háromoldalas nyitott csomag

Automatizálás Megoldások a Slim Pack csomagoláshoz

➯Csomagolási típus:

➯Termékpozícionálás:

Prémium / vékony / hosszú formátumú csomag

➯Csomagolási minőségi követelmények:

Magas megjelenési konzisztencia, szoros csomagolás és tiszta élek

➯Rendszerszintű gyakorlatok az intelligens dohánytermék-csomagolás gyártásában

1. Az iparág háttérinformációi és irányzatai: A gyártás „energia-korlátozás által meghatározott ipari átstrukturálódási fázisba” lépett

A világgyártó ipar versenylogikája strukturális átalakuláson megy keresztül. A központi hangsúly nem korlátozódik többé a termelési kapacitásra és a költségkontrollra, hanem egyre inkább egy olyan rendszerszintű versenyre helyeződik át, amely alapja az energiahatékonyság és a fenntarthatóság képessége.

Ez a transzformáció három egymást átfedő nyomás hatására zajlik:

1.1 Az energiaárak strukturális növekedése

Az elmúlt tíz évben az elektromos áram, a munkaerő- és a logisztikai költségek folyamatosan növekedtek, ami jelentősen megváltoztatta a gyártás egységnyi kimenetének költségstruktúráját. Különösen a nagy pontosságú gyártás területén az energiafogyasztás egyre inkább olyan kulcsfontosságú változóvá vált, amely fontossága összemérhető az anyagköltséggel.

1.2 Az ESG- és szén-dioxid-szabályozás érvényesítési szakaszba lép

Az ESG (környezeti, társadalmi és kormányzati) és a szén-dioxid-kibocsátással kapcsolatos szabályozások folyamatosan szigorodnak. Európa, Amerika és Ázsia vezető ipari gazdaságaiban a szén-dioxid-kezelés a „jelentéstételi kötelezettségről” egy „működési korlátozásra” váltott. A vállalatoknak most már nemcsak a kibocsátásokat kell nyilvánosságra hozniuk, hanem valós csökkentési képességüket és nyomon követhető, folyamat-szintű adatokat is igazolniuk kell.

1.3 A hagyományos hatékonyság-optimalizálás csökkenő hozamok szakaszába lép

Számos gyártórendszer már befejezte az első automatizálási frissítési szakaszt. Csak a berendezések frissítésére vagy helyi hatékonyságnövelésre támaszkodva már nem érhető el jelentős határhaszon.

2. Iparág-központúság: Miért a dohányipar és a prémium csomagolás képviselő iparágak

A gyártási szektorok között a dohánytermékek csomagolása és a felsőkategóriás fogyasztói csomagolás tipikus példája a „magas összetettségű gyártási rendszereknek”, amelyek a következő jellemzőkkel bírnak:

· Többfolyamatos, folyamatos termelési munkafolyamatok

(nyomtatás–kivágás–formázás–minőségellenőrzés–csomagolás–logisztika)

· Nagy pontossági és szigorú konzisztencia-követelmények

· Nagy sűrűségű berendezés-csoportok környezete

· Több SKUs (különböző termékváltozat), kis tételben történő, gyakori termelési átállásokat igénylő termelési modellek

Ezek a tényezők a következő jellemzőket eredményezik:

(1) Összetett energiafelhasználási szerkezet

Az energiafelhasználás nem csupán a gépek üzemeltetéséből származik, hanem a logisztikai koordinációból, az állásidőkből és az átállási veszteségekből is.

(2) Magas rendszer-volatilitás

A gyártási ütem, a logisztikai ütem és a minőségi ingadozások erősen összekapcsolódnak.

(3) Az optimalizáció elmozdul az „eszközszintűről” a „rendszer-szintűre”

Az egygépes optimalizáció csak korlátozott javulást eredményez, míg a rendszerkoordináció válik a hatékonyságnövekedés fő forrásává.

Ezért: A dohánycsomagoló iparban a gyártás átmozog az „eszközhatékonyság-optimalizálási szakaszból” a „rendszer-szintű energiavizsgálati szakaszba”. A mesterséges intelligencia is átmozog egy támogató eszköztől egy „energiaoptimalizálási döntéstámogató rendszerbe”.

3. Műszaki mechanizmusok: Hogyan alakítja át az automatizálás és a mesterséges intelligencia az energiafelhasználási struktúrákat

3.1 Az álló üzemmódban működő berendezések energiafogyasztásának csökkentése

A hagyományos gyártási rendszerekben gyakori problémák például a gépek álló üzemmódja, az emberek várakozása és az egyenetlen ütemezés, amelyek miatt a gyártási ütemek nem lesznek egységesek. Ezeket a problémákat lényegében a rendszer aszinkron működése okozza, ami jelentős rejtett energia-hulladékot eredményez.

Az automatizálás révén lehetővé válik:

·A gyártási taktidő szabványosítása

·A berendezések intelligens indítása/leállítása

·Terheléselosztás és dinamikus erőforrás-elosztás a gyártósorok között

Az MI-alapú fejlesztések további lehetőségek:

Az ipari adatgyűjtés és -elemzés révén elérhetővé válik a termelés–értékesítés koordinációja és a termelés átláthatósága, ami lehetővé teszi a rendelések és a kapacitás valós idejű összekapcsolását, a termelési ritmus adaptív módosítását, valamint jelentősen csökkenti a tervezés és a végrehajtás közötti eltéréseket.

A „gépeket ember irányítja” rendszerről a „rendszert adatok irányítják” rendszerre való áttérés kulcsfontosságú út a fogyasztás csökkentéséhez.

3.2 Okos logisztikai rendszerek: egy hosszú ideig alulbecsült energiatakarékossági modul

Az ipari energiastruktúrában a gyári logisztika, a raktározás és a külső szállítás gyakran nem minősülnek jelentős energiafogyasztónak. Azonban bonyolult gyártási rendszerekben ezek jelentős részt képviselnek a rejtett energiaterhelésből.

A hagyományos modellekben az anyagáramlás erősen támaszkodik a kézi kezelésre és a targoncákra, ami általában ismétlődő útvonalakhoz, hosszú várakozási és torlódási időkhöz, hatékonytalan ütemezéshez, alacsony raktárterület-felhasználáshoz és a logisztika és a termelés ritmusának szétválásához vezet. Ezek a problémák nemcsak megszakítják a termelés folytonosságát, hanem további energiaveszteséget is okoznak.

(1) Belüllogisztikai fejlesztés

Az AGV-k (automatizált vezérelt járművek) és az intelligens ütemezési rendszerek bevezetésével a vállalatok mesterséges intelligencián alapuló algoritmusok segítségével valós idejű útvonal-optimalizálást, többfeladatos dinamikus ütemezést, valamint automatizált anyagbetöltést/-kiürítést és keresztfolyamatos koordinációt érhetnek el. A logisztika és a termelés szinkronban működhetnek, ami jelentősen javítja a rendszer stabilitását és hatékonyságát.

(2) Okos, automatizált tároló- és kiválasztó rendszerek (AS/RS)

A függőleges tárolás és az automatizált lekérési rendszerek segítségével magasabb sűrűségű és hatékonyabb térhasznosítás érhető el. Ez csökkenti a szállítási távolságot, csökkenti a manuális ütemezésre való támaszkodást, és tovább javítja az anyagáramlás hatékonyságát.

(3) Kiszállítási logisztika (TMS-rendszerek)

A mesterséges intelligencián alapuló szállításmenedzsment-rendszerek (TMS) segítségével dinamikus útvonaltervezés valósul meg a forgalmi helyzet és a feladatok prioritása alapján, valamint intelligens feladatallokáció és valós idejű anomáliák észlelése és ütemezési korrekció. Ez kiterjeszti az intelligens logisztikai képességeket a teljes ellátási lánc szintjére.

Az általános eredmények a következők:

·Jelentős energiafogyasztás-csökkenés a felesleges szállításból

·Alacsonyabb energia-költségek a targoncák és a manuális kezelési műveletekből

·Javult belső és külső logisztikai rendszerek folytonossága és összehangoltsága

·A térbeli erőforrások maximális kihasználása

3.3 Hozamnövekedés: egy rejtett, de nagy hatású energiatakarékossági tényező

A gyártási rendszerekben a hibás termékek lényegében már felhasznált, pazarolt energiát jelentenek, ideértve az elektromos áramot, az alapanyagokat, a munkaerőt és az időköltségeket.

Ezért a gyártási hozam javítása kulcsfontosságú út a kimeneti egységre jutó energiafogyasztás csökkentéséhez.

Az AI-alapú hatoldalas vizuális ellenőrzési és az SZP (szabványos működési eljárás) figyelő rendszerek segítségével elérhetővé válik:

·Több szögből történő, mikronos pontosságú vizuális ellenőrzés hibák kiszűrésével

·SZP-szerű viselkedésfelismerés és megfelelés-ellenőrzés valós idejű riasztásokkal

·Valós idejű minőségi visszajelzés integrálása az MES-rendszerekkel

Ezek a rendszerek együttesen jelentősen csökkentik az újrafeldolgozási és a selejtarányt, ezzel növelve a kimeneti egységre jutó energiahatékonyságot és csökkentve az összesített energia-pazarlást.

3.4 Az MI + MES + energia rendszer integrációja: valós idejű intelligens optimalizációs szakasz

Az ipari digitalizációval az energiamenedzsment az önálló nyilvántartó rendszerről a termelési rendszer integrált részévé válik, és valós idejű optimalizációs rendszerré fejlődik.

Az MI és az MES rendszerek integrálásával lehetővé válik a következők rendszerszerű elérése:

· Valós idejű energiaadat-gyűjtés a berendezések szintjén

· Az elektromos áram, a víz és a gáz fogyasztásának dinamikus figyelése

· Az energiafogyasztási görbe modellezése és előrejelző elemzése mobil műveletekkel

· Előrejelző karbantartás a leállásokból eredő veszteségek csökkentése érdekében

· Az energiát figyelembe vevő termelésütemezés optimalizálása

Az energiamenedzsment a „esemény utáni jelentéskészítésről” a „valós idejű figyelésre és optimalizációra” vált.

3.5 Környezetbarát gazdaság: a csomagolóanyagok zárt körös optimalizálása

A termelési és logisztikai optimalizáción túl a csomagolókartonok újrahasznosítása egyre fontosabb összetevője lesz a fenntartható gyártásnak.

A csomagolási iparban a kartonok szétválogatását és újrahasznosítását lehetővé tévő technológiák lehetővé teszik, hogy a kartonokat másodlagos logisztikai vagy belső körülforgásra használják fel, ezzel meghosszabbítva az anyag élettartamát, csökkentve az alapanyag-felhasználást, valamint csökkentve az energiafelhasználást a hulladékfeldolgozás során.

Ez a modell a fenntarthatóságot a gyártási szakasztól az anyag teljes életciklus-kezeléséig terjeszti ki.

Ipari példa: Sinotecho intelligens dohány-csomagolási gyártási rendszer projektjének üzembe helyezése

4.1 Projektinformációk

Projektnév: A Sinotecho és a CHUNGHWA együttműködése Kínában Dohány nyomtatása Vállalat

Szállítási idő: 2025. december

Elhelyezkedés: Sanghaj Dohány Nyomda Kft. (Kína Dohányipari Vállalata)

Projekt típusa: Intelligens gyár-fejlesztés a dohány-csomagolási gyártásban

Okos gyártás érettségi szintje: 3. SZINT

Teljesítmény általában:

Az automatizálás és az MI-rendszerek integrálása révén a projekt elérte:

·Gyártási kapacitás növelése (~1,1-szeres)

·Munkaerő-csökkentés (~40%)

·Hibaráta csökkentése (~50%)

·Üzemelési hatékonyság (OEE) javítása (20–40%)

·Egységre jutó energiafogyasztás csökkentése (~12–15%)

4.2 Rendszerfrissítés eredményei

a. Gyártósor-optimalizálás

A gyártási ritmus szabványosítása, intelligens indítás/leállítás-kezelés és a terheléselosztás optimalizálása a gyártósorokon.

b. Okos logisztikai rendszer frissítésének eredményei

Az okos logisztikai rendszer lefedi az eszközök közötti anyagmozgatást, a szállítási folyamatot, a csomagolást és palettázást, a fóliázást, valamint az okos raktártervezést. Lehetővé teszi a teljes forgatókönyvben rugalmas rakodást/lerakodást, intelligens palettázást, egyedi mobil AGV-ket nyomtatáshoz és csomagoláshoz, valamint integrált okos raktári rendszereket.

Ez biztosítja a gyártás és a logisztika mély szintű koordinációját:

·Automatikus és hatékony anyagáramlás a gyártósorok és a raktárak között

·Intelligens palettázó robotok és AGV-k koordinált működése

·Teljes folyamatú digitális logisztikai ütemezés

Eredmények:

·Munkaerő-költségek csökkentése (~60%)

·Készletköltségek csökkentése (~32%)

·Anyagáramlás hatékonyságának javulása (~40%)

·Raktári be- és kiszállítás hatékonyságának javulása (~45%)

c. Mesterséges intelligencián alapuló vizuális ellenőrző rendszer eredményei

Nagyfelbontású ipari kamerák, töbszögletű megvilágítás és mélytanuláson alapuló mesterséges intelligencia-látási algoritmusok alkalmazásával érhető el a teljes folyamat ellenőrzése, az automatizált vezérlés és a valós idejű adatvisszajelzés:

·Töbszögletű, mikronos szintű hibafelismerés és eltávolítás

·SOP-követési ellenőrzés riasztásokkal

·Valós idejű minőség-visszajelzés integrálva a gyártási végrehajtási rendszerekkel (MES)

Végeredmények:

·A kihozatali arány 99%-ra vagy annál magasabbra nőtt

·A minőségi veszteség legalább 30%-kal csökkent

·Javult termékminőség-egyenszülés

d. Energia-menedzsment rendszer frissítésének értéke

A digitális energia-menedzsment rendszerek segítségével a gyár teljes energiavállalása átláthatóvá válik:

·Egyes berendezések energiavállalásának valós idejű figyelése (feszültség, áramerősség, teljesítmény stb.)

·Nagyenergiás berendezések kulcsfontosságú kezelése (100 kW feletti berendezések mérő- és figyelőrendszerekkel vannak ellátva)

·Mesterséges intelligencián alapuló anomáliás energiaválasztási figyelmeztető mechanizmusok

·Energetikai és termelési tervezés összekapcsolásának optimalizálása (A rendszer átfogóan figyeli az energiaáramlás összes szakaszát – a transzformációt, tárolást, átalakítást és felhasználást –, és összehangolja az energiafelhasználást a termelési tevékenységekkel, így koordinált energiaellátást tesz lehetővé. A berendezések energiafelhasználásának és üzemidőbeli tendenciáinak elemzésével a rendszer tükrözi az energiafelhasználás és a termelési tevékenységek közötti összefüggést. Az energetikai menedzsment adatokat továbbá megosztják az MES rendszerrel is, amely a termelési ütemezés egyik alapját képezi; ezzel a rendszer az azonos feltételek mellett alacsonyabb energiafelhasználású berendezéseket részesíti előnyben.)

·Mobilalapú valós idejű energiamonitorozás

Az energiamenedzsment a támogató rendszertől kulcsfontosságú termelési döntéshozatali komponenssé alakul.

e. Dobozszortírozó és újrahasznosító rendszer

A használt dobozokat az ügyfeleknek történő szállítás után intelligens felismerő rendszerek segítségével azonosítani, szortírozni, újracsomagolni és újrahasznosítani lehet, így hatékonyan csökkentve a csomagolóanyag-felhasználást.

f. Fenntartható fejlődés előzetes tervezése

A Sinotecho „1+3+N+1” mesterséges intelligencia-felhő architektúrája alapján a rendszer integrálja a PLM-, ERP-, MES- és WMS-rendszereket, egységes adatszabványok és mesterséges intelligencia-modell-oktatás biztosítása érdekében. A platform integrálja a mesterséges intelligencia-alapú biztonsági megoldásokat, az energiaoptimalizálást és a térbeli menedzsmentet, így egy biztonságos, zöld és intelligens ipari környezetet teremt, valamint egy értékorientált és önálló döntéshozással működő alacsony szén-dioxid-kibocsátású okos gyárat épít ki. .

5. Projektátfogó, rendszerszintű tapasztalat

Több hasonló projekt során egy konzisztens minta figyelhető meg: a legnagyobb energiaoptimalizációs potenciál a rendszerszintű koordinációból származik, nem pedig az egyes berendezések optimalizálásából.

Integrált megoldások kombinálásával okos csomagolóvonalak, intelligens logisztikai robotok, mesterséges intelligencia-alapú ellenőrző rendszerek és felhőalapú platformok , így hatékonyan javítható az energiahatékonyság és a fenntarthatósági képesség.

Fő megfigyelések:

·A gyártósor optimalizálása nagyobb hatással van, mint az egyedi gépek optimalizálása

·A logisztikai rendszer optimalizálása jelentős, rejtett energiamegtakarítást eredményez

·A teljes folyamat adatkapcsolata és a mesterséges intelligencia zárt hurkú optimalizálása lehetővé teszi a folyamatos fejlődést

·A kihozatal javítása és az anyagok újrahasznosítása hozzájárul a fenntarthatósági célok eléréséhez

A gyártás az „eszközök intelligenciájáról” a „rendszerintelligenciára” vált.

6. Ipari irányzatok: az automatizálástól az MI-alapú energiaintelligens gyártásig

6.1 A gyártás háromszakaszos fejlődése:

1. szakasz: Automatizálás – munkaerő helyettesítése és hatékonyságjavítás

2. fokozat: Okos gyártás – rendszerkoordináció és digitális vezérlés

3. szakasz: Energiatudatos gyártás – mesterséges intelligencián alapuló, önmagát optimalizáló energiarendszerek

6.2 A MI szerepének átalakulása

A gyártásban alkalmazott mesterséges intelligencia egy ellenőrző eszközből a termelésütemezés központjává fejlődik, lehetővé téve az autonóm döntéshozatalt.

6.3 Adatokkal integrált zöld gyárak

A szén-dioxid-kibocsátási adatok valós idejűvé, mérhetővé és optimalizálhatóvá válnak.

A gyártásban használt energiarendszerek a „ fenntarthatóságot önmagát optimalizáló modulok felé fejlődnek.

7. Következtetés

Az automatizálás és a mesterséges intelligencia alapvetően átalakítja a gyártási műveleteket. Nemcsak a termelési hatékonyságot javítják, hanem egyre inkább a fő hajtóerővé válnak az energiamenedzsment és a fenntarthatóság területén.

Ennek az átalakulásnak közvetlen hatás az ESG-célok elérésén.

Ez a változás különösen érzékelhető a nagy bonyolultságú gyártóipari ágazatokban, például a dohány- és a felsőkategóriás csomagolás területén.

A gyártás strukturális átmenetet él át az hatékonyságra épülő rendszerekről az energiára és a fenntarthatóságra épülő rendszerekre. A jövőben az automatizálás és A mesterséges intelligencia (AI) már nem lesz opcionális frissítés, hanem a fenntartható gyártási rendszerek alapvető képessége.

A berendezésgyártóknak további kutatási és fejlesztési (R&D) frissítéseket kell fontolóra venniük a digitalizáció, az intelligencia és a mesterséges intelligencia alkalmazásai területén a globális széndioxid-kibocsátás csökkentésének támogatására.