Anuga FoodTec 2022: slimme sensoren en big data
Nieuwe technologieën zorgen voor intelligente en genetwerkte productie in bedrijven in de voedingsindustrie. Met conditiebewaking en voorspellend onderhoud komen twee belangrijke innovaties van Industrie 4.0 steeds meer in beeld, die voorspellend onderhoud van afzonderlijke componenten en volledige systemen beloven. De belangrijkste spelers: slimme sensoren, big data, clouddiensten en machine learning-benaderingen. In combinatie maken ze het mogelijk om processen continu en in realtime te optimaliseren, kwaliteitsnormen te verhogen en machinebeschikbaarheid te garanderen. Van 26 t/m 29 april 2022 presenteren de exposanten op Anuga FoodTec hiervoor concrete oplossingen. Naast de technische implementatie zullen ook de voordelen van voorspellend onderhoud vanuit een zakelijk perspectief en nieuwe businessmodellen in de after-sales service worden besproken in het beurscentrum van Keulen.
Bewaking tegen storingen
Een machinedefect vereist meestal een on-site reparatie door een technicus. Dat brengt downtime en verloren inkomsten met zich mee. Het doel van de op Anuga FoodTec gepresenteerde onderhoudsconcepten is het vinden van het economisch optimale tijdvenster voor het onderhoud van de systemen of het vervangen van componenten. Om dit te realiseren is realtime informatie direct van de machine nodig – en dus slimme sensoren. Ze werken met edge computing en verzamelen de ruwe data die nodig zijn voor de analyses, interpreteren en communiceren ze onmiddellijk. Daarnaast bewaken de sensoren onafhankelijk de kwaliteit en robuustheid van hun signalen.
In de voedingsmiddelenindustrie wordt dit weerspiegeld in het toenemende gebruik van intelligente en communicatieve sensoren in de verpakkingslijnen. Of het nu gaat om multiheadwegers, flowwrappers, traysealers of röntgeninspectiesystemen: ze verzamelen allemaal waardevolle gegevens. Bijvoorbeeld met Modified Atmosphere Packaging (MAP) – een methode die de houdbaarheid van kant-en-klaar geportioneerde voeding verlengt. Extreme zorg is vereist. Zelfs de kleinste onnauwkeurigheden bij het invoeren van de folies kunnen leiden tot productieverliezen. Op een lijn die vers gesneden salades voorzichtig onder beschermgas verpakt, zet een conditiebewakingssysteem de machine stil zodra de folie niet goed wordt getransporteerd of de sealdruk wegvalt. Predictive maintenance gaat nog een stap verder. Hier is eerder te zien dat de sealdruk in kleine stapjes blijft dalen en dat deze trend er uiteindelijk toe leidt dat de kritische grenswaarde onderschreden wordt. Als de oorzaak in de machine zelf ligt, bijvoorbeeld slijtage aan het sealgereedschap, kan de monteur tijdig actie ondernemen en een ongeplande stilstand omzetten in gepland onderhoud.
Machine learning voor nauwkeurige voorspellingen
Mechanische componenten veroorzaken trillingen en geluiden die variëren over de levensduur van het onderdeel en maken het mogelijk conclusies te trekken over de slijtagetoestand van een machine. Hier komen AI-gebaseerde softwareoplossingen om de hoek kijken, die de omstandigheden vastleggen als cloudapplicaties en hun algoritmen gebruiken om zogenaamde drifts te identificeren, oftewel waarden die over een langere periode veranderen. Hierbij geldt: hoe meer data de algoritmen tot hun beschikking hebben, hoe nauwkeuriger ze zijn. Een overeenkomstige historie is echter ook een voorwaarde om verbindingen tussen de machinestatus en gegevens tot stand te brengen. Aan het eind wordt de faalkans berekend. Predictive maintenance kan ook preventief en proactief werken met de live data van de machines, maar kan ook voorspellen wanneer en waar een probleem zal ontstaan. Bij hogere belastingen wordt de onderhoudsperiode verkort en wordt schade voorkomen. Bij een lagere belasting wordt de onderhoudstijd naar achteren geschoven, waardoor onnodige kosten en stilstand worden bespaard. Een visualisatiesoftware toont alle data, zowel op machinebesturingsniveau als op mobiele devices.
Maar dat is niet alles: met behulp van voorspellend onderhoud kunnen de waardeketens in het bedrijf worden gekoppeld aan de aftersalesservice van de plantfabrikant. Zodra het exacte tijdstip is bepaald waarop een machine moet worden onderhouden, kan het bijbehorende logistieke proces worden gestart - en dit is volledig geautomatiseerd. Ook hier leidt de weg naar cloudgebaseerde oplossingen. Als add-on kunnen ze worden geïntegreerd in de bestaande ERP-systemen. Op deze manier kunnen gecoördineerde werk- en bestelprocessen worden gegarandeerd, kunnen reserveonderdelen worden gevolgd en kan een kostengeoptimaliseerde behoefteplanning worden geïmplementeerd.
Retrofit voorspellend onderhoud
Maar hoe kunnen bestaande systemen bij modernisering geschikt worden gemaakt voor Onderhoud 4.0? Het antwoord van de technologieaanbieders op de Anuga FoodTec zijn retrofit-pakketten, die alles bevatten voor een gerichte ombouw van machines, van de robuuste sensor tot de systeemoplossing met flexibele cloudbewaking. Ze leren de machine zelf te bedienen en kunnen dankzij batterijvoeding en radiocommunicatie eenvoudig worden geïntegreerd. De vooruitzichten voor Anuga FoodTec 2022 laten zien: ongeplande uitvaltijden behoren binnenkort tot het verleden. Steeds meer voedselproducenten stappen af van de reactieve benadering, waarbij reparaties pas worden uitgevoerd als de machine al niet meer werkt. De conferenties en rondleidingen georganiseerd door de DLG (Duitse Landbouwvereniging) van 26 tot 29 april zullen ook bespreken wat voorspellend onderhoud vandaag al doet en welke ontwikkelingen zullen volgen.
Anuga FoodTec - Internationale leveranciersbeurs voor de voedings- en drankenindustrie, Keulen 26.04. - 29.04.2022/XNUMX/XNUMX
