В этой статье описывается инновационная система, автоматизированная система для оптимального порционирования и расфасовки рыбы по банкам. Система в целом включает этапы предварительной расфасовки, заполнения, стерилизации. Комплексный подход к оптимальной группировке и нарезке в соответствии с критерием порционирования, основанным на весе. Это основное преимущество такого подхода.
Соответствующая технология включает быструю и точную оценку распределения веса каждой рыбы. метод оптимизации порций. обращение. устройства для транспортировки и резки. передовые сенсорные технологии. и многоуровневое интеллектуальное управление. В статье излагается концепция этой передовой технологической системы. Приводится пример, иллюстрирующий повышение урожайности, которое возможно благодаря оптимальной процедуре порционирования.
Промысел лосося представляет собой важный и востребованный источник продовольствия. Он также имеет важное экономическое значение. Например. предприятие по переработке лосося в провинции Британская Колумбия, Канада (1995 год). ежегодный оборот предприятия составляет около 500 миллионов долларов. и 25% этой суммы приходится на консервное производство. Настоящая статья посвящена автоматизации процесса консервирования лосося.
Ввиду сокращения запасов лосося и ужесточения правил и квот. важно выполнять задачи по переработке с минимальными потерями (Де Сильва, 1992). Например, точный контроль порций в процессе консервирования имеет важное значение, поскольку переполнение банок может рассматриваться как «растрата» или потеря дохода. Возможно, придется проверять и «латать» недопитую банку, что потребует дополнительных затрат и, как следствие, снижения производительности.
Рост стоимости рабочей силы делает такие дополнительные операции особенно нежелательными. Кроме того, по мере роста цен на рыбную продукцию потребитель, как правило, требует продукт более высокого качества, где эстетическая привлекательность играет важную роль. Подводя итог, можно сказать, что нынешняя тенденция в отрасли переработки лосося сделала эффективность переработки, производительность, качество продукции и стабильность производства крайне важными для выживания этой отрасли. Передовые технологии автоматизации могут дать ответы на многие проблемы, с которыми сталкивается консервная промышленность лосося.
Принципиальная схема операций, выполняемых на типичной консервной линии рыбоперерабатывающего предприятия, показана на рисунке. Рыбу сначала «разделывают на консервы», удаляя у нее головы с помощью железной разделочной машины, а затем проводят дальнейшую очистку, потроша и обрезая хвост и плавники. Как правило, для подачи рыбы в мясорубку требуется четверо рабочих, а для контроля и регулировки работы машины — один техник.
Затем рыба, приготовленная для консервирования, подается в разделочный блок, состоящий из ряда ножей. Для подачи рыбы в разделочный блок требуется от двух до четырех рабочих и один техник для контроля за работой машины. Лезвия разделочного блока расположены на равном расстоянии друг от друга. Таким образом, ширина нарезки порций рыбы остается неизменной. Порции рыбы механически перемещаются через туннель для скручивания и помещаются в загрузочные карманы устройства для наполнения с поворотной головкой. Механизм вилки-качалки помогает запихивать порции рыбы в загрузочный карман.
В каждом углублении имеется подвижная половинка, которая закрывается, когда порции рыбы проталкиваются внутрь с помощью поворотной вилки, придавая тем самым желаемую цилиндрическую форму для наполнения банок. В процессе формования излишки мяса извлекаются из углубления и срезаются с помощью вращающегося ножа. Пустые банки подаются с другого конца стола для заливки и перемещаются под заполненный контейнер. В банку помещается соль, а цилиндрическая часть рыбы синхронно вдавливается в банку с помощью поршня с кулачковым приводом. Для проверки перед розливом требуется от одного до двух человек, а также один технический специалист для контроля работы фасовочной машины.
Заполненные банки доставляются на станцию последующей разливки для проверки качества. Здесь каждая банка автоматически взвешивается, а банки с недостаточным весом отправляются на отдельную линию. Затем вручную производится корректировка веса, путем укладки кусочков рыбы в банку с недостаточным весом. Кроме того, порции с начинкой исправляются из-за эстетических дефектов, таких как «поперечные упаковки», когда поверх начинки появляется большая часть кожуры.
Другие нормативные дефекты, такие как выступающие куски (кости, мясо, шкурка) над краем банки, которые впоследствии могут привести к неправильной герметизации, также выявляются и исправляются вручную. Дефекты качества могут достигать 25%. Для выполнения соответствующих операций по «латанию» требуется от четырех до семи рабочих. После этого наполненные и проверенные банки готовы к установке крышек. Поскольку обычная производительность составляет около 4 банок в секунду, нет никакой гарантии, что все дефекты в процессе розлива могут быть обнаружены и исправлены на столе для заправки, причем последовательно в течение всего рабочего дня.
Очевидно, что то, что было описано, является операцией объемного наполнения, и это является основной причиной ошибок при недостаточном наполнении и переполнении в процессе консервирования. Чтобы решить эту проблему, в Лаборатории промышленной автоматизации Университета Британской Колумбии разрабатывается более гибкая и автоматизированная система подачи консервных банок. Далее описаны основные концепции этой разработки.
Последние технологии фасовки рыбы
Рассматриваемая нами система включает в себя оптимальную группировку и разделку рыбы с использованием роботизированных устройств, чтобы свести к минимуму вес порции рыбы по сравнению с целевым весом банки. Планируется автоматизированное наполнение банок и контроль после наполнения с помощью датчиков с интегрированной коррекцией/ремонтом под наблюдением и контролем интеллектуальной иерархической системы управления.
Важной особенностью системы является оптимизация веса начинки в зависимости от ее объема, чтобы свести к минимуму количество перелив и недоперелив консервов. Это достигается за счет комплексного подхода к оптимальной группировке и нарезке. Один из подходов заключается в том, чтобы выполнить «квазиоптимальную» нарезку партии рыбы, а затем, исходя из веса (а также геометрических размеров) кусков, сгруппировать их по порциям с начинкой для достижения цели оптимизации.
Другой подход заключается в том, чтобы сначала разместить партию рыбы в линейной ориентации с переменным перекрытием, чтобы последовательность укладки, а также ориентация головы и степень перекрытия между рыбами были параметрами оптимизации. Затем рыбу нарезают в линейном порядке с интервалом между ножами, который определяется требуемой длиной порций (зависит от высоты банки). Также могут быть использованы различные комбинации этих двух основных способов группировки и нарезки. Кроме того, существует ряд ограничений, которые необходимо учесть в схеме оптимизации; например, размеры банок, нормативные допуски и целые параметры, такие как количество рыбы, порций и банок).
Для того чтобы эта система стала доступной, необходимо разработать несколько ключевых компонентов. Во-первых, необходимо разработать метод оперативного измерения/оценки распределения веса рыбы, приготовленной на консервном заводе. Необходимо разработать быстрые методы оптимизации, соответствующие требуемой производительности, для достижения оптимального веса порций по отношению к целевому весу. Кроме того, необходимо разработать устройства для механической обработки и разделки рыбы с соответствующими системами измерения и управления.
Оценка распределения веса
Поскольку очень важно учитывать вес начинки, необходима процедура, позволяющая быстро определить распределение веса каждой рыбы, приготовленной в консервном магазине. Обычные методы определения веса здесь не подходят по таким причинам, как движение объекта, требования к высокой скорости и необходимость распределения веса по длине рыбы, а не по общему весу. Планируемый подход заключается в следующем:
1. Разработать в автономном режиме набор моделей распределения веса рыбы, связанных с несколькими легко измеряемыми геометрическими параметрами. Это может быть сделано путем автономного экспериментирования с репрезентативными партиями рыбы для измерения распределения веса и физических размеров каждой рыбы, а затем анализа данных с помощью статистической корреляции и нейросетевого подхода. Поскольку эти задачи выполняются в автономном режиме, скорость сама по себе не является серьезным ограничением.
2. Разработайте быстродействующие датчики для оперативного измерения качества рыбы, приготовленной на консервном заводе, по мере ее транспортировки к месту оптимальной группировки и разделки (workcell). Поскольку размеры, как правило, включают длину, а также ширину и толщину в нескольких местах по всей длине рыбы, подойдут оптические методы, основанные на лазерах и ПЗС-камерах.
Также могут быть применимы другие подходы, например, основанные на ультразвуковом исследовании. Оперативная работа системы измерения распределения веса может осуществляться путем простого определения требуемых размеров рыбы во время ее транспортировки, а затем сопоставления этих размеров с одной из моделей распределения веса в базе данных. Используемый здесь подход в некоторой степени аналогичен тому, который был разработан (Gamage and de Silva, 1991) для определения профиля среза рыбы.
Оптимизация порций
Здесь может быть рассмотрен один из двух общих подходов. В частности, рыба может быть оптимально уложена, а затем разделана на порции, чтобы удовлетворить требованию минимизации погрешности между весом порции и заданным весом при соблюдении таких ограничений, как размеры банки. В качестве альтернативы, рыбу можно предварительно нарезать на несколько порций, исходя из размера и формы каждой рыбы, а затем полученные порции можно сгруппировать таким образом, чтобы они соответствовали задаче оптимизации. Также могут быть использованы различные комбинации этих двух общих подходов.
Независимо от физической схемы, задача оптимизации является довольно сложной и относится к категории нелинейных задач о смешанных целых числах. Она еще более усложняется тем фактом, что природные объекты, такие как рыба, имеют свои собственные вариации в зависимости от вида, географического положения, времени вылова и факторов обработки. Следовательно, любая общая схема оптимизации не будет достаточно быстрой, чтобы обеспечить требуемые темпы производства. Таким образом, для физической реализации оптимизации необходимо учитывать несколько факторов, а именно:
1. Адаптация подхода к оптимизации с учетом характерных особенностей процесса, что позволяет избежать общих и избыточных поисков и вычислений.
2. Разделение задачи на ряд более простых, опять же с использованием некоторых особых характеристик процесса, что в конечном итоге приводит к сокращению объема вычислений.
3. Использование специального аппаратного обеспечения, такого как цифровые сигнальные процессоры и параллельные процессоры, а также эффективного коммуникационного оборудования и архитектуры для их интеграции.
4. Использование эффективных разработок программного обеспечения. В связи с этим была завершена определенная работа, связанная с оптимизацией линейного размещения рыбы (Omar and de Silva, 1997). Связанная с этим задача была сформулирована как процедура нелинейного программирования со смешанными целыми числами (MINLP), а затем разделена для обеспечения эффективного вычисления.
Установлено, что с помощью этого подхода можно достичь практических показателей производительности. Более того, было продемонстрировано, что также возможно значительное сокращение потерь.
Обработка и резка
Несмотря на то, что для перемещения, размещения и раскладки рыбы определенным образом могут использоваться роботизированные захваты и манипуляторы, такой подход может быть несколько медленным. Кроме того, связанные с ними устройства, а также их датчики и контроллеры могут быть довольно дорогостоящими. Предпочтительной альтернативой было бы сначала транспортировать рыбу, приготовленную для консервирования, на структурированном конвейере с отделениями (карманами), а затем загружать ее на второй конвейер с помощью устройства для переворачивания. Первый конвейер обеспечивает необходимое линейное расположение рыбы.
Поворотное устройство обеспечивает изменение ориентации головы при необходимости. Положение конечного конвейера регулируется таким образом, что рыбу можно укладывать в определенном месте по всей длине. Как только этот конвейер заполнится, соответствующая партия рыбы готова к разделке. Аналогичные устройства с карманами и лотками можно также использовать для группирования нарезанных порций рыбы, не требуя сложных роботизированных манипуляторов. По сути, проблема была бы аналогична заполнению лотков в автоматизированном процессе упаковки.
Таким образом, задача состоит в том, чтобы заполнить несколько лотков различными порциями рыбы таким образом, чтобы вес нетто в каждом лотке был как можно ближе к целевому весу. В зависимости от используемого подхода к разделке и обработке могут быть использованы различные методы разделки. Если на этапе оптимизации используется линейное расположение целой рыбы внахлест, то разделку можно производить с помощью обычных ножей.
В этом случае может быть достаточным фиксированное расстояние между лезвиями. Но для более точного порционирования можно предусмотреть переменное расстояние. Достаточно гибким, но довольно дорогостоящим методом резки является использование струй воды под высоким давлением. Повышение производительности возможно при использовании струй воды с дисперсными суспензиями, но в этом случае нормативные требования будут ограничивать типы веществ, которые могут использоваться в качестве суспензионного материала. Лазерная резка может быть невозможна для биологического материала, такого как рыба, для продажи на рынке свежих продуктов. Но лазер может использоваться для порционной резки при непосредственном консервировании.
Сенсорная технология
Как отмечалось ранее, камеры лазерного сканирования и CCO могут использоваться для измерения размеров рыбы, для оценки распределения веса. Камеры прогрессивного сканирования и линейные камеры особенно подходят, поскольку не требуется непрерывный профиль. Сенсорные потребности в устройствах для обработки, транспортировки и позиционирования довольно просты. Для контроля положения и скорости могут использоваться оптические датчики, дифференциальные преобразователи, резольверы, акселерометры и датчики приближения.
Тензометрические датчики, пьезоэлектрические устройства и другие пьезорезистивные устройства могут быть использованы, когда требуется измерение силы и крутящего момента (де Сильва, 1989). Сенсорная технология находит важное применение на этапе после заполнения, для оценки качества и ремонта. Для этой цели были разработаны оптические методы. Точное определение местоположения и периметра движущейся банки будет иметь важное значение для последующего выявления дефектов заполнения.
Было обнаружено, что использование оттенков (H), насыщенности (S) и интенсивности (I) цветного изображения обеспечивает необходимое разрешение для распознавания кожи, костей и различных текстур мяса (O’Oor, 1998). Это будет полезно не только для обнаружения перекрещивающихся упаковок и кусков, выступающих за стенки банки, но и для определения общего визуального качества рыбы, помещенной в банку. Скорость определения является здесь ограничивающим фактором. Эффективные алгоритмы, аппаратная реализация и высокоскоростные процессоры сделали эту технологию вполне осуществимой.
Контроль
Традиционные методы управления, которые являются простыми, быстрыми и точными, обеспечивают прямое управление такими компонентами системы, как конвейеры, погрузчики, резаки и наполнители. Необходимо контролировать всю систему в целом, координировать работу различных устройств и, при необходимости, принимать надлежащие корректирующие меры. Для этой цели необходима интеллектуальная система мониторинга и диспетчерского управления, имеющая иерархическую архитектуру.
Управление устройством будет осуществляться на самом низком уровне иерархии этой системы. Верхние уровни будут выполнять такие функции, как сбор и интерпретация информации с датчиков, мониторинг производительности отдельных компонентов, оценка производительности всей системы в целом и оценка качества продукта (де Сильва, 1995). В дополнение к традиционным методам и алгоритмам, качественные методы и методы, основанные на знаниях, будут полезны для функций верхнего уровня системы управления. Такие методы могут включать модули базы знаний, которые содержат знания, опыт и эвристические возможности людей.
Пример оптимизации
Были разработаны методы оптимизации линейного размещения рыбы (Омар и де Сильва, 1997, 1998). В этом случае целью оптимального размещения можно считать приведение среднего распределения веса линейно размещенной рыбы к целевому распределению веса, определяемому чистым весом банки. В общем случае параметрами оптимизации являются порядок укладки рыбы, уровень наложения рыбы друг на друга и ширина среза (или расстояние между лезвиями). Если расстояние между ножами фиксировано, то в процессе оптимизации могут использоваться только параметры последовательности и перекрытия. Задача оптимизации включает в себя несколько ограничений, например, допуски по целевому весу и высоте банки.
Чтобы проиллюстрировать, какой улов можно получить при оптимальном размещении, рассмотрим партию из четырех рыб. Сначала рыбу укладывают в том порядке, в котором она поступила, головами в одном направлении и с фиксированным перекрытием. Порции нарезаются с фиксированным расстоянием между ножами, которое определяется высотой банки. Вес каждой порции, полученной таким образом, сравнивается с заданным весом (указанным весом нетто банки) и фиксируется ошибка.
Затем рыбы размещаются в имитационном режиме в соответствии со схемой оптимизации. Оптимальные результаты представлены в таблице. Обратите внимание, как изменилась последовательность укладки рыбы. Кроме того, расстояние между соседними рыбами не является фиксированным и определяется схемой оптимизации. В таблице приведены данные о повышении урожайности, которые достигаются при оптимальном подходе. Видно, что за счет оптимального размещения увеличилось не только количество наполненных банок, но и значительно сократилось отклонение от заданного веса.
Заключение
В этой статье описывается инновационная автоматизированная система для оптимального порционирования и расфасовки рыбы по банкам. Комплексный подход к оптимальной группировке и разделке рыбы в соответствии с критериями порционирования, основанными на весе, является одним из основных преимуществ этого подхода. Соответствующая технология включает в себя быструю и точную оценку распределения веса каждой рыбы, метод оптимизации порций, устройства для обработки, транспортировки и разделки, передовые сенсорные технологии и многоуровневое интеллектуальное управление. В статье изложены концепции этой высокотехнологичной системы. Был приведен пример, иллюстрирующий повышение урожайности, которое возможно благодаря оптимальной процедуре порционирования.