Anuga FoodTec 2022: Penderia Pintar dan Data Besar
Teknologi baharu memastikan pengeluaran pintar dan rangkaian dalam syarikat dalam industri makanan. Dengan pemantauan keadaan dan penyelenggaraan ramalan, dua inovasi utama Industri 4.0 semakin menjadi tumpuan, yang menjanjikan penyelenggaraan ramalan komponen individu dan keseluruhan sistem. Pemain utama: penderia pintar, data besar, perkhidmatan awan dan pendekatan pembelajaran mesin. Secara gabungan, mereka membenarkan proses dioptimumkan secara berterusan dan dalam masa nyata, standard kualiti ditingkatkan dan ketersediaan mesin dijamin. Dari 26 hingga 29 April 2022, peserta pameran di Anuga FoodTec akan membentangkan penyelesaian konkrit untuk ini. Sebagai tambahan kepada pelaksanaan teknikal, faedah penyelenggaraan ramalan dari perspektif perniagaan dan model perniagaan baharu dalam perkhidmatan selepas jualan juga akan dibincangkan di pusat pameran Cologne.
Pemantauan terhadap kegagalan
Kecacatan mesin biasanya memerlukan pembaikan di tapak oleh juruteknik. Dengan itu datang masa henti dan kehilangan hasil. Matlamat konsep penyelenggaraan yang dibentangkan di Anuga FoodTec adalah untuk mencari tetingkap masa optimum dari segi ekonomi untuk penyelenggaraan sistem atau penggantian komponen. Untuk merealisasikannya, maklumat masa nyata diperlukan terus daripada mesin – dan oleh itu penderia pintar. Mereka beroperasi menggunakan pengkomputeran tepi dan mengumpul data mentah yang diperlukan untuk analisis, mentafsir dan menyampaikannya dengan segera. Selain itu, penderia secara bebas memantau kualiti dan keteguhan isyarat mereka.
Dalam industri makanan, ini dicerminkan dalam peningkatan penggunaan penderia pintar dan berkemampuan komunikasi dalam barisan pembungkusan. Sama ada penimbang multihead, pembalut aliran, pengedap dulang atau sistem pemeriksaan sinar-X: semuanya mengumpul data berharga. Contohnya, dengan Modified Atmosphere Packaging (MAP) – kaedah yang memanjangkan jangka hayat makanan bahagian sedia untuk dimakan. Penjagaan yang melampau diperlukan. Malah ketidaktepatan terkecil apabila filem dimasukkan boleh menyebabkan kerugian dalam pengeluaran. Pada baris yang membungkus salad segar yang dipotong perlahan-lahan di bawah gas pelindung, sistem pemantauan keadaan memulakan mesin berhenti sebaik sahaja filem tidak diangkut dengan betul atau tekanan pengedap menurun. Penyelenggaraan ramalan berjalan selangkah lagi. Di sini dapat dilihat lebih awal bahawa tekanan pengedap terus menurun dalam langkah-langkah kecil dan bahawa arah aliran ini akhirnya membawa kepada nilai had kritikal yang dikurangkan. Jika puncanya terletak pada mesin itu sendiri, contohnya memakai pada alat pengedap, juruteknik boleh mengambil tindakan tepat pada masanya – dan menukar masa henti yang tidak dirancang kepada penyelenggaraan yang dirancang.
Pembelajaran mesin untuk ramalan yang tepat
Komponen mekanikal menyebabkan getaran dan bunyi yang berbeza-beza sepanjang hayat perkhidmatan komponen dan membolehkan kesimpulan dibuat tentang keadaan haus mesin. Di sinilah penyelesaian perisian berasaskan AI berperanan, yang merekodkan keadaan sebagai aplikasi awan dan menggunakan algoritma mereka untuk mengenali apa yang dipanggil drift, iaitu nilai yang berubah dalam tempoh yang lebih lama. Perkara berikut digunakan di sini: Lebih banyak data yang boleh digunakan oleh algoritma, lebih tepat ia. Walau bagaimanapun, sejarah yang sepadan juga merupakan prasyarat untuk mewujudkan hubungan antara status mesin dan data. Pada akhirnya, kebarangkalian kegagalan berlaku dikira. Penyelenggaraan ramalan juga boleh berfungsi secara pencegahan dan proaktif dengan data langsung daripada mesin, tetapi juga boleh meramalkan bila dan di mana masalah akan timbul. Pada beban yang lebih tinggi, tempoh penyelenggaraan dikurangkan dan kerosakan dapat dielakkan. Apabila beban lebih rendah, masa penyelenggaraan ditolak, yang menjimatkan kos dan masa henti yang tidak perlu. Perisian visualisasi menunjukkan semua data, pada tahap kawalan mesin dan pada peranti mudah alih.
Tetapi bukan itu sahaja: Dengan bantuan penyelenggaraan ramalan, rantaian nilai dalam syarikat boleh dikaitkan dengan perkhidmatan selepas jualan pengeluar kilang. Sebaik sahaja titik masa yang tepat di mana mesin akan diservis telah ditentukan, proses logistik yang berkaitan boleh dimulakan - dan ini adalah automatik sepenuhnya. Di sini juga, laluan membawa kepada penyelesaian berasaskan awan. Sebagai tambahan, mereka boleh disepadukan ke dalam sistem ERP sedia ada. Dengan cara ini, proses kerja dan pesanan yang diselaraskan dapat dipastikan, alat ganti dapat dijejaki dan perancangan keperluan yang dioptimumkan kos dapat dilaksanakan.
Pasang semula penyelenggaraan ramalan
Tetapi bagaimanakah sistem sedia ada boleh dibuat sesuai untuk Penyelenggaraan 4.0 dalam proses pemodenan? Jawapan penyedia teknologi di Anuga FoodTec ialah pakej pengubahsuaian, yang mengandungi segala-galanya untuk pemasangan semula mesin yang disasarkan, daripada penderia teguh kepada penyelesaian sistem dengan pemantauan awan yang fleksibel. Mereka belajar cara menggunakan mesin itu sendiri dan, terima kasih kepada operasi bateri dan komunikasi radio, boleh disepadukan dengan mudah. Tinjauan untuk Anuga FoodTec 2022 menunjukkan: masa henti yang tidak dirancang tidak lama lagi akan menjadi perkara yang telah berlalu. Semakin banyak pengeluar makanan beralih daripada pendekatan reaktif, di mana pembaikan hanya dibuat apabila mesin sudah tidak berfungsi. Persidangan dan lawatan berpandu yang dianjurkan oleh DLG (Persatuan Pertanian Jerman) dari 26 hingga 29 April juga akan membincangkan mengenai penyelenggaraan ramalan yang sudah dilakukan hari ini dan perkembangan yang akan berlaku.
Anuga FoodTec - Pameran pembekal antarabangsa untuk industri makanan dan minuman, Cologne 26.04. - 29.04.2022/XNUMX/XNUMX
