工艺制造

高效制造生产预测分析

食品和饮料制造商可以使用预测分析来减少产品浪费和停机时间。

由李苏里凡州 2020年7月24日
礼貌:Cincinnati Incorporated / Steve Rourke,CFE媒体和技术

无计划的停机时间是成本和节能粮食生产的最大障碍之一。机械的故障或故障可能导致需要计划的维修,未安排的设备维护和重要产品浪费。根据废物和资源行动计划(包装)的研究,加工食品部门的浪费高达9%的废物可归因于产品堵塞和机械误操作等机械问题。

应在所有成本中避免停机时间,特别是在一个部门中作为食品和饮料行业的能源和成本依赖。这就是为什么制造商长期实现了预定的维护计划。传统上,这些已经需要实施年度或六月时间表,以更换工厂地板上的服务机械。

但这些并不总是最具成本效益的选择。此外,由于维护工作不当,这些计划有可能在此之前引入故障,以前没有。相反,可以在专门用于制造过程的软件中找到更好的更具成本效益的解决方案。

监测健康

制造商经常忽略了数字工具的重要性,支持重点硬件 - 即使软件现在已经演变为能够为设备健康提供持续洞察的一点。

不是在预定的基础上检查机器,只是因为时间表建议他们,食品和饮料制造商可以使用这种技术来修复实际需要注意的物品。同时,处于良好工作状态的设备可以保持运行。

存在各种形式的条件监测,其中许多由传感器启用,这些能够监控振动,压力和温度读数,这可以帮助识别机器或部件开始显示磨损迹象时。工业自动化软件的进步也能够更好地可视化此信息,因此可以更快地反应更快,更好地洞察力 - 即使是多个站点也是如此。

在工厂地板上的各种数据岛的经营信息 - 从大型机器或较小的部件中的各种岛屿的操作信息 - 提供出色的性能视图。使用这些信息,可以识别一块设备显示磨损迹象,并相应地行动。

这种解决方案可以帮助减少产品废物。最近由布鲁内尔大学伦敦和根特大学进行调查的47个比利时食品制造商的研究发现,平均而言,他们每35吨遭受每吨食物的损失。这些食品公司内的粮食损失的实际经济成本可能高达营业额的4%。

在其他地方,Wrap的报告引用了Morrisons Supermarket和Kerry Noon的示例,伴侣提供了现成的饭菜。通过改善工作流程,公司取得了一个预计的7%或421吨,减少了准备膳食垃圾。这些储蓄估价为每年100,000英镑。

幸运的是,在这种损失的情况下,由于机械故障引起,可提供软件,可以识别和解决这些问题。机器学习技术提供了基于机器数据的趋势,为机器可能失败的何时何时何时以及为何提供数据模型。

我们可以将这个例子应用于食品存款人。存款人通常与皮带传送系统一起使用,以自动填充配料或混合物的产品案例。由于这些过程的综合努力,必须确保设备保持与输送机同步的速度。

监控软件可以通过检查来自这种类型的其他设备的历史数据来确定存款人电机的典型寿命。因此,通过将此信息与工厂的典型工作时间和生产线速度相结合,有足够的信息来预测如何,为什么和当设备可能会失败或恶化时。

未能识别存款人的潜在分解可能会导致大量停机时间。然而,即使效率最轻微的降低也可能倾斜沉积的准确性并导致生产中有缺陷的批次。

这种情况监测方法通常被称为预测性分析。然而,人工智能(AI)发展的涌入是使这种技术更加有效和先进,这导致了“规范维护”一词的压印。

正确的知识

合适的软件提供从工业互联网(IIOT)的信息收集数据,例如从传感器和执行器的读数解释读数,并检测设备故障中的相关模式。通过将此数据与历史和实时数据流结合,制造商可以获得足够的知识来更好地解决或完全消除意外故障。

在这种情况下,知识意味着获得对为什么发生停机和浪费的基本了解。然后,对于下一步,分析仪软件使得淹没到导致损失的因素,这是否不足,无论是不足的机械性能还是次优库存管理。

传统的计划维护将始终在食品制造中拥有一个地方。然而,展望未来,制造商有机会部署技术,以便在维护条件发生时通知和行为。

本文最初出现在控制工程欧洲网站。


李沙利文
作者生物:Lee Sullivan是Copa-Data UK的区域销售经理。