Nghiên cứu phát triển hệ thống đo lường và điều khiển lò hơi của nhà máy dệt

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nghiên cứu phát triển hệ thống đo lường điều khiển lò nhà máy dệt ĐINH HỒNG SƠN Dinhhongsontbpt@gmail.com Ngành Kỹ thuật Điều khiển Tự động hóa Giảng viên hướng dẫn: PGS.TS Nguyễn Thị Lan Hương Chữ ký GVHD Bộ môn: Kỹ thuật đo tin học công nghiệp Viện: Điện HÀ NỘI, 12/2021 ĐỀ TÀI LUẬN VĂN Nghiên cứu phát triển hệ thống đo lường điều khiển lò nhà máy dệt Giảng viên hướng dẫn (Ký ghi rõ họ tên) Lời cảm ơn Trong trình thực luận văn thạc sĩ, nhận nhiều giúp đỡ, chia sẻ từ gia đình, thầy cơ, bạn bè, đồng nghiệp Đầu tiên, tơi xin bày tỏ lịng biết ơn sâu sắc đến gia đình người thân tạo điều kiện, giúp đỡ thực luận văn trường Đại học Bách Khoa Hà Nội Em xin chân thành cảm ơn cô giáo PGS TS Nguyễn Thị Lan Hương, người hướng dẫn trực tiếp em thực đề tài Cơ có định hướng, hướng dẫn, bảo em suốt trình học tập, nghiên cứu Cuối cùng, em xin chân thành cảm ơn Ban giám hiệu trường Đại học Bách khoa Hà Nội, Viện Điện, Bộ môn Kỹ thuật đo Tin học công nghiệp tạo điều kiện thuận lợi giúp em hồn thiện luận văn thạc sĩ Tóm tắt nội dung luận văn Nhằm đáp ứng nhu cầu cần cải tiến, phát triển hệ thống lị Cơng ty TNHH dệt Pacific Crystal nơi công tác phục vụ cho việc nghiên cứu, làm luận văn thạc sĩ, thực đề tài “Nghiên cứu phát triển hệ thống đo lường điều khiển lò nhà máy dệt” với nội dung sau: Nghiên cứu tổng quan cơng nghệ lị Giới thiệu tổng qt cơng nghệ lị nói chung lị ghi xích nói riêng Đưa cấu tạo, ngun lý làm việc lị để có nhìn tổng quan cơng nghệ lị Nghiên cứu, phát triển, cải tiến hệ thống đo lường điều khiển lò Đối với hệ thống lò công ty vận hành tay phải trực tiếp thao tác đồng hồ, nhút nhấn tủ điều khiển Vì tơi đưa giải pháp thiết kế, lắp đặt hệ thống DCS cho tủ điều khiển lò để vận hành đơn giản hơn, có nhìn bao qt tồn hệ thống vận hành lị Đưa giải pháp điều khiển, sử dụng mạng neuron truyền thẳng ba lớp để điều khiển lò Sử dụng phần mềm Mathlab để chạy mơ phỏng, từ mơ hình mơ xây dựng tích hợp giải thuật điều khiển vào hệ thống để tự động hóa phần q trình vận hành lị Hà Nội, ngày 15 tháng 12 năm 2021 HỌC VIÊN Đinh Hồng Sơn MỤC LỤC CHƯƠNG 1: GIỚI THIỆU CHUNG VỀ CÔNG NGHỆ LÒ HƠI 1.1 Mở đầu .1 1.2 Hơi bão hòa nhiệt 1.2.1 Hơi bão hòa 1.2.2 Hơi nhiệt .2 1.3 Giới thiệu lò phân loại lò .3 1.4 Nguyên lí làm việc lò 1.5 Phương pháp đốt lò cấu trúc buồng lửa 1.5.1 Buồng lửa đốt bột than .7 1.5.2 Buồng lửa thải xỉ khô thải xỉ lỏng 1.6 Cấu trúc phận khác lò 1.6.1 Bộ nhiệt .9 1.6.2 Bộ hâm nước 10 1.6.3 Bộ sấy khơng khí 11 CHƯƠNG 2: TỔNG QUAN HỆ THỐNG LỊ HƠI CƠNG TY TNHH DỆT PACIFIC CRYSTAL 12 2.1 Mở đầu 12 2.2 Nhu cầu sử dụng ngành dệt 12 2.3 Tổng quan lò công ty TNHH dệt Pacific Crystal 13 2.3.1 Tổng quan 13 2.3.2 Thông số kỹ thuật 16 2.3.3 Bố trí tổng thể 20 2.3.4 Kết cấu phần thân lò 22 2.4 Sơ đồ nguyên lý 26 CHƯƠNG 3: THIẾT KẾ TÍCH HỢP HỆ THỐNG 30 3.1 Mở đầu 30 3.2 Hệ thống điều khiển 30 3.3 Phát triển hệ thống DCS 34 3.3.1 Thiết kế tổng quan 34 3.3.2 Lựa chọn thiết bị 35 3.3.3 Tổng hợp tín hiệu 37 3.3.3 Thiết kế giao diện vận hành 43 CHƯƠNG 4: GIẢI PHÁP ĐIỀU KHIỂN 45 4.1 Mở đầu 45 4.2 Giới thiệu mạng neuron nhân tạo 45 4.2.1 Khái niệm 45 4.2.2 Kiến trúc mạng neuron 46 4.2.3 Các tính chất mạng neuron 48 4.3 Xây dựng mạng neuron điều khiển hệ thống lò 49 4.3.1 Các bước tiến hành xây dựng mơ hình mạng neuron 49 4.3.2 Bộ liệu thực tế dùng để huấn luyện mạng 50 4.3.3 Lựa chọn mơ hình mạng neuron 51 4.3.4 Xây dựng mơ hình mạng neuron 52 4.3.5 Kết thử nghiệm, đánh giá mơ hình 54 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 57 TÀI LIỆU THAM KHẢO 58 DANH MỤC HÌNH VẼ Hình 1: Sự phụ thuộc áp suất bão hòa vào nhiệt độ .2 Hình 1: Vị trí lị nhà máy 13 Hình 2: Tổng quan hệ thống lò 13 Hình 3: Hình ảnh 3D lị số 15 Hình 4: Kết cấu lị 21 Hình 5: Chu trình nước, nước nhà máy 26 Hình 6: Bản vẽ PID hệ thống cấp nước lò số 27 Hình 7: Bản vẽ PID hệ thống cấp nước lò số 2-3 28 Hình 8: Bản vẽ PID đường gió đường khói hệ thống lị 29 Hình 1: Tủ động lực hệ thống lò 31 Hình 2: Sơ đồ tủ nguồn hạ 31 Hình 3: Sơ đồ tủ động lực lò số 32 Hình 4: Sơ đồ tủ điều khiển hệ thống lò 33 Hình 5: Truyền thơng hệ thống DCS 34 Hình 6: CPU 416-3 PN/DP 35 Hình 7: Module phân tán ET-200S 35 Hình 8: Màn hình 43 Hình 9: Giao diện điều khiển lị số #1 43 Hình 10: Giao diện điều khiển lị số #2 44 Hình 11: Giao diện điều khiển lò số #3 44 Hình 1: Tế bào neuron sinh học 45 Hình 2: Hình ảnh kiến trúc Neural Network 46 Hình 3: Cấu tạo Neural nhân tạo 47 Hình 4: Các tín hiệu vào mạng neuron 49 Hình 5: Các bước tiến hành xây dựng mơ hình mạng neuron 49 Hình 6: Dữ liệu huấn luyện mạng neuron 52 Hình 7: Sai số huấn luyện mạng 53 Hình 8: Cấu trúc mạng neuron 53 Hình 9: Dữ liệu đánh giá 54 Hình 10: Đồ thị tốc độ quạt đẩy 54 Hình 11: Đồ thị tốc độ quạt hút 55 Hình 12: Đồ thị tốc độ ghi xích 55 Hình 13: Đồ thị độ mở van cấp nước 56 DANH MỤC BẢNG BIỂU Bảng 1: Lò theo chế độ đốt nhiên liệu Bảng 1: Thông số kỹ thuật chung lò 14 Bảng 2: Thơng số kỹ thuật thân lị số 16 Bảng 3: Thơng số kỹ thuật thân lị số 2-3 .17 Bảng 4: Thông số kỹ thuật hệ thống cấp nước, xử lý nước .18 Bảng 5: Thông số kỹ thuật hệ thống xử lý khói thải .18 Bảng 6: Thông số kỹ thuật hệ thống cấp nhiên liệu 19 Bảng 7: Thông số kỹ thuật hệ thống xử lý tro, xỉ 20 Bảng 1: Các tín hiệu hệ thống lị 35 Bảng 2: Danh sách module trạm Master 36 Bảng 3: Danh sách module Slave #1 36 Bảng 4: Danh sách module Slave #2 36 Bảng 5: Danh sách module Slave #3 37 Bảng 6:Danh sách tín hiệu chung lị 37 Bảng 7:Danh sách tín hiệu lò số #1 38 Bảng 8: Danh sách tín hiệu lò số #2 39 Bảng 9: Danh sách tín hiệu lò số #3 41 Bảng 1: Dải thông số hoạt động lò bão hòa 51 Bảng 2: Số lớp ẩn sai số tương ứng 52 Tại trang vận hành, người vận hành lựa chọn chế độ auto manual Chế độ manual cho phép người vận hành trực tiếp thao tác, điều chỉnh thông số: tốc độ quạt đẩy, tốc độ quạt hút, tốc độ ghi lò, độ mở van điều tiết cấp nước máy thải xỉ, máy thải xỉ bàn cào Khi hệ thống chạy ổn định, người vận hành bật chế độ auto cho lị chạy tự động theo thuật tốn tích hợp sẵn Hình 10: Giao diện điều khiển lị số #2 Hình 11: Giao diện điều khiển lò số #3 44 CHƯƠNG 4: GIẢI PHÁP ĐIỀU KHIỂN 4.1 Mở đầu Từ đặc điểm lò hệ thống điều khiển với nhiều tín hiệu phức tạp trình bày chương trước, ta gần khơng thể đưa phương trình đặc tính lị với giải thuật điều khiển thơng thường Để giải tốn “hộp đen” với nhiều tín hiệu đầu vào, đầu ra, tơi định nghiên cứu sử dụng mạng neuron nhân tạo để tự động hóa lị Mơ hình mạng neuron hoạt động hiệu với liệu training đủ tin cậy với thông số lựa chọn hợp lý Chương chia làm hai phần chính: • Giới thiệu mạng neuron nhân tạo (mục 4.2): Các khái niệm mạng neuron, kiến trúc mạng neuron • Xây dựng mạng neuron điều khiển hệ thống lò (mục 4.3): Xây dựng đánh giá mơ hình mạng neuron, sử dụng phần mềm Mathlab để mô 4.2 Giới thiệu mạng neuron nhân tạo 4.2.1 Khái niệm Mạng neuron (Neural Network) mơ hình xử lý thơng tin theo cách thức xử lý thông tin hệ neuron sinh học tế bào thần kinh hình cấu trúc nên não người Hình sau minh họa cấu trúc neuron não người Hình 1: Tế bào neuron sinh học 45 Mạng neuron mô chế hoạt động não người thông qua phần tử (neuron) Trong trình hoạt động, phần tử (neuron) mạng nhận nguồn thông tin đầu vào (input) thực phép tính tốn nguồn liệu Kết thu sau phần tử mạng chuyển tiếp đầu vào cho phần tử mạng kế cận phía sau Các phần tử (neuron) kết nối với thông qua liên kết (trọng số liên kết) làm việc thể thông để phối hợp giải toán, nhiệm vụ đặt Một mạng neuron nhận tạo cấu hình cho ứng dụng cụ thể (nhận dạng mẫu, phân loại liệu…) thông qua trình học từ tập mẫu huấn luyện Về chất học q trình hiệu chỉnh trọng số liên kết neuron 4.2.2 Kiến trúc mạng neuron Mạng neuron kết hợp tầng perceptron hay gọi perceptron đa tầng Và mạng neuron thường bao gồm kiểu tầng là: - Tầng input layer (tầng vào): Tầng nằm bên trái mạng, thể cho đầu vào mạng Tầng output layer (tầng ra): Là tầng bên phải thể cho đầu mạng Tầng hidden layer (tầng ẩn): Tầng nằm tầng vào tầng thể cho trình suy luận logic mạng Lưu ý: Mỗi Neural Network có tầng vào tầng lại có nhiều tầng ẩn Hình 2: Kiến trúc mạng neuron Với mạng neuron nút mạng sigmoid neuron chúng lại có hàm kích hoạt khác Thực tế, người ta thường sử dụng có loại với để việc tính tốn thuận lợi 46 Tại tầng, số lượng nút mạng khác cịn tùy vào toán cách giải Tuy nhiên, làm việc người ta để tầng ẩn số với số lượng neuron khác Ngoài ra, neuron nằm tầng thường liên kết đôi với để tạo thành mạng kết nối đầy đủ Khi đó, người dùng tính tốn kích cỡ mạng dựa vào tầng số lượng neuron Thành phần neuron nhân tạo: Hình 3: Cấu tạo neuron nhân tạo - - - Tập đầu vào: tín hiệu vào (input signals) neuron, tín hiệu thường đưa vào dạng vector N chiều Tập liên kết: liên kết thể trọng số liên kết (Synapic weight) Trọng số liên kết tín hiệu thứ j neuron k thường ký hiệu Wkj Thông thường, trọng số khởi tạo cách ngẫu nhiên thời điểm tạo mạng cập nhật liên tục trình học mạng Bộ tổng (Summing function): thường dùng để tính tổng tích đầu vào với trọng số liên kết Ngưỡng (cịn gọi độ lệch – bias): ngưỡng thường đưa vào thành phần hàm truyền Hàm truyền đạt (Tranfer function): hàm dùng để giới hạn phạm vi đầu neuron Nó nhận đầu vào kết hàm tổng ngưỡng Đầu ra: tín hiệu đầu neuron, với neuron có tối đa đầu Xét mặt toán học, cấu trúc neuron k, mô tả cặp biểu thức sau: 47 𝑝 𝑢𝑘 = ∑ w𝑘𝑗 𝑥𝑗 𝑗=1 yk = f(uk – bk) Trong đó: x1,x2…xp tín hiệu vào, (wk1,wk2 wkp )là trọng số liên kết neuron thứ k, uk hàm tổng, bk ngưỡng, f hàm truyền yk tín hiệu đầu neuron 4.2.3 Các tính chất mạng neuron Mạng neuron có số tính chất sau đây: Là hệ phi tuyến Là hệ xử lý song song: mạng neuron có cấu trúc song song, tốc độ tính tốn cao, phù hợp với lĩnh vực nhận dạng điều khiển Là hệ học thích nghi: mạng luyện từ số liệu khứ, có khả tự chỉnh số kiệu đầu vào bị mất, điều khiển on-line Là hệ có nhiều biến, hệ nhiều đầu vào, nhiều đầu (MIMO) tiện dùng điều khiển đối tượng có nhiều biến số 48 4.3 Xây dựng mạng neuron điều khiển hệ thống lò Lò lựa chọn nghiên cứu lị bão hịa với tín hiệu đầu vào, đầu mơ sau: Hình 4: Các tín hiệu vào mạng neuron Từ thông số lưu lượng hơi, áp suất balong hơi, mạng neuron trả giá trị tốc độ quạt đẩy, tốc độ quạt hút, tốc độ ghi xích, độ mở van điều tiết cấp nước cho hệ thống điều khiển 4.3.1 Các bước tiến hành xây dựng mơ hình mạng neuron Để tiến hành xây dựng mơ hình mạng neuron cho hệ thống lò hơi, ta cần trải qua giai đoạn sau: Hình 5: Các bước tiến hành xây dựng mơ hình mạng neuron 49 Tìm hiểu quy trình vận hành lị hơi: Trước đưa giải pháp điều khiển lị hơi, cần tìm hiểu quy trình vận hành lị để nắm cách thức hoạt động lị hơi, từ xây dựng mơ hình điều khiển hợp lý Lựa chọn thơng số lị mà người vận hành quan tâm trình vận hành: Việc lựa chọn thơng số quan trọng ảnh hưởng đến chất lượng hệ thống điều khiển có đáng tin cậy hay khơng Lị có nhiều thơng số trình điều khiển, người vận hành quan tâm đến số thơng số Nếu lựa chọn q nhiều thơng số thừa, cịn thiếu bỏ sót gây rủi ro q trình vận hành Khi vận hành lị hơi, người vận hành quan sát thơng số sau: • Áp suất balong • Lưu lượng đầu • Tốc độ quạt đẩy • Tốc độ quạt hút • Tốc độ ghi xích • Độ mở van cấp nước lò Dựa vào lưu lượng đầu áp suất balong hơi, người vận hành điều chỉnh tốc độ quạt đẩy, quạt hút, tốc độ ghi xích độ mở van cấp nước lị với ngun tắc sau: - Nếu lưu lượng tăng, người vận hành tăng độ mở van cấp nước cho lò để tăng mực nước balong - Nếu áp suất balong giảm, người vận hành tăng tốc độ quạt đẩy, quạt hút tốc độ ghi xích để tăng nhiệt độ buồng đốt, từ làm tăng áp suất balong Các bước thu thập liệu, lựa chọn mơ hình, xây dựng mơ hình đánh giá mơ hình trình bày phần sau 4.3.2 Bộ liệu thực tế dùng để huấn luyện mạng Dựa vào nhu cầu sử dụng nhà máy có lặp lại theo ngày dựa vào quy trình vận hành lị khoảng phút điều chỉnh thơng số lò lần để lấy liệu 50 Bảng 1: Dải thơng số hoạt động lị bão hịa Thơng số STT Min Max Lưu lượng đầu (t/h) 11 Áp suất balong (bar) Tốc độ quạt đẩy (%) 20 75 Tốc độ quạt hút (%) 25 80 Tốc độ ghi xích (%) 10 50 Độ mở van cấp nước lò (%) 20 Dữ liệu huấn luyện mạng neuron luận văn gồm 600 số liệu lấy việc ghi chép thông số vận hành người vận hành thao tác, liệu lấy ngày, trung bình khoảng phút ghi chép liệu lần 4.3.3 Lựa chọn mơ hình mạng neuron Mơ hình mạng truyền thẳng nhiều lớp: Mơ hình mạng neuron sử dụng rộng rãi mơ hình mạng nhiều tầng truyền thẳng Một mạng neuron truyền thẳng nhiều lớp tổng quát mạng có n (n ≥ 2) lớp (thơng thường lớp đầu vào khơng tính đến), gồm lớp đầu (lớp thứ n) (n-1) lớp ẩn Một số kết chứng minh với mạng neuron truyền thẳng nhiều lớp: - Bất kì hàm Boolean biểu diễn mạng lớp neuron sử dụng hàm truyền sigmoid - Tất hàm liên tục xấp xỉ mạng lớp sử dụng hàm truyền sigmoid cho neuron lớp ẩn hàm truyền tuyến tính cho neuron lớp với sai số nhỏ tùy ý - Mọi hàm xấp xỉ mạng lớp sử dụng hàm truyền sigmoid cho neuron lớp ẩn hàm truyền tuyến tính cho neuron lớp Vì vậy, luận văn tơi lựa chọn mơ hình mạng neuron truyền thẳng lớp để nghiên cứu đáp ứng đủ yêu cầu, đủ để mơ hình hóa hệ thống điều khiển lị 51 4.3.4 Xây dựng mơ hình mạng neuron Dữ liệu vảo đối tượng dùng để huấn luyện mạng neuron có dạng hình sau: Hình 6: Dữ liệu huấn luyện mạng neuron Sử dụng mạng neuron truyền thẳng lớp: - ngõ vào: lưu lượng hơi, áp suất balong - ngõ ra: tốc độ quạt đẩy, tốc độ quạt hút, tốc độ ghi xích, độ mở van cấp nước - Hàm chuyển đổi lớp vào dạng sigmoid lưỡng cực - Hàm chuyển đổi lớp dạng tuyến tính Lựa chọn số neuron lớp ẩn cách thử tăng dần số neuron lớp ẩn đến thuật toán hội tụ, sai số nhỏ Bảng thể số neuron lớp ẩn sai số tương ứng: Bảng 2: Số lớp ẩn sai số tương ứng STT Số neuron lớp ẩn Sai số (mse) 32.1564 10 9.7345 15 1.3590 52 20 0.8747 25 0.6572 30 0.5554 Qua bảng ta thấy tăng số neuron lớp ẩn mơ hình xác, nhiên việc tăng số lượng neuron lên lớn làm tăng kích thước mạng ảnh hưởng đến thời gian huấn luyện mạng Ở đây, chọn mạng neuron với 30 neuron lớp ẩn Hình 7: Sai số huấn luyện mạng Ta có cấu trúc mạng neuron với 30 neuron lớp ẩn Với 30 neuron lớp ẩn, số lượng tham số mạng nhiều so với 600 mẫu huấn luyện (do việc lấy mẫu huấn luyện mạng ghi chép lại phương pháp thủ cơng) Hình 8: Cấu trúc mạng neuron 53 4.3.5 Kết thử nghiệm, đánh giá mơ hình Để đánh giá mơ hình, tơi sử dụng 100 số liệu ghi chép phương pháp thời gian khác với số liệu sử dụng để huấn luyện mơ hình Dữ liệu input đánh giá có dạng sau: Hình 9: Dữ liệu đánh giá Dưới đồ thị so sánh tín hiệu thực với tín hiệu output từ mơ hình mạng neuron đồ thị sai lệch tín hiệu tín hiệu: Hình 10: Đồ thị tốc độ quạt đẩy 54 Hình 11: Đồ thị tốc độ quạt hút Hình 12: Đồ thị tốc độ ghi xích 55 Hình 13: Đồ thị độ mở van cấp nước Như vậy, đường tín hiệu output từ mơ hình mạng neuron bám sát với đường tín hiệu thực với độ sai lệch tín hiệu nhỏ chấp nhận được, phản ánh chất lượng mơ hình mạng neuron 56 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Sau thời gian thực luận văn, đạt số kết khả quan, nâng cao kiến thức, hiểu biết cơng nghệ lị hệ thống đo lường, điều khiển sử dụng lị Luận văn hồn thiện khâu nghiên cứu, thiết kế, đưa giải pháp điều khiển tự động hóa lị Mặc dù cịn nhiều thiếu sót khơng thể tránh khỏi có nhìn thực tế hệ thống đo lường, điều khiển lị nói chung nhà máy dệt nói riêng Từ sở đạt được, tơi phát triển luận văn theo hướng sau: • Thiết kế chi tiết phần cứng, phần mềm, bóc tách vẽ để triển khai trực tiếp dự án lên hệ thống lò cơng ty • Tích hợp mơ hình mạng neuron vào hệ thống đo lường, điều khiển lị • Phát triển hệ thống DCS điều khiển giám sát qua Internet • Nghiên cứu thêm giải thuật điều khiển để cải thiện hệ thống, tăng độ tin cậy giảm thiểu chi phí, nhân lực vận hành hệ thống lị • Lấy thêm mẫu huấn luyện mạng neuron từ hệ thống DCS (sau lắp đặt thành công hệ thống DCS) cho phù hợp với số lượng tham số mạng neuron để tăng độ xác 57 TÀI LIỆU THAM KHẢO [1] Hồng Minh Sơn, “Mạng truyền thông công nghiệp”, Nhà xuất Khoa học kỹ thuật [2] Phạm Lê Dzần, Nguyễn Công Hân, “Cơng nghệ lị mạng nhiệt”, Nhà xuất Khoa học kỹ thuật [3] Jacob Fraden, “Handbook of modern sensors” [4] Phạm Hữu Đức Dục (2009), “Mạng nơron & ứng dụng điều khiển tự động”, Nhà xuất Khoa học Kỹ thuật [5] Nguyễn Như Hiển Lại Khắc Lãi (2007), “Hệ mờ & mạng nơron kỹ thuật điều khiển,” Nhà xuất Khoa học Tự nhiên Công nghệ 58 ... tiến, phát triển hệ thống lị Cơng ty TNHH dệt Pacific Crystal nơi công tác phục vụ cho việc nghiên cứu, làm luận văn thạc sĩ, thực đề tài ? ?Nghiên cứu phát triển hệ thống đo lường điều khiển lò nhà. .. tất thông số hệ thống Ở chương 3, tơi trình bày sơ lược hệ thống điều khiển lị cơng ty (mục 3.2) phát triển hệ thống DCS dựa hệ thống điều khiển (mục 3.3) Tại mục phát triển hệ thống DCS trình... quan cơng nghệ lị Nghiên cứu, phát triển, cải tiến hệ thống đo lường điều khiển lò Đối với hệ thống lò công ty vận hành tay phải trực tiếp thao tác đồng hồ, nhút nhấn tủ điều khiển Vì đưa giải