Концепция разработки ротационных вискозиметров на базе технологий промышленного интернета вещей

Введение: Вязкость является одним из основных параметров, характеризующих оптимальное протекание технологических процессов и определяющих качество готового продукта. Показаны недостатки используемых методов контроля вязкости (в том числе указанных в многочисленных ГОСТах), проводимого в лабораториях пищевых предприятий, забор проб при этом осуществляется вручную. В связи с этим возникает необходимость в создании средств автоматического контроля  вязкости пищевых масс, работающих в производственных условиях в режиме реального времени с использованием интеллектуальных технологий. 

Целью данного исследования является разработка концепции создания интеллектуальных цифровых вискозиметров на базе технологий промышленного интернета вещей, работающих в режиме реального времени на линиях производства.

Объекты и методы исследования: объектом исследования являются приборы автоматического контроля вязкости пищевых продуктов. Проведен обзор исследований, показывающих важность контроля вязкости различных пищевых продуктов, а также существующих методов и средств контроля вязкости. Даются сведения о последовательности выполнения исследования. Анализ результатов осуществленных экспериментальных исследований позволил выбрать ротационный метод автоматического контроля вязкости с использованием промышленного интернета вещей. Приведено описание представленной в статье конструкции разработанного датчика вязкости, даны полученные технические характеристики. Поставленные в исследовании задачи решены с использованием технологий интернет вещей. Обработка результатов исследований и анализ данных проводились с применением MatLab. Исходными материалами для разработки концепции вискозиметра являлись протоколы передачи данных IoT: AMQP, JMS, REST, DDS.

Результаты: Исследована и обоснована архитектура интеллектуального ротационного автоматического вискозиметра, которая была дополнена в результате исследований коммуникационными модулями контроля и управления. Показана возможность гибкой автоматической конфигурации каналов передачи данных. Продемонстрирована необходимость использования дополнительных периферийных модулей для реализации функций IoT вискозиметра. Разработана аппаратно-программная архитектура IoT ротационного вискозиметра с возможностью интеграции передачи данных в другие IoT платформы. Спроектирован и собран прототип IoT ротационного вискозиметра на базе технологий промышленного интернета вещей. Представлено программное взаимодействие нескольких IoT вискозиметров. 

Выводы: Интеграция разработанного вискозиметра в сеть промышленного интернета вещей дает возможность автоматизировать контроль вязкости пищевых масс в потоке, минимизировать время обработки данных и их передачи. Появляется возможность сквозной передачи данных для реализации многоуровневой сетевой архитектуры, что упрощает интеграцию данных контроля вязкости в IoT системы предприятия. Это позволяет увеличить надежность существующих АСУТП пищевых предприятий за счет уменьшения человеческого фактора и автоматизированной передачи и обработки данных в существующую на предприятиях систему управления.

1. Азаров, Б.М., & Арет, В.А. (1978). Инженерная реология пищевых производств. М.: МТИПП.

2.

3. Балыхин, М.Г., Благовещенский, И.Г., Назойкин, Е.А., & Благовещенский, В.Г. (2019). Адаптивная система управления с идентификатором нестационарными технологическими процессами в отраслях пищевой промышленности. Интеллектуальные системы и технологии в отраслях пищевой промышленности: материалы научно- практической конференции с международным участием (с. 32-39). М.: МГУПП.

4.

5. Балыхин, М.Г., Борзов, А.Б., & Благовещенский, И.Г. (2017a). Архитектура и основная концепция создания интеллектуальной экспертной системы контроля качества пищевой продукции. Пищевая промышленность, (11), 60 - 63.

6. Балыхин, М.Г., Борзов, А.Б., & Благовещенский, И.Г. (2017b). Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий. М.: Изд-во Франтера.

7. Благовещенский В.Г. (2024). Методологический основы автоматизации контроля органолептических показателей качества кондитерской продукции и создание на их базе интеллектуальных систем управления. Монография. Курск.

8. Благовещенский В. Г. (2020). Интеллектуальный анализ данных для систем поддержки принятия решений диагностики процессов производства пищевой продукции. В сборнике: Сборник научных статей II международной научно-практической конференции «Цифровизация агропромышленного комплекса» (Том I, с. 105–110). Тамбов: Издательский центр ФГБОУ ВО «ТГТУ».

9. Благовещенский В.Г., & Благовещенский И.Г. (2022). Интеллектуальная автоматизированная система управления качеством халвы с использованием гибридных методов и технологий. Монография. Курск.

10. Благовещенский В.Г., Благовещенский И.Г., Головин В.В., & Аднодворцев А.М. (2022). Интеллектуальная оптимизация производства на основе использования инновационных продуктов и технологий. В сборнике: Информатизация и автоматизация в пищевой промышленности. Сборник научных докладов Всероссийской научно-технической конференции (с. 140–144). Курск.

11. Благовещенский В.Г., Краснов А.Е., Баженов Е.И., Благовещенская М.М., & Мокрушин С.А. (2021). Применение нейросетевых технологий для управления качеством кондитерских изделий в процессе производства. Системы управления и информационные технологии, № 3(85), 37–41.

12. Благовещенский И.Г. (2018). Автоматизация контроля в режиме онлайн качества сырья, полуфабрикатов и готовой продукции пищевой промышленности с использованием системы компьютерного зрения. В сборнике: Автоматизация и управление технологическими и бизнес-процессами в пищевой промышленности. Материалы научно-практической конференции с международным участием (с. 14–17). Москва: Издательство Франтера.

13. Благовещенский И.Г. (2018). Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий [Диссертация на соискание ученой степени д. техн. н.]. Москва: МГУПП.

14. Благовещенский, И.Г. (2017). Разработка ситуационной модели технологических процессов производства помадных конфет. Кондитерское производство, (3), 45–49.

15. Благовещенский, И. Г. (2018). Теоретические основы использования системы технического зрения в системе автоматического управления технологическими процессами. В Планировании и обеспечении подготовки и переподготовки кадров для отраслей пищевой промышленности и медицины (с. 165–172). Москва: Издательство Франтера.

16. Благовещенский, И. Г., Благовещенский, В. Г., Мокрушин, С. А., Игольников, А. О., & Благовещенская, М. М. (2023). Применение WEB-технологий для создания автоматизированных систем мониторинга производства пищевых продуктов. В Роговские чтения: Материалы научно-практической конференции с международным участием (с. 121–125). Курск: Университетская книга.

17. Горбатов, А. В., Косой, В. Д., & Горбатов, А. В. (1981). Реологические методы и приборы для контроля процессов приготовления колбасных фаршей. В Труды XXVI Европейского конгресса научных работников мясной промышленности, 1, 265–289.

18. Доня, Д. В. (2005). Разработка и исследование реометров для контроля процесса производства сыров [Диссертация на соискание ученой степени кандидата технических наук]. Кемерово, 17.

19. Евсин, М. Г. (2023). Методика оценки реологических и триботехнических свойств пластичных смазок [Диссертация на соискание ученой степени кандидата технических наук]. Санкт-Петербург, 19.

20. Кротов, И. В., Благовещенский, В. Г., Благовещенская, М. М., & Мокрушин, С. А. (2023). Повышение эффективности процесса контроля вязкости пищевых масс с использованием программируемых технических средств. В Интеллектуальные автоматизированные управляющие системы в биотехнологических процессах (с. 190–196). Москва: Издательство Франтера.

21. Кучумов, А. В., Благовещенский, И. Г., Благовещенский, В. Г., Благовещенская, М. М., Зуева, Ю. В., & Рычков, Д. Ф. (2023). Использование в производственном контроле качества пищевой продукции компьютерного зрения. В РОГОВСКИЕ ЧТЕНИЯ: Материалы научно-практической конференции с международным участием (с. 217–227). Курск: Университетская книга.

22. Кучумов, А. В., Благовещенский, И. Г., Благовещенский, В. Г., Осташов, П. И., & Благовещенская, М. М. (2023). Цифровизация производства пищевых продуктов. В РОГОВСКИЕ ЧТЕНИЯ: Материалы научно-практической конференции с международным участием (с. 262–270). Курск: Университетская книга.

23. Мачихин, Ю. А., & Мачихин, С. А. (1981). Инженерная реология пищевых материалов. Москва: Легкая и пищевая промышленность.

24. Политов, Е. Н. (2003). Проблемы развития методов измерения реологических параметров однофазных сред. В Проблемы истории науки и техники: Сборник научных статей (с. 54–60). Курск: Государственный технический университет.

25. Пирогов, А. Н. (2013). Разработка научно обоснованных методов и устройств реометрического мониторинга процессов структурообразования в молочных продуктах [Автореферат диссертации доктора технических наук]. Кемерово, 46 с.

26. Рылов, С. А. (2023). IoT аппаратная архитектура распределённых систем управления непрерывными промышленными производствами и агрокомплексами. Электротехнологии и электрооборудование в АПК, 70(1), 105–113. https://doi.org/10.22314/2658-4859-2023-70-1-105-113

27. Рылов, С. А., Богомольная, Г. В., Сухатерин, А. Б., & Петухов, А. М. (2022). Архитектура цифровых двойников промышленного интернета вещей. Промышленные АСУ и контроллеры, (6), 29–35. https://doi.org/10.25791/asu.6.2022.1370

28. Alamri, M. S., Abdellatif, A. M., & Shahzad, H. (2012). Effect of okra gum on the pasting, thermal, and viscous properties of rice and sorghum starches. Carbohydrate Polymers, 89(1), 199–207. https://doi.org/10.1016/j.carbpol.2012.02.071

29. Averiyanihin, A. E., Andronov, D. O., Melikyan, S. A., & Skalchenkov, I. I. (2021). Experimental study of speed parameters and resource intensity of programming languages for embedded systems. Lecture Notes in Networks and Systems, 229, 17–33. https://doi.org/10.1007/978-3-030-77445-5_3

30. Brock, J., Nogueira, M. R., Zakrzevski, C., Corazza, F. de C., Corazza, M. L., & de Oliveira, J. V. (2008). Determinação experimental da viscosidade e condutividade térmica de óleos vegetais [Experimental determination of the viscosity and thermal conductivity of vegetable oils]. Ciência e Tecnologia de Alimentos, 28(3), 564–570. https://doi.org/10.1590/S0101-20612008000300010

31. Dhrisya, S., Mahadevan, V., Dinesh Karthick, V., Mohammed Ashik, S., & Dhanrajprabu, V. (2023). Title of the article. International Journal of Innovative Research in Engineering, 4(3), 402–405. https://doi.org/10.59256/ijire.20230403109

32. Haidekker, M. A., Amy, G. T., Thomas, B., Hazel, Y. S., John, A. F., Emmanuel, T., & Marcos, I. (2002). A novel approach to blood plasma viscosity measurement using fluorescent molecular rotors. AJP-Heart Circ Physiol, 282(5), 1609–1614. https://doi.org/10.1152/ajpheart.00712.2001

33. Kai Ding, & Liu-qun Fan. (2023). AML-based web-twin visualization integration framework for DT-enabled and IIoT-driven manufacturing system under I4.0 workshop. Journal of Manufacturing Systems, 64, 479–496. https://doi.org/10.1016/j.jmsy.2022.07.014

34. Kuo, F.-J., Sheng, C.-T., & Ting, C.-H. (2008). Evaluation of ultrasonic propagation to measure sugar content and viscosity of reconstituted orange juice. Journal of Food Engineering, 86(1), 84–90. https://doi.org/10.1016/j.jfoodeng.2007.09.016

35. Sahasrabudheb, S. N., Rodriguez-Martinez, V., O'Meara, M., & Brian, E. F. (2017). Density, viscosity, and surface tension of five vegetable oils at elevated temperatures: Measurement and modeling. International Journal of Food Properties, 20(2), 1965–1981. https://doi.org/10.1080/10942912.2017.1360905

36. Jadaun, S., Singh, R. K., Kumar, R., & Agarwal, K. K. (2023). Analysis of cross platform application development over multiple devices using flutter & dart. International Journal of Recent Technology and Engineering, 12(1), 33–38.

37. Thirawong, N., Kennedy, R. A., & Sriamornsak, P. (2008). Viscometric study of pectin-mucin interaction and its mucoadhesive bond strength. Carbohydrate Polymers, 71(2), 170–179. https://doi.org/10.1016/j.carbpol.2007.05.026

38. Xiaohong, S., & BeMiller, J. N. (2002). Effect of food gums on viscosities of starch suspensions during pasting. Carbohydrate Polymers, 50(1), 7–18. https://doi.org/10.1016/S0144-8617(01)00369-1