
그들이 이야기할 때비철금속 선별, 많은 사람들이 즉시 자기 분리에 대해 생각합니다. 그러나 여기에 문제가 있습니다. 알루미늄, 구리, 황동, 동일한 스테인레스 스틸 스크랩은 비자 성입니다. 그리고 여기에서 간단한 솔루션이 작동하지 않지만 종종 수동 조정을 통해 통합된 접근 방식이 필요한 재미가 시작됩니다. 수년 동안 나는 고객이 출력에서 순수한 분획을 생산할 마법의 기계를 기다리고 있다는 사실에 직면해 왔습니다. 그러나 실제로는 방법을 결합하고 특정 원자재 배치에 맞게 무언가를 지속적으로 조정해야 합니다.
이론적으로는 모든 것이 명확합니다. 와전류 분리기, X선 형광 분리기, 밀도, 크기가 있습니다. 기술지도를 가지고 계속 진행하십시오. 실제로 스크랩은 살아있습니다. 한 배치는 플라스틱이나 고무로 심하게 오염되었을 수 있고, 다른 배치에는 센서를 속이는 복잡한 합금이 포함될 수 있습니다. 한때 구리 스크랩 라인을 설치하고 구리 코팅 알루미늄 합금이 많이 포함된 혼합물을 가져왔던 것을 기억합니다. 색상 및 전도도 센서가 이상해졌고 순도 수율이 70% 미만이었습니다. 나는 즉석에서 설정을 변경하고 수동 샘플링 포스트를 추가해야 했습니다. 이것은 교훈이었습니다. 예비 분석도 없었고 솔직히 입구에 경험 많은 눈도 없었습니다.
재료 준비를 간과하는 경우가 많습니다. 거친 분쇄 및 입자 크기 분리는 단순한 단계가 아니라 전체 공정의 경제성의 기초입니다. 교정되지 않은 혼합물을 와전류 검출기에 공급하면 효율성이 크게 떨어집니다. 작은 입자는 '붙어' 있고, 큰 입자는 잘못된 방향으로 튕겨 나옵니다. 우리는 스스로 경험 법칙을 세웠습니다. 즉, 고품질 파쇄 및 스크리닝에 대한 투자는 가장 비싼 분리막을 구입하는 것보다 더 빨리 성과를 거둘 수 있다는 것입니다.
그리고 이것은 장비에 대해 기억해야 할 올바른 장소입니다. 광고용이 아니라 엔지니어링의 예입니다. 한때 우리는 경험을 연구했습니다.론지 코퍼레이션 (https://www.ljmagnet.ru). 이 기업인 Shenyang Scientific Electromagnetic Co., Ltd. LONGJI는 1993년부터 채굴 및 가공 장비 분야에 종사해 왔습니다. 이들 기업의 강점은 바로 흐름에서 철 금속을 추출하는 강력한 전자석입니다. 비비철금속 선별첫 번째 중요한 단계는 철분을 제거하는 것입니다. 그렇지 않으면 체인 아래에 있는 장비가 막히고 손상될 수 있습니다. 동일한 자동차 파쇄기 조각에 대한 가혹한 조건에 대한 솔루션은 우수한 생존 가능성을 보여주었습니다. 우리가 이들 전체 제품군을 대상으로 작업한 것은 아니지만 직원 1,200명 이상과 함께 연간 약 4,000대의 장비를 생산한다는 사실은 상당한 생산 능력을 나타냅니다. 이는 우리에게 중요했습니다. 우리에게는 공급업체뿐만 아니라 산업 규모를 이해하고 특정 기술 흐름에 장치를 적용할 수 있는 파트너가 필요했습니다.
요즘 와전류 분리기 주변에 소음이 많이 발생합니다. 그들은 만병 통치약으로 제시됩니다. 예, 기술은 아름답습니다. 회전하는 자기 회전자가 전도성 입자에 와전류를 생성하여 반발됩니다. 그러나 크고 깨끗하며 건조한 알루미늄이나 구리 조각에는 잘 작동합니다. 프레스에서 젖고 편평하며 기름으로 오염된 스크랩을 분류해 보십시오. 또는 알루미늄, 아연, 마그네슘 합금을 포함하는 혼합물입니다. 전도성이 다르고 반동이 다른 거리에 있으며 명확한 분리가 작동하지 않습니다.
종종 은폐되는 핵심 매개 변수는 여권에 따른 최대 생산성이 아니라 원료 구성이 변경될 때 분리 효율성입니다. 좋은 분리기는 회전자 속도, 자기장 주파수 및 방전 각도에 대한 광범위한 조정이 가능해야 합니다. 그리고 그때에도 소재를 '느끼는' 오퍼레이터가 필요합니다. 때로는 습도의 작은 변화에도 완전한 재조정이 필요할 수 있습니다. 이는 '설정하고 잊어버리는' 프로세스가 아니라 지속적인 프로세스입니다.
실제로 우리는 전자 스크랩 처리 라인에 이러한 분리기를 설치했습니다. 이론적으로는 알루미늄을 추출하는 것입니다. 실제로 많은 구성 요소가 구리 도금되었거나 이전 단계에서 제거되지 않은 철 삽입물을 포함하고 있는 것으로 나타났습니다. 와전류가 이상하게 유도되어 비행 경로를 예측할 수 없었습니다. 작은 강자성 개재물을 제거하기 위해 특별히 더 얇은 추가 자기 드럼을 설치한 후에야 만족스러운 결과를 얻을 수 있었습니다. 그리고 LONGI 분리기가 아니라 다른 브랜드였지만 요점은 사전에 고품질 자기 분리가 없으면 와전류 분리기가 그 잠재력을 발휘하지 못한다는 것입니다. 수십 년 동안 자기 장비를 제작해 온 기업의 경험이 매우 중요해지는 곳이 바로 여기입니다. 그들은 자석이 단순한 철 조각이 아니라 온도 변화 및 마모성 물질과 함께 공격적인 환경에서 작동해야 하는 도구라는 것을 이해합니다.
예를 들어 스테인리스강에서 황동을 분리하거나 다양한 유형의 알루미늄 합금을 분류하는 등 복잡한 합금의 경우 센서 시스템이 더 이상 필요하지 않습니다. X선 형광(XRF) 분석, 광학 색상 및 형태 인식. 이것은 이미 높은 수준입니다. 그러나 여기에도 약간의 뉘앙스가 있습니다. XRF 분리기는 막대한 투자입니다. 이는 최종 제품의 대량 및 고품질에 대해서만 정당화됩니다. 또한 입자 크기에도 제한이 있습니다. 올바르게 "보지" 못할 수도 있습니다.
그들은 색상 및 전도도 센서의 조합을 사용하여 황동에서 구리를 분리하려는 한 라인에서 작업했습니다. 문제는 산화된 표면이었습니다. 산화물과 먼지 층 아래에 있는 구리선은 카메라에서 보기에는 거의 황동처럼 보였습니다. 순수한 금속을 노출시키기 위해서는 가벼운 분쇄 또는 세척 단계를 도입해야 했습니다. 이로 인해 운영 비용이 추가되었지만 분획의 순도가 85%에서 96%로 증가하여 이미 판매 가격에 심각한 영향을 미쳤습니다.
오픈 소스에서 거의 논의되지 않는 중요한 점은 이러한 시스템의 조정 및 교육입니다. 참조 스펙트럼이나 이미지의 데이터베이스는 현장에 도착하는 특정 원자재에 맞게 지속적으로 보충되고 조정되어야 합니다. 이는 정적 설정이 아닙니다. 사실, 당신은 이동하면서 차를 '학습'합니다. 입자를 보고 그 구성을 수동으로 결정할 수 있는 작업자의 경험은 초기 설정과 논란의 여지가 있는 사례를 해결하는 데 매우 중요합니다.
이러한 모든 기술적 어려움은 간단한 질문으로 귀결됩니다. 그만한 가치가 있습니까?비철금속 분류그 자체로 목적이 아니라 가치를 더하는 방법입니다. 분리된 순수 알루미늄, 구리, 황동은 혼합 스크랩보다 몇 배 더 비쌉니다. 하지만 진입장벽이 높다. 장비에 대한 자본 투자뿐만 아니라 공간, 물류, 훈련된 인력, 각 세력별 판매 채널 확립도 필요합니다.
나는 그들이 "가장 진보된" 기계 하나를 구입하여 작업장 한구석에 놓고 기적을 기다리는 많은 시도를 보았습니다. 그것은 효과가 없었습니다. 분류는 기술적 라인이자 체인이기 때문입니다. 원자재 수령 및 초기 평가부터 분쇄, 스크리닝, 자기 분리까지(이것이 바로 생산과 같은 신뢰할 수 있는 산업 솔루션을 위한 장소입니다.)롱기Fushun 공장), 공기 또는 와전류 분리기를 통과한 다음 센서 시스템을 통해서만 가능합니다. 하나의 링크가 손실되면 전체 체인의 효율성이 크게 감소합니다.
가장 큰 실수는 육체 노동의 양을 과소평가하는 것입니다. 가장 자동화된 라인에서도 수동 마무리, 거부 및 제어 섹션이 남아 있습니다. 특히 복잡하고 비용이 많이 드는 세력의 경우. 완전 자동화는 대부분의 스크랩 유형에 대한 유토피아입니다. 따라서 라인을 계획할 때 인적 자원과 자격을 모두 즉시 고려해야 합니다.
요즘 정렬 분야에서 AI와 머신러닝에 대한 이야기가 많이 나오고 있습니다. 이것은 확실히 미래입니다. 원자재의 변화하는 흐름을 학습하고 이에 적응하는 시스템입니다. 그러나 기초는 동일하게 유지됩니다. 즉, 분리의 물리적 원리(재료의 자기적, 전기역학적, 광학적 특성)입니다.
제가 보는 주요 추세는 하나의 슈퍼 기술을 향한 경쟁이 아니라 다양한 방법을 지속 가능하고 유연한 라인으로 통합하는 것입니다. 때로는 수십 년 동안 생산되어 온 간단하고 안정적인 자기 분리기가 지속적으로 미세 조정과 값비싼 유지 관리가 필요한 가장 정교한 센서 복합체보다 더 많은 경제적 이점과 공정 안정성을 제공합니다.
내 경험의 결과는 간단합니다: 성공비철금속 선별이는 장비 카탈로그가 아니라 원자재에 대한 깊은 이해에서 시작됩니다. 당신은 그것을 연구하고, 게임을 분석하고, 다양성을 이해해야 합니다. 그런 다음 신뢰할 수 있는 제조업체의 고전적인 자기 분리기이든 X선 비전을 갖춘 최신 로봇이든 각 링크가 고유한 특정 문제를 해결하는 기술 체인을 구축하십시오. 그리고 항상 인간의 경험, 즉 아직 어떤 기계도 대체하지 못한 바로 그 "전문적 본능"을 위한 여지를 남겨 두십시오. 이러한 포괄적이고 약간 보수적이지만 실용적인 접근 방식을 통해 분류뿐 아니라 장기적으로 비용 효율적이고 지속 가능하게 분류 작업을 수행할 수 있습니다.