Recolha de dados em automático dos fornos para alarmística

Abstract

O forno contínuo é responsável pelo tratamento térmico de cerca 65% de todas as peças da Renault CACIA. Apesar deste já possuir uma plataforma de monitorização, os dados estão apenas disponíveis localmente e visivelmente através de um HMI, e este ainda possui uma escolha limitada para a visualização histórica dos parâmetros de processo (temperaturas, fluxo de gases, etc.). Soma-se a esta dificuldade a falta de fiabilidade no sistema de rastreabilidade, nomeadamente, a data e hora de entrada no forno contínuo. Estas condições inviabilizam a extração de dados cruciais e a associação dos mesmos a um determinado lote para que haja informação por onde basear a tomada de decisão no sentido de otimização do processo fabril. Esta otimização pode vir na redução de não conformidades ou até no ajuste da atmosfera gasosa (débito de gás natural, amoníaco, etc.) para redução da fatura energética, garantindo sempre produção de lotes conformes. A falta de informação e de uma forma fácil de a aceder, dificultam este tipo de otimizações. A Renault CACIA, incentivada por esta temática tanto na vertente energética como na aquisição de dados, à luz do projeto Industrial Data Managment, promoveu o desenvolvimento deste projeto. Nesta dissertação propõem-se uma plataforma de monitorização em tempo real do forno contínuo. Esta deve permitir a visualização dos principais parâmetros atuais como passados, e em qualquer lugar da fábrica. Deve ser dotada de capacidades de alarmística via e-mail para alertar parâmetros fora da normalidade. É ainda proposta uma alteração dos procedimentos fabris, para que seja possível associar a informação recolhida a um determinado lote. Para tal, é implementado um servidor OPC-UA como gateway. Este disponibiliza a informação necessária através da simbiose entre o sistema de rastreabilidade dos tratamentos térmicos, um cliente OPC-UA e uma REST API que comunicam via HTTP para alimentar as funcionalidades em causa. A informação é persistida em uma base de dados PostgreSQL. Para um fácil implementação e gestão da arquitetura no servidor, recorreu-se ao Docker. Foram criadas duas plataformas. Uma focada para a monitorização e visualização histórica e outra para fornecer aos utilizadores informação dos diferentes fornos em formato CSV, e assim promover cruzamento de informação, como também um espaço que facilmente lhe permite visualizar as condições de tratamento de uma carga apenas com conhecimento do número de gália (um identificador único). Através destas plataformas, inconsistências no tempo de permanência de lotes nos diferentes fornos foram detetadas.

The continuous furnace is responsible for the heat treatment of approximately 65% of all Renault CACIA parts. Although it already has a monitoring platform, the data is only available locally and visibly via the HMI, and has limited choice for historical visualization of process parameters (temperatures, gas flow, etc.). Added to this difficulty is the lack of reliability in the rastreability system, namely the date and time of entry into the continuous furnace. These conditions make it very difficult to retrieve crucial data and associate it with a given batch in order to have information on which to base decision-making for optimizing the manufacturing process. This optimization can come in the reduction of non-conformities or even in the adjustment of the gaseous atmosphere (natural gas flow, ammonia, etc.) to reduce the energy bill, always guaranteeing the production of compliant batches. The lack of information and an easy way to access it make this kind of optimization difficult. Renault CACIA, encouraged by this theme in both energy and data acquisition, in light of the project Industrial Data Managment, promoted the development of this project. In this dissertation, a real-time monitoring platform for the continuous oven is proposed. This should allow the visualization of the main current and past parameters, and anywhere in the plant. It should be equipped with alarming capabilities via email to warn of abnormal parameters. A change in factory procedures is also proposed, so that it is possible to associate the information collected to a particular batch. For this purpose, an OPC UA server is implemented as a gateway. It provides the necessary information through symbiosis between the heat treatment traceability system, an OPC UA client and a REST API that communicate via HTTP to feed the functionalities in question. The information is persisted in a PostgreSQL database. For easy deployment and management of the architecture on the server, Docker was used. Two platforms were created. One focused on monitoring and historical visualization and the other to provide users with information from the different furnaces in CSV format, and thus promote cross-referencing of information, as well as a space that easily allows users to view the conditions of treatment of a batch just by knowing the gália number (a unique identifier). Through this platforms, inconsistencies in the dwell time of batches in the different furnaces were detected.