Контроль и дозирование электролитов является ключевой проблемой в работе технологических цепочек гальванотехники. Компоненты электролита постоянно разлагаются и выводятся из строя в процессе производства. На этот процесс влияют различные внутренние и внешние факторы, такие как параметры процесса, сам электролит, аноды, подложки и производственная среда. Точное аналитическое измерение состава электролита требует обширного аналитического оборудования и, как правило, не может быть полностью реализовано в рамках промышленной компании по нанесению гальванических покрытий. Таким образом, в этой статье представлен основанный на модели подход, интегрированный в киберфизическую производственную систему, для контроля и дозирования электролитов. Математическая модель потока ресурсов является основой для динамического агентного моделирования. Эта модель использует доступные данные из системы управления производством и системы планирования ресурсов предприятия для моделирования текущего состава электролита. Подход успешно проверен для двух различных веществ-электролитов в технологической цепочке промышленного кислотного цинк-никелевого покрытия бочек для автомобильных деталей.

Введение

Гальваника — это процесс нанесения покрытия, при котором ионы металлов осаждаются на катоде электролитическим или химическим способом из преимущественно водных растворов, содержащих соли металлов. Напыленные покрытия улучшают свойства поверхности детали для выполнения определенной функции, которую не дает материал подложки самой детали [1]. Покрытия, полученные гальванопокрытием, могут обеспечить более высокую коррозионную и износостойкость, определенные трибологические, оптические или декоративные свойства или соответствующее поведение на границе раздела [2]. Примерами декоративных покрытий являются глянцевая хромированная сантехника или детали интерьера и экстерьера автомобилей из пластика. Однако функциональные изменения поверхности, такие как коррозия и износостойкость, часто находятся на переднем плане [3]. Покрытия от гальванических покрытий позволяют повысить энерго- и ресурсоэффективность системы изделий за счет увеличения срока службы изделия, а также за счет замены других более ресурсоемких материалов [4].

В ЕС-15 эксплуатируется около 18 000 установок по поверхностной обработке [5]. В основном существует два типа компаний, занимающихся гальванопокрытием. Первый тип — это так называемая гальваническая компания, которая маркирует продукцию от имени других компаний. Более 55% установок установлено на предприятиях, занимающихся обшивкой работ, большинство из которых являются малыми и средними предприятиями (МСП) с численностью сотрудников от 10 до 80 человек [5]. Продукция обычно имеет широкий спектр типов, размеров и геометрии, что является серьезной проблемой для компаний, занимающихся гальванопокрытием. Второй тип компаний — это так называемые компании-платерщики, которые позиционируют собственную продукцию как организационную единицу. Этот тип можно найти во всех типах и размерах компаний. Особенно первый тип сталкивается с проблемами контроля и дозирования электролита из-за различных покрытий и поведения широкого спектра продуктов.

Особым преимуществом гальванических процессов является их пригодность для массовой отделки. Особенно в бочковых процессах можно одновременно покрывать большое количество мелких деталей, таких как винты, гайки или болты [6]. Эти детали часто покрываются защитным слоем от коррозии, например слоями цинка или цинка-никеля. Гальванические линии для массовой отделки обычно автоматизированы или, по крайней мере, частично автоматизированы. На рисунке 1 показана типичная схема автоматизированной технологической цепочки гальванического покрытия, включая процессы предварительной и последующей обработки, а также детали процесса гальванического покрытия. Транспортировка между резервуарами осуществляется с помощью рельсового подъемника (RMH). На современном уровне техники параметры физических процессов, такие как ток, напряжение, температура, движение товаров и вращение барабана, контролируются и записываются в режиме онлайн с помощью центрального компьютера на этих гальванических линиях [7].

Аналитические измерения, особенно органических веществ, сложны и обычно проводятся только один раз в месяц. Содержание органических веществ в электролите пока неясно, и только в случае возникновения проблем проводятся дополнительные измерения. Однако это уже слишком поздно, поскольку проблемы уже возникли и приводят к высоким затратам на доработку и ремонт. Следовательно, необходим подход к профилактическому техническому обслуживанию, который контролирует содержание веществ-электролитов с минимальными усилиями и затратами.

Благодаря новым разработкам и снижению затрат в области сенсорных технологий химические параметры, такие как pH или проводимость, будут все чаще записываться в режиме онлайн, а также использоваться для автоматического управления технологическими процессами [7]. Хотя устройства онлайн-анализа хорошо зарекомендовали себя в производстве печатных плат, ограничениями онлайн-измерений в настоящее время по-прежнему являются анализы органических добавок к электролитам. Состав этих веществ в большинстве случаев известен только поставщику процесса, а использование устройств онлайн-анализа недоступно [8]. Это особенно сложно для малого и среднего бизнеса с ограниченными ресурсами.

Одним из аспектов нынешней тенденции к цифровизации и Индустрии 4.0 является решение высоких сложностей в производственных системах с помощью киберфизических производственных систем (CPPS) [9, 10]. CPPS может использоваться для управления сложными гибкими производственными системами, в качестве которых можно рассматривать гальванические линии компаний, занимающихся гальванопокрытием, путем представления физических систем в киберсреде [11]. Таким образом, в этой статье описывается киберфизическая производственная система для улучшения мониторинга и управления электролитным процессом экономичным способом, особенно на предприятиях малого и среднего бизнеса.

Контроль и дозирование электролита

Технологический контроль электролитов в процессе производства, в частности уход и поддержание химического состава, является постоянной проблемой для операторов гальванических линий. Обычно работоспособность процесса обеспечивается использованием методов технологического анализа [12] и их результатов для ухода и обслуживания электролитов. Поскольку качество покрытия обычно не поддается непосредственному измерению в процессе, оно достигается за счет соблюдения процедурных пределов допуска. Принято считать, что покрытие соответствует требованиям качества при соблюдении пределов допуска [8]. Для соблюдения пределов допуска методы анализа необходимо выбирать с учетом инструментальных затрат, затрат на персонал, качества и доступности [13].

Электролиты для электроосаждения представляют собой сложные растворы, состоящие из большого количества компонентов. Компонентами являются, с одной стороны, неорганические вещества, такие как металлы покрытия, которые растворены в виде солей, проводящих солей, кислот или оснований, и, с другой стороны, органические вещества, такие как комплексообразователи, смачиватели, буферы и отбеливатели. [1]. Концентрации и пределы допуска этих веществ указываются поставщиком процесса. Концентрации веществ указаны в виде количества вещества на объем. Для твердых веществ концентрация указывается как масса на объем (например, г/л), а для жидкостей – как объем на объем (например, мл/л).

На процесс гальваники влияет ряд факторов. Внутренними факторами являются параметры процесса, сам электролит и аноды, а внешние можно разделить на факторы, связанные с продуктом и производственной средой [14].

Все факторы влияют на стратегию контроля и дозирования и напрямую влияют на состояние и концентрацию ингредиентов электролита. В процессе осаждения компоненты электролита непрерывно расходуются. Общий расход вещества обычно состоит из нескольких частей расхода: электрохимического разложения (химического превращения), осаждения металла(ов) и включения вещества в покрытие, например органику [8]. Кроме того, электролит переносится на следующий этап процесса через остатки, оставшиеся на деталях после осаждения. Этот процесс обычно называют вытягиванием.

Правильная концентрация веществ-электролитов имеет решающее значение для обеспечения ресурсо- и энергоэффективного процесса гальваники [15]. В худшем случае металлы не могут быть наплавлены должным образом и требуется доработка. Для соблюдения допусков, указанных поставщиком процесса, необходимо восполнять израсходованные вещества. Расход можно рассчитать как разницу между измеренной концентрацией, определенной химическим анализом, и конкретной целевой концентрацией вещества. Многие основные ингредиенты электролитов гальванического покрытия, а также электролитов до и после обработки, такие как металлы, проводящие соли, кислоты и основания, обычно можно проанализировать методом титрования в лаборатории компании. Титрование – эффективный метод, имеющий высокую доступность и сравнительно низкую стоимость. Другим вариантом определения содержания металлов в электролите является рентгенофлуоресцентный метод (РФА), который также подходит для автоматизированного онлайн-мониторинга электролитов, но более затратен [7]. Органические ингредиенты, такие как комплексообразователи, отбеливатели и смачивающие агенты, обычно не анализируются самой компанией, занимающейся гальванопокрытием, из-за их неизвестного состава, который обычно является корпоративной тайной поставщика процесса. Поэтому анализ проводится поставщиком процесса через более крупные промежутки времени, часто ежемесячно. Органические ингредиенты невозможно проанализировать количественно простыми методами. Поэтому необходимо использовать инструментальный анализ, например высокоэффективную жидкостную хроматографию (ВЭЖХ) и ионную хроматографию (ИК) [16]. На основании отзывов поставщика процесса компания, занимающаяся гальванопокрытием, может внести соответствующие дополнения или корректировки в электролит.

Из-за высоких затрат компании, занимающиеся гальванопокрытием, обычно не оснащены собственными системами ВЭЖХ [8]. Как уже обсуждалось, устройства онлайн-ВЭЖХ доступны с технической точки зрения, но используются только в производстве печатных плат, поскольку более высокие затраты на электролит и процесс оправдывают еще более высокие инвестиции [7, 13, 16].

Обычно органические добавки дозируются в соответствии со спецификациями поставщика процесса между двумя измерениями. Управляющей переменной для автоматического пополнения обычно является ампер-час. На этой основе органические добавки пополняются в электролит насосами-дозаторами. Между измерениями от поставщика процесса текущая концентрация смачивающих веществ, отбеливателей или органических комплексообразователей в электролите неизвестна. Чтобы гарантировать качество покрытия, используются качественные методы анализа состояния электролита [13]. С помощью определенных образцов осаждения, помещенных в ячейку Халла [17], можно определить отклонения от ожидаемого внешнего вида слоя [18]. На этой основе можно производить поэтапное добавление электролита для корректировки состава электролита. Недостатком метода Халла для контроля процесса является то, что отклонения в составе электролита замечаются только тогда, когда они уже оказывают видимое влияние на качество слоя. Эта стратегия управления процессом обычно не обеспечивает постоянное качество и подход к профилактическому обслуживанию.

Кроме того, можно измерить дополнительные вторичные значения, такие как pH или удельный вес. Эти методы измерения указывают не концентрацию ингредиента, а свойства, которые являются результатом концентрации конкретных ингредиентов. Однако, например, значение pH можно использовать в качестве контрольного размера, поскольку доступны недорогие методы измерения.

Из-за различных методов измерения и частоты измерений полные наборы данных о состоянии электролита доступны нерегулярно. Самый длинный временной интервал между двумя точками измерения можно обнаружить при анализе органических добавок, выполняемом поставщиком процесса для компании, занимающейся гальванопокрытием. Добавки оказывают большое влияние на основные свойства покрытия, такие как состав сплава или блеск слоя. Из-за больших временных интервалов между измерениями изменение концентрации ингредиентов между анализами органических добавок в электролите можно оценить только качественно. Непрерывное моделирование ингредиентов электролита в рамках моделирования всей гальванической линии могло бы стать решением, восполняющим этот пробел в данных.

Моделирование производственных систем

Моделирование описывает представление системы с ее динамическими процессами и развитием во времени в экспериментальной среде, что позволяет достичь результатов, которые можно перенести обратно в реальность [19]. Основной категоризацией имитационных моделей является разделение на статические и динамические модели, а также разделение на детерминированные и стохастические модели [20]. Из-за изменения ингредиентов электролита в зависимости от времени и событий моделирование электролитов в составе гальванических линий представляет собой задачу динамического моделирования с преимущественно детерминированными свойствами.

Доступны и широко используются четыре парадигмы моделирования: дискретное событие, динамические системы, агентная и системная динамика [21]. Сам электролит можно смоделировать как динамическую систему, для которой применяются непрерывные переменные. Однако некоторые воздействия на электролит, напр. втягивание — это дискретные события во всей системе покрытия.

Для улучшения промышленных производственных процессов необходимо лучшее понимание взаимосвязи процесс-структура-свойство [22, 23]. Модели компьютерного моделирования позволяют получить представление о связях процесс-структура-свойства [24]. Перенесенная на электролит четкая связь между параметрами гальванического процесса, достигнутыми структурами и свойствами электролита/покрытия позволяет разработать мероприятия по повышению качества и стабильности процесса. Параметры процесса гальваники напрямую влияют на структуру электролита, в частности на состав электролита. Эта структура электролита определяет электрохимические свойства электролита и, наконец, процесс нанесения покрытия. Важной основой для разработки структуры электролита является баланс материальных потоков, который уже был представлен на рис. 1 и 2. Таким образом, определение и математическое описание соответствующих материальных потоков являются важным элементом успешного моделирования.

Текущий вклад в исследования и спрос

В последние десятилетия другие процессы обработки поверхности, такие как физическое осаждение из паровой фазы, стали доступны для крупномасштабного промышленного применения с меньшими затратами [25, 26] и поставили гальваническую промышленность под давление, требующее производства поверхностей более высокого качества с меньшими затратами и воздействием на окружающую среду. . Вытекающие из этого требования повышения качества и стабильности гальванических процессов требуют большей прозрачности процесса в составе компонентов электролита. Кроме того, внешние заинтересованные стороны, такие как природоохранные органы, требуют четкого мониторинга критически важных веществ [27].

Контроль компонентов электролита аналитическими методами возможен с технической точки зрения, но экономически нецелесообразен в гальванической промышленности из-за больших аналитических и кадровых затрат. Кроме того, аналитические измерения учитывают только прошлое развитие и не являются прогнозирующими. Следовательно, подход, основанный на модели, позволит лучше понять взаимосвязь «процесс-структура-свойства» с помощью вычислительных методов. В предыдущих исследованиях моделировалось развитие потребления компонентов электролита в лабораторных условиях, но без возможности прямого переноса в промышленный масштаб. Также отсутствует прямая интеграция в ИТ-среду операторов линий гальванического покрытия, что крайне важно для любой практической реализации.

Основным исследовательским вкладом в моделирование и симуляцию состава электролита для гальванотехники и технологии поверхности является набор инструментов для электрохимической инженерии на базе MATLAB/Simulink, разработанный Гиблером [8]. Этот набор инструментов позволяет моделировать непрерывно-дискретный характер электролитических и влажных гальванических жидкостей на основе подробной физической модели. Однако этот подход проверен только для процесса нанесения покрытия в лабораторных масштабах, и из-за моделирования на уровне химических реакций при моделировании электролита переход на промышленные электролиты затруднен. Нагель разработал математическую модель для моделирования потоков ресурсов на линиях электрохимического нанесения покрытия с акцентом на технологическую цепочку и, в частности, на промывочную жидкость [28]. Проверка путем сравнения результатов моделирования с аналитическими измерениями недоступна. Сюй и др. детально смоделировали процесс щелочного цинкования на основе химических реакций в электролите [29]. Опять же, этому подходу не хватает подтверждения аналитическими измерениями. Таким образом, ни один из этих подходов не предназначен для промышленных процессов гальваники и не проверен в такой среде. Кроме того, рассмотренные подходы не могут быть использованы для непосредственного управления производственной деятельностью в рамках СКПЗ.

Для решения этих проблем недавно разработанный подход должен внести значительный вклад в исследования посредством проверенного подхода к анализу, контролю и дозированию CPPS на основе моделей для гальванических электролитов. В отличие от аналитических подходов, усилия по мониторингу значительно сокращаются, и становится возможным беспрепятственный мониторинг. От современных подходов к моделированию электролита его можно ограничить интеграцией производственных ИТ-систем, что позволяет реализовать его в промышленной системе и проверить с помощью промышленных данных.

Подход к киберфизическим производственным системам для дозирования и контроля электролита на основе моделей

Подход CPPS для технологической цепочки гальванического покрытия с упором на электролит создает методологическую основу (см. Рис. 3). Он содержит четыре типичных элемента: физическую систему, сбор данных, киберсистему и поддержку принятия решений [30, 31]. Интеграция имитационных моделей в подход CPPS позволяет использовать данные моделирования для системы прогнозирующего управления электролитом. Этот подход должен работать без дальнейших аналитических измерений или данных датчиков и использовать доступные данные из системы управления производством (MES) и системы планирования ресурсов предприятия (ERP).

В отличие от CPPS Лейдена и его коллег [32], этот подход фокусируется на электролите и прямом влиянии всей цепочки процесса нанесения покрытия. Физическая система содержит систему покрытия, включая все потоки энергии и ресурсов, входящие и исходящие из этой системы. Данные о процессах и производстве могут быть автоматически получены из системы управления производством (MES), а данные о продукции — из системы планирования ресурсов предприятия (ERP). Однако также возможна ручная параметризация киберсистемы для сравнения прогонов моделирования. Киберсистема содержит агентное моделирование всей цепочки процесса нанесения покрытия, при этом детально моделируются только электролиты. На основании автоматически полученных данных можно априорно оценить поведение электролита. Результаты моделирования можно использовать для управления дозированием электролита и передачи данных о потреблении ресурсов в ERP для повторного заказа добавок в соответствии с потребностями.

Физическая система

Физическая система представляет собой цепочку процессов нанесения покрытия с упором на процесс гальванического покрытия. На промышленных гальванических линиях гальванические ванны обычно располагаются рядами [33]. Бочка, стеллаж и непрерывное гальваническое покрытие являются наиболее важными производственными процессами [6]. Этот подход ориентирован на гальваническое покрытие бочек для сыпучих материалов, поскольку унос сравнительно высок и сильно зависит от свойств продукта.

Технологическая цепочка гальванического покрытия обычно состоит из предварительной обработки, самого процесса нанесения покрытия и процессов последующей обработки. Примерами процессов предварительной обработки являются очистка, обезжиривание и травление, а примером процесса последующей обработки является пассивация [6]. Между отдельными этапами процесса обычно устанавливаются процессы промывки, чтобы предотвратить перенос жидкости между активными резервуарами.

Сбор данных

Для моделирования требуются данные о процессах, производстве и продуктах, которые обычно доступны в системах MES и ERP. Классификацию выдвижения можно включить в переменную нового продукта в системе ERP при первом создании нового продукта в ERP. Для обмена данными с моделированием были выбраны текстовые интерфейсы, поскольку большинство MES и ERP-систем могут обращаться к ним. В Таблице 2 обобщена необходимая информация для подхода CPPS.

Основным преимуществом предлагаемого подхода по сравнению с другими CPPS является то, что для сбора данных не требуются дополнительные датчики или другие измерительные системы. Это позволяет реализовать проект с очень низкими инвестиционными и эксплуатационными затратами. Кроме того, для установки нового оборудования не требуется никаких остановок производства.

Киберсистема

Для построения киберсистемы предлагается подход, основанный на агентном моделировании. Подход моделирования основан на адаптированной версии моделирования Лейдена и его коллег [32]. Моделирование было реализовано в программном обеспечении AnyLogic, среде многометодного моделирования на основе Java. Агенты/подмодели могут быть реализованы как классы, представляющие перевозчик с продукцией, рельсовые подъемники и резервуары с электролитом.

Структуру моделирования можно получить из рис. 4. Носители берут определенное количество продуктов и проводят их через линию нанесения покрытия. РМХ перевозят транспортеры с продукцией в разные цистерны. Резервуар с электролитом также содержит электролит-агент и может использоваться для нескольких резервуаров. В следующих главах типы агентов объясняются более подробно с указанием наиболее важных переменных, состояний и функций.

Перевозчик с продукцией

Агент-носитель содержит определенное количество продуктов и представляет собой бочки или стеллажи в процессе металлизации. Для контроля работы операторов связи в процессе используется диаграмма состояний. Состояния и переходы между состояниями используются как дискретные события для запуска действий при отключении других агентов. На рисунке 5 показана упрощенная версия этой диаграммы состояний, а также переменные агента. Специфические для продукта переменные, такие как поверхность, объем или категория остатка, а также переменные, специфичные для носителя, сохраняются здесь и передаются в резервуары с электролитом.

Рельсовые подъемники

Агент RMH транспортирует носители с продукцией по технологической цепочке гальванического покрытия. Решатели задач планирования подъема (HSP) из исследования операций оптимизируют использование гальванической линии и планируют работу подъемника в MES [34]. Для импорта деятельности подъемника реализован интерфейс к MES. Это позволяет импортировать заказ на партию и резервуар. В моделировании модель, ориентированная на диаграмму состояний, представляет весь процесс транспортировки от захвата бочки, транспортировки к следующему резервуару и выгрузки в следующем резервуаре. Дальнейшие алгоритмы моделирования гарантируют, что RMH не сталкиваются с другими RMH в цепочке процесса нанесения покрытия. Это необходимо, так как не импортируются движения подъемника и бочек. Этот подход дает более высокую степень свободы при моделировании. Также доступен прямой интерфейс к решателю HSP, но он не использовался для этого подхода.

Баки с электролитом

Агент резервуара представляет собой физический резервуар и слот для операций обработки. Поскольку в центре внимания этого подхода находится электролит, этот агент в основном служит заполнителем для других процессов и местом для RMH. Резервуары для гальваники подключаются к электролиту, который является предметом этого подхода и представлен в разд. 4. Электролит-агент содержит ряд функций дозирования присадок, отражающих процесс электрохимической деградации, а также процессы вытягивания и втягивания (рис. 6). Переменные можно разделить на общие переменные, которые представляют весь электролит, и конкретные переменные для каждой добавки.

Система управления

Результаты моделирования могут быть использованы для управления дозированием добавок к электролиту. Для этого моделирование киберсистемы сообщает количество необходимых объемов добавок через MES насосам-дозаторам добавок, или операторы машин получают указание добавить определенный объем добавки в электролит.

Моделирование позволяет осуществлять очень детальный и непрерывный мониторинг электролита, а также может использоваться для априорной оценки потребности. Будущую потребность в добавках можно рассчитать априорно, а добавки можно заказать в зависимости от ожидаемого спроса. Благодаря этому можно уменьшить хранимые количества, что уменьшает необходимое пространство для хранения в цехе и риски, связанные с хранением большого количества опасных химикатов.

Тематическое исследование и проверка модели

Тематическое исследование и проверка модели были проведены в компании малого и среднего бизнеса, занимающейся гальванопокрытием, которая управляет гальваническим сервисным центром для различных металлических покрытий. На этом предприятии выбрана полностью автоматизированная технологическая цепочка кислотного цинконикелевого покрытия бочек с процессами предварительной и последующей обработки. Линия гальванизации работает круглосуточно в три смены. Большинство продуктов в этой технологической цепочке предназначены для автомобильной промышленности и имеют малые и средние размеры, поэтому гальваническое покрытие ствола является наиболее экономически разумным методом гальванического покрытия. Электролит имеет общий объем 5500 л и шесть гальванических станций для бочек, разделенных на две соединенные емкости (рис. 8). Циркуляционный насос обеспечивает равномерное распределение веществ электролита на всех гальванических станциях. После процесса гальваники следует каскад промывки.

Были проведены 4-дневная и 30-дневная валидация двух разных добавок к электролиту с использованием разных методов (Таблица 5). Для этого аналитически оценивали концентрации отдельных добавок в электролите в электролите и первом промывочном каскаде и сравнивали с данными имитационной модели. Пробы для аналитических исследований отбирались ежедневно в начале утренней смены и анализировались с помощью ВЭЖХ поставщиком процесса для 4-дневной проверки и с собственным титрованием для 30-дневной проверки. Эти аналитические измерения отображают только статический снимок по сравнению с моделированием, которое позволяет плавно оценить концентрацию добавки. Кроме того, результаты моделирования сравнивались с количествами повторно дозированных добавок к электролиту.

В Таблице 6 суммированы необходимые входные данные с указанием типа данных, степени неопределенности и источника. Как уже описано, данные об электролите собирали путем аналитических измерений. Данные о продуктах, процессах и производстве автоматически берутся из систем MES и ERP и импортируются в среду моделирования. Оператору линии нужно было только вручную классифицировать продукты по переходящим категориям, поскольку все остальные соответствующие параметры уже хранятся в MES и ERP. Однако во время проверки в последней версии ERP была реализована категория переноса, так что в будущем этот параметр также можно будет получать автоматически).

Поскольку сигнальный шум и неопределенности, такие как контуры, могут оказать существенное влияние на результаты моделирования [42,43,44], входные параметры с наибольшей степенью дисперсии обеспечиваются с помощью интегрированного анализа чувствительности. Наивысшую степень неопределенности можно обнаружить при категоризации категории переноса, которая представляет собой ручной процесс. Оно основано на индивидуальном решении человека, который классифицирует детали согласно данным инструкциям. Таким образом, категории варьировались при сравнении прогонов моделирования для проверки.

Валидация с добавкой комплексообразователя

Электролит технический кислый цинк-никелевый содержит добавку комплексообразователя. Комплексообразователи обеспечивают равномерное распределение сплава во всем диапазоне плотностей тока и стабилизируют химическую электролитную систему [45]. Точный состав комплексообразователя поставщиком процесса не публикуется; поэтому аналитические исследования могут проводиться только во внешних лабораториях поставщиком процесса.

Для моделируемого периода времени с помощью моделирования рассчитывается расход в 201 л, который отличается всего на 1% от расчета, основанного на измеренной концентрации цинка в первом каскаде промывки после процесса гальванопокрытия (198 л). Содержание цинка в электролите постоянно, и, следовательно, позволяет рассчитать перенос на первый промывочный каскад исходя из концентрации в промывочном каскаде. Для этого каскад промывки обновлялся пресной водой во время первых аналитических измерений, и концентрации анализировались ежедневно для проверки расчетов задержки, полученных при моделировании.

За четыре дня 140 носителей с 1,2 млн изделий 13 различных видов покрыты цинк-никелевыми покрытиями. Чтобы проверить чувствительность выбора категории, в трех дальнейших сценариях для всех частей были установлены только категории переноса a, b или c. На рисунке 9 показано влияние различных классификаций затягивания через 4 дня. Правильная классификация изделий оказывает существенное влияние на вытяжку. Сравнение результатов категорий наименьшего и наибольшего вытягивания показывает, что у категории максимального вытягивания затяжка в шесть раз выше.

На рисунке 10 показаны аналитически оцененные значения, включая область допуска измерений в сочетании с смоделированным развитием концентрации. Смоделированные значения остаются в пределах допуска измерений и обычно следуют тенденции измерений. Однако даже в том случае, если все детали относятся к категории переноса a или b, смоделированные значения остаются в пределах области допуска измеренных значений. Классификация не работает только при использовании категории c для всех частей. Поэтому необходимо проверить правильность подхода к категоризации также и на более длительном временном интервале.

Стандартное отклонение низкое – 1,41 г/л, а коэффициент вариации – 1,7% (Таблица 7). Выбор категории задержки c для всех продуктов приведет к тому, что значения концентрации добавок будут выходить за пределы диапазона измерения. Однако эта проверка показывает, что результаты моделирования являются приемлемыми, но для проверки моделирования в долгосрочной перспективе требуется более длительный анализ.

Валидация с хлоридом

Хлорид не преобразуется и не расходуется в процессе гальваники, а только осуществляется. Он является неотъемлемой частью кислых цинк-никелевых электролитов, обеспечивающих хорошую проводимость. Его можно измерить вручную с помощью титрования в лабораториях компании, занимающейся гальванопокрытием, что позволяет проверить правильность моделирования затягивания без сложных аналитических методов измерений со стороны сторонних лабораторий.

За 30 дней цинк-никелевыми покрытиями было покрыто 1136 носителей с 11,5 млн изделий 58 различных видов продукции. В результате утекает 1800 л электролита, что эквивалентно 32,7% от общего объема электролита. На рис. 11 показано моделирование как дискретная прогрессия во время аналитических измерений и аналитически определенная прогрессия содержания хлоридов в кислом цинк-никелевом электролите. Обе кривые демонстрируют одинаковую прогрессию.

Стандартное отклонение между моделированием и аналитическими измерениями составляет 4,7 г/л или 2,7%, а максимальное отклонение составляет 5,8% (таблица 8). Наибольшие отклонения наблюдаются в последние четыре дня и являются следствием проблем на гальванической линии. Это привело к сбросу электролита, который невозможно было определить количественно при моделировании. В то время почти ни один перевозчик не прошел процесс покрытия.

По сравнению с рис. 11, на котором показаны только смоделированные результаты во время аналитического измерения, на рис. 12 показано точное смоделированное изменение содержания хлоридов. Моделирование позволяет осуществлять плавный мониторинг содержания хлоридов и показывает небольшие пики после добавления соединений хлорида в электролит. Следует отметить, что увеличение концентраций после дозирования больших количеств хлоридных соединений возникает раньше, чем в результатах анализа. Причиной этого может быть дозирование твердых хлоридных соединений, которые не растворяются сразу, как предполагалось при моделировании. Опять же, как показано для комплексообразователя на фиг. 10 и 12, категории переноса были разными. Выбор только категорий a и c приводит к значительным различиям в развитии, тогда как выбор только категории b имеет аналогичное развитие до 15-го дня моделирования. Таким образом, реальная смесь категорий способна лучше отражать аналитически оцененный прогресс, чем выбор только категории b.

Однако непрерывный мониторинг с моделированием позволяет оценить поведение электролита между отдельными измерениями, которые представляют собой лишь статические снимки. Априорное прогнозирование изменения концентрации добавок может предотвратить падение концентрации и повысить стабильность процесса, особенно в случае, когда характеристики вытягивания покрываемых продуктов сильно различаются. Вычислительные мощности современных стандартных ИТ-систем достаточны для проведения расчетов, параллельных работе гальванической линии.

Экономические и экологические последствия модельного контроля электролита

С помощью недавно разработанного подхода можно уменьшить размер технологического окна и приблизить его к нижнему пределу, как показано на рис. 13. Непрерывный мониторинг состояния электролита посредством моделирования позволяет значительно более точно дозировать электролит. Композиция видна в любое время. Кроме того, если моделирование используется для прогнозирования будущего изменения состава электролита, можно заранее скорректировать стратегию дозирования (например, в случае большого количества деталей категории c). Затраты на аналитические измерения могут быть значительно сокращены, в то время как единственными дополнительными усилиями является категоризация деталей, которую можно выполнить за считанные секунды во время первой интеграции продукта в систему ERP.

Добавки от поставщиков процесса являются дорогостоящими и частично опасными. Снижение концентрации может снизить затраты и воздействие на окружающую среду за счет химикатов, а также очистки сточных вод. Для расчета финансовой экономии от предложенного подхода предполагалось, что 4-дневное моделирование является репрезентативным для всего года и применяется ко всем веществам-электролитам. В ходе моделирования текущие концентрации были умножены на стоимость химикатов, которую должен заплатить оператор. Итоговая экономия за счет использования меньшего количества химикатов составит 2450 евро по сравнению с целевым значением концентрации и 6200 евро по сравнению с минимальным значением концентрации. Благодаря более точному управлению процессом целевые значения могут быть снижены до минимальных значений. Экономия в диапазоне между указанными значениями легко достижима. Дальнейшая экономия за счет снижения затрат на очистку сточных вод или уменьшения количества производственных отходов может быть еще выше. Оценить точное воздействие на окружающую среду сложно, поскольку поставщик процесса не публикует точные ингредиенты добавок.

Еще одним преимуществом подхода является низкая вычислительная нагрузка. Поскольку моделирование основано на имитационной модели потока материала и не требует числовых решателей, его можно запустить на стандартном промышленном компьютере. В случае полной интеграции с MES и ERP-системами его можно будет запускать параллельно с другими алгоритмами управления. Особенно по сравнению с алгоритмами оптимизации MES решение HSP должно иметь значительно более высокую вычислительную нагрузку».

Заключение и перспективы

Разработана математическая модель моделирования электролита, которая перенесена в технологическую имитационную модель всей гальванической линии. Это моделирование было интегрировано в ИТ-среду производственных компаний, чтобы использовать его как часть CPPS. Такой подход позволяет использовать данные существующей гальванической линии и использовать результаты моделирования для управления электролитом.

Исследование на станке для нанесения двух различных электролитных веществ для кислого цинк-никелевого электролита показало применимость предложенного модельного подхода. Имитационная модель может показывать эффекты быстрее, чем химический анализ, поскольку моделирование дает точность в минутном диапазоне. Благодаря использованию подхода к дозированию, основанному на модели, целевую концентрацию можно снизить до нижнего предела, а диапазон дозирования можно уменьшить. Это уменьшит количество необходимых химикатов и снизит стоимость процесса нанесения покрытия. Кроме того, качество покрытых поверхностей может быть повышено, поскольку количество добавок можно поддерживать в меньшем диапазоне.

В этой исследовательской работе моделирование служило испытательной платформой для новых алгоритмов в отдельной защищенной киберсреде для тестирования различных алгоритмов со сравнительно небольшими усилиями. Для полноценного промышленного внедрения было бы разумно включить проверенные модели непосредственно в MES или ERP-системы. Это позволит работать без дополнительных программных инструментов и повысит производительность всей производственной ИТ-системы.

В качестве следующего шага этот подход может быть перенесен на другие электролиты и другие процессы гальваники. Важно отметить, что поведение химического разложения должно быть ясно для каждого вещества. Эти данные недоступны, особенно для большинства коммерчески используемых органических электролитов.

Дальнейшие исследования могут улучшить качество модели с помощью подхода машинного обучения, который подкрепляется спорадическими аналитическими измерениями. Это позволило бы также разработать модели черного ящика для электролитов, поведение электрохимической деградации которых неясно.

Кроме того, категоризацию переходящих категорий можно автоматизировать с помощью модели САПР. В случае, если модели САПР недоступны, алгоритмы машинного обучения могут поддержать категоризацию, анализируя доступную информацию, такую как название детали, размер или соотношение объема/поверхности, и предлагать категорию, которая должна быть подтверждена оператором гальванической линии.

Остается одно ограничение: моделирование не может использоваться в ситуациях, которые не охвачены моделированием. Примерами этого являются неконтролируемые переливы или неправильно отрегулированные/работающие дозирующие насосы. Поэтому также в случае полной реализации предложенного подхода потребуются редкие сопутствующие аналитические измерения, чтобы убедиться, что электролит все еще находится в ожидаемом диапазоне. Если моделирование выходит за пределы аналитического измерения, его можно сбросить с использованием результатов аналитических измерений.