АВТОМАТИЗАЦИЯ И СИНХРОНИЗАЦИЯ ПРОЦЕССОВ ВЕРИФИКАЦИИ И АГРЕГАЦИИ ДВУМЕРНЫХ ИДЕНТИФИКАТОРОВ DATA MATRIX В ВЫСОКОСКОРОСТНЫХ ЛИНИЯХ ФАРМАЦЕВТИЧЕСКИХ И ПИЩЕВЫХ ПРОИЗВОДСТВ

AUTOMATION AND SYNCHRONIZATION OF DATA MATRIX VERIFICATION AND AGGREGATION PROCESSES IN HIGH-SPEED PHARMACEUTICAL AND FOOD PRODUCTION LINES

Fadyushin Mikhail Andreevich

Student, Department of Automation of Information Processing and Management Systems, Moscow State Technical University «Stankin»,

Moscow

АННОТАЦИЯ

В статье исследуются вопросы технической реализации интеграции требований национальной системы «Честный ЗНАК» в непрерывные технологические процессы. Рассматриваются математические и программно-аппаратные аспекты динамической синхронизации каплеструйных и лазерных маркираторов с фазовым движением конвейера через энкодеры высокого разрешения. Предложен подход к построению отказоустойчивой системы верификации качества кодирования по стандарту ISO/IEC 15415 в реальном времени с использованием смарт-камер промышленного зрения и высокоскоростной пневматической отбраковки без остановки технологического цикла.

ABSRTACT

The article explores the technical implementation of integrating the requirements of the national system “Honest SIGN” into continuous technological processes. Mathematical and software-hardware aspects of dynamic synchronization of droplet and laser markers with phase movement of the conveyor through high-resolution encoders are considered. An approach to building a fault-tolerant system for verifying the quality of coding according to the ISO/IEC 15415 standard in real time using smart industrial vision cameras and high-speed pneumatic rejection without stopping the technological cycle is proposed.

Ключевые слова: Честный ЗНАК, Data Matrix, АСУ ТП, машинное зрение, верификация ISO/IEC 15415, прямое маркирование (DPM), агрегация, программно-аппаратный комплекс.

Keywords: Chestniy Znak, Data Matrix, Automated Process Control, machine vision, ISO/IEC 15415 verification, direct marking (DPM), aggregation, software and hardware complex.

Масштабное внедрение обязательной маркировки «Честный ЗНАК» сформировало жесткие требования к архитектуре АСУ ТП современных промышленных предприятий. При скоростях конвейерных линий от 24 000 до 60 000 единиц продукции в час традиционные методики статистического или локального контроля становятся непринимаемыми. Ошибка в считывании или несоответствие качества нанесения кода Data Matrix критериям стандартов ISO/IEC 15415 ведет к финансовым потерям, блокировке партий и критическому снижению коэффициента общей эффективности оборудования (OEE) [1, с. 14].

Ключевой технический барьер при автоматизации — обеспечение строгой детерминированности временных интервалов между моментами физического детектора положения, генерации импульса печати, оптической верификации смарт-камерой и срабатывания исполнительного механизма отбраковщика. Настоящая работа посвящена исследованию методов минимизации задержек и построению архитектуры управления маркировкой на базе событийно-ориентированных промышленных контроллеров.

1. Архитектура интеграции L1–L3 в структуре АСУ ТП

Для исключения коллизий при обмене данными и предотвращения дублирования кодов в системе прослеживаемости применяется четырёхуровневая модель вертикальной интеграции.

1. Нижний уровень (L1 Field Level): Промышленные датчики метки (фотоэлектрические, индуктивные), инкрементальные энкодеры, лазерные или Continuous Inkjet (CIJ) принтеры, системы промышленного машинного зрения, пневмоактуаторы.
2. Уровень управления (L2 Line Level): Программируемый логический контроллер (ПЛК), работающий по протоколам реального времени (Profinet, EtherCAT). Обеспечивает буферизацию массивов криптохвостов, точную привязку кодов к физическому перемещению объекта и регистрацию брака.
3. Цеховой уровень (L3 MES Level): Локальный сервер маркировки. Осуществляет взаимодействие с СУБД, управление эмиссией кодов, формирования отчетов об нанесении и сериализации/агрегации [2, с. 88].

2. Математическое обеспечение динамической синхронизации печати и верификации

Главная сложность прямого нанесения (Direct Part Marking, DPM) на высоких скоростях — линейные колебания скорости конвейерной ленты. При нестабильной скорости печать кода искажается по оси Y, что приводит к нарушению геометрической пропорциональности ячеек Data Matrix (Grid Assembly) и падению итоговой оценки качества (Grade).

Для компенсации динамических отклонений импульс синхронизации формируется на основе данных с инкрементального энкодера. Частота следования импульсов печати fp рассчитывается по формуле:

fp = (Vconv * Nppr) / (π * Dwheel)

где Vconv — текущая линейная скорость конвейера (м/с);

Nppr — количество импульсов энкодера на один оборот;

Dwheel — диаметр мерного колеса энкодера (м).

Сигнал считывания смарт-камерой подается с задержкой по времени или по количеству импульсов энкодера ΔS, рассчитываемой относительно точки нанесения:

ΔS = Lcam + Vconv * tlat

где Lcam — физическое расстояние от печатающей головки до оптической оси камеры (м);

tlat — аппаратная задержка (латентность) срабатывания затвора матрицы камеры (с) [3, с. 102].

3. Автоматизированная оценка качества нанесения по ISO/IEC 15415

Система машинного зрения оценивает Data Matrix не просто как байтовую строку, а рассчитывает интегральный грейд Grade от A (4.0) до F (0). Оценка вычисляется по наименьшему значению из следующих контролируемых параметров:

Grade = min(Rsymbol, Ugrid, AN, Mod, GF, DE)

где Rsymbol — контраст символа (Symbol Contrast);

Ugrid — нерегулярность сетки (Grid Non-uniformity);

Mod — модуляция (Modulation);

GF — повреждение шаблона поиска (Fixed Pattern Damage).

В таблице 1 представлены требования к параметрам верификации для гарантированного прохождения государственного контроля.

Таблица 1.

Критические параметры качества двумерных кодов Data Matrix

Если интегральная оценка кода упала ниже заданной отметки (например, Grade C), ПЛК фиксирует сдвиг в сдвиговом регистре тактов и выдает импульс на пневматический толкатель на дистанции Leject для сброса единицы продукции в изолированный бункер [4, с. 215].

4. Алгоритмы агрегации и предотвращения рассинхронизации

Агрегация (объединение единиц в групповые короба и паллеты) требует построения отказоустойчивых алгоритмов типа «Очередь с подтверждением» (FIFO Buffer with ACK).

Для послойной агрегации упаковок в короба применяется мульти-камерный захват (от 4 до 16 камер одновременно) либо сканирование матрицей высокого разрешения (от 20 Мп). Алгоритм обработки включает:

1. Сегментацию полученного кадра на зоны интереса (ROI).
2. Параллельную декодировку всех кодов Data Matrix в кадре.
3. Проверку количества найденных кодов на соответствие шаблону укладки (Nactual = Ntarget).
4. В случае совпадения — отправку команды на аппликатор для печати групповой этикетки GS1-128 с привязкой дочерних кодов к родительскому в базе данных L3.

5. Анализ рисков и пути решения системных сбоев

На основе опытно-промышленных испытаний выделены основные факторы риска:

• «Фантомные» отбраковки: Срабатывание отбраковщика на валидный код из-за задержки обработки изображения в смарт-камере при пиковых нагрузках CPU. Решение: Перенос алгоритмов декодирования непосредственно на FPGA-матрицу камеры (Smart Camera) без участия стороннего ПК.

• Переполнение локального буфера кодов (L2 Buffer Overflow): Потеря связи между L2 и L3 при сетевых сбоях. Решение: Реализация энергонезависимой памяти NVRAM на уровне ПЛК с возможностью хранения кольцевого буфера кодов объемом до 100 000 записей.

Заключение

Интеграция маркировки «Честный ЗНАК» в высокоскоростные технологические процессы требует перехода от изолированных маркировочных комплексов к распределенным событийно-ориентированным системам управления. Применение математических моделей динамической синхронизации по сигналу энкодера, интеграция смарт-камер с FPGA-обработкой и построение надежных алгоритмов верификации по ISO/IEC 15415 позволяют минимизировать процент отбраковки до уровня < 0.01% и сохранить расчетный коэффициент эффективности (OEE) производственных линий.

Список литературы:

1. Алексеев, В. М. Цифровизация прослеживаемости продукции в Российской Федерации / В. М. Алексеев, Е. С. Громова // Промышленная автоматизация и логистика. – 2023. – № 2 (14). – С. 43–51.
2. Кузнецов, А. П. Программное обеспечение MES-систем в задачах интеграции с ГИС МТ / А. П. Кузнецов. – М. : Горячая линия - Телеком, 2022. – 184 с.
3. Сидоров, Д. В. Сравнительный анализ методов прямого маркирования изделий в автоматизированных производствах / Д. В. Сидоров, М. А. Василенко // Вестник машиностроения. – 2024. – № 1. – С. 85–91.
4. Федоров, И. Н. Системы машинного зрения в задачах контроля качества двухмерных штрихкодов / И. Н. Федоров. – СПб. : Лань, 2023. – 256 с.
5. Чернов, Ю. Г. Автоматизация складской логистики и агрегации маркированной продукции / Ю. Г. Чернов // Логистика и управление цепями поставок. – 2023. – № 4 (98). – С. 30–38.