W jaki sposób automatyzacja zwiększa efektywność i redukuje koszty na przykładzie branży Food&Beverage

Industrial internet of things and industry 4.0 concept. Abstract blue background of technology graphic and automation wireless control robotic machine in smart factory with flare light effect.
Fot. Omron

Automatyzacja procesu produkcyjnego coraz częściej znajduje zastosowanie w branży Food&Beverage. Wpływa to na wzrost efektywności produkcji m.in. poprzez możliwość skutecznej analizy dużych ilości danych, dzięki wykorzystaniu algorytmów sztucznej inteligencji. Automatyzacja pozwala również ograniczać przestoje i tym samym optymalizować koszty produkcji. Możliwości wynikające z wdrażania w fabrykach technologii IoT i Przemysłu 4.0 (od inteligentnych urządzeń po sztuczną inteligencję) ułatwiają utrzymanie najwyższej jakości produktów żywnościowych przy równoczesnym zoptymalizowaniu procesów produkcyjnych.

Zwiększona moc obliczeniowa i możliwość zarządzania  coraz większą ilością danych, stosowanie czujników z funkcjami IoT oraz wprowadzanie sztucznej inteligencji do hali produkcyjnej dają wymierne rezultaty w postaci zwiększenia efektywności procesu produkcji (Overall Equipment Effectiveness – OEE). Ogromny potencjał dla modernizacji Przemysłu 4.0 w obszarze m.in. konserwacji zapobiegawczej czy zwiększenia wydajności produkcji stanowią również wdrożenia algorytmów adaptacyjnych. Wiele firm z branży Food&Beverage zdaje już sobie sprawę z tego, że zastosowanie rozwiązań z wykorzystaniem m.in. sztucznej inteligencji może nie tylko zwiększyć OEE, lecz także usprawnić analizę danych. To z kolei  umożliwia ciągłe doskonalenie różnorodnych procesów, np. poprzez redukcję ilości odpadów produkcyjnych.

Obecnie automatyzacja produkcji w branży F&B stanowi duże usprawnienie m.in. przy procesach pakowania żywności, które z reguły stwarzają największe problemy z wydajnością (tzw. wąskie gardła). Dzięki zastosowaniu całkowicie zautomatyzowanych rozwiązań, np. robotów Quattro Delta firmy OMRON, można zauważyć zdecydowany spadek sytuacji wymagających interwencji pracownika. Rzadziej zdarzają się także przestoje, co korzystnie wpływa na przepustowość i elastyczność linii, a w sytuacjach awaryjnych umożliwia to szybkie przywrócenie maszyny do pracy. Precyzyjne działanie maszyn pakujących daje również gwarancję, że żywność nie zostanie uszkodzona w trakcie procesu pakowania oraz zapewnia zachowanie deklarowanej świeżości produktu dzięki szczelnemu zamknięciu.   

Robotyzacja to tylko jedno z rozwiązań wspierających wdrażanie koncepcji Przemysłu 4.0. Kolejnym sposobem usprawnienia produkcji i zwiększenia jej efektywności jest wykorzystanie sztucznej inteligencji. Coraz częściej jest ona wdrażana w polskich firmach,  ale wciąż rzeczywistość odbiega od idealnego, docelowego stanu rzeczy. Dostępne na rynku rozwiązania AI często bazują na chmurze i mają konkretne wymagania w zakresie infrastruktury oraz IT. Wykorzystują one również ogromne ilości danych, których przygotowanie i przetwarzanie wymaga dużych nakładów pracy i jest czasochłonne. Przedsiębiorcom wciąż może być więc trudno określić, jaka jest wartość dodana tych procesów i czy inwestycja w AI może się zwrócić.

Powyższe fakty skłaniają do refleksji, w jaki sposób należy projektować sztuczną inteligencję, aby mogła być zintegrowana z procesem produkcyjnym i zarazem była wartością dodaną. Zamiast szukać rozwiązania, które skupia się na analizowaniu ogromnej ilości danych w poszukiwaniu wzorów zachowań dla zachodzących procesów, należy podejść do zagadnienia z zupełnie innej perspektywy. Przykład rozwiązania, w którym wymagane algorytmy AI są zintegrowane z systemem sterowania maszyną, tworząc w ten sposób ramy dla optymalizacji w czasie rzeczywistym na brzegu sieci, jest sterownik „Edge AI” firmy OMRON. Tradycyjnie, dane z poszczególnych linii produkcyjnych były analizowane i przetwarzane przy użyciu dużej (choć ograniczonej) mocy obliczeniowej w chmurze. Sterownik „Edge AI” cechuje się inteligencją adaptacyjną, dzięki czemu jest bliżej rzeczywistych procesów i wykorzystuje zaawansowane techniki uczenia maszynowego. Umożliwiają one podejmowanie właściwych decyzji – wszystko to odbywa się blisko miejsca, w którym są one potrzebne na linii. Oprogramowanie uczy się na podstawie kolejnych wydarzeń, dzięki czemu sukcesywnie optymalizuje cały proces produkcyjny, w szczególności procesy pakowania. Takie funkcjonalności są szczególnie pożądane w branży Food&Beverage, w której niestandardowe sytuacje na linii produkcyjnej mogą spowodować poważne straty wynikające np. z przekroczenia norm restrykcyjnych przepisów dotyczących żywności. W takiej sytuacji natychmiastowa reakcja maszyny na jakiekolwiek odbiegające od normy zdarzenie może uchronić producenta przed poniesieniem strat.

Aplikacja sterowników wykorzystujących algorytmy sztucznej inteligencji, pomaga również w optymalizacji wskaźnika ogólnej efektywności sprzętu. Dostarcza cenne informacje dotyczące całego procesu produkcyjnego, które następnie mogą być wykorzystywane do umiejętnego zidentyfikowania problemów oraz ich skutecznego rozwiązania.

Automatyzacja przynosi wymierne efekty w postaci wzrostu jakości oraz eliminacji przestojów na linii, co może w znaczącym stopniu zwiększać efektywność produkcji. W przypadku branży takich jak Food&Beverage, gdzie firmy mierzą się nie tylko z rosnącymi wymaganiami klientów, lecz także coraz bardziej restrykcyjnymi normami, jest to szczególnie ważne.


Omron