pembungkusan Terbuka Tiga Sisi

Automasi Penyelesaian untuk Pembungkusan Slim Pack

➯Jenis Pembungkusan：

➯Penentuan Kedudukan Produk：

Pek Premium / Slim / Format Panjang

➯Keperluan Kualiti Pembungkusan:

Konsistensi rupa yang tinggi, pembungkusan ketat & tepi bersih

➯Amalan Tahap Sistem dalam Pembuatan Pembungkusan Tembakau Pintar

1. Latar Belakang dan Trend Industri: Pembuatan Memasuki Fasa ‘Penstrukturan Semula Industri yang Dipacu oleh Sekatan Tenaga’

Industri pembuatan global sedang mengalami peralihan struktur dalam logik persaingannya. Fokus utama kini tidak lagi terhad kepada kapasiti pengeluaran dan kawalan kos, tetapi semakin beralih kepada persaingan sistemik berdasarkan kecekapan tenaga dan keupayaan kelestarian.

Transformasi ini didorong oleh tiga tekanan yang saling bertindih:

1.1 Kenaikan struktural dalam kos tenaga

Dalam dekad yang lalu, kos elektrik, buruh, dan logistik terus meningkat, menyebabkan perubahan ketara dalam struktur kos setiap unit keluaran dalam sektor pembuatan. Khususnya dalam pembuatan berketepatan tinggi, penggunaan tenaga semakin menjadi pemboleh ubah utama yang setara pentingnya dengan kos bahan.

1.2 ESG dan peraturan karbon memasuki peringkat penguatkuasaan

Peraturan ESG (Persekitaran, Sosial, dan Tadbir Urus) dan pelepasan karbon terus diperkukuhkan. Di seluruh ekonomi industri utama di Eropah, Amerika, dan Asia, pengurusan karbon telah berubah daripada "keperluan pelaporan" kepada "kekangan operasi." Kini, syarikat diwajibkan tidak hanya melaporkan pelepasan, tetapi juga menunjukkan keupayaan pengurangan sebenar serta data aras proses yang boleh dilacak.

1.3 Pengoptimuman kecekapan tradisional memasuki fasa pulangan semakin berkurangan

Ramai sistem pembuatan telah menyelesaikan peringkat pertama peningkatan automasi. Mengandalkan peningkatan peralatan sahaja atau peningkatan kecekapan setempat tidak lagi memberikan faedah marjinal yang ketara.

2. Fokus Industri: Mengapa Tembakau dan Pembungkusan Bermutu Tinggi Bersifat Mewakili

Dalam sektor pembuatan, pembungkusan tembakau dan pembungkusan pengguna mewah merupakan contoh khas bagi “sistem pembuatan berkompleksitas tinggi”, yang dicirikan oleh:

· Aliran kerja pengeluaran berterusan pelbagai proses

(percetakan–pemotongan acuan–pembentukan–pemeriksaan–pembungkusan–logistik)

· Keperluan ketepatan tinggi dan kekonsistenan yang ketat

· Persekitaran kelompok peralatan berketumpatan tinggi

· Model pengeluaran pelbagai SKU, kelompok kecil, dan pertukaran frekuensi tinggi

Faktor-faktor ini menghasilkan ciri-ciri berikut:

(1) Struktur penggunaan tenaga yang kompleks

Penggunaan tenaga tidak hanya berasal daripada operasi mesin, tetapi juga daripada koordinasi logistik, masa menunggu, dan kehilangan akibat pertukaran.

(2) Ketidakstabilan sistem yang tinggi

Irama pengeluaran, irama logistik, dan fluktuasi kualiti sangat berkaitan rapat.

(3) Pengoptimuman beralih daripada peringkat ‘peralatan’ kepada peringkat ‘sistem’

Pengoptimuman peralatan tunggal memberikan peningkatan yang terhad, manakala koordinasi sistem menjadi sumber utama peningkatan kecekapan.

Oleh itu: Pembuatan pembungkusan tembakau sedang berpindah daripada ‘peringkat pengoptimuman kecekapan peralatan’ kepada ‘peringkat pengoptimuman tenaga peringkat sistem’. Kecerdasan Buatan (AI) juga berpindah daripada alat sokongan kepada ‘sistem pengambilan keputusan pengoptimuman tenaga’.

3. Mekanisme Teknikal: Bagaimana Automasi dan AI Membentuk Semula Struktur Penggunaan Tenaga

3.1 Mengurangkan penggunaan tenaga peralatan yang tidak aktif

Dalam sistem pembuatan tradisional, masalah biasa termasuk kelengangan mesin, menunggu pekerja, dan penjadualan tidak sekata yang menyebabkan irama pengeluaran tidak konsisten. Masalah-masalah ini pada asasnya disebabkan oleh ketidakselarasan sistem, yang mengakibatkan pembaziran tenaga tersembunyi yang signifikan.

Melalui automasi, adalah mungkin untuk mencapai:

·Piawaian masa takt pengeluaran

·Permulaan/hentian pintar peralatan

·Penyeimbangan beban dan pelaksanaan pelarasan dinamik merentasi garis pengeluaran

Kemaskini berpandukan AI seterusnya membolehkan:

Melalui pengambilan dan analisis data industri, koordinasi pengeluaran-penjualan dan ketelusan pengeluaran dapat dicapai, membolehkan padanan masa nyata antara pesanan dan kapasiti, pelarasan adaptif irama pengeluaran, serta mengurangkan secara ketara penyimpangan antara perancangan dan pelaksanaan.

Peralihan daripada “mesin dikawal manusia” kepada “irama sistem dikawal data” merupakan laluan utama untuk mengurangkan penggunaan tenaga.

3.2 Sistem logistik pintar: modul pengoptimuman tenaga yang sering diabaikan

Dalam struktur tenaga industri, logistik kilang, pergudangan, dan pengangkutan luaran biasanya tidak dianggap sebagai pengguna tenaga utama. Namun, dalam sistem pembuatan kompleks, komponen ini menyumbang sebahagian besar penggunaan tenaga tersembunyi.

Dalam model tradisional, aliran bahan bergantung secara besar-besaran kepada pengendalian manual dan forklift, yang biasanya menyebabkan laluan berulang, masa menunggu yang panjang dan kesesakan, penjadualan yang tidak cekap, penggunaan ruang gudang yang rendah, serta ketidakselarasan antara logistik dan irama pengeluaran. Isu-isu ini bukan sahaja mengganggu kesinambungan pengeluaran tetapi juga menghasilkan pembaziran tenaga tambahan.

(1) Peningkatan Intralogistik

Dengan memperkenalkan kenderaan berpandu automatik (AGV) dan sistem penjadualan pintar, syarikat boleh menggunakan algoritma kecerdasan buatan (AI) untuk mencapai pengoptimuman laluan secara masa nyata, penjadualan dinamik pelbagai tugas, serta pemuatan/penurunan bahan secara automatik dan koordinasi merentasi proses. Logistik dan pengeluaran boleh beroperasi secara selaras, meningkatkan ketegaran dan kecekapan sistem secara ketara.

(2) Sistem penyimpanan dan pengambilan automatik pintar (AS/RS)

Melalui sistem penyimpanan menegak dan pengambilan automatik, penggunaan sumber ruang dengan ketumpatan lebih tinggi dan lebih cekap dapat dicapai. Ini mengurangkan jarak pengangkutan, mengurangkan pergantungan kepada penjadualan manual, dan seterusnya meningkatkan kecekapan aliran bahan.

(3) Logistik keluar (sistem TMS)

Melalui Sistem Pengurusan Pengangkutan (TMS) berkuasa AI, perancangan laluan dinamik berdasarkan keadaan trafik dan keutamaan tugas dapat dicapai, bersama-sama dengan pelaksanaan tugas secara pintar dan pengesanan anoma secara masa nyata serta pembetulan penjadualan. Ini memperluaskan kemampuan logistik pintar ke peringkat rantai bekalan.

Hasil keseluruhan termasuk:

·Pengurangan ketara dalam penggunaan tenaga akibat pengangkutan yang tidak perlu

·Kos tenaga yang lebih rendah daripada operasi jentera pengangkat forklift dan pengendalian manual

·Peningkatan kesinambungan dan koordinasi sistem logistik dalaman dan luaran

·Penggunaan sumber ruang secara maksimum

3.3 Peningkatan hasil: pemboleh ubah pengoptimuman tenaga yang tersembunyi tetapi memberi impak tinggi

Dalam sistem pembuatan, produk yang cacat pada dasarnya mewakili pembaziran tenaga yang telah digunakan, termasuk elektrik, bahan mentah, buruh, dan kos masa.

Oleh itu, peningkatan hasil pengeluaran merupakan satu laluan penting untuk mengurangkan penggunaan tenaga setiap unit keluaran.

Melalui sistem pemeriksaan enam sisi berbasis AI dan sistem pemantauan SOP, adalah mungkin untuk mencapai:

·Pemeriksaan visual berprecisikan tahap mikron dari pelbagai sudut dengan penyingkiran cacat

·Pengenalan tingkah laku SOP dan pemantauan pematuhan dengan amaran masa nyata

·Maklum balas kualiti masa nyata yang terintegrasi dengan sistem MES

Secara keseluruhan, sistem-sistem ini secara ketara mengurangkan kadar kerja semula dan kadar buangan, seterusnya meningkatkan kecekapan tenaga setiap unit keluaran dan mengurangkan pembaziran tenaga secara keseluruhan.

3.4 Integrasi AI + MES + sistem tenaga: peringkat pengoptimuman pintar masa nyata

Dengan digitalisasi industri, pengurusan tenaga sedang berubah daripada sistem rekod bebas kepada bahagian terintegrasi dalam sistem pengeluaran, berkembang menjadi sistem pengoptimuman masa nyata.

Melalui integrasi sistem AI dan MES, adalah mungkin untuk mencapai secara sistematik:

·Pengumpulan data tenaga masa nyata pada tahap peralatan

·Pemantauan dinamik penggunaan elektrik, air, dan gas

·Pemodelan lengkung penggunaan tenaga dan analisis ramalan dengan operasi mudah alih

·Penyelenggaraan berdasarkan ramalan untuk mengurangkan kerugian akibat masa henti

·Pengoptimuman penjadualan pengeluaran dengan kesedaran tenaga

Pengurusan tenaga sedang berubah daripada “pelaporan selepas kejadian” kepada “pemantauan dan pengoptimuman masa nyata.”

3.5 Ekonomi bulat: pengoptimuman gelung tertutup bahan pembungkus

Di luar pengoptimuman pengeluaran dan logistik, kitar semula kotak pembungkus menjadi komponen penting dalam pembuatan mampan.

Dalam industri pembungkusan, teknologi pengurutan dan kitar semula kotak membolehkan kotak digunakan semula untuk logistik sekunder atau edaran dalaman, memperpanjang kitaran hayat bahan, mengurangkan penggunaan bahan mentah, dan menurunkan penggunaan tenaga dalam pemprosesan sisa.

Model ini meluaskan kelestarian dari peringkat pengeluaran hingga pengurusan kitaran hayat penuh bahan.

Kes Industri: Projek Penghantaran Sistem Pembungkusan Tembakau Pintar Sinotecho

4.1 Maklumat projek

Nama Projek: Kerjasama antara Sinotecho dan CHUNGHWA China Pencetakan Tembakau Syarikat

Masa Penghantaran: Disember 2025

Lokasi: Syarikat Pencetakan Tembakau Shanghai (China Tobacco)

Jenis Projek: Kemaskini kilang pintar dalam pembuatan pembungkusan tembakau

Aras Kematangan Pembuatan Pintar: ARAS 3

Prestasi Keseluruhan:

Melalui pengautomatan dan integrasi sistem AI, projek ini berjaya mencapai:

·Peningkatan kapasiti pengeluaran (~1.1x)

·Penurunan tenaga kerja (~40%)

·Penurunan kadar cacat (~50%)

·Peningkatan OEE (20–40%)

·Penurunan penggunaan tenaga per unit keluaran (~12–15%)

4.2 Hasil peningkatan sistem

a. Pengoptimuman talian pengeluaran

Piawaian irama pengeluaran, pengurusan permulaan/henti pintar, dan pengoptimuman keseimbangan beban merentasi talian pengeluaran.

b. Hasil peningkatan sistem logistik pintar

Sistem logistik pintar ini merangkumi pengendalian bahan di antara peralatan, aliran pengangkutan, pembungkusan dan pengepalam, pembalut filem, serta perancangan gudang pintar. Ia membolehkan pemuatan/penurunan yang fleksibel dalam semua skenario, pengepalam pintar, AGV mudah alih tersuai untuk pencetakan dan pembungkusan, serta sistem pergudangan pintar terpadu.

Ini memastikan koordinasi mendalam antara pengeluaran dan logistik:

·Aliran bahan secara automatik dan cekap antara talian pengeluaran dan gudang

·Operasi terkoordinasi robot pengepalkan pintar dan kenderaan bergerak automatik (AGV)

·Jadual logistik digital untuk keseluruhan proses

Hasilnya termasuk:

·Pengurangan kos buruh (~60%)

·Pengurangan kos inventori (~32%)

·Peningkatan kecekapan aliran bahan (~40%)

·Peningkatan kecekapan masuk/keluar gudang (~45%)

c. Hasil sistem pemeriksaan visual AI

Menggunakan kamera industri beresolusi tinggi, pencahayaan dari pelbagai sudut, dan algoritma penglihatan AI berasaskan pembelajaran mendalam untuk mencapai pemeriksaan proses penuh, kawalan automatik, dan suapan balik data secara masa nyata:

·Pengesanan dan penyingkiran cacat pada tahap mikron dari pelbagai sudut

·Pemantauan pematuhan SOP dengan amaran

·Suapan balik kualiti secara masa nyata yang terintegrasi dengan sistem MES

Keputusan Akhir:

·Kadar hasil meningkat kepada 99%+

·Kehilangan kualiti dikurangkan sebanyak ≥30%

·Peningkatan kekonsistenan produk

d. Nilai peningkatan sistem pengurusan tenaga

Melalui sistem pengurusan tenaga digital, visibiliti penuh terhadap penggunaan tenaga kilang dicapai:

·Pemantauan masa nyata penggunaan tenaga peralatan individu (voltan, arus, kuasa, dll.)

·Pengurusan utama peralatan berkuasa tinggi (peralatan di atas 100 kW dilengkapi dengan sistem pengukuran dan pemantauan)

·Mekanisme amaran penggunaan tenaga tidak normal berbasis AI

·Pengoptimuman pautan perancangan tenaga dan pengeluaran (Memantau secara komprehensif semua peringkat aliran tenaga, termasuk penghantaran, penyimpanan, penukaran, dan penggunaan, serta menyelaraskan penggunaan tenaga dengan aktiviti pengeluaran untuk membolehkan pengagihan tenaga yang terkoordinasi. Dengan menganalisis hubungan antara penggunaan tenaga peralatan dan tren masa operasi, sistem ini dapat mencerminkan korelasi antara penggunaan tenaga dan aktiviti pengeluaran. Data pengurusan tenaga juga dikongsi dengan sistem MES sebagai rujukan untuk penjadualan pengeluaran, membolehkan sistem memberi keutamaan kepada peralatan yang menggunakan tenaga lebih rendah dalam keadaan setara.)

·Pemantauan tenaga masa nyata berasaskan mudah alih

Pengurusan tenaga sedang berubah daripada sistem sokongan kepada komponen utama dalam pengambilan keputusan pengeluaran.

e. Sistem penghasilan semula dan pengasingan kotak

Kotak-kotak bekas yang digunakan selepas penghantaran kepada pelanggan boleh dikenal pasti, diasingkan, dibungkus semula, dan digunakan semula melalui sistem pengenalan pintar, secara berkesan mengurangkan penggunaan bahan pembungkusan.

f. Perancangan awal pembangunan mampan

Berdasarkan arkitektur AI Cloud Sinotecho ‘1+3+N+1’, sistem ini mengintegrasikan sistem PLM, ERP, MES, dan WMS, membolehkan piawaian data bersatu dan latihan model AI. Platform ini mengintegrasikan keselamatan AI, pengoptimuman tenaga, dan pengurusan ruang, mencipta persekitaran industri yang selamat, hijau, dan pintar, serta membina kilang pintar berkarbon rendah yang dipacu oleh nilai dan pengambilan keputusan autonomi. .

5. Pengalaman peringkat sistem merentasi pelbagai projek

Merentasi beberapa projek serupa, corak yang konsisten telah diperhatikan: pengoptimuman tenaga terbesar berasal daripada koordinasi peringkat sistem, bukan pengoptimuman peralatan individu.

Melalui penyelesaian terpadu yang menggabungkan talian pembungkusan pintar, robot logistik pintar, sistem pemeriksaan AI, dan platform awan , adalah mungkin untuk meningkatkan secara berkesan kecekapan tenaga dan kemampuan kelestarian.

Pemerhatian utama termasuk:

·Pengoptimuman talian pengeluaran memberi kesan yang lebih besar berbanding pengoptimuman jentera tunggal

·Pengoptimuman sistem logistik menyumbang penjimatan tenaga tersembunyi yang ketara

·Keterhubungan data sepenuh proses dan pengoptimuman gelung tertutup AI membolehkan penambahbaikan berterusan

·Peningkatan hasil dan kitar semula bahan menyumbang kepada matlamat kelestarian

Pengeluaran sedang berubah daripada “kecerdasan peralatan” kepada “kecerdasan sistem.”

6. Trend industri: daripada automasi kepada pembuatan pintar tenaga berpandukan AI

6.1 Tiga peringkat evolusi pengeluaran:

Peringkat 1: Automasi – menggantikan tenaga buruh dan meningkatkan kecekapan

Peringkat 2: Pembuatan pintar – koordinasi sistem dan kawalan digital

Peringkat 3: Pembuatan tenaga pintar – sistem pengoptimuman tenaga sendiri berkuasa AI

6.2 Transformasi peranan AI

AI dalam pembuatan sedang berkembang daripada alat pemeriksaan kepada teras penjadualan pengeluaran, membolehkan pengambilan keputusan autonomi.

6.3 Kilang hijau bersepadu data

Data pelepasan karbon akan menjadi segera, boleh diukur, dan boleh dioptimumkan.

Sistem tenaga pembuatan sedang berkembang ke arah “ modul pengoptimuman sendiri kearah kelestarian.”

7. kesimpulan

Automasi dan AI secara asasnya sedang mengubah operasi pembuatan. Ia bukan sahaja meningkatkan kecekapan pengeluaran tetapi juga menjadi pendorong utama pengurusan tenaga dan kelestarian.

Transformasi ini mempunyai kesan langsung impak pada objektif ESG.

Dalam industri pembuatan berkompleksitas tinggi seperti pembungkusan tembakau dan pembungkusan bertaraf tinggi, peralihan ini amat ketara.

Pembuatan sedang mengalami peralihan struktural daripada sistem yang berorientasikan kecekapan kepada sistem yang berorientasikan tenaga dan kelestarian. Pada masa depan, automasi dan Kecerdasan buatan (AI) tidak lagi merupakan peningkatan pilihan, tetapi kemampuan asas bagi sistem pembuatan yang lestari.

Pengilang peralatan harus mempertimbangkan peningkatan penyelidikan dan pembangunan (R&D) lanjut dalam digitalisasi, kecerdasan, dan aplikasi AI untuk menyokong pengurangan pelepasan karbon global.