Raske on piisavalt täpselt ennustada, kuidas vilja niiskus kuivatusprotsessis muutub. See viib üle- või alakuivatamiseni, mis võib alandada saagi kvaliteeti.
Kvaliteedi jälgimise puudumine
Vilja kvaliteet võib kuivatamisel väheneda, puudub teavitus kvaliteeti ohustavast tööreziimist.
Intuitiivne juhtimine
Operaatorid toetuvad tööreziimi valikul kogemusele ja tunnetusele, mitte arvandmetele. See tekitab tõenäoliselt ebaefektiivsust ja liigset ressursikulu.
Manuaalne ja algupärane automaatjuhtimine
Inimoperaator ei suuda üheaegselt töödelda vajalikku andmehulka ja selle põhjal teha parimaid otsuseid.
Know-how kadumine
Hooajalise operaatori vahetudes kaob tihtipeale ka kuivatijuhtimise teave.
GrainFlow lahendus
2020
Algus
Esimesed mõõtmised ja katsetused Alvan Blanch läbivoolukuivatil, põhjaliku andmekorje algus.
2020-2023
Arendus
Nelja erinevat tüüpi andurite testimine, kalkulatsioonid, väljatöötatud andmepõhise juhtimise testimine.
Pidev reaalajas andmete jälgimine Reaalajalised mõõdetud andmed otsuste tegemiseks
Optimeeritud ressursside kasutus
Protsessi juhtimine andmete alusel
Avaldatud Edu ja Saavutused
Testitud erinevaid sensoreid
Automaatne andmekorje
Andmepõhine juhtimine
Andmekorje süsteem
Välja töötatud automaatne andmekorjesüsteem, mis kogub ja salvestab protsessi andmeid.
Gaasi kokkuhoid
Saavutatud gaasi kokkuhoid optimeeritud tööreziimide tõttu.
Projekti eesmärgiks oli valmistada mõõtmise ja andmekorjesüsteemid, luua esmane visuaaljuhtimise prototüüp ning koguda andmeid lihtsama masinõppealgoritmi loomiseks.
EISA toetas Grainflow projekti Innovatsiooniosaku raames 7500 Euroga.
