ГЕРМЕТИЗАЦИЯ УПАКОВКИ GABLE TOP И ПРОГНОЗИРУЕМОЕ КАЧЕСТВО: ИССЛЕДОВАНИЯ И ИННОВАЦИИ
Благодаря виртуальному моделированию и машинному обучению, мы совершенствуем процесс склейки картонной упаковки Gable Top. Представляем Проект Адаптивной Системы Герметизации.
Склейка пакета играет решающую роль в надежности технологического процесса, обеспечении качества и безопасности пищевых продуктов.
В условиях рынка, требующего роста надежности производства и сжатых сроков работы, процесс склейки со стабильным уровнем производительности может снизить риски, связанные с безопасностью пищевых продуктов, и обеспечить эффективное и оптимальное планирование производства.
Именно поэтому, компания Galdi запустила инновационный проект под названием Адаптивная Система Герметизации, целью которого является оптимизация стандартов качества процесса герметизации - в частности, для упаковки Gable Top.
ОТ ПРОГНОЗИРУЕМОГО КАЧЕСТВА К АДАПТИВНОЙ СИСТЕМЕ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ
Научно-исследовательский проект, начатый компанией Galdi, является эксклюзивной инновацией в мире оборудования для упаковки пищевых продуктов.
В исследовательской части проекта мы опирались на поддержку специалистов Международной школы перспективных исследований (SISSA) г. Триесте и Университета Падуи.
Проект проходил в 3 этапа:
ЭТАП 1:
Первый этап завершился внедрением прогнозируемого качества за счет виртуализации процесса склейки, с использованием достижений технологии Индустрии 4.0.
Целью виртуального моделирования (Digital Twin) является прогнозирование оптимальных установок, для оценки качества склейки до того, как инженеры приступят к работе и начнутся испытания.
Собранные данные позволяют повысить точность предлагаемых нами проектных решений, что является:
Преимуществом для Galdi:
- Сокращается цикл разработки продукта, для оценки его реальности, мы можем тестировать новые упаковки, материалы и конструкции, не прибегая к использованию самого автомата.
Преимуществом для клиентов:
- Более надежные фасовочные автоматы и большие гарантии стабильной производительности.
- Сокращение времени выхода на рынок
- Сокращение времени настройки автомата в период монтажа
ЭТАП 2:
На втором этапе, данные собранные с виртуальных моделей, используются для подготовки модели машинного обучения с целью прогнозирования качества склейки в режиме реального времени.
По сравнению с виртуальной моделью, это решение генерирует прогноз за бесконечно малый промежуток времени (1-2 миллисекунды вместо нескольких часов), что позволяет эффективно применять прогнозируемое качество к процессу упаковки.
Благодаря оперативности, обеспечиваемой моделью машинного обучения, мы сможем разработать автоматический набор для отбраковки нестандартных упаковок, который в будущем будет устанавливаться на новое оборудование или - путем модернизации - на уже работающие фасовочные автоматы.
Эта автоматизированная функция позволит выборочно отбраковывать пакеты, которые, прогнозируемо будут некачественными.
Давиде Фриззо (Университет Падуи) разработал несколько моделей машинного обучения в ходе своей исследовательской диссертации “Разработка моделей машинного обучения для прогнозирования качества пакетов в промышленных машинах”.
ЭТАП 3:
Следующий этап позволит гарантировать более высокий уровень производительности, с точки зрения надежности и повторяемости процесса, за счет постоянного и адаптивного контроля системы склейки упаковки.
Система сможет самостоятельно адаптировать свои параметры в режиме реального времени, приспосабливаясь к меняющимся условиям, что в дальнейшем обеспечит:
- Превосходное и стабильное качество склейки
- Снижение частоты отказов
- Сокращение брака и отходов
- Снижение риска загрязнения