opakowanie otwarte z trzech stron

Automatyzacja Rozwiązania dla opakowania Slim Pack

➯Typ opakowania:

➯Pozycjonowanie produktu:

Opakowanie premium / Slim / format długiego opakowania

➯Wymagania dotyczące jakości opakowania:

Wysoka spójność wizualna, ciasne owinięcie i czyste krawędzie

➯Zastosowanie praktyk na poziomie systemowym w inteligentnym przemyśle opakowań tytoniowych

1. Tło branżowe i trendy: przemysł produkcyjny wchodzi w fazę „restrukturyzacji przemysłowej napędzanej ograniczeniami energetycznymi”

Globalny przemysł produkcyjny przeżywa strukturalną zmianę logiki konkurencji. Główny nacisk nie ogranicza się już wyłącznie do zdolności produkcyjnych i kontroli kosztów, lecz coraz bardziej przesuwa się w kierunku konkurencji systemowej opartej na efektywności energetycznej i zdolnościach z zakresu zrównoważonego rozwoju.

Przemianę tę napędzają trzy nakładające się na siebie czynniki presji:

1.1 Strukturalny wzrost kosztów energii

W ciągu ostatniej dekady koszty energii elektrycznej, pracy oraz logistyki stale rosły, co znacząco zmieniło strukturę kosztów przypadających na jednostkę produkcji w przemyśle produkcyjnym. W szczególności w przypadku produkcji wysokiej precyzji zużycie energii staje się coraz bardziej kluczowym czynnikiem, porównywalnym pod względem znaczenia z kosztami materiałów.

1.2 ESG i przepisy dotyczące emisji dwutlenku węgla wchodzą w fazę egzekwowania

Przepisy dotyczące ESG (środowiska, społeczeństwa i zarządzania) oraz emisji dwutlenku węgla są systematycznie wzmaczane. W głównych gospodarkach przemysłowych Europy, Ameryki i Azji zarządzanie emisjami CO₂ przesunęło się z „wymogu raportowania” na „ograniczenie operacyjne”. Firmy są teraz zobowiązane nie tylko do ujawniania danych dotyczących emisji, ale także do wykazania rzeczywistej zdolności ich redukcji oraz dostarczania śledzalnych danych na poziomie procesów.

1.3 Tradycyjna optymalizacja efektywności osiąga punkt malejącej przydatności

Wiele systemów produkcyjnych ukończyło już pierwszy etap modernizacji automatyzacji. Samo ulepszanie sprzętu lub lokalne poprawy efektywności nie przynoszą już istotnych dodatkowych korzyści.

2. Skupienie się na branży: dlaczego sektor tytoniu i opakowania premium są reprezentatywne

Wśród sektorów przemysłu wydobywczego i przetwórczego opakowania tytoniu oraz wysokiej klasy opakowań konsumenckich stanowią typowy przykład „systemów produkcyjnych o wysokim stopniu złożoności”, charakteryzujących się:

· Wieloetapowymi, ciągłymi przepływami produkcji

(druk–cięcie matrycowe–formowanie–kontrola jakości–opakowywanie–logistyka)

· Wysoką precyzją i surowymi wymaganiami dotyczącymi spójności

· Środowiskami o dużej gęstości sprzętu produkcyjnego

· Modelem produkcji obejmującym wiele SKU, małe serie oraz częste zmiany konfiguracji maszyn

Czynniki te powodują występowanie następujących cech:

(1) Złożona struktura zużycia energii

Zużycie energii wynika nie tylko z działania maszyn, ale także z koordynacji logistycznej, czasu postoju oraz strat związanych ze zmianą konfiguracji.

(2) Wysoka niestabilność systemu

Temp produkcji, temp logistyki oraz wahania jakości są silnie ze sobą powiązane.

(3) Optymalizacja przesuwa się z poziomu „urządzeń” na poziom „systemowy”

Optymalizacja pojedynczych maszyn przynosi ograniczone korzyści, podczas gdy koordynacja systemowa staje się głównym źródłem zysków w zakresie efektywności.

W związku z tym: produkcja opakowań tytoniu przechodzi od „etapu optymalizacji wydajności urządzeń” do „etapu optymalizacji energii na poziomie systemowym”. Sztuczna inteligencja również zmienia swój charakter – od narzędzia wspierającego do „systemu podejmowania decyzji w zakresie optymalizacji energii”.

3. Mechanizmy techniczne: jak automatyzacja i sztuczna inteligencja przekształcają strukturę zużycia energii

3.1 Zmniejszanie zużycia energii przez nieużywane urządzenia

W tradycyjnych systemach produkcyjnych występują typowe problemy, takie jak postoje maszyn, oczekiwanie pracowników oraz nieregularne harmonogramy prowadzące do niestabilnego tempa produkcji. Problemy te wynikają zasadniczo z braku synchronizacji systemu i powodują znaczne ukryte straty energii.

Dzięki automatyzacji możliwe staje się osiągnięcie:

·Standaryzacja czasu taktu produkcji

·Inteligentne uruchamianie/zatrzymywanie urządzeń

·Równoważenie obciążenia i dynamiczne przydzielanie zasobów między liniami produkcyjnymi

Modernizacje oparte na sztucznej inteligencji umożliwiają dodatkowo:

Dzięki pozyskiwaniu i analizie danych przemysłowych można osiągnąć koordynację produkcji i sprzedaży oraz przejrzystość procesów produkcyjnych, co pozwala na rzeczywistą synchronizację zamówień z dostępną mocą produkcyjną, adaptacyjne dostosowywanie rytmu produkcji oraz znaczne zmniejszenie odchyłek między planowaniem a wykonaniem.

Przejście od „maszyn sterowanych przez człowieka” do „rytmu systemu sterowanego danymi” stanowi kluczową ścieżkę redukcji zużycia energii.

3.2 Inteligentne systemy logistyczne: często niedoceniany moduł optymalizacji energii

W strukturach energetycznych przemysłowych logistyka fabryczna, magazynowanie oraz transport zewnętrzny często nie są uznawane za główne odbiorcy energii. Jednak w złożonych systemach produkcyjnych odpowiadają one za znaczną część ukrytego zużycia energii.

W tradycyjnych modelach przepływ materiałów opiera się w dużej mierze na ręcznym manipulowaniu i wózkach widłowych, co zwykle prowadzi do powtarzających się tras, długich czasów oczekiwania i zatłoczenia, niewydajnego planowania oraz niskiego wykorzystania powierzchni magazynowej oraz braku zsynchronizowania logistyki z rythmem produkcji. Problemy te nie tylko zakłócają ciągłość produkcji, ale także generują dodatkowe zużycie energii.

(1) Modernizacja intralogistyki

Wprowadzając pojazdy sterowane automatycznie (AGV – Automated Guided Vehicles) oraz inteligentne systemy planowania, przedsiębiorstwa mogą wykorzystywać algorytmy sztucznej inteligencji do realizacji optymalizacji trasy w czasie rzeczywistym, dynamicznego planowania wielu zadań oraz zautomatyzowanego załadunku/wyładunku materiałów i koordynacji międzyprocesowej. Logistyka i produkcja mogą działać w synchronizacji, co znacząco poprawia stabilność i wydajność systemu.

(2) Inteligentne zautomatyzowane systemy składowania i pobierania towarów (AS/RS)

Dzięki pionowemu składowaniu i zautomatyzowanym systemom pobierania można osiągnąć wyższą gęstość oraz bardziej efektywne wykorzystanie zasobów przestrzennych. Skraca to odległości transportowe, zmniejsza zależność od ręcznego planowania oraz dalsze poprawia efektywność przepływu materiałów.

(3) Logistyka outbound (systemy TMS)

Dzięki sterowanym sztuczną inteligencją systemom zarządzania transportem (TMS) możliwe jest dynamiczne planowanie tras na podstawie warunków ruchu drogowego i priorytetów zadań, a także inteligentne przydzielanie zadań oraz wykrywanie w czasie rzeczywistym anomalii i korekcja harmonogramu. Dzięki temu możliwości inteligentnej logistyki są rozszerzane na poziom łańcucha dostaw.

Ogólne rezultaty obejmują:

·Znaczne zmniejszenie zużycia energii spowodowanego niepotrzebnymi przewozami

·Obniżenie kosztów energetycznych związanych z użytkowaniem wózków podnośnikowych i ręcznymi operacjami manipulacyjnymi

·Poprawa ciągłości i koordynacji wewnętrznych oraz zewnętrznych systemów logistycznych

·Maksymalne wykorzystanie zasobów przestrzennych

3.3 Poprawa wydajności: ukryta, ale o wysokim wpływie zmienna optymalizacji energetycznej

W systemach produkcyjnych wadliwe wyroby stanowią zasadniczo marnotrawstwo energii, która została już zużyta, w tym energii elektrycznej, surowców, pracy ludzkiej oraz czasu.

Dlatego poprawa współczynnika wydajności produkcji jest kluczową ścieżką zmniejszania zużycia energii na jednostkę wyrobu.

Dzięki systemom inspekcji z wykorzystaniem sztucznej inteligencji obejmującym kontrolę wszystkich sześciu stron oraz monitorowanie standardowych procedur operacyjnych (SOP) możliwe jest osiągnięcie następujących efektów:

· Wielokątowa inspekcja wizualna z precyzją na poziomie mikronów oraz usuwanie wadliwych elementów

· Rozpoznawanie zachowań zgodnych ze standardowymi procedurami operacyjnymi (SOP) oraz monitorowanie ich przestrzegania z natychmiastowymi alertami

· Natychmiastowa informacja zwrotna dotycząca jakości zintegrowana z systemami MES

W połączeniu te systemy znacząco zmniejszają wskaźniki prac korekcyjnych oraz odpadów, co przekłada się na poprawę efektywności energetycznej na jednostkę wyrobu i redukuje całkowite marnotrawstwo energii.

3.4 Integracja sztucznej inteligencji (AI), systemów MES oraz systemów energetycznych: etap rzeczywistej, inteligentnej optymalizacji

Wraz z cyfryzacją przemysłu zarządzanie energią przechodzi od niezależnego systemu rejestracji do zintegrowanej części systemu produkcyjnego, stając się systemem optymalizacji w czasie rzeczywistym.

Dzięki integracji systemów sztucznej inteligencji (AI) i systemów zarządzania wykonaniem produkcji (MES) możliwe jest systematyczne osiągnięcie następujących celów:

· Zbieranie danych energetycznych w czasie rzeczywistym na poziomie urządzeń

· Dynamiczny monitoring zużycia energii elektrycznej, wody i gazu

· Modelowanie krzywej zużycia energii oraz analityka predykcyjna z wykorzystaniem mobilnych operacji

· Konserwacja predykcyjna zmniejszająca straty wynikające z przestoju

· Optymalizacja harmonogramowania produkcji z uwzględnieniem zużycia energii

Zarządzanie energią przechodzi od „raportowania po zdarzeniu” do „monitoringu i optymalizacji w czasie rzeczywistym.”

3.5 Gospodarka obiegu zamkniętego: optymalizacja materiałów opakowaniowych w pętli zamkniętej

Ponad optymalizacją produkcji i logistyki, recykling kartonów opakowaniowych staje się ważnym elementem zrównoważonej produkcji.

W przemyśle opakowań technologie sortowania i recyklingu kartonów umożliwiają ich ponowne wykorzystanie w logistyce wtórnej lub obiegu wewnętrznym, wydłużając cykl życia materiałów, zmniejszając zużycie surowców pierwotnych oraz obniżając zużycie energii w procesach przetwarzania odpadów.

Ten model rozszerza zrównoważoność od etapu produkcji do pełnego zarządzania cyklem życia materiałów.

Przypadek branżowy: Projekt dostawy inteligentnego systemu produkcyjnego opakowań tytoniowych firmy Sinotecho

4.1 Informacje o projekcie

Nazwa Projektu: Współpraca między Sinotecho a CHUNGHWA Chiny Druk tytoniowy Firma

Czas dostawy: Grudzień 2025

Lokalizacja: Shanghai Tobacco Printing Company (China Tobacco)

Rodzaj projektu: Modernizacja fabryki inteligentnej w zakresie produkcji opakowań tytoniowych

Poziom dojrzałości produkcji inteligentnej: POZIOM 3

Ogólne właściwości:

Dzięki zautomatyzowaniu i integracji systemów opartych na sztucznej inteligencji projekt osiągnął:

·Zwiększenie zdolności produkcyjnej (~1,1×)

·Redukcja liczby pracowników (~40%)

·Zmniejszenie wskaźnika wadliwości (~50%)

·Poprawa wskaźnika OEE (20–40%)

·Zmniejszenie zużycia energii na jednostkę wyrobu (~12–15%)

4.2 Wyniki uaktualnienia systemu

a. Optymalizacja linii produkcyjnej

Standaryzacja rytmu produkcji, inteligentne zarządzanie uruchamianiem/zatrzymywaniem oraz optymalizacja równoważenia obciążenia między liniami produkcyjnymi.

b. Wyniki uaktualnienia inteligentnego systemu logistycznego

Inteligentny system logistyczny obejmuje obsługę materiałów pomiędzy urządzeniami, przepływ transportowy, pakowanie i paletyzację, owijanie folią oraz planowanie inteligentnego magazynu. Pozwala on na elastyczną załadunek/rozładunek we wszystkich scenariuszach, inteligentną paletyzację, dedykowane mobilne pojazdy AGV do drukowania i pakowania oraz zintegrowane systemy inteligentnego magazynowania.

To zapewnia głęboką koordynację między produkcją a logistyką:

·Automatyczny i wydajny przepływ materiałów między liniami produkcyjnymi a magazynami

·Współdziałanie inteligentnych robotów do paletowania i pojazdów sterowanych automatycznie (AGV)

·Cyfrowe planowanie logistyki w całym procesie

Otrzymane wyniki obejmują:

·Zmniejszenie kosztów pracy (~60%)

·Zmniejszenie kosztów zapasów (~32%)

·Poprawa wydajności przepływu materiałów (~40%)

·Poprawa wydajności operacji przyjmowania i wysyłki towarów z magazynu (~45%)

c. Wyniki systemu inspekcji wizualnej opartego na sztucznej inteligencji

Zastosowanie przemysłowych kamer o wysokiej rozdzielczości, wielokątowego oświetlenia oraz opartych na uczeniu głębokim algorytmów sztucznej inteligencji do analizy obrazów umożliwiających pełny proces inspekcji, sterowanie zautomatyzowane oraz natychmiastową analizę danych w czasie rzeczywistym:

·Wykrywanie i usuwanie defektów na poziomie mikronów z wielu kątów

·Monitorowanie zgodności z procedurami standardowymi (SOP) wraz z generowaniem alertów

·Natychmiastowa analiza jakości zintegrowana z systemami MES

Wyniki końcowe:

·Współczynnik wydajności wzrosła do ponad 99%

·Straty jakości zmniejszyły się o co najmniej 30%

·Poprawa spójności otrzymywanych produktów

d. Wartość ulepszenia systemu zarządzania energią

Dzięki cyfrowym systemom zarządzania energią osiągnięto pełną przejrzystość zużycia energii w zakładzie:

·Monitorowanie w czasie rzeczywistym zużycia energii przez pojedyncze urządzenia (napięcie, prąd, moc itp.)

·Kluczowe monitorowanie urządzeń o wysokim poborze mocy (urządzenia o mocy powyżej 100 kW wyposażone w systemy pomiaru i monitoringu)

·Mechanizmy ostrzegawcze przed nietypowym zużyciem energii oparte na sztucznej inteligencji

·Optymalizacja powiązania planowania energetycznego i produkcyjnego (kompleksowe monitorowanie wszystkich etapów przepływu energii, w tym przesyłu, magazynowania, konwersji i zużycia oraz dostosowanie zużycia energii do działań produkcyjnych w celu umożliwienia zintegrowanego zarządzania energią. Poprzez analizę zależności między zużyciem energii przez urządzenia a trendami ich czasu pracy system może odzwierciedlać korelację między zużyciem energii a działalnością produkcyjną. Dane dotyczące zarządzania energią są również udostępniane systemowi MES jako źródło informacji wspomagających planowanie produkcji, co pozwala systemowi w przypadku równoważnych warunków priorytetyzować urządzenia o niższym zużyciu energii.)

·Rzeczywisty monitoring zużycia energii za pomocą urządzeń mobilnych

Zarządzanie energią przekształca się z systemu wspomagającego w kluczowy element podejmowania decyzji produkcyjnych.

e. System sortowania i recyklingu kartonów

Użyte kartony po dostawie do klientów można identyfikować, sortować, ponownie pakować i ponownie wykorzystywać za pomocą inteligentnych systemów rozpoznawania, skutecznie zmniejszając zużycie materiałów opakowaniowych.

f. Wczesne planowanie zrównoważonego rozwoju

Opierając się na architekturze chmury AI Sinotecho „1+3+N+1”, system integruje systemy PLM, ERP, MES oraz WMS, umożliwiając jednolite standardy danych i szkolenie modeli sztucznej inteligencji. Platforma integruje bezpieczeństwo AI, optymalizację energetyczną oraz zarządzanie przestrzenią, tworząc bezpieczne, zielone i inteligentne środowisko przemysłowe oraz budując niskoemisyjną fabrykę inteligentną napędzaną wartością i samodzielnym podejmowaniem decyzji. .

5. Doświadczenie na poziomie systemu obejmujące wiele projektów

W wielu podobnych projektach zaobserwowano spójny wzór: największa optymalizacja energetyczna wynika z koordynacji na poziomie systemu, a nie z optymalizacji poszczególnych urządzeń.

Dzięki zintegrowanym rozwiązaniom łączącym inteligentne linie pakujące, roboty logistyczne, systemy inspekcji oparte na sztucznej inteligencji oraz platformy chmurowe , staje się możliwe skuteczne poprawienie efektywności energetycznej oraz zdolności zrównoważonego rozwoju.

Główne spostrzeżenia obejmują:

·Optymalizacja linii produkcyjnej ma większy wpływ niż optymalizacja pojedynczych maszyn

·Optymalizacja systemu logistycznego przynosi istotne, ukryte oszczędności energii

·Pełna łączność danych w całym procesie oraz zamknięta pętla optymalizacji oparta na sztucznej inteligencji umożliwiają ciągłe doskonalenie

·Poprawa współczynnika wydajności (yield) oraz recykling materiałów przyczyniają się do osiągnięcia celów z zakresu zrównoważonego rozwoju

Produkcja przechodzi od „inteligencji urządzeń” do „inteligencji systemów”.

6. Trendy branżowe: od automatyzacji do AI-opartej, inteligentnej produkcji energetycznej

6.1 Trzystopniowa ewolucja produkcji:

Etap 1: Automatyzacja – zastępowanie pracy ludzkiej i poprawa efektywności

Etap 2: Inteligentne produkcja – koordynacja systemów i cyfrowa kontrola

Etat 3: Inteligentna produkcja energii – systemy samooptymalizacji energii sterowane sztuczną inteligencją

6.2 Przemiana roli sztucznej inteligencji

Sztuczna inteligencja w przemyśle przemysłowym ewoluuje od narzędzia inspekcyjnego do rdzenia harmonogramowania produkcji, umożliwiając autonomiczne podejmowanie decyzji.

6.3 Fabryki zielone z zintegrowanymi danymi

Dane dotyczące emisji dwutlenku węgla będą dostępne w czasie rzeczywistym, mierzalne i podlegające optymalizacji.

Systemy energetyczne w przemyśle przemysłowym ewoluują w kierunku „ modułów samooptymalizacji zrównoważoności.”

7. wniosek

Automatyzacja i sztuczna inteligencja fundamentalnie przekształcają operacje produkcyjne. Nie tylko poprawiają one wydajność produkcji, ale stają się również kluczowymi czynnikami napędowymi zarządzania energią i zrównoważoności.

To przekształcenie ma bezpośredni wpływ na cele ESG.

W branżach produkcyjnych o wysokim stopniu złożoności, takich jak opakowania tytoniowe i opakowania premium, ten przeskok jest szczególnie widoczny.

Produkcja przechodzi strukturalną transformację – od systemów opartych na efektywności do systemów opartych na energii i zrównoważoności. W przyszłości automatyzacja i Sztuczna inteligencja (AI) przestaną być opcjonalnymi ulepszeniami i staną się podstawowymi kompetencjami dla zrównoważonych systemów produkcyjnych.

Producenci sprzętu powinni rozważyć dalsze inwestycje w badania i rozwój w zakresie cyfryzacji, inteligencji oraz zastosowań sztucznej inteligencji (AI), aby wspierać globalne redukcje emisji dwutlenku węgla.