påse öppen på tre sidor

Automatisering Lösningar för slank förpackning

➯Förpackningstyp:

➯Produktplacering:

Premium-/slank-/långformatförpackning

➯Krav på förpackningskvalitet:

Hög konsekvens i utseende, tät förpackning och renliga kanter

➯Systemnivåpraktiker inom smart tobaksförpackningsproduktion

1. Branschbakgrund och trender: Produktionen går in i en ”energibegränsningsdriven industriell omstruktureringsetapp”

Den globala tillverkningsindustrin genomgår en strukturell förändring av sin konkurrenslogik. Kärnfokuset är inte längre begränsat till produktionskapacitet och kostnadskontroll, utan skiftar alltmer mot en systembaserad konkurrens baserad på energieffektivitet och hållbarhetsförmåga.

Denna omvandling drivs av tre överlappande tryck:

1.1 Strukturell ökning av energikostnaderna

Under det senaste decenniet har el-, arbets- och logistikkostnaderna fortsatt att stiga, vilket betydligt förändrat kostnadsstrukturen per producerad enhet inom tillverkningen. Inom särskilt högprecisionstillverkning blir energiförbrukningen alltmer en kärnvariabel som är lika viktig som materialkostnaderna.

1.2 ESG och koldioxidreglering går in i genomförandestadiet

ESG (miljö, socialt ansvar och bolagsstyrning) och regleringar av koldioxidutsläpp förstärks kontinuerligt. I de stora industriekonomierna i Europa, Amerika och Asien har koldioxidhanteringen gått från en "rapporteringskrav" till en "driftsbegränsning." Företag krävs nu inte bara att offentliggöra sina utsläpp, utan också att visa verkliga minskningsförmågor och spårbara data på processnivå.

1.3 Traditionell effektivitetsoptimering når avtagande avkastning

Många tillverkningssystem har redan slutfört den första automatiseringsuppdateringsfasen. Att enbart förlita sig på utrustningsuppdateringar eller lokala effektivitetsförbättringar kan inte längre ge betydande marginalvinster.

2. Branschfokus: Varför tobak och högklassig förpackning är representativa

Inom tillverkningssektorerna utgör tobakspackning och högkvalitativ konsumentpackning ett typiskt exempel på ”tillverkningssystem med hög komplexitet”, som karakteriseras av:

· Flervägs kontinuerliga produktionsarbetsflöden

(tryck–stansning–formning–inspektion–förpackning–logistik)

· Hög precision och strikta krav på konsekvens

· Miljöer med hög täthet av utrustning

· Produktionsmodeller med många SKU:er, små partier och frekventa omställningar

Dessa faktorer leder till följande egenskaper:

(1) Komplex energiförbrukningsstruktur

Energiförbrukningen härrör inte bara från maskinernas drift, utan även från logistikkoordinering, väntetid och förluster vid omställning.

(2) Hög systemvolatilitet

Produktionsrytmen, logistikrytmen och kvalitetsvariationer är starkt kopplade.

(3) Optimeringens inriktning skiftar från "utrustningsnivå" till "systemnivå"

Optimering av enskilda maskiner ger begränsad förbättring, medan systemkoordination blir den främsta källan till effektivitetsvinster.

Därför: Tobaksförpackningsproduktionen går från ett "stadium av utrustningseffektivitetsoptimering" till ett "stadium av systemnivåns energioptimering." AI skiftar också från att vara ett stödverktyg till ett "beslutsfattningssystem för energioptimering."

3. Tekniska mekanismer: Hur automatisering och AI omformar energiförbrukningsstrukturen

3.1 Minskning av energiförbrukning i ideella utrustningar

I traditionella tillverkningssystem förekommer vanliga problem som maskinideellt, mänsklig väntan och ojämn schemaläggning som leder till inkonsekventa produktionsrytmer. Dessa problem orsakas i princip av systemets desynkronisering, vilket resulterar i betydande dold energiförspillning.

Genom automatisering blir det möjligt att uppnå:

·Standardisering av produktionens taktid

·Intelligent start/stopp av utrustning

·Lastbalansering och dynamisk allokeringsfördelning mellan produktionslinjer

AI-drivna uppgraderingar möjliggör dessutom:

Genom industriell datainsamling och analys kan samordning mellan produktion och försäljning samt produktionstransparens uppnås, vilket möjliggör realtidsmatchning mellan ordrar och kapacitet, anpassningsbar justering av produktionsrytmen och kraftigt minskade avvikelser mellan planering och genomförande.

Övergången från "människostyrda maskiner" till "datasstyrda systemrytmer" är en nyckelpath för att minska energiförbrukningen.

3.2 Smarta logistiksystem: en länge underskattad energioptimeringsmodul

I industriella energistrukturer anses fabrikslogistik, lagerhållning och extern transport ofta inte vara stora energiförbrukare. I komplexa tillverkningssystem utgör de dock en betydande del av den dolda energiförbrukningen.

I traditionella modeller bygger materialflödet i stor utsträckning på manuell hantering och truckar, vilket vanligtvis leder till upprepade rutter, långa väntetider och köer, ineffektiv schemaläggning, låg utnyttjning av lagerutrymme samt avkoppling mellan logistik och produktionsrytm. Dessa problem stör inte bara produktionskontinuiteten utan genererar också extra energiförbrukning.

(1) Uppgradering av intralogistik

Genom att införa AGV (automatiserade guidade fordon) och intelligenta schemaläggningssystem kan företag använda AI-algoritmer för att uppnå realtidsoptimering av rutter, dynamisk schemaläggning av flera uppgifter samt automatiserad lastning/lossning av material och samordning över processgränser. Logistik och produktion kan då drivas i synkronisering, vilket avsevärt förbättrar systemets stabilitet och effektivitet.

(2) Smarta automatiserade lagersystem (AS/RS)

Genom vertikal lagring och automatiserade hämtsystem kan en högre täthet och mer effektiv utnyttjande av utrymmesresurser uppnås. Detta minskar transportavstånden, minskar beroendet av manuell schemaläggning och förbättrar ytterligare effektiviteten i materialflödet.

(3) Utgående logistik (TMS-system)

Genom AI-drivna Transporthanteringssystem (TMS) kan dynamisk rutplanering baserat på trafikförhållanden och uppgiftsprioritet uppnås, tillsammans med intelligent uppgiftsfördelning och realtidsidentifiering av avvikelser samt justering av schemaläggningen. Detta utvidgar intelligenta logistikfunktioner till leveranskedjan.

Sammanfattningsvis omfattar resultaten:

·Märkbar minskning av energiförbrukning från onödiga transporter

·Lägre energikostnader för gaffeltruck- och manuella hanteringsoperationer

·Förbättrad kontinuitet och samordning mellan interna och externa logistiksystem

·Maximerad utnyttjning av utrymmesresurser

3.3 Ökad avkastning: en dold men högimpactande variabel för energioptimering

I tillverkningssystem utgör defekta produkter i princip slösad energi som redan har förbrukats, inklusive el, råmaterial, arbetskraft och tidskostnader.

Därför är förbättring av produktionsutbytet en avgörande väg för att minska energiförbrukningen per enhet utdata.

Genom AI-baserade inspektionssystem för alla sex sidor och SOP-övervakningssystem blir det möjligt att uppnå:

·Visuell inspektion med flera vinklar och mikronivåns precision med borttagning av defekter

·SOP-beteendeanalys och efterlevnadsövervakning med realtidsvarningar

·Realtime-kvalitetsfeedback integrerad med MES-system

Tillsammans minskar dessa system avsevärt andelen omarbete och skrot, vilket därmed förbättrar energieffektiviteten per enhet utdata och minskar den totala energislöseriet.

3.4 AI + MES + energisystemintegration: steget för realtidsintelligent optimering

Med industriell digitalisering skiftar energihanteringen från ett fristående redovisningssystem till en integrerad del av produktionssystemet och utvecklas till ett system för realtidsoptimering.

Genom integration av AI- och MES-system blir det möjligt att systematiskt uppnå:

· Realtidsinsamling av energidata på utrustningsnivå

· Dynamisk övervakning av el-, vatten- och gasförbrukning

· Modellering av energiförbrukningskurvor och prediktiv analys med mobila driftsfunktioner

· Förutsägande underhåll för att minska driftstopprelaterade förluster

· Energibaserad optimering av produktionsschemaläggning

Energihanteringen skiftar från ”rapportering efter händelsen” till ”realtimeövervakning och optimering.”

3,5 Cirkulär ekonomi: sluten-loop-optimering av förpackningsmaterial

Utöver optimering av produktion och logistik blir återvinning av förpackningskartonger en viktig del av hållbar tillverkning.

Inom förpackningsindustrin möjliggör kartongsorterings- och återvinnings-teknik att kartonger återanvänds för sekundär logistik eller intern cirkulation, vilket förlänger materialens livscykel, minskar råvaruförbrukningen och sänker energianvändningen vid avfallshantering.

Denna modell utökar hållbarheten från produktionssteget till fullständig materiallivscykelhantering.

Industrifall: Sinotechos smarta tobaksförpacknings-tillverkningssystem – projektleverans

4.1 Projektinformation

Projektets namn: Samarbete mellan Sinotecho och CHUNGHWA Kina Tobakstryck Företag

Leveranstid: December 2025

Plats: Shanghai Tobacco Printing Company (China Tobacco)

Typ av projekt: Uppgradering av smart fabrik för tillverkning av tobaksförpackningar

Mognadsnivå för smart tillverkning: NIVÅ 3

Total prestanda:

Genom automatisering och integration av AI-system uppnådde projektet:

·Ökad produktionskapacitet (~1,1 gånger)

·Minskning av antalet anställda (~40 %)

·Minskning av felkvoten (~50 %)

·Förbättring av OEE (20–40 %)

·Minskning av energiförbrukning per enhet (~12–15 %)

4.2 Resultat av systemuppgradering

a. Optimering av produktionslinjer

Standardisering av produktionsrytmen, intelligent start/stopp-hantering och optimering av lastfördelning mellan produktionslinjer.

b. Resultat av uppgradering av smart logistiksystem

Det smarta logistiksystemet omfattar materialhantering mellan utrustning, transportflöde, förpackning och pallisering, filmhöljning samt smart lagerplanering. Det möjliggör flexibel lastning/lossning i alla scenarier, intelligent pallisering, anpassade mobila AGV:er för tryck och förpackning samt integrerade smarta lagersystem.

Detta säkerställer en djup samordning mellan produktion och logistik:

·Automatisk och effektiv materialflöde mellan produktionslinjer och lager

·Samordnad drift av intelligenta palliseringsrobotar och AGV:er

·Digital logistikplanering för hela processen

Resultaten inkluderar:

·Minskning av arbetskostnader (~60 %)

·Minskning av lagerkostnader (~32 %)

·Förbättring av materialflödets effektivitet (~40 %)

·Förbättring av lagerets inkommande/utgående effektivitet (~45 %)

c. Resultat från AI-baserat visuellt inspekteringssystem

Genom användning av högupplösta industriella kameror, belysning från flera vinklar och AI-baserade döjningsalgoritmer med djupt lärande uppnås fullständig processinspektion, automatiserad styrning och realtidsdataåterkoppling:

·Mikronivåns defektdetektering och borttagning från flera vinklar

·Övervakning av efterlevnad av standardarbetsinstruktioner (SOP) med varningar

·Realtidskvalitetsåterkoppling integrerad med MES-system

Slutresultat:

·Utbjutningsgrad ökad till över 99 %

·Kvalitetsförluster minskade med ≥30 %

·Förbättrad produktkonsistens

d. Värde av uppgradering av energihanteringssystemet

Genom digitala energihanteringssystem uppnås full översikt över fabrikens energianvändning:

·Realtidsövervakning av energiförbrukningen för enskilda maskiner (spänning, ström, effekt etc.)

·Nyckelhantering för utrustning med hög energi (utrustning över 100 kW som är utrustad med mät- och övervakningssystem)

·AI-baserade varningsmekanismer för avvikande energiförbrukning

·Optimering av kopplingen mellan energi- och produktionsplanering (övervakar omfattande alla steg i energiflödet, inklusive överföring, lagring, omvandling och förbrukning, och justerar energianvändningen efter produktionsaktiviteter för att möjliggöra samordnad energidisponering. Genom att analysera sambandet mellan utrustningens energiförbrukning och drifttidstrender kan systemet visa korrelationen mellan energianvändning och produktionsaktiviteter. Energihanteringsdata delas också med MES-systemet som underlag för produktionsschemaläggning, vilket gör att systemet kan prioritera utrustning med lägre energiförbrukning vid likvärdiga förhållanden.)

·Mobilbaserad realtidsenergiövervakning

Energihanteringen skiftar från ett stödsystem till en nyckelkomponent för produktionsbeslut.

e. Kartongsorterings- och återvinningssystem

Använda kartonger efter leverans till kunder kan identifieras, sorteras, förpackas om och återanvändas genom intelligent igenkännningssystem, vilket effektivt minskar förbrukningen av förpackningsmaterial.

f. Förplanering för hållbar utveckling

Utifrån Sinotechos "1+3+N+1"-arkitektur för AI-moln integrerar systemet PLM-, ERP-, MES- och WMS-system, vilket möjliggör enhetliga datastandarder och träning av AI-modeller. Plattformen integrerar AI-säkerhet, energioptimering och rumsstyrning för att skapa en säker, grön och intelligent industriell miljö samt bygga en lågkolon smart fabrik som drivs av värde och autonom beslutsfattning. .

5. Systemnivåerfarenhet över flera projekt

I flera liknande projekt har ett konsekvent mönster observerats: den största energioptimeringen uppnås genom samordning på systemnivå snarare än genom optimering av enskilda apparater.

Genom integrerade lösningar som kombinerar intelligenta förpackningslinjer, smarta logistikrobotar, AI-inspektionssystem och molnplattformar , blir det möjligt att effektivt förbättra energieffektiviteten och hållbarhetsförmågan.

Viktiga iakttagelser inkluderar:

·Optimering av produktionslinjen har större inverkan än optimering av enskilda maskiner

·Optimering av logistiksystemet ger betydande dolda energibesparingar

·Fullständig dataanslutning under hela processen och AI-stödd sluten-loopoptimering möjliggör kontinuerlig förbättring

·Ökad utbyteffektivitet och materialåtervinning bidrar till hållbarhetsmålen

Tillverkningen går från ”utrustningsintelligens” till ”systemintelligens”.

6. Bransdtrender: från automatisering till AI-driven energiintelligent tillverkning

6.1 Trestadieutveckling av tillverkning:

Steg 1: Automatisering – ersätter arbetskraft och förbättrar effektiviteten

Steg 2: Smart tillverkning – systemkoordinering och digital styrning

Steg 3: Energiintelligent tillverkning – AI-drivna energisystem för självoptimering

6.2 Omvandling av AI:s roll

AI inom tillverkning utvecklas från ett inspektionsverktyg till en kärna för produktionsschemaläggning, vilket möjliggör autonom beslutsfattning.

6.3 Gröna fabriker med integrerade data

Data om koldioxidutsläpp kommer att bli realtidsbaserade, mätbara och optimerbara.

Tillverkningsenergisystem utvecklas mot " självoptimerande hållbarhetsmoduler."

7. slutsats

Automation och AI omformar grundläggande tillverkningsoperationer. De förbättrar inte bara produktionseffektiviteten utan blir också kärndrivkrafter för energihantering och hållbarhet.

Denna omvandling har en direkt påverkan på ESG-målen.

I högkomplexa tillverkningsindustrier, såsom tobakspackning och högkvalitativ packning, är denna förändring särskilt tydlig.

Tillverkning genomgår en strukturell omställning från effektivitetsdrivna system till energi- och hållbarhetsdrivna system. I framtiden kommer automation och AI inte längre att vara valfria uppgraderingar, utan grundläggande förmågor för hållbara tillverkningssystem.

Utrustningsleverantörer bör överväga ytterligare forsknings- och utvecklingsuppgraderingar inom digitalisering, intelligens och AI-tillämpningar för att stödja global minskning av växthusgasutsläpp.