Anuga FoodTec 2022：智能传感器和大数据
新技术确保食品行业公司的智能和网络化生产。 随着状态监测和预测性维护，工业 4.0 的两项关键创新越来越受到关注，它们承诺对单个组件和整个系统进行预测性维护。 主要参与者：智能传感器、大数据、云服务和机器学习方法。 结合起来，它们可以持续实时优化流程，提高质量标准并保证机器可用性。 26 年 29 月 2022 日至 XNUMX 日，Anuga FoodTec 的参展商将为此展示具体的解决方案。 除了技术实施，从商业角度预测性维护的好处和售后服务的新商业模式也将在科隆展览中心进行讨论。
监控故障
机器缺陷通常需要技术人员进行现场维修。 随之而来的是停机时间和收入损失。 Anuga FoodTec 展示的维护概念旨在为系统维护或组件更换找到经济上最佳的时间窗口。 为了实现这一点，需要直接来自机器的实时信息——因此需要智能传感器。 他们使用边缘计算进行操作，并收集分析所需的原始数据，及时解释和交流它们。 此外，传感器独立监控其信号的质量和稳健性。
在食品行业，这反映在包装生产线中越来越多地使用智能和具有通信能力的传感器。 无论是多头秤、流动包装机、托盘密封机还是 X 射线检测系统：它们都收集有价值的数据。 例如，使用气调包装 (MAP) - 一种延长即食分份食品保质期的方法。 需要格外小心。 即使是薄膜进料时的最小误差也会导致生产损失。 在一条用保护气体轻轻包装鲜切沙拉的生产线上，一旦薄膜运输不当或密封压力下降，状态监测系统就会启动机器停机。 预测性维护更进一步。 在这里可以较早地看到，密封压力继续小幅下降，并且这种趋势最终导致低于临界极限值。 如果原因在于机器本身，例如密封工具磨损，技术人员可以及时采取行动，并将计划外停机时间转化为计划内维护。
机器学习进行准确预测
机械部件会引起振动和噪音，这些振动和噪音会随着部件的使用寿命而变化，并且可以得出关于机器磨损状态的结论。 这就是基于人工智能的软件解决方案发挥作用的地方，它将条件记录为云应用程序并使用它们的算法来识别所谓的漂移，即在较长时间内变化的值。 以下适用于此：算法拥有的数据越多，它们就越准确。 但是，为了在机器状态和数据之间建立联系，相应的历史记录也是先决条件。 最后，计算故障发生的概率。 预测性维护还可以利用机器的实时数据进行预防性和主动性工作，但也可以预测何时何地会出现问题。 在更高的负载下，维护时间会缩短，从而防止损坏。 当负载较低时，维护时间被推后，从而节省了不必要的成本和停机时间。 可视化软件显示机器控制级别和移动设备上的所有数据。
但这还不是全部：借助预测性维护，可以将公司的价值链与设备制造商的售后服务联系起来。 一旦确定了维修机器的确切时间点，就可以启动相关的物流流程 - 这是完全自动化的。 在这里，路径也通向基于云的解决方案。 作为附加组件，它们可以集成到现有的 ERP 系统中。 通过这种方式，可以确保协调工作和订购流程，跟踪备件并实施成本优化的需求计划。
改造预测性维护
但是如何在现代化过程中使现有系统适应维护 4.0？ Anuga FoodTec 技术供应商的答案是改造包，其中包含有针对性地改造机器的所有内容，从坚固的传感器到具有灵活云监控的系统解决方案。 他们自己学习如何使用机器，并且由于电池操作和无线电通信，可以轻松集成。 Anuga FoodTec 2022 的前景表明：计划外停机时间将很快成为过去。 越来越多的食品生产商正在摆脱被动式方法，只有在机器已经不工作时才进行维修。 DLG（德国农业协会）于 26 月 29 日至 XNUMX 日组织的会议和导游也将讨论预测性维护今天已经在做什么以及接下来会发生什么发展。
Anuga FoodTec - 食品和饮料行业的国际供应商展览会，科隆 26.04。 - 29.04.2022 年 XNUMX 月 XNUMX 日
