El objetivo del templado es calentar el vidrio uniformemente hasta cerca de su punto de ablandamiento (alrededor de 620 °C) y luego enfriarlo rápidamente (templarlo) con chorros de aire. Esto genera tensión de compresión en la superficie y tensión de tracción en el núcleo, lo que resulta en un vidrio más resistente y seguro. Sin embargo, lograr una calidad consistente (planitud, baja distorsión, tensión uniforme, ausencia de roturas) en diferentes tipos de vidrio (transparente, recubierto, de baja emisividad, estampado), espesores y tamaños es un desafío. Los sistemas de control inteligente buscan abordar estos desafíos.
Control inteligente del horno de templado de vidrio
A continuación se presentan los aspectos y técnicas clave utilizados en los sistemas de control inteligente para hornos de templado de vidrio:
Detección y monitorización avanzadas:
Escáneres/Cámaras Térmicas: Proporcionan mapas detallados de temperatura en tiempo real de la superficie del vidrio al salir del horno, cruciales para identificar calentamientos no uniformes.
Pirómetros: Múltiples sensores de temperatura sin contacto, ubicados estratégicamente dentro del horno, realizan el enfriamiento.
Sistemas de Medición de Tensiones: Sistemas en línea o fuera de línea (p. ej., mediante fotoelasticidad) para medir patrones de tensión residual.
Sensores Dimensionales/de Planitud: Sistemas láser u ópticos para medir la planitud y la deformación del vidrio.
Monitoreo del Consumo de Energía: Seguimiento del consumo de energía de calentadores y sopladores.
Adquisición y procesamiento de datos:
Recopilación y almacenamiento a alta velocidad de datos de todos los sensores, ajustes del horno (potencia del calentador, niveles de convección, presión de temple, velocidad de la cinta transportadora) y propiedades del vidrio (tipo, espesor, dimensiones).
Limpieza, filtrado y extracción de características de datos para prepararlos para su análisis y modelado.
Modelado sofisticado:
Modelos Térmicos: Simulación de la transferencia de calor (radiación, convección, conducción) dentro del horno y el vidrio. Estos modelos consideran las propiedades del vidrio (emisividad, absorción), las características del calentador y la geometría del horno. Los recubrimientos de baja emisividad modifican significativamente las propiedades radiativas y requieren un modelado preciso.
Modelos de Esfuerzo: Predicción del desarrollo del esfuerzo térmico durante el temple en función de la distribución de temperatura y la velocidad de enfriamiento.
Modelos Termomecánicos Combinados: Integración de modelos térmicos y de esfuerzo para una simulación completa del proceso de revenido.
Técnicas básicas de control inteligente:
Control Predictivo de Modelos (MPC):
Utiliza un modelo dinámico del horno para predecir las temperaturas futuras del vidrio basándose en las condiciones actuales y las acciones de control planificadas (ajustes del calentador, cambios de presión de temple).
Optimiza las acciones de control a lo largo del tiempo para lograr los perfiles de temperatura y los objetivos de calidad deseados, respetando las restricciones operativas (p. ej., potencia máxima del calentador, capacidad del soplador).
Excelente para gestionar interacciones complejas, restricciones y retrasos inherentes al proceso de templado, especialmente para mantener la uniformidad de la temperatura.
Redes neuronales artificiales (RNA) / Aprendizaje automático (ML):
Modelado de Procesos: Las ANN pueden aprender relaciones complejas y no lineales entre las entradas (tipo de vidrio, espesor, ajustes del horno) y las salidas (distribución de la temperatura de salida, métricas de calidad final, probabilidad de rotura) directamente a partir de los datos históricos del proceso, incluso sin un modelo físico perfecto.
Optimización/Generación de Recetas: Los algoritmos de AA pueden analizar procesos de producción exitosos anteriores para sugerir recetas óptimas (tiempos de calentamiento, temperaturas, ajustes de temple) para nuevos tipos o tamaños de vidrio, lo que reduce el tiempo de configuración y el ensayo y error.
Predicción de Calidad: Predicción de la calidad final del vidrio (p. ej., planitud, distorsión, nivel de anisotropía) basándose en datos de sensores en tiempo real durante el proceso.
Detección de Anomalías/Mantenimiento Predictivo: Identificación de desviaciones del funcionamiento normal que podrían indicar posibles fallos del equipo (p. ej., degradación del calentador, problemas con el soplador) o problemas del proceso.
Control de lógica difusa (FLC):
Utiliza reglas "si-entonces" basadas en variables lingüísticas (p. ej., "SI el centro del vidrio está ligeramente frío Y el borde está caliente, ENTONCES aumenta ligeramente el calentamiento del centro Y disminuye ligeramente el calentamiento del borde").
Ideal para incorporar la experiencia del operador y gestionar información imprecisa o cualitativa.
Puede utilizarse para ajustar con precisión los controladores PID o gestionar ajustes complejos de calefacción/refrigeración basados en la retroalimentación de imágenes térmicas.
Sistemas expertos:
Codificar el conocimiento y los procesos de toma de decisiones de operadores e ingenieros de templado experimentados en un sistema basado en reglas.
Puede ayudar a los operadores a resolver problemas, seleccionar recetas iniciales o ajustar parámetros en función de los problemas de calidad observados.
Sistemas híbridos:
Combine múltiples técnicas (p. ej., MPC con un modelo basado en ANN, lógica difusa para ajustar los parámetros de MPC, aprendizaje automático para la preselección de recetas que se introducen en un MPC). Esto aprovecha las ventajas de cada enfoque.
Control adaptativo:
Sistemas que ajustan automáticamente sus parámetros de control o modelos a lo largo del tiempo a medida que cambian las características del horno (por ejemplo, envejecimiento del calentador) o a medida que hay más datos disponibles, lo que garantiza un rendimiento óptimo continuo.
Beneficios de los sistemas de control inteligente en el templado de vidrio:
Calidad mejorada: Una mayor uniformidad de temperatura produce un vidrio más plano, menor distorsión óptica (onda de rodillo, anisotropía) y perfiles de tensión más consistentes.
Mayor rendimiento: La reducción de los desequilibrios de tensión térmica minimiza las roturas durante el temple y la manipulación.
Ahorro de energía: Los perfiles de calentamiento y los ajustes de temple optimizados reducen el consumo innecesario de energía.
Manejo de productos complejos: Esencial para templar con éxito recubrimientos sofisticados de baja emisividad, vidrio delgado y formas complejas, que son muy sensibles a las variaciones de temperatura.
Configuración más rápida de recetas: La generación o sugerencia automatizada de recetas reduce la dependencia de la experiencia del operador y las costosas pruebas de funcionamiento.
Reducción de la dependencia del operador: Una mayor automatización y un control más inteligente reducen la variabilidad introducida por los diferentes operadores.
Información del proceso: El análisis de datos proporciona una comprensión más profunda de la dinámica del proceso y los factores que influyen en la calidad.
Mantenimiento predictivo: La detección temprana de posibles fallos en los equipos reduce el tiempo de inactividad.
En esencia, los sistemas de control inteligente transforman el templado de vidrio, que en cierto modo dependía de la habilidad del operador, en un proceso de fabricación más basado en datos, predecible y optimizado. Los principales fabricantes de hornos ofrecen cada vez más estas opciones de control avanzadas.
