને તે પણ તેલ, ઉત્પાદનમાં ફેરફાર, સ્ટોપ/સ્ટાર્ટ એકમ અથવા બોટલની ડિઝાઇન પ્રક્રિયાને અસર કરી શકે છે.તાર્કિક રીતે, દરેક કાચ ઉત્પાદક આ અણધારી વિક્ષેપોને એકીકૃત કરવાનો પ્રયાસ કરે છે, જેમ કે ગોબ સ્ટેટ (વજન, તાપમાન અને આકાર), ગોબ લોડિંગ (સ્પીડ, લંબાઈ અને આગમનની સમય સ્થિતિ), તાપમાન (લીલો, ઘાટ, વગેરે) , પંચ/કોર , ડાઇ) મોલ્ડિંગ પરની અસર ઘટાડવા માટે, ત્યાં કાચની બોટલોની ગુણવત્તામાં સુધારો કરે છે.
ગૉબ સ્ટેટસ, ગૉબ લોડિંગ, ટેમ્પરેચર અને બૉટલ ક્વૉલિટી ડેટાનું સચોટ અને સમયસર જ્ઞાન એ વધુ મશીનની ઝડપે હળવા, મજબૂત, ખામી-મુક્ત બૉટલ અને કેન બનાવવાનો મૂળભૂત આધાર છે.સેન્સર દ્વારા પ્રાપ્ત રીઅલ-ટાઇમ માહિતીથી શરૂ કરીને, વાસ્તવિક ઉત્પાદન ડેટાનો ઉપયોગ લોકોના વિવિધ વ્યક્તિલક્ષી ચુકાદાઓને બદલે, પછીથી બોટલ અને ખામી હોઈ શકે છે કે કેમ તેનું નિરપેક્ષપણે વિશ્લેષણ કરવા માટે કરવામાં આવે છે.
આ લેખ એ વાત પર ધ્યાન કેન્દ્રિત કરશે કે કેવી રીતે હોટ-એન્ડ સેન્સરનો ઉપયોગ હળવા, મજબૂત કાચની બરણીઓ અને નીચા ખામી દર સાથે જાર બનાવવામાં મદદ કરી શકે છે, જ્યારે મશીનની ગતિમાં વધારો કરે છે.

આ લેખ એ વાત પર ધ્યાન કેન્દ્રિત કરશે કે કેવી રીતે હોટ-એન્ડ સેન્સરનો ઉપયોગ મશીનની ગતિમાં વધારો કરતી વખતે નીચા ખામી દર સાથે હળવા, મજબૂત કાચના જાર બનાવવામાં મદદ કરી શકે છે.

1. હોટ એન્ડ ઇન્સ્પેક્શન અને પ્રક્રિયા મોનીટરીંગ

બોટલ અને કેન ઇન્સ્પેક્શન માટે હોટ-એન્ડ સેન્સર સાથે, હોટ-એન્ડ પર મોટી ખામીઓ દૂર કરી શકાય છે.પરંતુ બોટલ અને કેન ઇન્સ્પેક્શન માટેના હોટ-એન્ડ સેન્સરનો ઉપયોગ માત્ર હોટ-એન્ડ ઇન્સ્પેક્શન માટે થવો જોઈએ નહીં.કોઈપણ નિરીક્ષણ મશીનની જેમ, ગરમ અથવા ઠંડા, કોઈપણ સેન્સર અસરકારક રીતે તમામ ખામીઓનું નિરીક્ષણ કરી શકતું નથી, અને તે જ હોટ-એન્ડ સેન્સર માટે સાચું છે.અને દરેક આઉટ-ઓફ-સ્પેક બોટલ અથવા પહેલેથી જ ઉત્પાદિત કરી શકે છે તે ઉત્પાદન સમય અને ઊર્જાનો વ્યય કરે છે (અને CO2 ઉત્પન્ન કરે છે), હોટ-એન્ડ સેન્સરનું ધ્યાન અને ફાયદો ખામી નિવારણ પર છે, માત્ર ખામીયુક્ત ઉત્પાદનોની સ્વચાલિત નિરીક્ષણ પર જ નહીં.
હોટ-એન્ડ સેન્સર સાથે બોટલની તપાસનો મુખ્ય હેતુ ગંભીર ખામીઓને દૂર કરવાનો અને માહિતી અને ડેટા એકત્ર કરવાનો છે.વધુમાં, એકમ, દરેક ગોબ અથવા રેન્કરના પ્રદર્શન ડેટાની સારી ઝાંખી આપીને, ગ્રાહકની જરૂરિયાતો અનુસાર વ્યક્તિગત બોટલનું નિરીક્ષણ કરી શકાય છે.હોટ-એન્ડ રેડવાની અને ચોંટી જવા સહિતની મુખ્ય ખામીઓને દૂર કરવી, ખાતરી કરે છે કે ઉત્પાદનો હોટ-એન્ડ સ્પ્રે અને કોલ્ડ-એન્ડ ઇન્સ્પેક્શન સાધનોમાંથી પસાર થાય છે.દરેક એકમ માટે અને દરેક ગોબ અથવા રનર માટે કેવિટી પર્ફોર્મન્સ ડેટાનો ઉપયોગ અસરકારક મૂળ કારણ વિશ્લેષણ (શિક્ષણ, નિવારણ) અને જ્યારે સમસ્યાઓ ઊભી થાય ત્યારે ઝડપી ઉપચારાત્મક પગલાં માટે કરી શકાય છે.રીઅલ-ટાઇમ માહિતી પર આધારિત હોટ એન્ડ દ્વારા ઝડપી ઉપચારાત્મક પગલાં ઉત્પાદન કાર્યક્ષમતામાં સીધો સુધારો કરી શકે છે, જે સ્થિર મોલ્ડિંગ પ્રક્રિયાનો આધાર છે.

2. દખલગીરીના પરિબળોમાં ઘટાડો

તે જાણીતું છે કે ઘણા દખલકારી પરિબળો (ક્યુલેટ ગુણવત્તા, સ્નિગ્ધતા, તાપમાન, કાચની એકરૂપતા, આજુબાજુનું તાપમાન, બગાડ અને કોટિંગ સામગ્રીના વસ્ત્રો, તેલ પણ, ઉત્પાદનમાં ફેરફાર, સ્ટોપ/સ્ટાર્ટ યુનિટ્સ અથવા બોટલ ડિઝાઇન) કાચના ઉત્પાદન હસ્તકલાને અસર કરે છે.આ હસ્તક્ષેપ પરિબળો પ્રક્રિયાના વિવિધતાનું મૂળ કારણ છે.અને મોલ્ડિંગ પ્રક્રિયાને વધુ દખલના પરિબળોને આધિન કરવામાં આવે છે, વધુ ખામીઓ ઉત્પન્ન થાય છે.આ સૂચવે છે કે દખલકારી પરિબળોનું સ્તર અને આવર્તન ઘટાડવું હળવા, મજબૂત, ખામી-મુક્ત અને ઉચ્ચ-સ્પીડ ઉત્પાદનોના ઉત્પાદનના ધ્યેયને હાંસલ કરવા તરફ આગળ વધશે.
ઉદાહરણ તરીકે, ગરમ છેડો સામાન્ય રીતે તેલ લગાવવા પર ઘણો ભાર મૂકે છે.ખરેખર, કાચની બોટલ બનાવવાની પ્રક્રિયામાં તેલ લગાવવું એ મુખ્ય વિક્ષેપો છે.

ઓઇલિંગ દ્વારા પ્રક્રિયાના વિક્ષેપને ઘટાડવાની ઘણી અલગ રીતો છે:

A. મેન્યુઅલ ઓઈલીંગ: SOP પ્રમાણભૂત પ્રક્રિયા બનાવો, ઓઈલીંગને સુધારવા માટે દરેક ઓઈલીંગ ચક્રની અસરનું કડકપણે નિરીક્ષણ કરો;

B. મેન્યુઅલ ઓઈલીંગને બદલે ઓટોમેટીક લુબ્રિકેશન સિસ્ટમનો ઉપયોગ કરો: મેન્યુઅલ ઓઈલીંગની સરખામણીમાં ઓટોમેટીક ઓઈલીંગ ઓઈલીંગ ફ્રીક્વન્સી અને ઓઈલીંગ ઈફેક્ટની સુસંગતતા સુનિશ્ચિત કરી શકે છે.

C. ઓટોમેટિક લ્યુબ્રિકેશન સિસ્ટમનો ઉપયોગ કરીને ઓઇલિંગને ઓછું કરો: ઓઇલિંગની આવર્તન ઘટાડતી વખતે, ઓઇલિંગ અસરની સુસંગતતાની ખાતરી કરો.

ઓઇલિંગને કારણે પ્રક્રિયામાં દખલગીરીની ઘટાડાની ડિગ્રી a ના ક્રમમાં છે

3. સારવાર પ્રક્રિયામાં વધઘટના સ્ત્રોતનું કારણ બને છે જેથી કાચની દીવાલની જાડાઈના વિતરણને વધુ સમાન બનાવવામાં આવે
હવે, ઉપરોક્ત વિક્ષેપોને કારણે કાચની રચનાની પ્રક્રિયામાં થતી વધઘટનો સામનો કરવા માટે, ઘણા કાચ ઉત્પાદકો બોટલ બનાવવા માટે વધુ કાચના પ્રવાહીનો ઉપયોગ કરે છે.1mm ની દિવાલની જાડાઈ ધરાવતા ગ્રાહકોના સ્પષ્ટીકરણોને પહોંચી વળવા અને વાજબી ઉત્પાદન કાર્યક્ષમતા હાંસલ કરવા માટે, દિવાલની જાડાઈ ડિઝાઇન સ્પષ્ટીકરણો 1.8mm (નાના મોં પર દબાણ ફૂંકવાની પ્રક્રિયા) થી 2.5mm (ફૂંકાતા અને ફૂંકાવાની પ્રક્રિયા) સુધીની છે.
આ વધેલી દિવાલની જાડાઈનો હેતુ ખામીયુક્ત બોટલોને ટાળવાનો છે.શરૂઆતના દિવસોમાં, જ્યારે કાચ ઉદ્યોગ કાચની મજબૂતાઈની ગણતરી કરી શકતો ન હતો, ત્યારે આ વધેલી દિવાલની જાડાઈએ વધુ પડતી પ્રક્રિયાની વિવિધતા (અથવા મોલ્ડિંગ પ્રક્રિયા નિયંત્રણના નીચા સ્તરો) માટે વળતર આપ્યું હતું અને કાચના કન્ટેનર ઉત્પાદકો અને તેમના ગ્રાહકો દ્વારા સરળતાથી સમાધાન કરવામાં આવ્યું હતું.
પરંતુ આના પરિણામે, દરેક બોટલની દિવાલની જાડાઈ ખૂબ જ અલગ હોય છે.હોટ એન્ડ પર ઇન્ફ્રારેડ સેન્સર મોનિટરિંગ સિસ્ટમ દ્વારા, અમે સ્પષ્ટપણે જોઈ શકીએ છીએ કે મોલ્ડિંગ પ્રક્રિયામાં ફેરફારને કારણે બોટલની દિવાલની જાડાઈ (કાચના વિતરણમાં ફેરફાર) માં ફેરફાર થઈ શકે છે.નીચેની આકૃતિમાં બતાવ્યા પ્રમાણે, આ કાચનું વિતરણ મૂળભૂત રીતે નીચેના બે કેસોમાં વહેંચાયેલું છે: કાચનું રેખાંશ વિતરણ અને બાજુનું વિતરણ. ઉત્પાદિત અસંખ્ય બોટલોના વિશ્લેષણ પરથી, તે જોઈ શકાય છે કે કાચનું વિતરણ સતત બદલાતું રહે છે. , ઊભી અને આડી બંને રીતે.બોટલનું વજન ઘટાડવા અને ખામીઓને રોકવા માટે, આપણે આ વધઘટ ઘટાડવી જોઈએ અથવા ટાળવી જોઈએ.પીગળેલા કાચના વિતરણને નિયંત્રિત કરવું એ ઓછી ખામીઓ સાથે અથવા તો શૂન્યની નજીક પણ વધુ ઝડપે હળવા અને મજબૂત બોટલ અને કેનનું ઉત્પાદન કરવાની ચાવી છે.કાચના વિતરણને નિયંત્રિત કરવા માટે બોટલનું સતત નિરીક્ષણ કરવું જરૂરી છે અને કાચના વિતરણમાં ફેરફારના આધારે ઓપરેટરની પ્રક્રિયાનું ઉત્પાદન અને માપન કરી શકે છે.

4. ડેટા એકત્રિત કરો અને તેનું વિશ્લેષણ કરો: AI ઇન્ટેલિજન્સ બનાવો
વધુ અને વધુ સેન્સરનો ઉપયોગ વધુ અને વધુ ડેટા એકત્રિત કરશે.આ ડેટાને બુદ્ધિપૂર્વક સંયોજિત અને વિશ્લેષણ કરવાથી પ્રક્રિયાના ફેરફારોને વધુ અસરકારક રીતે સંચાલિત કરવા માટે વધુ અને વધુ સારી માહિતી મળે છે.
અંતિમ ધ્યેય: કાચ બનાવવાની પ્રક્રિયામાં ઉપલબ્ધ ડેટાનો મોટો ડેટાબેઝ બનાવવા માટે, સિસ્ટમને ડેટાનું વર્ગીકરણ અને મર્જ કરવાની અને સૌથી કાર્યક્ષમ ક્લોઝ-લૂપ ગણતરીઓ બનાવવાની મંજૂરી આપે છે.તેથી, આપણે વધુ ડાઉન ટુ અર્થ બનવાની અને વાસ્તવિક ડેટાથી શરૂઆત કરવાની જરૂર છે.ઉદાહરણ તરીકે, આપણે જાણીએ છીએ કે ચાર્જ ડેટા અથવા તાપમાનનો ડેટા બોટલના ડેટા સાથે સંબંધિત છે, એકવાર આપણે આ સંબંધને જાણી લઈએ, અમે ચાર્જ અને તાપમાનને એવી રીતે નિયંત્રિત કરી શકીએ છીએ કે અમે કાચના વિતરણમાં ઓછી શિફ્ટ સાથે બોટલનું ઉત્પાદન કરીએ છીએ, જેથી ખામીઓ ઓછી થાય.ઉપરાંત, કેટલાક કોલ્ડ-એન્ડ ડેટા (જેમ કે પરપોટા, તિરાડો વગેરે) પણ પ્રક્રિયામાં ફેરફારને સ્પષ્ટપણે સૂચવી શકે છે.આ ડેટાનો ઉપયોગ કરવાથી પ્રક્રિયાના વિચલનને ઘટાડવામાં મદદ મળી શકે છે, પછી ભલે તે ગરમ છેડે ધ્યાનમાં ન આવે.

તેથી, ડેટાબેઝ આ પ્રક્રિયાના ડેટાને રેકોર્ડ કર્યા પછી, જ્યારે હોટ-એન્ડ સેન્સર સિસ્ટમ ખામીઓ શોધે છે અથવા શોધે છે કે ગુણવત્તા ડેટા સેટ એલાર્મ મૂલ્ય કરતાં વધી ગયો છે ત્યારે AI બુદ્ધિશાળી સિસ્ટમ આપમેળે સંબંધિત ઉપચારાત્મક પગલાં પ્રદાન કરી શકે છે.5. સેન્સર આધારિત SOP અથવા ફોર્મ મોલ્ડિંગ પ્રક્રિયા ઓટોમેશન બનાવો

એકવાર સેન્સરનો ઉપયોગ થઈ જાય, પછી આપણે સેન્સર દ્વારા પૂરી પાડવામાં આવેલ માહિતીની આસપાસ વિવિધ ઉત્પાદન પગલાં ગોઠવવા જોઈએ.વધુ અને વધુ વાસ્તવિક ઉત્પાદન ઘટનાઓ સેન્સર દ્વારા જોઈ શકાય છે, અને પ્રસારિત માહિતી અત્યંત ઘટાડી અને સુસંગત છે.ઉત્પાદન માટે આ ખૂબ જ મહત્વપૂર્ણ છે!

સેન્સર બોટલની ગુણવત્તા પર દેખરેખ રાખવા માટે ગોબની સ્થિતિ (વજન, તાપમાન, આકાર), ચાર્જ (સ્પીડ, લંબાઈ, આગમન સમય, સ્થિતિ), તાપમાન (પ્રેગ, ડાઇ, પંચ/કોર, ડાઇ)નું સતત નિરીક્ષણ કરે છે.ઉત્પાદનની ગુણવત્તામાં કોઈપણ તફાવતનું કારણ છે.એકવાર કારણ જાણી લીધા પછી, પ્રમાણભૂત ઓપરેટિંગ પ્રક્રિયાઓ સ્થાપિત અને લાગુ કરી શકાય છે.SOP લાગુ કરવાથી ફેક્ટરીનું ઉત્પાદન સરળ બને છે.અમે ગ્રાહકોના પ્રતિસાદથી જાણીએ છીએ કે તેઓને લાગે છે કે સેન્સર્સ અને SOPsને કારણે નવા કર્મચારીઓની નિમણૂક કરવી સરળ બની રહી છે.

આદર્શ રીતે, ઓટોમેશન શક્ય તેટલું વધુ લાગુ કરવું જોઈએ, ખાસ કરીને જ્યારે વધુ અને વધુ મશીન સેટ હોય (જેમ કે 4-ડ્રોપ મશીનના 12 સેટ જ્યાં ઑપરેટર 48 પોલાણને સારી રીતે નિયંત્રિત કરી શકતા નથી).આ કિસ્સામાં, સેન્સર ડેટાનું અવલોકન કરે છે, તેનું વિશ્લેષણ કરે છે અને ડેટાને રેન્ક-એન્ડ-ટ્રેન ટાઇમિંગ સિસ્ટમમાં પાછા આપીને જરૂરી ગોઠવણો કરે છે.કારણ કે પ્રતિસાદ કમ્પ્યુટર દ્વારા તેની પોતાની રીતે કાર્ય કરે છે, તેને મિલિસેકન્ડ્સમાં ગોઠવી શકાય છે, જે શ્રેષ્ઠ ઓપરેટરો/નિષ્ણાતો પણ ક્યારેય કરી શકશે નહીં.છેલ્લાં પાંચ વર્ષોમાં, એક બંધ લૂપ (હોટ એન્ડ) ઓટોમેટિક કંટ્રોલ ગોબ વેઇટ, કન્વેયર પર બોટલનું અંતર, મોલ્ડ ટેમ્પરેચર, કોર પંચ સ્ટ્રોક અને કાચના રેખાંશ વિતરણને નિયંત્રિત કરવા માટે ઉપલબ્ધ છે.નજીકના ભવિષ્યમાં વધુ કંટ્રોલ લૂપ્સ ઉપલબ્ધ થશે તે અગમ્ય છે.વર્તમાન અનુભવના આધારે, વિવિધ નિયંત્રણ લૂપનો ઉપયોગ મૂળભૂત રીતે સમાન હકારાત્મક અસરો પેદા કરી શકે છે, જેમ કે પ્રક્રિયામાં ઘટાડો, કાચના વિતરણમાં ઓછો તફાવત અને કાચની બોટલો અને બરણીઓમાં ઓછી ખામીઓ.

હળવા, મજબૂત, (લગભગ) ખામી-મુક્ત, ઉચ્ચ ગતિ અને ઉચ્ચ ઉપજ ઉત્પાદનની ઇચ્છા હાંસલ કરવા માટે, અમે આ લેખમાં તેને પ્રાપ્ત કરવાની કેટલીક રીતો રજૂ કરીએ છીએ.ગ્લાસ કન્ટેનર ઉદ્યોગના સભ્ય તરીકે, અમે પ્લાસ્ટિક અને પર્યાવરણીય પ્રદૂષણ ઘટાડવાના મેગાટ્રેન્ડને અનુસરીએ છીએ અને પેકેજિંગ સામગ્રી ઉદ્યોગના કાર્બન ફૂટપ્રિન્ટને નોંધપાત્ર રીતે ઘટાડવા માટે મુખ્ય વાઇનરી અને અન્ય ગ્લાસ પેકેજિંગ વપરાશકર્તાઓની સ્પષ્ટ આવશ્યકતાઓને અનુસરીએ છીએ.અને દરેક કાચ ઉત્પાદક માટે, હળવા, મજબૂત, (લગભગ) ખામી-મુક્ત કાચની બોટલોનું ઉત્પાદન, અને ઉચ્ચ મશીન ઝડપે, કાર્બન ઉત્સર્જન ઘટાડીને રોકાણ પર વધુ વળતર તરફ દોરી શકે છે.