El control de calidad es más importante que nunca
La variación de calidad interna del tipo de combustible en los lotes a menudo causa problemas para el muestreo y en el control de calidad cotinuo. Un combustible de calidad considerada uniforme bien podría ser una mezcla de aquí y allá, y no es posible apreciarlo de forma rápida a simple vista. Uno mismo puede comprobar este fenómeno revisando elementos de madera reciclada o residuos antes y después de procesarlos. Tipos muy diversos de materia prima se trituran en el tamaño deseado y, al mismo tiempo, se pretende eliminar metales reciclables y contaminantes dañinos durante el incinerado.
El combustible triturado es transportado a plantas de energía, donde a su llegada es recibido principalmente con información del proveedor, el código de combustible y el peso de la carga. En el caso de la madera reciclada, el código del Centro de Estadísticas de Finlandia utilizado en la recepción ni siquiera indica su calidad, a pesar de existir una clasificación de calidad ABCD para la madera reciclada. Esta clasificación es también de carácter indicativo, no en base a mediciones continuas. Tradicionalmente el control de calidad se realiza observando la apariencia general de la carga durante la descarga y muestreando la carga, ya sea a mano o con algún dispositivo de muestreo automático. Sin embargo, en esta etapa ya no hay ninguna información del aspecto que tenían los productos originalmente, ni si se tomaron muestras representativas del combustible procesado que describan la carga completa.
Nosotros mismos nos vimos en una situación igual de mala cuando comprobamos el funcionamiento de nuestros dispositivos comparando los datos de mediciones online con las muestras de referencia. Las muestras se toman efectivamente del flujo descendente a intervalos aleatorios. Sin embargo, por alguna razón, tienden a tomarse cada 1 o 2 minutos, ya que no es sensato, ni mucho menos agradable, comprobar el lote entregado completo, que puede tardar entre 10 minutos y 36 horas en ser descargado, dependiendo de la planta. Durante el muestreo intentamos comprobar visualmente que las muestras tomadas se parecen mayormente a lo que va por la cinta transportadora. Este no es el paso más fácil cuando se trata de una cinta de arrastre cerrada y oscura. El acierto del muestreo no puede asegurarse al 100%, ¡incluso cuando los resultados del secado en horno coinciden con los datos de nuestros dispositivos de medición continua!
El papel de la visión artificial en el control de calidad
Hemos identificado el problema y nuestra falta de capacidad para predecir correctamente mediante cualquier curva Gaussiana cuando se trata de elementos de combustible complejos, como la madera reciclada. Para solucionar el problema se ha añadido a nuestros sistemas FuelControl un sistema de visión artificial que toma imágenes del flujo de combustible a intervalos regulares. Al principio valorábamos la calidad de las cargas de forma aleatoria a partir de las imágenes, pero esto también resultó ser laborioso. Por tanto, automatizamos la identificación del tipo de combustible para que el sistema clasifique las imágenes en los tipos de combustible utilizados en la planta.
En el caso de madera reciclada fuimos todavía más allá y desarrollamos una herramienta que utiliza redes neuronales – Mapas autoorganizados (SOM). El SOM utiliza como entrada los datos generados por los rayos X, el sistema de visión artificial y el sistema de suministro de combustible, y repasa el lote entregado con la precisión de cada imagen de rayos X. Para la clasificación de imágenes individuales de rayos X, introducimos en la base de datos una subclase con precisión de medio minuto o minuto representada por esa madera reciclada específica. Esta información ayuda a valorar la calidad general de la carga completa. Podemos comprobar si es probable que las muestras de referencia que tomamos coincidan con la calidad general de la carga, o si eran algo extraordinario.
Sistema pequeño, grandes beneficios
Un estudio más detallado de cargas de madera reciclada utilizando el SOM proporcionará también información útil tanto para la planta de energía que la quema como para el proveedor de combustible. Si el SOM empieza a interpretar que el flujo de material entrante es de alguna forma excepcional comparado con el habitual, generalmente la razón es una calidad deteriorada, que puede en el peor de los casos resultar en una inactividad costosa de la caldera. Por otro lado, la madera reciclada de calidad divergente podría ser más seca de lo esperado, lo que aumenta el riesgo de explosión e incendio debido al polvo. El SOM también puede informar de cambios en el proceso de manufacturado, y con esta información disponible de forma rápida se pueden determinar las causas del problema, así como corregirlo y posiblemente prevenirlo. La corrección más sencilla consistiría en ajustar la velocidad de la línea de triturado, de forma que el recogido de metales con imanes y separadores de corriente parásita empiece a funcionar mejor. De esta forma el valor añadido obtenido de estos metales beneficia al proveedor del combustible.
En el futuro con el software de Inray se podrán encontrar y crear estadísticas de desviaciones de colores del combustible sólido recibido. Por ejemplo, las llamadas virutas verdes y madera pintada añaden color a las imágenes. El incinerado abundante de virutas verdes lleva cloro a la caldera, y la madera pintada reciclada no es algo deseable en muchas calderas debido a las impurezas que contiene. En el pasado se añadía a algunas pinturas plomo, cuyos compuestos ensucian mucho y son altamente corrosivos.
Con la ayuda del sistema de visión artificial, la calidad de los biocombustibles se puede examinar de forma aún más integral. Los conjuntos de imágenes siguientes son un ejemplo de cómo aprovechar el uso de una cámara en una planta de energía. Se entregaron a la planta los mismos productos húmedos e inciertos bajo tres códigos distintos de combustible. El sistema de visión artificial es por sí mismo una solución efectiva, y en combinación con el sistema FuelControl de la empresa se convierte en un sistema de control de calidad en tiempo real para biocombustibles muy exhaustivo.
