| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 1: В рамките на дейността предприятието ще въведе 7 технологии от Индустрия 4.0, съгласно Приложение 18 към Условията за кандидатстване:
1. Анализ на големи данни (Big Data)
2. Инструменти за обработка на големи масиви от данни (Big Data Analytics)
3. Индустриален „Интернет на нещата“ (Industrial Internet of Things - IIoT)
4. Киберфизична система (Cyber-Physical System - CPS)
5. Периферни изчисления (Edge Computing)
6. Изкуствен интелект (Artificial Intelligence - AI)
7. Машинно обучение (Machine Learning - ML)
За целите на въвеждането на горепосочените технологии по проекта ще бъдат придобити:
1. Софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА)
2. Високотехнологична, интелигентна оптична сортираща система, предназначена за автоматизирано сортиране на отпадъчни пластмасови опаковки от PET (полиетилен терефталат) по цвят, материал и степен на замърсяване за основната дейност на кандидата с КИД 38.32 "Рециклиране на сортирани отпадъци" (ДМА)
ЧРЕЗ СОФТУЕРА ЗА ВИЗУАЛИЗАЦИЯ, МОНИТОРИНГ И АНАЛИЗИ В РЕАЛНО ВРЕМЕ НА СЪСТОЯНИЕТО НА МАШИНИ И ОБОРУДВАНЕ ЩЕ БЪДАТ ВЪВЕДЕНИ:
1. АНАЛИЗ НА ГОЛЕМИ ДАННИ (BIG DATA)
2. ИНСТРУМЕНТИ ЗА ОБРАБОТКА НА ГОЛЕМИ МАСИВИ ОТ ДАННИ (BIG DATA ANALYTICS)
3. ИНДУСТРИАЛЕН „ИНТЕРНЕТ НА НЕЩАТА“ (INDUSTRIAL INTERNET OF THINGS -IIoT)
В МОНИТОРИНГА ЩЕ БЪДАТ ИНТЕГРИРАНИ ПРИДОБИВАНАТА ОПТИЧНА СОРТИРАЩА СИСТЕМА, НАЛИЧНИТЕ ОСНОВНИ СЪОРЪЖЕНИЯ ЗА ИЗМИВАНЕ И СМИЛАНЕ НА РЕТ ОТПАДЪКА ДО ФЛЕЙК И НАЛИЧНИЯ СОРТЕР ЗА ПОЧИСТВАНЕ НА ФЛЕЙКА ОТ ЗАМЪРСЯВАНИЯ СЪС СМЛЯН RPET.
1. BIG DATA - ЩЕ БЪДАТ ПАРАМЕТРИРАНИ ЗА СЪБИРАНЕ ТЕЗИ ОТ ИЗБРОЕНИТЕ ПО-ДОЛУ ДАННИ, КОИТО ЩЕ БЪДАТ РЕЛЕВАНТНИ КЪМ НЕОБХОДИМИТЕ АНАЛИЗИ:
1.1. ОТ ПРИДОБИВАНАТА ПО ПРОЕКТА ОПТИЧНАТА СОРТИРАЩА СИСТЕМА:
- Цветови и NIR спектрални характеристики на всеки обект
- Процентно разпределение по цветове и степени на замърсяване
- Процент на грешно разпознати обекти
- Скорост на лентата, дебит (kg/h)
- Нива на запрашеност, състояние на осветление и сензори
- Енергийна консумация и активирани клапани
- Аларми за калибрация, блокажи и претоварване
1.2. ОТ НАЛИЧНАТА В ПРЕДПРИЯТИЕТО ЛИНИЯ ЗА ИЗМИВАНЕ И СМИЛАНЕ:
- Температура на ваната, качествени показатели преди/след измиване
- pH, ефективност на химикалите
- Енергийна и водна консумация
- Скорости на шнеци, дробилки, центрофуги
- Размер на флейка и разпределение по фракции
- Вибрационни сигнали, признаци на износване
- Процент загуби от прекомерно смилане
1.3. ОТ НАЛИЧНИЯ В ПРЕДПРИЯТИЕТО СОРТЕР ЗА ПОЧИСТВАНЕ НА ФЛЕЙКА:
- Процент остатъчни замърсители (хартия, PP, PE, метал и др.)
- Чистота на финалния флейк
- Ефективност на разделяне по плътност
- Дебит и пропускателност
- Състояние на филтри и въздушни потоци
- Енергийна консумация и алармени събития
2. BIG DATA ANALYTICS - СЪБИРАНИТЕ ДАННИ ЩЕ СЕ ОБРАБОТВАТ И ИЗПОЛЗВАТ ЗА ЦЕЛИТЕ НА СЛЕДНИТЕ ТИПОВЕ АНАЛИЗИ:
- Анализ на взаимодействия между сортиране, измиване и смилане
- Откриване на тенденции, аномалии и зависимости
- Прогнозиране на износване, дефекти и отклонения
- Оптимизация на режими за минимален брак и максимална чистота
- Автоматична корекция на настройки в реално време
- Сравнения между партиди, смени, материали
3. ИНДУСТРИАЛЕН „ИНТЕРНЕТ НА НЕЩАТА“ (INDUSTRIAL INTERNET OF THINGS -IIoT) - СВЪРЗВАНЕ НА ВСИЧКИ СИСТЕМИ В ИНТЕЛИГЕНТНА МРЕЖА
- Сензори, PLC и IoT шлюзове от внедряваната оптична сортираща система и наличните активи предават данни в реално време
- оптичната сортираща система и наличните активи разполагат с индустриални протоколи (OPC-UA, Modbus, Ethernet/IP)
- Автоматизирано събиране на данни и дистанционен мониторинг и управление на интегрираните в софтуера активи чрез включването им в централизирана система
- Интеграция с наличното ERP
- Прозрачност и пълна проследимост на процеса |
304 735.00
|
0.00
|
| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 2:
Софтуерът за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване ще обработва данни в реално време от сензори и устройства в производствения процес - от сортиращата система и останалите последващи активи от машинния парк, за да предоставя анализи за състоянието на машините, управление на запасите от суровина, доставките на суровина и прогнози за очаквания реален капацитет на производствения процес.
Сортиращата система, съоръженията за измиване и смилане и сортера за почистване на флейка ще функционира като интелигентна мрежа от сензори, контролни модули и изпълнителни механизми, които обменят данни в реално време.
Всеки компонент ще събира и предава информация към централна управляваща платформа, която координира процеса на сортиране, измиване, смилане и почистване на флейка и осигурява синхронизация между физическите и цифровите процеси.
IIoT архитектурата ще осигури дистанционен мониторинг и диагностика, двупосочна комуникация между оборудването и аналитичната платформа, както и пълна проследимост на производството.
Благодарение на тази свързаност, системата ще може автоматично да открива, анализира и коригира отклонения в реално време - реално внедряване на Индустриален интернет на нещата, в съответствие с Приложение 18.
ЗАКЛЮЧЕНИЕ: ЧРЕЗ ИНТЕГРАЦИЯТА НА ТРИТЕ ОСНОВНИ ПРОИЗВОДСТВЕНИ ЗВЕНА В ЕДИННА ЦИФРОВА ПЛАТФОРМА СОФТУЕРЪТ ВЪВЕЖДА BIG DATA, BIG DATA ANALYTICS И IIOT. ТОВА ВОДИ ДО ОПТИМИЗАЦИЯ, НАМАЛЕНИ ЗАГУБИ, ПО-ВИСОКА ЧИСТОТА НА RPET ФЛЕЙКА, ПОВИШЕН ДОБИВ И ЦЯЛОСТНА ДИГИТАЛНА ТРАНСФОРМАЦИЯ НА ПРЕДПРИЯТИЕТО.
СОФТУЕРЪТ ЗА ВИЗУАЛИЗАЦИЯ, МОНИТОРИНГ И АНАЛИЗИ В РЕАЛНО ВРЕМЕ, ЗАЕДНО С ОПТИЧНАТА СОРТИРАЩА СИСТЕМА, СЪОРЪЖЕНИЯТА ЗА ИЗМИВАНЕ И СМИЛАНЕ НА PET ОТПАДЪК ДО ФЛЕЙК И СОРТЕРА ЗА ПОЧИСТВАНЕ НА ФЛЕЙКА, НАПЪЛНО ПОКРИВАТ 5V МОДЕЛА НА BIG DATA: VOLUME, VELOCITY, VARIETY, VERACITY, VALUE.
1. Volume (Обем)
Производствените съоръжения генерират огромни количества данни: спектрални профили от сортиращата система, проценти замърсяване, дебити, натоварване, температури, pH, енергийна консумация, вибрации, настройки, аларми, чистота на крайния флейк. Софтуерът акумулира всички тези данни в единна база и формира реална Big Data среда.
2. Velocity (Скорост)
Всички системи работят в реално време. Данните се предават непрекъснато от сензори, камери и PLC контролери и се обработват незабавно. Софтуерът визуализира натоварване, дебити, отклонения и аларми в секунден интервал, което позволява незабавна реакция и корекции.
3. Variety (Разнообразие)
Събираните данни са многотипни: числови (температура, дебит, обороти), спектрални (цветови/NIR профили), категорийни (вид замърсители, качество), събитийни (спирания, аларми), технологични (настройки, режими). Софтуерът обединява разнообразните данни от трите системи в един общ цифров модел.
4. Veracity (Достоверност)
Достоверността се гарантира чрез автоматично събиране от машини, което елиминира човешки грешки. Данните се валидират чрез кръстосани проверки: добив спрямо дебит, чистота спрямо настройки, енергия спрямо натоварване. Системата поддържа пълна проследимост по партиди и събития, което осигурява висока надеждност на информацията.
5. Value (Стойност)
Big Data се превръща в реална стойност: оптимизирани настройки на сортиране, миене и смилане; по-висок добив на rPET флейк; намалена енергийна и водна консумация; прогнозиране на износване и предотвратяване на аварии; намаляване на отпадъците; повишена чистота на крайния продукт. Данните се превръщат в инструмент за стратегически решения, производствен контрол и устойчивост.
ЗАКЛЮЧЕНИЕ
СОФТУЕРЪТ И ИНТЕГРИРАНИТЕ ПРОИЗВОДСТВЕНИ СЪОРЪЖЕНИЯ НАПЪЛНО ПОКРИВАТ 5V МОДЕЛА, КАТО ОСИГУРЯВАТ ГОЛЕМИ ОБЕМИ ДАННИ, ВИСОКА СКОРОСТ НА ОБРАБОТКА, РАЗНООБРАЗИЕ НА ИЗТОЧНИЦИ, ВИСОКА ДОСТОВЕРНОСТ И ЗНАЧИМА СТОЙНОСТ ЗА ЕФЕКТИВНОСТТА И УСТОЙЧИВОСТТА НА ПРОИЗВОДСТВОТО. |
0.00
|
0.00
|
| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 3:
ЧРЕЗ ОПТИЧНАТА СОРТИРАЩА СИСТЕМА ЩЕ БЪДАТ ВЪВЕДЕНИ:
1. АНАЛИЗ НА ГОЛЕМИ ДАННИ (BIG DATA)
2. ИНСТРУМЕНТИ ЗА ОБРАБОТКА НА ГОЛЕМИ МАСИВИ ОТ ДАННИ (BIG DATA ANALYTICS)
3. ИНДУСТРИАЛЕН „ИНТЕРНЕТ НА НЕЩАТА“ (INDUSTRIAL INTERNET OF THINGS - IIOT)
4. КИБЕРФИЗИЧНА СИСТЕМА (CYBER-PHYSICAL SYSTEM - CPS)
5. ПЕРИФЕРНИ ИЗЧИСЛЕНИЯ (EDGE COMPUTING)
6. ИЗКУСТВЕН ИНТЕЛЕКТ (ARTIFICIAL INTELLIGENCE - AI)
7. МАШИННО ОБУЧЕНИЕ (MACHINE LEARNING - ML)
До момента етапът на сортиране в ЕКО ПЕТ ЕАД се извършва изцяло ръчно - чрез визуална преценка и отделяне от оператори. Този метод е трудоемък, неточен и икономически неефективен, тъй като зависи от човешкия фактор и не осигурява постоянство на качеството и производителността.
Закупуването на интелигентната сортираща система ще позволи на предприятието да премине към напълно автоматизирано, цифрово управлявано и самообучаващо се сортиране, при което всеки отделен отпадък се анализира и класифицира в реално време чрез комбинация от сензори, изкуствен интелект и аналитични алгоритми.
Технологиите са взаимнодопълващи се и осигуряват пълна дигитализация, проследимост и предиктивно управление на процеса на сортиране на PET отпадъци.
I. ОПТИЧНАТА СОРТИРАЩА СИСТЕМА САМА ПО СЕБЕ СИ ПРИТЕЖАВА КАТО ХАРАКТЕРИСТИКА ТЕХНОЛОГИИТЕ „АНАЛИЗ НА ГОЛЕМИ ДАННИ (BIG DATA)“ И „ИНСТРУМЕНТИ ЗА ОБРАБОТКА НА ГОЛЕМИ МАСИВИ ОТ ДАННИ (BIG DATA ANALYTICS)“
Интелигентната сортираща система генерира и обработва големи масиви от данни (Big Data), събирани от множество вградени многоспектрални сензори за близка инфрачервена (NIR), видима (VIS) и електромагнитна (EM) детекция. Всеки отделен отпадък ще се сканира в реално време и ще се създава индивидуален цифров профил, съдържащ визуални, спектрални и данни за типа на отпадъка - параметри като химичен състав, цвят и степен на замърсяване.
Оптичната сортираща система:
- автоматично събира, съхранява и анализира данните от процеса на сортиране;
- извлича зависимости между характеристиките на суровината/отпадъците/ и резултата от класификацията - качество на сортиране;
- открива аномалии и отклонения, които биха повлияли на чистотата на флейка;
- визуализира ключови показатели за ефективност (KPI) в реално време;
- използва аналитични алгоритми за прогнозиране на ефективността и качеството.
Системата ще притежава вградена функция за автоматично самокалибриране на сензорите, която извършва непрекъсната корекция на светлинния и спектрален сигнал, за да поддържа високи ефективност на анализа и точност при големи обеми данни.
Обработката на събираните Big Data осигурява прецизност, предвидимост и прозрачност на процеса, елиминирайки субективността на човешкия фактор. Тези данни се използват за самообучение и оптимизация на параметрите, което позволява постоянна адаптация към променящия се състав на суровините от отпадъци.
Чрез интеграцията на Big Data и Big Data Analytics, системата ще осигурява пълен цикъл - от събиране на данни от физическите процеси, през тяхната обработка и анализ, до извеждане на модели и зависимости, използвани за автоматична оптимизация на процесите и прогнозиране на реалния капацитет на сортиращата система. Така ще се постигне самонастройваща се и устойчива производствена среда.
ОПТИЧНАТА СОРТИРАЩА СИСТЕМА САМА ПО СЕБЕ СИ, В РАМКИТЕ НА КИБЕРФИЗИЧНАТА СИСТЕМА, ВЪВЕЖДА BIG DATA И BIG DATA ANALYTICS, КАТО ОСИГУРЯВА ЗАТВОРЕН ЦИКЪЛ НА СЪБИРАНЕ НА ДАННИ, ОБРАБОТКА, АНАЛИЗИ И ОПТИМИЗАЦИОННИ РЕШЕНИЯ И ВЗАИМОДЕЙСТВИЕ МЕЖДУ СЛЕДНИТЕ ФУНКЦИОНАЛНИ НИВА:
1. Вход и класификация (Edge ниво): Линията ще генерира големи обеми данни от многоспектрални сензори. Вграденият AI/ML алгоритъм на Edge ниво в реално време ще класифицира всеки отделен отпадък по материал, цвят и замърсяване и ще управлява изпълнителните механизми за отделяне с време на реакция - милисекунди. |
0.00
|
0.00
|
| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 4: 2. Централизирана аналитика (локално/сървърно ниво): Събираните данни ще се съхраняват във вътрешната сървърна инфраструктура, където ще се извършва статистически анализ, проследяване на трендове, изчисляване на KPI (пропускателна способност, примеси, енергопотребление и престои) и подготовка на справки за BI таблата, които ще бъдат генерирани от софтуера за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване.
Така ще се реализира двупосочна интеграция между цифровата и физическата производствена среда - от сортирането и обработката до анализа и управленските решения, което от своя страна ще доведе до значително повишаване на ефективността, проследимостта и качеството на готовия продукт - РЕТ флейк.
ФУНКЦИОНАЛНОСТИТЕ НА ОПТИЧНАТА СОРТИРАЩА СИСТЕМА СА В ПЪЛНО СЪОТВЕТСТВИЕ С ОПРЕДЕЛЕНИЯТА ПО ПРИЛОЖЕНИЕ 18 ЗА ТЕХНОЛОГИИ BIG DATA И BIG DATA ANALYTICS - ИНСТРУМЕНТИ ЗА СЪБИРАНЕ, СЪХРАНЕНИЕ И АНАЛИЗ НА ГОЛЕМИ ОБЕМИ ДАННИ, ЧРЕЗ КОИТО СЕ ОТКРИВАТ ЗАВИСИМОСТИ, МОДЕЛИ И АНОМАЛИИ ЗА ПОВИШАВАНЕ НА ЕФЕКТИВНОСТТА НА ПРОИЗВОДСТВОТО. По-конкретно:
1. СЪОТВЕТСТВИЕ С ДЕФИНИЦИЯТА ЗА BIG DATA ТЕХНОЛОГИИ
Сортиращата система с модула за дълбоко обучение покрива напълно изискванията за технологии за обработка на големи данни, тъй като включва събиране, анализ и интерпретация на значителни обеми производствени данни в реално време.
1.1 Събиране и извличане на информация от големи обеми данни
Системата събира данни от множество сензори (NIR, VIS, DLRGB, EM3), които регистрират материални, визуални и електромагнитни характеристики на всеки отпадък - параметри като химичен състав, цвят и степен на замърсяване. Тези данни се обработват в реално време от AI алгоритми, което представлява основен компонент на Big Data среда.
1.2 Анализ и идентифициране на модели, зависимости и аномалии
Модулът за дълбоко обучение използва невронни мрежи за откриване на закономерности и различия между отпадъците. Това позволява системата да разпознава отклонения и да адаптира поведението си, осигурявайки все по-висока точност на отстраняване на замърсяващи флейка отпадъци.
1.3 Мониторинг и анализ в реално време за идентификация на потенциални проблеми и вземане на навременни коригиращи действия
Системата анализира всеки отделен отпадък в реално време, идентифицира замърсяващи флейка отпадъци и такива, които биха повредили последващото оборудване - мелниците и ги отстранява. Системата разполага с интегрирана функция за самокалибриране, тоест за автоматични, самокоригиращи действия. Тези действия в реално време променят режима на работа и го правят по-ефективен и производителен спрямо качеството на партидата суровина - отпадък.
1.4 Анализ на големи количества данни събрани от производствени системи, предоставящи важни изводи и информация за скрити зависимости и тенденции, подпомагане на решения
Модулът за дълбоко обучение използва невронни мрежи за откриване на закономерности и различия между отпадъците. На тази база се генерира информация за чистотата/ качеството на входната суровина - отпадък по партиди и доставчици. От тези анализи, мениджърите могат да направят извод и вземат решение за:
- оптимизиране на режима за сортиране
- одобрение или не на доставчици на суровина - отпадък.
ЗАКЛЮЧЕНИЕ:
ОПТИЧНАТА СОРТИРАЩА СИСТЕМА САМА ПО СЕБЕ СИ ОТГОВАРЯ НАПЪЛНО НА ИЗИСКВАНИЯТА ЗА BIG DATA ТЕХНОЛОГИЯ, ТЪЙ КАТО СЪЧЕТАВА СЪБИРАНЕ, АНАЛИЗ И МОНИТОРИНГ В РЕАЛНО ВРЕМЕ, САМОКОРИГИРАЩИ ДЕЙСТВИЯ И ПОДПОМАГАНЕ НА УПРАВЛЕНСКИ РЕШЕНИЯ ВЪЗ ОСНОВА НА ГОЛЕМИ МАСИВИ ДАННИ.
2. СЪОТВЕТСТВИЕ С 5V МОДЕЛА НА BIG DATA
МОДЕЛЪТ 5V ОПРЕДЕЛЯ ПЕТ ОСНОВНИ ХАРАКТЕРИСТИКИ НА BIG DATA СИСТЕМИТЕ: VOLUME, VELOCITY, VARIETY, VERACITY И VALUE. ВНЕДРЕНИТЕ СИСТЕМА ЗА СОРТИРАНЕ И СОФТУЕР ЗА ВИЗУАЛИЗАЦИЯ, МОНИТОРИНГ И АНАЛИЗИ В РЕАЛНО ВРЕМЕ НА СЪСТОЯНИЕТО НА МАШИНИ И ОБОРУДВАНЕ ОТГОВАРЯТ ИЗЦЯЛО НА ВСИЧКИ ТЯХ. |
0.00
|
0.00
|
| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 5: САМА ПО СЕБЕ СИ СОРТИРАЩАТА СИСТЕМА ПРИТЕЖАВА ФУНКЦИОНАЛНОСТИ, КОИТО ПОКРИВАТ 5V МОДЕЛА:
2.1 Volume (Обем)
Сортиращата система обработва няколко стотин обекти в секунда, като за всеки от тях се генерират множество сензорни и визуални данни. Това представлява голям обем данни, характерен за Big Data приложения.
2.2 Velocity (Скорост)
Сортиращата система обработва данни в реално време и реагира моментално като се самокалибрира и отстранява замърсяващи флейка отпадъци чрез издухване.
2.3 Variety (Разнообразие)
Събират се различни типове данни - спектрални, визуални, електромагнитни и касаещи типа на отпадъка, както и оперативни данни за процеса на сортиране. Това осигурява мултимодална аналитична среда с голямо разнообразие от източници.
2.4 Veracity (Достоверност)
Интегрираната технология за самокалибриране и валидираните AI модели гарантират висока точност и надеждност на събраните и анализирани данни.
2.5 Value (Стойност)
Сортиращата система превръща данните в практически приложима стойност чрез аналитични табла на софтуера за бизнес анализи, оптимизация на производството и намаляване на оперативните разходи.
ЗАКЛЮЧЕНИЕ:
СОРТИРАЩАТА СИСТЕМА ПОКРИВА ВСИЧКИ ПЕТ ИЗМЕРЕНИЯ НА 5V МОДЕЛА, КАТО ОСИГУРЯВА ЦЯЛОСТНА BIG DATA ЕКОСИСТЕМА - ОТ СЪБИРАНЕ НА ДАННИ ДО ГЕНЕРИРАНЕ НА УПРАВЛЕНСКА СТОЙНОСТ.
3. ОПТИЧНАТА СОРТИРАЩА СИСТЕМА ПРИТЕЖАВА КАТО ФУНКЦИОНАЛНОСТ ТЕХНОЛОГИИЯТА „ПЕРИФЕРНИ ИЗЧИСЛЕНИЯ (EDGE COMPUTING)“
3.1. Локална обработка на данни
Оптичната сортираща система извършва класификация на материалите чрез NIR/VIS сензори, комбинирани с алгоритми за изкуствен интелект и машинно обучение, директно в устройството. Това позволява мигновено вземане на решения за сортиране без необходимост данните да бъдат изпращани към външен център за обработка.
3.2. Реакция в реално време
Клапанният блок работи в синхрон със системата за разпознаване, като осъществява издухване на материали в рамките на милисекунди след разпознаването им. Това е възможно единствено при наличието на периферна обработка и минимална латентност.
3.3. Интелигентни устройства и сензорика
Системата използва камери, NIR сензори, скоростни датчици на лентата, детектори за метал и модули за самокалибрация. Тези устройства са част от IoT среда и извършват непрекъсната локална обработка и предаване на данни.
3.4. Минимизиране на латентността
Edge архитектурата позволява анализът на изображения, спектрални профили и движенията на обектите да се осъществява локално и незабавно, което е критично за качественото сортиране при висока скорост на конвейера.
3.5. Подобрена надеждност и автономност
Периферните изчисления позволяват на системата да продължи работа и при ограничена свързаност, като запазва основните функции за разпознаване и сортиране. Това повишава устойчивостта на производството.
ЗАКЛЮЧЕНИЕ:
ОБОРУДВАНЕТО ОТГОВАРЯ НАПЪЛНО НА ДЕФИНИЦИЯТА ЗА ПЕРИФЕРНИ ИЗЧИСЛЕНИЯ (EDGE COMPUTING) - ТО ОБРАБОТВА ДАННИ ЛОКАЛНО, РЕАГИРА МИГНОВЕНО, ИЗПОЛЗВА IOT УСТРОЙСТВА И АЛГОРИТМИ, КОИТО РАБОТЯТ В КРАЯ НА МРЕЖАТА, МИНИМИЗИРА ЛАТЕНТНОСТТА И ПОДДЪРЖА ВИСОКОЕФЕКТИВНИ И АВТОНОМНИ ПРОИЗВОДСТВЕНИ ПРОЦЕСИ.
Сортиращата система ще използва хибридна архитектура, която комбинира изнесени на външен сървър и периферни изчисления:
1. На локално ниво (Edge) ще се извършва първична обработка на изображенията, анализ на сензорните данни и вземане на решения за класифициране и издухване на замърсяващите флейка отпадъци - това осигурява реакция в милисекунди и автономна работа без зависимост от външна връзка.
2. На централно ниво ще се съхраняват и обработват натрупаните данни, ще се извършва статистически анализ, прогнозиране на тенденции и визуализация на производствените показатели. Мениджърите на предприятието ще имат дистанционен достъп до данните и възможност за стратегическо планиране и оптимизация. |
0.00
|
0.00
|
| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 6: 4. ОПТИЧНАТА СОРТИРАЩА СИСТЕМА САМА ПО СЕБЕ СИ ПРИТЕЖАВА КАТО ФУНКЦИОНАЛНОСТ ТЕХНОЛОГИЯТА „ИНДУСТРИАЛЕН ИНТЕРНЕТ НА НЕЩАТА"
Оптичната сортираща система представлява напълно интегрирана IIoT инфраструктура, тъй като по своята конструкция и начин на работа изпълнява всички основни принципи на IioT: свързани устройства и сензори, мрежова комуникация в реално време, автоматично събиране и предаване на данни, интелигентен контрол чрез анализ и взаимодействие между оборудване и цифрови модели.
Първо, системата включва голям брой вградени IIoT сензори и устройства, които събират технологични параметри в реално време. Това са многоспектрални сензори , високоскоростни камери, датчици за материален дебит, сензори за скорост и позиция, контролери на клапани, модули за вътрешна самокалибрация и диагностика. Тези устройства непрекъснато генерират данни за вида на материала, нивата на замърсяване, плътността, скоростта на транспортната лента, честотата на издухване и ефективността на сортирането. Тоест, притежава множество свързани устройства и сензори, които предоставят данни за параметри, качество и състояние на оборудването.
Второ, системата разполага със собствена вътрешна мрежова архитектура, създадена за комуникация в реално време. Контролерите и сензорите обменят данни помежду си чрез индустриални протоколи, а събраните данни могат да бъдат предавани към външни системи (SCADA, MES или аналитични платформи) чрез Ethernet, OPC UA или други стандартни комуникационни канали. Т.е. изпълнява изцяло втория елемент на IIoT: мрежи за комуникация, които осигуряват предаване на данни към централни системи за анализ в реално време.
Трето, оптичната сортираща система поддържа стандартизирани индустриални конектори, сред които OPC UA Gateway, който позволява сигурно и структурирано прехвърляне на данни към други системи в предприятието. Това гарантира оперативна съвместимост и отговаря на ключов принцип в дефиницията за IIoT - отворени комуникационни архитектури за обмен на индустриални данни.
Четвърто, системата притежава функции за автоматичен анализ, самонастройване и реакция, които превръщат събраните чрез IoT устройства данни в управляващи действия. Сензорните данни се обработват в реално време от контролера и определят поведението на клапаните, настройките на сортиране и оптимизацията на работните параметри. Това означава, че физическите процеси се управляват динамично от цифрови модели - класически белег на IIoT екосистема.
Пето, системата позволява интеграция с останалите производствени етапи - измиване, смилане и финно сортиране на флейка. Чрез IIoT свързаността се постига синхрон между отделните звена.
В резултат, оптичната сортираща система изпълнява всички изисквания на IIoT: събиране на данни чрез интелигентни сензори, предаване през комуникационна мрежа в реално време, интеграция чрез OPC UA и автоматично управление на процеса въз основа на анализи. Т.е. самата система представлява завършена IIoT система, която въвежда Индустриален интернет на нещата в предприятието, дори преди да бъде свързана със софтуерната платформа за наблюдение.
5. ОПТИЧНАТА СОРТИРАЩА СИСТЕМА ПРИТЕЖАВА КАТО ФУНКЦИОНАЛНОСТ ТЕХНОЛОГИИТЕ „ИЗКУСТВЕН ИНТЕЛЕКТ (AI)“ И „МАШИННО ОБУЧЕНИЕ (ML), ТЪЙ КАТО:
ЩЕ БЪДЕ ОБОРУДВАНА СЪС СОФТУЕРЕН МОДУЛ С АЛГОРИТМИ ЗА ДЪЛБОКО МАШИННО ОБУЧЕНИЕ (DEEP LEARNING), БАЗИРАНИ НА КОНВОЛЮЦИОННИ НЕВРОННИ МРЕЖИ.
ОПТИЧНАТА СОРТИРАЩА СИСТЕМА ЩЕ АНАЛИЗИРА В РЕАЛНО ВРЕМЕ ИЗОБРАЖЕНИЯТА ОТ СЕНЗОРИТЕ, ЩЕ РАЗПОЗНАВА РАЗЛИЧНИ ВИДОВЕ ПЛАСТМАСИ, ЦВЕТОВЕ И ЗАМЪРСЯВАНИЯ И ЩЕ ПОДОБРЯВА ТОЧНОСТТА СИ ЧРЕЗ НЕПРЕКЪСНАТО САМООБУЧЕНИЕ, ОСЪЩЕСТВЯВАЙКИ АНАЛИЗ НА ПРИЧИННО-СЛЕДСТВЕНИ ВРЪЗКИ.
ОПТИЧНАТА СОРТИРАЩА СИСТЕМА ПОКРИВА НАПЪЛНО ДЕФИНИЦИЯТА ЗА ИЗКУСТВЕН ИНТЕЛЕКТ, ТЪЙ КАТО ИЗПОЛЗВА ОБРАБОТЕНИ ДАННИ ЗА ИНТЕЛИГЕНТНИ РЕШЕНИЯ, АВТОМАТИЧНА ОПТИМИЗАЦИЯ И РЕАКЦИИ В РЕАЛНО ВРЕМЕ. |
0.00
|
0.00
|
| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 7: ПО-ДОЛУ СА ОПИСАНИ ОСНОВНИТЕ ФУНКЦИИ, ЧРЕЗ КОИТО ОБОРУДВАНЕТО ИЗПЪЛНЯВА ПРИНЦИПИТЕ НА AI - БЕЗ ПОЗОВАВАНЕ НА КОНКРЕТНИ МАРКИ ИЛИ ТЪРГОВСКИ НАИМЕНОВАНИЯ:
1. Модул за дълбоко обучение
Системата използва алгоритми за машинно обучение, които анализират изображения и спектрални данни от сензори в реално време. Изкуственият интелект разпознава сложни обекти, различни видове пластмаси, цветове, структури и специфични маркери. Обучените модели се адаптират към промените в материала и автоматично коригират сортирането.
2. Автоматична самокалибрация и оптимизация
Оптичната система разполага с интегрирана функция за автоматична вътрешна калибрация на сензорите. Това позволява постоянна оптимизация на чувствителността и точността, като системата сама анализира промени в осветяване, запрашеност или натоварване и извършва самокоригиращи действия.
3. AI-управление на изпълнителни механизми
След обработка на данните в реално време системата взема автоматични решения за сортиране, активирайки високоскоростни клапани или други изпълнителни механизми в рамките на милисекунди. Това е пряка реализация на AI оптимизация - бързо, автономно и прецизно адаптиране към характеристиките на обектите.
4. Интелигентни препоръки и анализ на процеса
Системата събира производствени данни и използва аналитични алгоритми, за да предлага подобрения в параметрите на сортиране. Тя анализира тенденции, идентифицира отклонения, прогнозира проблеми и дава препоръки за настройка. Тези функции покриват изискването AI да предоставя интелигентни предложения за оптимизация.
5. Автоматично адаптиране към променливи условия
Изкуственият интелект непрекъснато сравнява входящите данни с обучените модели. При промяна в размера, замърсяването или типа на отпадъка системата адаптира параметрите за сортиране, така че да поддържа висока точност и чистота на крайния материал.
ЗАКЛЮЧЕНИЕ:
ОПТИЧНАТА СОРТИРАЩА СИСТЕМА ИЗПЪЛНЯВА ВСИЧКИ ОСНОВНИ ХАРАКТЕРИСТИКИ НА ИЗКУСТВЕНИЯ ИНТЕЛЕКТ: АНАЛИЗИРА ДАННИ В РЕАЛНО ВРЕМЕ, ВЗЕМА АВТОНОМНИ РЕШЕНИЯ, ОПТИМИЗИРА ПРОЦЕСИТЕ, АДАПТИРА СЕ КЪМ ПРОМЕНИТЕ В МАТЕРИАЛА И ПРЕДОСТАВЯ ИНТЕЛИГЕНТНИ ПРЕПОРЪКИ.
6. ОПТИЧНАТА СОРТИРАЩА СИСТЕМА Е БАЗИРАНА НА/ПРЕДСТАВЛЯВА КИБЕРФИЗИЧНА СИСТЕМА (CPS), тъй като интегрира физически компоненти (механика, сензори, камери, изпълнителни механизми) с цифрови технологии (алгоритми за анализ, изкуствен интелект, софтуер за класификация, системи за дистанционен мониторинг и диагностика).
1. Физическа подсистема
Системата включва транспортни системи, оптични и спектрални сензори, високоскоростни камери, клапани за издухване и изпълнителни механизми, които действат в реално време. Това е реалната, материална част от системата, която извършва сортиращите операции.
2. Кибер подсистема
Системата използва софтуерни компоненти за анализ на данни от сензорите в реално време, класифициране на обектите чрез модели с изкуствен интелект, автоматична самокалибрация и оптимизация, дистанционен мониторинг, диагностика и сервиз, събиране и обработка на големи данни за производителността. Налице са цифрови интерфейси, комуникационни протоколи, мрежови връзки, визуализационни панели и аналитични инструменти, които представляват кибер слоя на системата.
3. Интеграция между физическата и цифровата част
Физическите сензори подават информация към софтуер, който я обработва и взема решения в рамките на милисекунди. След това резултатите управляват физически изпълнителни механизми (например клапани), които сортират материалите. Това е класически затворен цикъл на управление - ключов белег на CPS. |
0.00
|
0.00
|
| Въвеждане на технологии от Индустрия 4.0: Big Data, Big Data Analytics, Индустриален „Интернет на нещата“ (IioT), Киберфизичнa системa (CPS), Периферни изчисления, Изкуствен интелект (AI) и Машинно обучение (ML) чрез придобиване на 1 брой Оптична сортираща система (ДМА) и 1 брой софтуер за визуализация, мониторинг и анализи в реално време на състоянието на машини и оборудване (ДНА) - ЧАСТ 8: 4. Индустрия 4.0 функционалности
Описаната сортираща система включва анализ на данни, самодиагностика, обучение чрез AI, автоматично адаптиране към материални характеристики, дистанционна поддръжка и наблюдение, периферни изчисления. Тези характеристики са директно свързани с концепцията за киберфизични системи в рамките на Индустрия 4.0.
ЗАКЛЮЧЕНИЕ:
ОПТИЧНАТА СОРТИРАЩА СИСТЕМА ИЗПЪЛНЯВА ВСИЧКИ КРИТЕРИИ ЗА КИБЕРФИЗИЧНА СИСТЕМА: ИНТЕГРИРАНА Е, САМОДИАГНОСТИРАЩА СЕ, СВЪРЗАНА, АДАПТИВНА И УПРАВЛЯВАНА ОТ СОФТУЕР В РЕАЛНО ВРЕМЕ: ТИПИЧЕН ПРИМЕР ЗА КИБЕРФИЗИЧНА ПРОИЗВОДСТВЕНА СИСТЕМА.
-----------gt; ВНЕДРЯВАНИЯ СОФТУЕР ЗА ВИЗУАЛИЗАЦИЯ, МОНИТОРИНГ И АНАЛИЗИ В РЕАЛНО ВРЕМЕ НА СЪСТОЯНИЕТО НА МАШИНИ И ОБОРУДВАНЕ КЪМ НАЛИЧНИ СИСТЕМИ ЩЕ БЪДЕ ИНТЕГРИРАН:
1. С КОНТРОЛЕРИ НА ПРОИЗВОДСТВЕНИ АКТИВИ, СПОСОБНИ ДА МУ ПОДАВАТ РЕЛЕВАНТНИ ДАННИ - КОНТРОЛЕРИ НА ВНЕДРЯВАНАТА ОПТИЧНА СОРТИРАЩА СИСТЕМА И НАСТОЯЩИ СЪОРЪЖЕНИЯ ЗА ИЗМИВАНЕ, СМИЛАНЕ И СОРТИРАНЕ НА КРАЙНИЯ ПРОДУКТ - ФЛЕЙК.
ТОЕСТ, ВНЕДРЯВАНИТЕ АНАЛИЗ НА ГОЛЕМИ ДАННИ, ИНСТРУМЕНТИ ЗА ОБРАБОТКА НА ГОЛЕМИ МАСИВИ ОТ ДАННИ, ИНДУСТРИАЛЕН „ИНТЕРНЕТ НА НЕЩАТА“ ЩЕ СЕ ИНТЕГРИРАТ С НАЛИЧНИ IIOТ УСТРОЙСТВА/КОНТРОЛЕРИ/, КОИТО ДА ГЕНЕРИРАТ, ПЪРВИЧНО АНАЛИЗИРАТ И ПОДАВАТ ГОЛЕМИ ДАННИ.
2. КЪМ ПРОИЗВОДСТВЕНИЯ МОДУЛ НА СЪЩЕСТВУВАЩОТО ERP С ЦЕЛ ЕФЕКТИВНО УПРАВЛЕНИЕ НА МАШИННИЯ ПАРК С ИЗПЪЛНЕНИЕ НА ПОРЪЧКИ.
ТОЕСТ, ВНЕДРЯВАНИТЕ АНАЛИЗ НА ГОЛЕМИ ДАННИ, ИНСТРУМЕНТИ ЗА ОБРАБОТКА НА ГОЛЕМИ МАСИВИ ОТ ДАННИ, ИНДУСТРИАЛЕН „ИНТЕРНЕТ НА НЕЩАТА“ ЩЕ СЕ ИНТЕГРИРАТ С ИНФОРМАЦИОННИ ПОТОК В РАМКИТЕ НА КОНКРЕТНИ МОДУЛИ ОТ НАЛИЧНОТО ERP, ТАКА ЧЕ ИЗПЪЛНЕНИЕТО НА ПОРЪЧКИ ЗА КОЛИЧЕСТВА ФЛЕЙК ДА БЪДЕ СЪОБРАЗЕНО С ЕФЕКТИВНИЯ КАПАЦИТЕТ НА МАШИННИЯ ПАРК И ДА СЕ РЕАЛИЗИРА ПО-ЕФЕКТИВНО СПРЯМО МОНИТОРИНГА НА ТОЗИ МАШИНЕН ПАРК В РЕАЛНО ВРЕМЕ.
ИНТЕГРАЦИЯТА НА ВНЕДРЯВАНИТЕ ТЕХНОЛОГИИ АНАЛИЗ НА ГОЛЕМИ ДАННИ, ИНСТРУМЕНТИ ЗА ОБРАБОТКА НА ГОЛЕМИ МАСИВИ ОТ ДАННИ, ИНДУСТРИАЛЕН „ИНТЕРНЕТ НА НЕЩАТА“ С НАЛИЧНИ IIOТ УСТРОЙСТВА/КОНТРОЛЕРИ НА ВНЕДРЯВАНАТА ОПТИЧНА СОРТИРАЩА СИСТЕМА/НАЛИЧНИ СЪОРЪЖЕНИЯ ЗА ИЗМИВАНЕ, СМИЛАНЕ И СОРТИРАНЕ НА ГОТОВИЯ ФЛЕЙК ЩЕ ОКАЖЕ ВЛИЯНИЕ/ Е СВЪРЗАНА С ПРОИЗВОДСТВЕНИТЕ ПРОЦЕСИ И ПРОЦЕСИТЕ ПО КОНТРОЛ НА КАЧЕСТВОТО
------------gt; ВНЕДРЯВАНАТА ОПТИЧНА СОРТИРАЩА СИСТЕМА КЪМ НАЛИЧНИ СИСТЕМИ ЩЕ БЪДЕ ИНТЕГРИРАНА КЪМ ПРОИЗВОДСТВЕНИЯ МОДУЛ, МОДУЛА ЗА БАРКОДИРАНЕ И СКЛАДОВИЯ МОДУЛ НА СЪЩЕСТВУВАЩОТО ERP чрез Ethernet/OPC-UA и защитени протоколи.
ИНТЕГРАЦИЯТА НА ВНЕДРЯВАНИТЕ ТЕХНОЛОГИИ АНАЛИЗ НА ГОЛЕМИ ДАННИ, ИНСТРУМЕНТИ ЗА ОБРАБОТКА НА ГОЛЕМИ МАСИВИ ОТ ДАННИ, ИНДУСТРИАЛЕН „ИНТЕРНЕТ НА НЕЩАТА“, КИБЕРФИЗИЧНA СИСТЕМA, ПЕРИФЕРНИ ИЗЧИСЛЕНИЯ, ИЗКУСТВЕН ИНТЕЛЕКТ, МАШИННО ОБУЧЕНИЕ ЧРЕЗ ПРИДОБИВАНЕ НА ОПТИЧНА СОРТИРАЩА СИСТЕМА ЩЕ ОКАЖЕ ВЛИЯНИЕ/ Е СВЪРЗАНА С ПРОИЗВОДСТВЕНИТЕ ПРОЦЕСИ И ПРОЦЕСИТЕ ПО КОНТРОЛ НА КАЧЕСТВОТО
---gt; СЛЕДОВАТЕЛНО ПРЕДВИДЕНАТА ДЕЙНОСТ Е НАПЪЛНО ДОПУСТИМА ЗА ФИНАНСИРАНЕ, ТЪЙ КАТО ВОДИ КУМУЛАТИВНО ДО ВЪВЕЖДАНЕ В „ЕКОПЕТ“ ЕАД НА ТЕХНОЛОГИИ ОТ ИНДУСТРИЯ 4.0 СЪГЛАСНО ПРИЛОЖЕНИЕ 18 ОТ ПАКЕТА С ДОКУМЕНТИ ПО ПРОЦЕДУРАТА И ДО ТЯХНОТО ПЪЛНО ИНТЕГРИРАНЕ С РЕЛЕВАНТНИТЕ НАЛИЧНИ ТЕХНОЛОГИИ В ПРЕДПРИЯТИЕТО.
Дейността ще се изпълнява при условията за „регионална инвестиционна помощ“ съгласно чл. 13 и 14 от Регламент (ЕС) № 651/2014, с предмет - инвестиция в ДМА и ДНА за увеличаване на капацитета на съществуващ обект. |
0.00
|
0.00
|
