عملیات ریاضی با استفاده از OpenPLC برای کاربردهای اتوماسیون صنعتی

کنترلرهای منطقی قابل‌برنامه‌ریزی بسیار فراتر از اجرای تصمیم‌های ساده روشن/خاموش عمل می‌کنند. سیستم‌های اتوماسیون مدرن به‌طور مداوم محاسبات ریاضی انجام می‌دهند تا سیگنال‌های خام حسگرها را به واحدهای مهندسی تبدیل کنند، متغیرهای فرایند را تنظیم کنند، داده‌های تولید را ردیابی کنند، شاخص‌های بهره‌وری را محاسبه کنند و از تصمیم‌های کنترلی بلادرنگ پشتیبانی کنند.

چه در حال کنترل یک دستگاه بسته‌بندی، پایش یک تأسیسات تصفیه آب، بهره‌برداری از یک خط تولید یا مدیریت یک سیستم فرایندی توزیع‌شده باشید، توابع ریاضی همچنان یکی از اجزای اساسی اتوماسیون صنعتی هستند.

OpenPLC مجموعه‌ای جامع از بلوک‌های تابع حسابی را ارائه می‌دهد که به مهندسان امکان می‌دهد این محاسبات را مستقیماً درون برنامه کنترلی انجام دهند. اگرچه دستورالعمل‌های منفرد ممکن است ساده به نظر برسند، کاربردهای عملی آن‌ها تقریباً تمام بخش‌های صنعتی را دربرمی‌گیرد.

از مقیاس‌بندی ترانسمیترهای آنالوگ گرفته تا محاسبه نرخ تولید، عملیات ریاضی به تبدیل داده‌های خام به اطلاعات معناداری کمک می‌کنند که اپراتورها و سیستم‌های کنترلی می‌توانند از آن‌ها استفاده کنند.

اگرچه OpenPLC یک پلتفرم متن‌باز است، همین مفاهیم ریاضی در سیستم‌های اتوماسیون تجاری، از جمله Allen-Bradley ControlLogix، Siemens SIMATIC S7، سیستم‌های PLC شرکت ABB و بسیاری از کنترلرهای صنعتی دیگر که در سراسر تأسیسات تولیدی مدرن به کار می‌روند، نیز کاربرد دارند.

بنابراین، درک نحوه کار این دستورالعمل‌ها، صرف‌نظر از پلتفرم PLC مورد استفاده، ارزشمند است.

چرا توابع ریاضی در اتوماسیون صنعتی اهمیت دارند

بسیاری از برنامه‌نویسان جدید PLC در ابتدا کنترلرها را با عملیات منطقی گسسته، مانند راه‌اندازی موتورها، فعال‌سازی شیرها یا پاسخ‌گویی به شستی‌ها، مرتبط می‌دانند. اگرچه این عملکردها مهم هستند، بخش قابل‌توجهی از اتوماسیون صنعتی به محاسبات عددی متکی است.

PLCها هر روز هزاران عملیات ریاضی را در زمینه‌های زیر پردازش می‌کنند:

• تبدیل‌های دما
• محاسبات فشار
• اندازه‌گیری‌های دبی
• پایش سطح مخزن
• محاسبات سرعت موتور
• شمارش تولید
• ردیابی مصرف انرژی
• اندازه‌گیری‌های کنترل کیفیت
• رویه‌های بهینه‌سازی فرایند
• پایش عملکرد تجهیزات

بدون دستورالعمل‌های ریاضی، کنترلرهای صنعتی به قابلیت‌های پایه‌ای جایگزینی رله محدود می‌شدند.

در عوض، سیستم‌های اتوماسیون مدرن به‌عنوان پلتفرم‌های قدرتمند محاسبات بلادرنگ عمل می‌کنند که قادرند شرایط فرایند را به‌طور مداوم ارزیابی کرده و تصمیم‌های عملیاتی هوشمندانه بگیرند.

این قابلیت هنگام یکپارچه‌سازی سیستم‌های PLC با پلتفرم‌های HMI صنعتی، نرم‌افزارهای SCADA، سیستم‌های بایگانی داده و سامانه‌های گزارش‌دهی سازمانی اهمیت ویژه‌ای پیدا می‌کند.

محاسبات ریاضی دقیق تضمین می‌کنند که اپراتورها اطلاعات قابل اعتمادی دریافت کنند و تصمیم‌های کنترلی بر اساس داده‌های مهندسی معنادار اتخاذ شوند.

درک انواع داده پیش از انجام محاسبات PLC

پیش از بررسی توابع ریاضی منفرد، درک نقش انواع داده در برنامه‌نویسی PLC ضروری است.

هر عملیات ریاضی به قالب داده‌ای مورد استفاده کنترلر وابسته است.

OpenPLC از چندین نوع داده عددی رایج، از جمله اعداد صحیح و اعداد ممیز شناور، پشتیبانی می‌کند.

انواع پرکاربرد شامل موارد زیر هستند:

• INT (عدد صحیح 16 بیتی)
• DINT (عدد صحیح 32 بیتی)
• REAL (مقدار ممیز شناور)

هر نوع داده کاربرد متفاوتی دارد.

مقادیر صحیح کارآمد هستند و به حافظه کمتری نیاز دارند؛ بنابراین برای شمارش تولید، وضعیت ماشین و محاسبات اعداد کامل مناسب‌اند.

مقادیر REAL دقت اعشاری ارائه می‌کنند و معمولاً برای متغیرهای فرایندی مانند اندازه‌گیری دما، فشار، دبی و سرعت استفاده می‌شوند.

یکی از مزایای OpenPLC، مدیریت دقیق نوع داده‌هاست.

برخلاف برخی پلتفرم‌های PLC که هنگام اجرا مقادیر را به‌طور خودکار تبدیل می‌کنند، OpenPLC استفاده از داده‌های سازگار را در سراسر عملیات ریاضی تشویق می‌کند.

این رویکرد به کاهش نتایج غیرمنتظره و بهبود قابلیت اطمینان برنامه کمک می‌کند.

برای مثال، ترکیب محاسبات عدد صحیح و ممیز شناور ممکن است خطاهای گردکردنی ایجاد کند که تشخیص آن‌ها هنگام عیب‌یابی دشوار می‌شود.

حفظ نوع داده‌های سازگار کمک می‌کند نتایج محاسبات در سراسر سامانه اتوماسیون قابل پیش‌بینی باشند.

شکل 1. OpenPLC شامل کتابخانه‌ای از بلوک‌های تابع حسابی است که برای محاسبات اتوماسیون صنعتی استفاده می‌شوند.

عملیات ریاضی چگونه از فرایندهای واقعی صنعتی پشتیبانی می‌کنند

تأسیسات صنعتی به‌ندرت از مقادیر خام حسگرها به‌طور مستقیم استفاده می‌کنند.

بیشتر تجهیزات میدانی سیگنال‌های الکتریکی تولید می‌کنند که پیش از تبدیل شدن به اطلاعات مفید فرایند، به تبدیل نیاز دارند.

یک ترانسمیتر فشار ممکن است سیگنال 4-20 mA را تولید کند که محدوده‌ای از 0 تا 100 psi را نشان می‌دهد. یک ترانسمیتر دما ممکن است دماهای بین 0°C تا 400°C را نشان دهد. یک فلومتر ممکن است مقادیری ارائه کند که پیش از تفسیر صحیح توسط اپراتورها، به مقیاس‌بندی نیاز داشته باشند.

دستورهای ریاضی این تبدیل‌ها را به‌صورت خودکار انجام می‌دهند.

PLC داده‌های خام را دریافت می‌کند، عملیات حسابی را انجام می‌دهد و مقادیر مهندسی معناداری را برای نمایش، کنترل، اعلام هشدار و گزارش‌دهی تولید می‌کند.

این فرایند به‌طور پیوسته، اغلب هزاران بار در ثانیه، انجام می‌شود.

با داده‌محورتر شدن عملیات صنعتی، پردازش ریاضی به یکی از مهم‌ترین عملکردهای پلتفرم‌های مدرن PLC تبدیل شده است.

بلوک تابع جمع (ADD)

جمع، اساسی‌ترین عملیات ریاضی موجود در OpenPLC است. اگرچه جمع از نظر مفهومی ساده است، در سراسر سیستم‌های اتوماسیون صنعتی نقشی مهم ایفا می‌کند.

بلوک تابع ADD دو یا چند مقدار عددی را ترکیب می‌کند و یک نتیجه خروجی واحد تولید می‌کند.

مهندسان اغلب از جمع برای موارد زیر استفاده می‌کنند:

• جمع‌زنی شمارش تولید
• محاسبه جریان تجمعی
• ترکیب اندازه‌گیری‌های حسگرها
• انباشت مقادیر زمان کارکرد
• ردگیری مصرف انرژی
• مدیریت داده‌های تولید دسته‌ای

شکل ۲. بلوک تابع ADD چندین مقدار عددی را در یک نتیجه محاسبه‌شده واحد ترکیب می‌کند.

یکی از کاربردهای رایج صنعتی، شمارش تولید است.

یک خط بسته‌بندی متشکل از چندین ایستگاه را تصور کنید. هر ایستگاه تعداد محصولات پردازش‌شده در طول یک شیفت را ثبت می‌کند. یک دستور ADD می‌تواند این مقادیر را با هم ترکیب کند تا تعداد کل تولید را که در رابط اپراتور قابل مشاهده است، ایجاد کند.

سیستم‌های پایش انرژی از روش‌های مشابهی برای محاسبه کل مصرف برق در چندین ماشین یا ناحیه تولید استفاده می‌کنند.

در صنایع فرایندی، توابع جمع اغلب از کاربردهای جمع‌زنی جریان پشتیبانی می‌کنند؛ در این کاربردها چندین جریان در یک واحد فرایندی مشترک مشارکت دارند.

بلوک تابع تفریق (SUB)

در حالی که جمع مقادیر را با هم ترکیب می‌کند، تفریق اختلاف بین دو کمیت عددی را تعیین می‌کند. بلوک تابع SUB یکی از پرکاربردترین دستورهای حسابی در اتوماسیون صنعتی است، زیرا بسیاری از تصمیم‌های کنترلی به انحراف‌ها، آفست‌ها و محاسبات خطا وابسته‌اند.

در محیط‌های کنترل فرایند، مهندسان اغلب مقدار واقعی فرایند را با مقدار تنظیمی مطلوب مقایسه می‌کنند. اختلاف بین این دو مقدار، خطای فرایند را نشان می‌دهد.

این محاسبه خطا، پایه بسیاری از راهبردهای کنترل خودکار را تشکیل می‌دهد.

کاربردهای صنعتی رایج تفریق عبارت‌اند از:

• محاسبات مقدار تنظیمی در برابر مقدار فرایند
• پایش انحراف دما
• محاسبات موجودی مخزن
• ردگیری هدف تولید
• تحلیل تلرانس کیفیت
• محاسبات مصرف مواد
• محاسبات خطای موقعیت

شکل ۳. دستور SUB اختلاف بین دو مقدار را محاسبه می‌کند و معمولاً برای تعیین خطای فرایند استفاده می‌شود.

یک کاربرد کنترل دما را در نظر بگیرید. یک راکتور فرایندی ممکن است به دمای هدف ۱۸۰°C نیاز داشته باشد. اگر دمای واقعی ۱۷۲°C اندازه‌گیری شود، کنترل‌کننده خطایی برابر با ۸°C محاسبه می‌کند.

سپس می‌توان این اطلاعات را به الگوریتم کنترلی ارسال کرد تا تعیین کند چه مقدار انرژی گرمایی باید اعمال شود.

تفریق نیز به‌طور گسترده در سیستم‌های مدیریت تولید استفاده می‌شود.

برای مثال، اگر یک سفارش تولید به ۱۰٬۰۰۰ واحد نیاز داشته باشد و شمارش فعلی ۷٬۳۵۰ واحد باشد، مقدار باقی‌مانده را می‌توان با استفاده از دستور SUB فوراً محاسبه کرد.

این محاسبات به‌ظاهر ساده، زمانی ضروری می‌شوند که سامانه‌های اتوماسیون داشبوردهای تولید و گزارش‌های عملکرد را به‌صورت بلادرنگ ایجاد می‌کنند.

بلوک تابع ضرب (MUL)

ضرب یکی از قدرتمندترین عملیات ریاضی موجود در برنامه‌نویسی PLC است، زیرا به مهندسان امکان می‌دهد مقادیر فرایند را مقیاس‌بندی، تبدیل و تغییر دهند.

در اتوماسیون صنعتی، سیگنال‌های خام حسگر به‌ندرت مستقیماً با واحدهای مهندسی مطابقت دارند.

در عوض، باید ضرایب مقیاس‌بندی پیش از معنادار شدن داده اعمال شوند.

دستور MUL روشی ساده برای اعمال این روابط مقیاس‌بندی فراهم می‌کند.

کاربردهای رایج عبارت‌اند از:

• مقیاس‌بندی سیگنال آنالوگ
• تبدیل واحدهای مهندسی
• محاسبه نرخ تولید
• محاسبات سرعت ماشین
• تحلیل مصرف انرژی
• محاسبات ضریب دبی
• برآورد گشتاور

شکل ۴. ضرب به برنامه‌های PLC امکان می‌دهد ورودی‌های حسگر را مقیاس‌بندی کرده و مقادیر مهندسی را محاسبه کنند.

فرض کنید یک ترانسمیتر فشار سیگنالی تولید می‌کند که پیش‌تر به مقداری عددی در بازه ۰ تا ۱۰۰ تبدیل شده است. اگر محاسبه فرایند به تبدیل این مقدار به یک بازه مهندسی متفاوت نیاز داشته باشد، می‌توان ضریب مقیاس‌بندی لازم را با ضرب اعمال کرد.

ضرب همچنین نقشی حیاتی در تحلیل تولید دارد.

یک سامانه نقاله ممکن است تعداد محصولاتی را که هر دقیقه از مقابل یک حسگر عبور می‌کنند، ثبت کند. با ضرب این مقدار در وزن محصول، PLC می‌تواند توان گذردهی مواد را به‌صورت خودکار محاسبه کند.

واحدهای تولیدی برای پایش بهره‌وری و بهینه‌سازی عملکرد تولید، بیش‌ازپیش به این محاسبات متکی هستند.

سامانه‌های مدرنی که با پلتفرم‌های HMI صنعتی و نرم‌افزار گزارش‌دهی تولید یکپارچه شده‌اند، اغلب برای ایجاد داشبوردهای اپراتوری و گزارش‌های مدیریتی از محاسبات مبتنی بر ضرب استفاده می‌کنند.

مقیاس‌بندی حسگر: یکی از مهم‌ترین کاربردهای ریاضی PLC

در میان تمام محاسبات اتوماسیون صنعتی، مقیاس‌بندی حسگر همچنان یکی از رایج‌ترین موارد است.

تقریباً هر واحد فرایندی به اندازه‌گیری‌های آنالوگ متکی است.

این اندازه‌گیری‌ها اغلب از منابع زیر به دست می‌آیند:

• ترانسمیترهای فشار
• ترانسمیترهای دبی
• حسگرهای دما
• ترانسمیترهای سطح
• سامانه‌های پایش ارتعاش
• تجهیزات پایش توان
• دستگاه‌های بازخورد سرعت

مقادیر خام تولیدشده توسط این دستگاه‌ها معمولاً پیش از آنکه اپراتورها بتوانند آن‌ها را به‌درستی تفسیر کنند، به پردازش حسابی نیاز دارند.

محاسبات مقیاس‌بندی اغلب شامل ترکیبی از دستورهای ضرب و تقسیم است که با یکدیگر کار می‌کنند.

برای مثال، یک ترانسمیتر سطح ممکن است مقداری در بازه ۰ تا ۳۲۷۶۷ شمارش تولید کند. PLC باید این مقدار را به درصد معناداری از سطح مخزن تبدیل کند.

این فرایند تبدیل تا حد زیادی به بلوک‌های تابع حسابی متکی است.

بدون این محاسبات، اپراتورها به‌جای اطلاعات مفید فرایند، مقادیر عددی بی‌معنایی مشاهده می‌کردند.

بلوک تابع تقسیم (DIV)

تقسیم یکی دیگر از عملیات حسابی ضروری است که در سراسر سامانه‌های اتوماسیون صنعتی استفاده می‌شود.

در حالی که ضرب مقادیر را بر اساس یک ضریب مقیاس افزایش می‌دهد، تقسیم با کاهش متناسب مقادیر، وظیفه‌ای معکوس را انجام می‌دهد.

دستور DIV اغلب در محاسبات مربوط به نسبت‌ها، میانگین‌ها، تبدیل‌ها و واحدهای مهندسی ظاهر می‌شود.

کاربردهای معمول صنعتی عبارت‌اند از:

• محاسبات تبدیل واحد
• محاسبه مقدار متوسط
• تحلیل بهره‌وری
• محاسبه نرخ تولید
• نرمال‌سازی جریان
• تبدیل سرعت
• شاخص‌های عملکرد

شکل ۵. تقسیم معمولاً برای تبدیل واحدهای مهندسی و محاسبات عملکرد استفاده می‌شود.

یک نمونه رایج، محاسبه نرخ‌های متوسط تولید است.

اگر یک خط تولید در یک شیفت هشت‌ساعته ۱۲٬۰۰۰ واحد تولید کند، تقسیم کل تولید بر ساعات کار، نرخ متوسط تولید برابر با ۱٬۵۰۰ واحد در ساعت را به دست می‌دهد.

مدیران عملیات اغلب از این اطلاعات برای ارزیابی عملکرد تجهیزات و شناسایی فرصت‌های بهبود فرایند استفاده می‌کنند.

تقسیم همچنین در محاسبات مهندسی فرایند، از جمله نرخ جریان، اندازه‌گیری غلظت و شاخص‌های مصرف انرژی، نقش مهمی دارد.

این محاسبات هم از بهره‌وری عملیاتی و هم از ابتکارهای پایداری در تأسیسات تولیدی مدرن پشتیبانی می‌کنند.

ریاضیات پشت کاربردهای درایوهای فرکانس متغیر

درایوهای فرکانس متغیر (VFD) حوزه دیگری هستند که در آن محاسبات حسابی اهمیت زیادی دارند.

بسیاری از سامانه‌های صنعتی درایو با استفاده از مراجع سرعتی کار می‌کنند که به‌صورت درصد، فرکانس یا واحدهای مهندسی بیان می‌شوند.

PLC اغلب پیش از ارسال فرمان‌ها به درایو، تبدیل‌های ریاضی را انجام می‌دهد.

برای مثال، اپراتور ممکن است سرعت نوار نقاله را ۴۵ متر بر دقیقه از طریق HMI وارد کند. PLC باید این مقدار مهندسی را به فرمان فرکانسی مناسب برای درایو تبدیل کند.

این تبدیل اغلب به ترکیبی از دستورهای ضرب و تقسیم نیاز دارد.

کاربردهایی که شامل درایوهای فرکانس متغیر، سامانه‌های سروو و بسترهای کنترل حرکت هستند، برای تضمین عملکرد دقیق ماشین به‌شدت به پردازش حسابی دقیق وابسته‌اند.

حتی خطاهای کوچک محاسباتی می‌توانند تفاوت‌های محسوسی در تنظیم سرعت، دقت موقعیت‌یابی و کارایی کلی ماشین ایجاد کنند.

بلوک تابع پیمانه‌ای (MOD)

در میان دستورهای ریاضی موجود در OpenPLC، تابع MOD اغلب یکی از کم‌درک‌شده‌ترین توابع برای برنامه‌نویسان تازه‌کار است. بااین‌حال، مهندسان باتجربه کنترل معمولاً از محاسبات پیمانه‌ای در توالی‌گذاری ماشین، عملیات اندیس‌گذاری و فرایندهای تولید چرخه‌ای استفاده می‌کنند.

دستور MOD باقی‌مانده پس از تقسیم را برمی‌گرداند.

برای مثال:

• 10 MOD 3 = 1
• 20 MOD 4 = 0
• 17 MOD 5 = 2

اگرچه این موضوع ممکن است ساده به نظر برسد، منطق پیمانه‌ای زمانی که اقدامات تکراری ماشین باید در فواصل مشخص انجام شوند، ارزش بسیار زیادی پیدا می‌کند.

شکل ۶. دستور MOD باقیمانده پس از تقسیم را برمی‌گرداند و معمولاً برای کاربردهای شاخص‌گذاری و توالی‌سازی استفاده می‌شود.

کاربردهای صنعتی منطق MOD

تجهیزات تولیدی اغلب عملیات تکراری را بر اساس چرخه‌های قابل پیش‌بینی انجام می‌دهند.

نمونه‌ها شامل موارد زیر هستند:

• میزهای شاخص‌گذاری چرخشی
• دستگاه‌های پرکن چندسر
• سامانه‌های بسته‌بندی
• تجهیزات پالت‌گذاری
• ایستگاه‌های خط مونتاژ
• سامانه‌های ذخیره‌سازی خودکار
• توالی‌های تولید بچ

یک میز شاخص‌گذاری چرخشی با هشت ایستگاه کاری را در نظر بگیرید.

هر بار که میز می‌چرخد، شمارنده یک واحد افزایش می‌یابد.

با استفاده از MOD 8، PLC می‌تواند موقعیت ایستگاه فعال را به‌طور خودکار تعیین کند.

مهندسان به‌جای بازنشانی مکرر شمارنده‌ها، می‌توانند از محاسبات پیمانه‌ای برای ردیابی کارآمد موقعیت‌ها در سراسر چرخه ماشین استفاده کنند.

این رویکرد ضمن کاهش منطق کنترلی غیرضروری، سادگی برنامه را افزایش می‌دهد.

سامانه‌های بسته‌بندی نیز برای فعال‌سازی اقدامات دوره‌ای از محاسبات پیمانه‌ای استفاده می‌کنند.

برای مثال، ممکن است هر دهمین محصول به بازرسی کیفیت نیاز داشته باشد. ترکیب یک شمارنده با MOD 10 می‌تواند دقیقاً زمان فعال شدن روال‌های بازرسی را مشخص کند.

این روش اغلب در خطوط تولید خودکار دیده می‌شود؛ جایی که اقدامات تکراری باید در فواصل زمانی دقیق انجام شوند.

کاربردهای ردیابی تولید و تضمین کیفیت

توابع پیمانه‌ای هنگام اجرای راهبردهای کیفیت تولید کاربرد ویژه‌ای دارند.

بسیاری از تولیدکنندگان به‌جای بازرسی تک‌تک محصولات، بازرسی نمونه‌ای انجام می‌دهند.

با استفاده از محاسبات پیمانه‌ای، PLC می‌تواند فواصل بازرسی را به‌طور خودکار انتخاب کند.

نمونه‌ها شامل موارد زیر هستند:

• هر ۱۰ محصول
• هر ۲۵ بسته
• هر ۵۰ مجموعه
• هر ۱۰۰ بچ

این روش ضمن به حداقل رساندن هزینه و زمان بازرسی، نمونه‌برداری با کیفیتی یکنواخت فراهم می‌کند.

مهندسان تولید اغلب دستورهای MOD را با شمارنده‌ها، سامانه‌های ثبت داده و رابط‌های HMI ترکیب می‌کنند تا روال‌های خودکار پایش کیفیت ایجاد کنند.

بلوک تابع توان (EXPT)

دستور EXPT با رساندن یک مقدار به توان مشخص، محاسبات نمایی را انجام می‌دهد.

اگرچه محاسبات توان کمتر از توابع حسابی پایه رایج هستند، همچنان در کاربردهای مهندسی، علمی و کنترل فرایند اهمیت دارند.

دستور EXPT از قالب زیر پیروی می‌کند:

نتیجه = پایه ^ توان

نمونه‌ها شامل موارد زیر هستند:

• 2² = 4
• 5² = 25
• 10³ = 1000

شکل ۷. دستور EXPT محاسبات نمایی مورد استفاده در کاربردهای مهندسی و فرایندی را انجام می‌دهد.

کاربردهای مهندسی محاسبات نمایی

توابع نمایی در بسیاری از رشته‌های مهندسی صنایع کاربرد دارند.

نمونه‌ها شامل موارد زیر هستند:

• محاسبات جریان
• مدل‌سازی عملکرد پمپ
• تحلیل مصرف انرژی
• محاسبات انتقال حرارت
• مدل‌سازی فرایندهای شیمیایی
• محاسبات افت فشار
• الگوریتم‌های نگهداری پیش‌بینانه

در سیستم‌های سیال، نرخ‌های جریان اغلب از روابط غیرخطی با اختلاف فشار پیروی می‌کنند. برای مدل‌سازی دقیق رفتار فرایند، این روابط ممکن است به محاسبات نمایی نیاز داشته باشند.

به همین ترتیب، معادلات انتقال حرارت اغلب شامل جملات مربعی یا توان‌های بالاتر هستند که می‌توان آن‌ها را مستقیماً در برنامه‌های PLC با استفاده از دستورهای توان محاسبه کرد.

اگرچه بسیاری از محاسبات پیشرفته اکنون توسط کنترلرهای اختصاصی یا نرم‌افزارهای مهندسی انجام می‌شوند، توابع EXPT همچنان هنگام پیاده‌سازی الگوریتم‌های سفارشی مستقیماً درون PLC ارزشمند هستند.

ریاضیات و سیستم‌های کنترل فرایند

صنایع فرایندی مدرن به‌شدت به محاسبات ریاضی وابسته‌اند.

تأسیسات زیر:

• واحدهای نفت و گاز
• تأسیسات فرآوری مواد شیمیایی
• نیروگاه‌های تولید برق
• تأسیسات تصفیه آب
• واحدهای فرآوری مواد غذایی
• سایت‌های تولید دارو

به‌طور پیوسته برای ارزیابی شرایط فرایند و حفظ عملکرد پایدار، به توابع حسابی متکی هستند.

سیستم‌های کنترل توزیع‌شده مانند Yokogawa CENTUM VP، Honeywell Experion PKS و Emerson DeltaV هر ثانیه هزاران محاسبه ریاضی انجام می‌دهند.

این محاسبات از موارد زیر پشتیبانی می‌کنند:

• حلقه‌های کنترل PID
• متعادل‌سازی جریان
• بهینه‌سازی انرژی
• گزارش‌دهی تولید
• حفاظت از تجهیزات
• کنترل پیشرفته فرایند

حتی دستورهای حسابی نسبتاً ساده نیز پایه این سیستم‌های خودکارسازی پیشرفته را تشکیل می‌دهند.

محاسبات پایش وضعیت و حفاظت از ماشین‌آلات

عملیات ریاضی در کاربردهای پایش ماشین‌آلات نیز به همان اندازه اهمیت دارند.

تجهیزات دوار مانند توربین‌ها، کمپرسورها، پمپ‌ها و ژنراتورها حجم زیادی از داده‌های تشخیصی تولید می‌کنند که باید به‌طور پیوسته پردازش شوند.

سیستم‌های پایش معمولاً محاسباتی شامل موارد زیر انجام می‌دهند:

• دامنه ارتعاش
• موقعیت شافت
• انبساط تفاضلی
• اندازه‌گیری سرعت
• تحلیل شتاب
• پایش وضعیت یاتاقان

پلتفرم‌هایی مانند سیستم‌های حفاظت از ماشین‌آلات Bently Nevada برای تبدیل اندازه‌گیری‌های خام حسگرها به اطلاعات تشخیصی معنادار، به‌شدت به پردازش ریاضی متکی هستند.

بدون این محاسبات، برنامه‌های نگهداری پیش‌بینانه نمی‌توانند عیب‌های در حال شکل‌گیری تجهیزات را پیش از وقوع خرابی شناسایی کنند.

با ادامه گسترش ابتکارهای صنعت ۴.۰، پردازش حسابی نقش هرچه مهم‌تری در قابلیت اطمینان دارایی‌ها و راهبردهای نگهداری مبتنی بر وضعیت ایفا می‌کند.

اشتباهات رایج هنگام استفاده از دستورهای ریاضی PLC

اگرچه بلوک‌های تابع حسابی ساده به نظر می‌رسند، بسیاری از مشکلات برنامه‌نویسی نه از خود خطاهای محاسباتی، بلکه از پیاده‌سازی نادرست ناشی می‌شوند.

مهندسان باتجربه کنترل می‌دانند که بزرگ‌ترین چالش‌ها اغلب به مدیریت داده، سازگاری مقیاس‌بندی و محدودیت‌های عددی مربوط می‌شوند.

چندین اشتباه رایج به‌طور مکرر هنگام راه‌اندازی و عیب‌یابی رخ می‌دهند.

انتخاب نادرست نوع داده

یکی از پرتکرارترین مشکلات، انتخاب انواع داده نامناسب برای محاسبات است.

برای مثال، یک محاسبه صحیح نمی‌تواند مقادیر اعشاری را به‌درستی نمایش دهد.

اگر یک متغیر فرایند به دقت یک یا دو رقم اعشار نیاز داشته باشد، استفاده از متغیر INT ممکن است باعث اثرات گرد کردن غیرمنتظره شود.

این مشکل معمولاً در موارد زیر ظاهر می‌شود:

• محاسبات دما
• اندازه‌گیری‌های دبی
• مقیاس‌بندی فشار
• سامانه‌های پایش انرژی
• محاسبات سرعت

استفاده از متغیرهای REAL در موارد مناسب به حفظ دقت عددی و بهبود عملکرد کلی کنترل کمک می‌کند.

خطاهای تقسیم بر صفر

یکی دیگر از مشکلات رایج، عملیات تقسیم است که در آن مخرج به‌طور غیرمنتظره صفر می‌شود.

این وضعیت ممکن است به‌دلیل خرابی حسگرها، وقفه‌های ارتباطی یا شرایط پیش‌بینی‌نشده فرایند رخ دهد.

رویه مناسب برنامه‌نویسی همواره مقادیر مخرج را پیش از اجرای محاسبات تقسیم بررسی می‌کند.

افزودن منطق اعتبارسنجی ساده می‌تواند از خطاهای زمان اجرا جلوگیری کرده و قابلیت اطمینان سامانه را بهبود دهد.

مقیاس‌بندی نادرست سیگنال آنالوگ

خطاهای مقیاس‌بندی همچنان یکی از عوامل اصلی تأخیر در راه‌اندازی هستند.

ممکن است یک ترانسمیتر به‌درستی سیم‌کشی شده و عملکرد صحیحی داشته باشد، اما اپراتورها همچنان مقادیر نادرستی مشاهده کنند، زیرا محاسبات مقیاس‌بندی به‌اشتباه پیکربندی شده‌اند.

اشتباهات رایج مقیاس‌بندی عبارت‌اند از:

• محدوده‌های مهندسی نادرست
• ضرایب تبدیل نامناسب
• ناسازگاری واحدها
• بُرش داده‌ها
• جای‌گذاری نادرست ممیز اعشار

اعتبارسنجی دقیق هنگام راه‌اندازی می‌تواند بسیاری از این مشکلات را پیش از تأثیرگذاری بر تولید برطرف کند.

OpenPLC در مقایسه با پلتفرم‌های تجاری PLC صنعتی

OpenPLC محیطی عالی برای یادگیری مفاهیم اتوماسیون صنعتی فراهم می‌کند. پشتیبانی آن از زبان‌های برنامه‌نویسی IEC 61131-3 به مهندسان، دانشجویان و توسعه‌دهندگان اجازه می‌دهد بدون سرمایه‌گذاری روی پلتفرم‌های سخت‌افزاری و نرم‌افزاری گران‌قیمت، تکنیک‌های واقعی برنامه‌نویسی PLC را آزمایش کنند.

بااین‌حال، اصول ریاضی ارائه‌شده در OpenPLC مستقیماً به سامانه‌های تجاری اتوماسیون صنعتی قابل تعمیم هستند.

صرف‌نظر از اینکه یک مهندس با کدام‌یک کار می‌کند:

• ControlLogix آلن-بردلی
• SIMATIC S7 زیمنس
• ABB AC 800M
• کوانتوم Modicon اشنایدر
• MELSEC میتسوبیشی
• سری CJ امرن
• بکهوف TwinCAT

عملیات حسابی زیربنایی همچنان اساساً یکسان باقی می‌مانند.

تفاوت‌های اصلی شامل محیط‌های برنامه‌نویسی، قراردادهای نام‌گذاری دستورها، معماری‌های سخت‌افزاری و مجموعه‌ویژگی‌های پیشرفته می‌شوند.

مفاهیم ریاضی خود همچنان جهانی هستند.

این موضوع OpenPLC را به بستری ارزشمند برای یادگیری مهندسانی تبدیل می‌کند که برای کار با سیستم‌های اتوماسیون صنعتی در مقیاس تولیدی، مستقر در سراسر جهان، آماده می‌شوند.

توابع ریاضی چگونه از طرح‌های صنعت ۴.۰ پشتیبانی می‌کنند

ظهور صنعت ۴.۰ اهمیت پردازش عددی را در سیستم‌های اتوماسیون به‌طور چشمگیری افزایش داده است.

کارخانه‌های مدرن داده‌ها را از هزاران حسگر، کنترلر، درایو و دستگاه پایش جمع‌آوری می‌کنند.

این اطلاعات باید پردازش، تحلیل و به بینش‌های قابل‌اقدام تبدیل شوند.

توابع حسابی پایه و اساس این فرایند را تشکیل می‌دهند.

کاربردها شامل موارد زیر هستند:

• محاسبات اثربخشی کلی تجهیزات (OEE)
• سیستم‌های مدیریت انرژی
• پلتفرم‌های نگهداری و تعمیرات پیش‌بینانه
• مدل‌های دوقلوی دیجیتال
• تحلیل تولید
• آماده‌سازی داده برای یادگیری ماشین
• پایش عملکرد دارایی‌ها

بدون پردازش ریاضی قابل‌اعتماد، این فناوری‌های پیشرفته قادر به تولید بینش عملیاتی معنادار نخواهند بود.

حتی سیستم‌های پیشرفته هوش مصنوعی نیز در نهایت به داده‌های عددی دقیقی متکی هستند که از طریق محاسبات بنیادی حسابی تولید می‌شوند.

مطالعه موردی صنعتی در دنیای واقعی: پایش سطح مخزن

یک تأسیسات تصفیه آب را در نظر بگیرید که از یک ترانسمیتر سطح ۴ تا ۲۰ میلی‌آمپر نصب‌شده روی مخزن ذخیره‌ای به ارتفاع ۱۰ متر استفاده می‌کند.

PLC یک سیگنال آنالوگ خام را دریافت می‌کند و باید آن را پیش از آنکه اپراتورها بتوانند تصمیم‌های آگاهانه بگیرند، به واحدهای مهندسی معنادار تبدیل کند.

این فرایند معمولاً شامل چندین تابع حسابی است:

• SUB برای حذف مقادیر آفست سیگنال
• DIV برای عادی‌سازی محدوده سیگنال
• MUL برای مقیاس‌بندی مقدار به واحدهای مهندسی
• ADD برای اعمال ضرایب اصلاحی در صورت نیاز

مقدار سطح حاصل روی HMI نمایش داده می‌شود و در منطق کنترل خودکار پمپ به کار می‌رود.

بدون این محاسبات، اپراتورها به‌جای سطوح واقعی مخزن، فقط شمارش‌های عددی خام را مشاهده می‌کردند.

این مثال نشان می‌دهد که دستورهای پایه حسابی چگونه مستقیماً از عملیات صنعتی روزمره پشتیبانی می‌کنند.

مطالعه موردی صنعتی در دنیای واقعی: ردیابی تولید روی نوار نقاله

یک واحد تولیدی ممکن است هر ساعت هزاران محصول را در چندین سیستم نوار نقاله تولید کند.

حسگرهای فوتوالکتریک، محصولات را هنگام عبور از نقاط بازرسی می‌شمارند.

دستورهای ریاضی سپس این اطلاعات را پردازش می‌کنند تا آمار تولید ایجاد شود.

نمونه‌ها شامل موارد زیر هستند:

• شمارش کل محصولات با استفاده از ADD
• اهداف تولید با استفاده از SUB
• محاسبه تعداد واحد در ساعت با استفاده از DIV
• محاسبه وزن محصول با استفاده از MUL
• فواصل نمونه‌برداری کیفیت با استفاده از MOD

سیستم‌های مدیریتی از این معیارها برای ارزیابی عملکرد عملیاتی و شناسایی گلوگاه‌های تولید استفاده می‌کنند.

کل ساختار گزارش‌دهی به محاسبات حسابی دقیق انجام‌شده در سامانه اتوماسیون وابسته است.

مطالعه موردی صنعتی در دنیای واقعی: سامانه‌های پایش توربین

تأسیسات تولید برق محیط دیگری هستند که در آن محاسبات ریاضی اهمیت حیاتی دارند.

سامانه‌های کنترل توربین به‌طور پیوسته موارد زیر را ارزیابی می‌کنند:

• سرعت روتور
• دماهای یاتاقان
• دامنه ارتعاشات
• فشار بخار
• توان خروجی ژنراتور
• اندازه‌گیری‌های انبساط حرارتی

سکوهای پیشرفته پایش ماشین‌آلات، هر ثانیه هزاران مقدار عددی را پردازش می‌کنند.

سامانه‌هایی مانند سامانه‌های کنترل توربین و راهکارهای پایش ماشین‌آلات برای ارزیابی شرایط عملیاتی و حفاظت از دارایی‌های حیاتی، به‌شدت به توابع حسابی متکی هستند.

این محاسبات به جلوگیری از خرابی‌های فاجعه‌بار تجهیزات کمک می‌کنند و در عین حال بهره‌وری عملیاتی را به حداکثر می‌رسانند.

ساخت برنامه‌های PLC مقیاس‌پذیر با بلوک‌های تابع ریاضی

یکی از مزایای اصلی برنامه‌نویسی مبتنی بر بلوک تابع، قابلیت استفاده مجدد است.

به‌جای ایجاد مکرر محاسبات سفارشی، مهندسان می‌توانند ماژول‌های ریاضی استانداردی ایجاد کنند که در پروژه‌های متعدد قابل استفاده مجدد باشند.

این رویکرد چندین مزیت دارد:

• یکپارچگی بیشتر
• توسعه سریع‌تر
• عیب‌یابی ساده‌تر
• کاهش تلاش مهندسی
• قابلیت نگهداری بهتر در بلندمدت

با پیچیده‌تر شدن سامانه‌های صنعتی، شیوه‌های برنامه‌نویسی استاندارد اهمیت فزاینده‌ای پیدا می‌کنند.

بلوک‌های تابع ریاضی قابل استفاده مجدد به سازمان‌ها کمک می‌کنند تا در میان تجهیزات، تأسیسات و تیم‌های مهندسی، یکپارچگی را حفظ کنند.

جمع‌بندی

دستورهای ریاضی در یک برنامه PLC بسیار فراتر از ابزارهای ساده محاسباتی هستند. آن‌ها با تبدیل داده‌های خام حسگرها به اطلاعات معنادار مهندسی، پشتیبانی از تصمیم‌های کنترل فرایند، امکان‌پذیر کردن تحلیل تولید و بهبود قابلیت اطمینان تجهیزات، به‌عنوان زیربنای اتوماسیون صنعتی مدرن عمل می‌کنند.

OpenPLC محیطی عملی برای یادگیری این مفاهیم از طریق توابع حسابی مانند ADD، SUB، MUL، DIV، MOD و EXPT فراهم می‌کند. اگرچه مثال‌ها ممکن است ساده به نظر برسند، همین محاسبات به سامانه‌های پیشرفته اتوماسیون که در صنایع تولیدی، انرژی، زیرساخت و فرایندی به کار گرفته می‌شوند، نیرو می‌بخشند.

از مقیاس‌بندی سیگنال‌های آنالوگ و گزارش‌دهی تولید گرفته تا نگهداری پیش‌بینانه و کنترل پیشرفته فرایند، عملیات ریاضی همچنان از اجزای ضروری هر سیستم اتوماسیون مدرن هستند. مهندسانی که می‌دانند این توابع را چگونه و چه زمانی به کار ببرند، می‌توانند برنامه‌های PLC کارآمدتر، مقیاس‌پذیرتر و قابل‌اعتمادتری ایجاد کنند که توانایی پشتیبانی از نیازهای روزافزون و داده‌محور صنعت ۴.۰ را داشته باشند.