упаковка з відкритими трьома сторонами

Автоматизація Рішення для упаковки Slim Pack

➯Тип упаковки:

➯Позиціонування продукту:

Преміальна / Slim / Упаковка довгого формату

➯Вимоги до якості упаковки:

Висока узгодженість зовнішнього вигляду, щільне обгортання та чіткі краї

➯Системні підходи до інтелектуального виробництва тютюнової продукції

1. Галузевий фон та тенденції: виробництво входить у «етап промислової реструктуризації, що визначається енергетичними обмеженнями»

Глобальна промислова галузь переживає структурний зсув у логіці конкуренції. Основна увага більше не обмежується виробничими потужностями та контролем витрат, а все більше зміщується в бік системної конкуренції, заснованої на енергоефективності та здатності забезпечувати сталість.

Ця трансформація зумовлена трьома взаємопов’язаними факторами тиску:

1.1 Структурне зростання вартості енергії

За останнє десятиліття вартість електроенергії, робочої сили та логістики постійно зростала, що значно змінило структуру витрат на одиницю продукції у виробництві. Зокрема у високоточному виробництві енергоспоживання все частіше стає ключовим параметром, рівнозначним за важливістю витратам на матеріали.

1.2 ЕСУ та регулювання викидів вуглекислого газу входять у стадію застосування

Вимоги щодо ЕСУ (екологічних, соціальних та корпоративних управлінських аспектів) та регулювання викидів вуглекислого газу постійно посилюються. У провідних промислових економіках Європи, Америки та Азії управління вуглецем перейшло від «вимоги щодо звітності» до «експлуатаційного обмеження». Тепер компанії зобов’язані не лише розкривати дані про викиди, а й демонструвати реальні можливості їх зменшення та надавати перевірні дані на рівні окремих процесів.

1.3 Традиційна оптимізація ефективності досягає стадії спадного приросту

Багато виробничих систем уже завершили перший етап автоматизації. Лише за рахунок модернізації обладнання чи локального підвищення ефективності більше не вдається отримати значні граничні прирости.

2. Галузевий фокус: чому тютюнова промисловість та високоякісна упаковка є типовими прикладами

Серед галузей виробництва упаковка тютюнових виробів та упаковка преміум-класу для споживачів є типовим прикладом «виробничих систем високої складності», які характеризуються:

· Багатопроцесними безперервними виробничими потоками

(друкування – штампування – формування – контроль – упаковування – логістика)

· Високою точністю та суворими вимогами до стабільності

· Середовищем із високою щільністю обладнання

· Виробництвом з багатьма артикулами (SKU), малими партіями та частими переналагодженнями

Ці фактори призводять до таких характеристик:

(1) Складна структура енергоспоживання

Енергоспоживання зумовлене не лише роботою обладнання, а й координацією логістичних процесів, часом очікування та втратами під час переналагодження.

(2) Висока варіативність системи

Темп виробництва, темп логістики та коливання якості тісно пов’язані між собою.

(3) Оптимізація зміщується з «рівня обладнання» на «рівень системи»

Оптимізація окремого верстата забезпечує незначне покращення, тоді як координація системи стає основним джерелом ефективності.

Отже: виробництво тютюнових упаковок переходить від «етапу оптимізації ефективності обладнання» до «етапу системної оптимізації енергоспоживання». Штучний інтелект також зміщується від підтримуючого інструменту до «системи прийняття рішень щодо оптимізації енергоспоживання».

3. Технічні механізми: як автоматизація та штучний інтелект формують структуру енергоспоживання

3.1 Зниження енергоспоживання простойного обладнання

У традиційних виробничих системах поширені такі проблеми, як простої верстатів, очікування персоналу та нерівномірне планування, що призводить до нестабільного темпу виробництва. Ці проблеми, по суті, виникають через десинхронізацію системи й призводять до значних прихованих втрат енергії.

Завдяки автоматизації можливо досягти:

·Уніфікація тактового часу виробництва

·Інтелектуальне вмикання/вимикання обладнання

·Балансування навантаження та динамічне розподілення між виробничими лініями

Додаткові оновлення на основі штучного інтелекту дозволяють:

Шляхом збору та аналізу промислових даних можна досягти узгодження виробництва й продажів та забезпечити прозорість виробничого процесу, що дозволяє здійснювати реальний збіг замовлень і виробничих потужностей, адаптивну корекцію темпу виробництва та значно зменшувати відхилення між плануванням і виконанням.

Перехід від «контролю машин людиною» до «контролю ритму системи даними» є ключовим шляхом скорочення енергоспоживання.

3.2 Розумні логістичні системи: довго недооцінюваний модуль оптимізації енергоспоживання

У структурі промислового енергоспоживання логістика на підприємстві, складське господарство та зовнішні перевезення часто не вважаються основними споживачами енергії. Однак у складних виробничих системах вони становлять значну частку прихованого енергоспоживання.

У традиційних моделях матеріальний потік значною мірою залежить від ручного оброблення та використання навантажувачів, що зазвичай призводить до повторюваних маршрутів, тривалого очікування та заторів, неефективного планування, низького рівня використання складського простору та роз’єднання між логістикою й ритмом виробництва. Ці проблеми не лише порушують безперервність виробництва, а й спричиняють додаткові втрати енергії.

(1) Модернізація внутрішньоскладської логістики

Шляхом впровадження АГВ (автоматизованих керованих візків) та інтелектуальних систем планування підприємства можуть застосовувати алгоритми штучного інтелекту для досягнення оптимізації маршрутів у реальному часі, динамічного планування багатозадачних процесів, автоматизованого навантаження/розвантаження матеріалів та координації між різними виробничими процесами. Логістика та виробництво можуть працювати синхронно, що значно підвищує стабільність та ефективність системи.

(2) Розумні автоматизовані системи зберігання та комплектації (AS/RS)

Шляхом вертикального зберігання та автоматизованих систем вилучення можна досягти більш щільного й ефективнішого використання просторових ресурсів. Це скорочує відстань транспортування, зменшує залежність від ручного планування та ще більше підвищує ефективність матеріального потоку.

(3) Вивізна логістика (системи TMS)

За допомогою систем управління транспортуванням (TMS), що працюють на основі штучного інтелекту, можливе динамічне планування маршрутів з урахуванням дорожньої ситуації та пріоритетності завдань, а також інтелектуальне розподілення завдань і виявлення в реальному часі відхилень із подальшою корекцією планування. Це поширює інтелектуальні логістичні можливості на рівень ланцюга поставок.

Загальні результати включають:

· Значне зниження енергоспоживання через непотрібне транспортування

· Зниження енерговитрат на операції з використанням навантажувачів та ручної обробки

· Покращена безперервність і координація внутрішніх та зовнішніх логістичних систем

· Максимальне використання просторових ресурсів

3.3 Підвищення продуктивності: прихована, але високовпливова змінна оптимізації енергоспоживання

У виробничих системах браковані продукти фактично означають витрачену енергію, яку вже спожито, у тому числі електроенергію, сировину, робочу силу та витрати часу.

Тому підвищення виходу продукції є критичним шляхом зниження енергоспоживання на одиницю випуску.

За допомогою систем шестигранної інспекції на основі ШІ та моніторингу стандартних оперативних процедур (SOP) можна досягти наступного:

· Візуальний контроль з багатокутовим оглядом та мікронною точністю з вилученням дефектів

· Розпізнавання поведінки відповідно до SOP та моніторинг дотримання вимог із негайними сповіщеннями

· Інтеграція негайного зворотного зв’язку щодо якості з системами MES

У поєднанні ці системи значно знижують рівень переделки та браку, що, в свою чергу, покращує енергоефективність на одиницю випуску та зменшує загальні енергетичні втрати.

3.4 Інтеграція ШІ + MES + енергетичної системи: етап негайної інтелектуальної оптимізації

З цифровізацією промисловості управління енергетичними ресурсами зміщується від окремої системи ведення записів до інтегрованої частини виробничої системи, перетворюючись на систему оптимізації в реальному часі.

Шляхом інтеграції систем штучного інтелекту (AI) та системи управління виробництвом (MES) стає можливим системне досягнення таких цілей:

· Збір енергетичних даних у реальному часі на рівні обладнання

· Динамічний моніторинг споживання електроенергії, води та газу

· Моделювання кривих споживання енергії та прогнозний аналіз із застосуванням мобільних операцій

· Прогнозне технічне обслуговування для зменшення втрат через простої

· Оптимізація виробничого планування з урахуванням енергетичних показників

Управління енергетичними ресурсами зміщується від «звітності після подій» до «моніторингу та оптимізації в реальному часі».

3.5 Циркулярна економіка: замкнена оптимізація упакувальних матеріалів

Крім оптимізації виробництва та логістики, повторне використання картонних коробок для упаковки стає важливою складовою сталого виробництва.

У пакувальній галузі технології сортування та переробки картону дозволяють повторно використовувати картонні коробки для вторинної логістики або внутрішнього обігу, що продовжує життєвий цикл матеріалів, зменшує споживання сировини та енерговитрати на переробку відходів.

Ця модель розширює концепцію сталого розвитку від стадії виробництва до повного управління життєвим циклом матеріалів.

Приклад із практики: Проект поставки інтелектуальної системи виробництва тютюнового пакування компанії Sinotecho

4.1 Інформація про проект

Назва проекту: Співпраця між Sinotecho та CHUNGHWA Китаї Друкарство тютюнових виробів Компанія

Термін доставки: Грудень 2025

Розташування: Shanghai Tobacco Printing Company (China Tobacco)

Тип проекту: Модернізація виробництва тютюнового пакування зі створенням «розумного заводу»

Рівень зрілості «розумного виробництва»: РІВЕНЬ 3

Загальна продуктивність:

Благодаря інтеграції автоматизації та систем штучного інтелекту проект досяг наступних результатів:

·Збільшення виробничої потужності (~1,1×)

·Скорочення штату працівників (~40 %)

·Зниження рівня браку (~50 %)

·Покращення OEE (на 20–40 %)

·Зниження енергоспоживання на одиницю продукції (~12–15 %)

4.2 Результати модернізації системи

а. Оптимізація виробничої лінії

Уніфікація темпу виробництва, інтелектуальне керування запуском/зупинкою обладнання та оптимізація балансування навантаження між виробничими лініями.

б. Результати модернізації інтелектуальної логістичної системи

Інтелектуальна логістична система охоплює обробку матеріалів між обладнанням, транспортні потоки, упаковку та палетизацію, обгортання плівкою та планування інтелектуального складу. Вона забезпечує гнучке завантаження/розвантаження в усіх сценаріях, інтелектуальну палетизацію, спеціалізовані мобільні АГВ для друку та упаковки, а також інтегровані системи інтелектуального складування.

Це забезпечує глибоку координацію між виробництвом та логістикою:

·Автоматичний і ефективний потік матеріалів між виробничими лініями та складами

·Скоординована робота інтелектуальних роботів для палетизації та автоматичних вантажних возиків (AGV)

·Цифрова логістична диспетчеризація на всіх етапах процесу

Результати включають:

·Зниження витрат на оплату праці (~60%)

·Зниження витрат на інвентаризацію (~32%)

·Підвищення ефективності потоку матеріалів (~40%)

·Підвищення ефективності приймання й відправлення товарів на склад (~45%)

в. Результати системи візуального контролю на основі штучного інтелекту

Використання промислових камер високої роздільної здатності, багатокутного освітлення та глибоких навчальних алгоритмів штучного інтелекту для комп’ютерного зору для забезпечення повного контролю процесу, автоматизованого керування та миттєвого зворотного зв’язку щодо даних:

·Виявлення та усунення дефектів на мікрорівні з кількох ракурсів

·Моніторинг дотримання стандартних операційних процедур (SOP) із сповіщеннями

·Миттєвий зворотний зв’язок щодо якості, інтегрований із системами MES

Остаточні результати:

·Рівень виходу придатної продукції збільшено до 99 % і більше

·Втрати через недоліки якості зменшені щонайменше на 30 %

·Покращена узгодженість продукції

d. Цінність модернізації системи управління енергоспоживанням

Завдяки цифровим системам управління енергоспоживанням досягнуто повної прозорості щодо енергоспоживання на підприємстві:

·Миттєве відстеження енергоспоживання окремого обладнання (напруга, струм, потужність тощо)

·Ключове управління енергоємним обладнанням (обладнання потужністю понад 100 кВт оснащене системами обліку та моніторингу)

·Механізми попередження про аномальне споживання енергії на основі штучного інтелекту

·Оптимізація взаємозв’язку між енергетичним та виробничим плануванням (комплексний моніторинг усіх етапів енергопотоку, включаючи передачу, зберігання, перетворення та споживання, та узгодження споживання енергії з виробничими процесами для забезпечення координованого розподілу енергії. Аналізуючи взаємозв’язок між енергоспоживанням обладнання та трендами його робочого часу, система відображає кореляцію між споживанням енергії та виробничими процесами. Дані з системи управління енергією також передаються в систему MES як довідкова інформація для складання виробничих графіків, що дозволяє системі надавати перевагу обладнанню з нижчим споживанням енергії за умови еквівалентності.)

·Моніторинг споживання енергії в реальному часі за допомогою мобільних пристроїв

Управління енергією переходить від підтримуючої системи до ключового компонента прийняття виробничих рішень.

е. Система сортування та переробки картону

Використані коробки після доставки клієнтам можна ідентифікувати, сортувати, упаковувати повторно та використовувати за допомогою інтелектуальних систем розпізнавання, що ефективно зменшує споживання упаковочних матеріалів.

f. Передпроектне планування сталого розвитку

На основі архітектури хмари штучного інтелекту Sinotecho «1+3+N+1» система інтегрує системи PLM, ERP, MES та WMS, забезпечуючи єдині стандарти даних та навчання моделей ШІ. Платформа інтегрує безпеку на основі ШІ, оптимізацію енергоспоживання та просторове управління, створюючи безпечне, екологічне та інтелектуальне промислове середовище й побудовуючи низьковуглецевий розумний завод, орієнтований на цінність та автономне прийняття рішень. .

5. Досвід на рівні систем міжпроектного рівня

У кількох подібних проектах спостерігається узагальнена закономірність: найбільший ефект оптимізації енергоспоживання досягається завдяки координації на рівні системи, а не окремих обладнань.

За допомогою комплексних рішень, що поєднують інтелектуальні лінії упаковки, роботів для інтелектуальної логістики, системи інспекції на основі ШІ та хмарні платформи , стає можливим ефективно підвищити енергоефективність та здатність до сталого розвитку.

Основні спостереження включають:

·Оптимізація виробничої лінії має більший вплив, ніж оптимізація окремих верстатів

·Оптимізація логістичної системи забезпечує значні приховані енергозбереження

·Повна інтеграція даних у всьому виробничому процесі та замкнена AI-оптимізація дозволяють забезпечити постійне вдосконалення

·Підвищення виходу продукції та вторинне використання матеріалів сприяють досягненню цілей сталого розвитку

Виробництво зміщується від «інтелектуального обладнання» до «інтелектуальних систем».

6. Тенденції галузі: від автоматизації до штучного інтелекту в енергоефективному виробництві

6.1 Триетапна еволюція виробництва:

Етап 1: Автоматизація — заміна ручної праці та підвищення ефективності

Етап 2: Розумне виробництво — координація систем та цифрове керування

Етап 3: Інтелектуальне виробництво енергії — системи самостійної оптимізації енергії на основі штучного інтелекту

6.2 Трансформація ролі ШІ

ШІ у виробництві розвивається від інструменту перевірки до ядра планування виробництва, що забезпечує автономне прийняття рішень.

6.3 Зелені фабрики з інтегрованими даними

Дані про викиди вуглекислого газу стануть реальними, вимірюваними та оптимізованими.

Енергетичні системи виробництва розвиваються у бік « модулів самостійної оптимізації сталого розвитку».

7. Висновок

Автоматизація та штучний інтелект кардинально змінюють роботу виробничих підприємств. Вони не лише підвищують ефективність виробництва, а й стають ключовими драйверами управління енергетичними ресурсами та сталого розвитку.

Ця трансформація має прямий вплив щодо цілей у галузі ЕСУ.

У високоскладних галузях виробництва, таких як тютюнове та преміум-упакування, цей перехід особливо помітний.

Виробництво переживає структурну трансформацію від систем, орієнтованих на ефективність, до систем, орієнтованих на енергоефективність та сталість. У майбутньому автоматизація та Штучний інтелект більше не будуть факультативними оновленнями, а стануть базовими можливостями для сталого виробничого обладнання.

Виробники обладнання повинні розглянути додаткові оновлення НДДКР у сфері цифровізації, інтелектуалізації та застосування штучного інтелекту для підтримки глобального зниження викидів вуглекислого газу.