สำหรับแบรนด์ผู้ผลิตอาหาร การรักษาความแม่นยำในระดับการบรรจุเป็นสิ่งสำคัญสำหรับทั้งคุณภาพของผลิตภัณฑ์และความคุ้มค่าด้านต้นทุน สายการผลิตบรรจุภัณฑ์มายองเนสของ Hellmann ที่มีกำลังการผลิต 320 ถึง 350 กระปุก/นาที โรงงานอาหารและโภชนาการ Pouso Alegre ของ Unilever นอกเมืองเซาเปาโล ประเทศบราซิล เผชิญกับความท้าทายด้วยระบบลูป PID (อนุพันธ์อินทิกรัลตามสัดส่วน) แบบดั้งเดิม ซึ่งอาศัยความคิดเห็นจากเครื่องตรวจสอบน้ำหนักปลายน้ำในการปรับเปลี่ยน เติมระดับ วิธีการเชิงรับนี้บางครั้งนำไปสู่การบรรจุเกิน เพิ่มต้นทุนวัสดุ และลดประสิทธิภาพโดยรวม ตามที่ Jean Ramos ผู้ประสานงานโรงงานดิจิทัลและ Denis Castro de Almeida ผู้ประสานงานโรงงานดิจิทัล LATAM ทั้งสองแห่ง Unilever กล่าว น้ำหนักที่เหมาะสมที่สุดคือ 500 กรัม แต่หน้าต่างเศษเหล็กนั้นแคบอยู่แล้ว โดย 499 กรัมสำหรับวัสดุเติมด้านล่าง และ 508 กรัมสำหรับเศษวัสดุเติมเกิน Unilever จะทำให้ค่าเบี่ยงเบนมาตรฐานกระชับขึ้นและย้ายค่าเฉลี่ยของการบรรจุให้เข้าใกล้น้ำหนักในอุดมคติ 500 กรัมมากขึ้น โดยไม่สูญเสียเศษเหลือไปยังการบรรจุต่ำกว่าได้อย่างไร เพื่ออธิบายวิธีที่พวกเขาจัดการกับปัญหาที่งาน Automation Fair วันนี้ Ramos และ Catro de Almeida หันมาใช้ FactoryTalk LogixAI ของ Rockwell Automation ซึ่งเป็นโซลูชันที่ออกแบบมาเพื่อคาดการณ์ปริมาณการเติมโดยใช้สิ่งที่เรียกว่า “แนวทางเซ็นเซอร์แบบนุ่มนวล ดังนั้น ให้มองว่ามันเป็นซอฟต์แวร์ในฐานะ เซ็นเซอร์” Richard Resseguie ผู้จัดการผลิตภัณฑ์ของ LogixAI ของ Rockwell กล่าว “ทฤษฎีทั้งหมดที่อยู่เบื้องหลังนี้คือสิ่งที่จะเกิดขึ้นหากเราสามารถพัฒนาเซ็นเซอร์แบบอ่อนที่จะคาดการณ์ปริมาณการเติมในขวด ก่อนที่คุณจะไปเติมจริง โดยขึ้นอยู่กับตัวแปรกระบวนการ” การนำ LogixAI ไปใช้ เกี่ยวข้องกับการรวบรวมข้อมูลจากขั้นตอนต่างๆ ของการผลิต รวมถึงการกรองและกระบวนการผสมขั้นต้น รวมถึงการเติมเอง ข้อมูลนี้ใช้เพื่อฝึกแบบจำลองการคาดการณ์ที่สามารถคาดการณ์น้ำหนักที่ได้รับตามตัวแปรเหล่านั้น “เรากำลังทำสิ่งนี้โดยตรงบน Edge ถัดจากอุปกรณ์ และวิธีที่เรารวบรวมข้อมูล วิธีการฝึกอบรมโมเดล และจากนั้นเราจะปรับเปลี่ยนมันอย่างไร” Resseguie กล่าวเสริม วิธีการแบบ Edge-based นี้ช่วยให้บริษัทสามารถวิเคราะห์และคาดการณ์การเคลื่อนตัวที่อาจเกิดขึ้นในประสิทธิภาพของอุปกรณ์เมื่อเวลาผ่านไป ทำให้สามารถปรับที่ Edge ได้แบบเรียลไทม์ โมเดลการคาดการณ์ได้รับการฝึกอบรมโดยใช้ทั้งข้อมูลในอดีตและข้อมูลปัจจุบัน ซึ่งช่วยในการสำรวจพื้นที่คุณลักษณะและกำหนดความสัมพันธ์ระหว่างตัวแปรอินพุตและระดับการเติมที่ต้องการ “เมื่อเราระบุได้ว่าตัวแปรใดที่มีส่วนช่วยในกรณีการใช้งานนี้ เราจะใช้การคาดการณ์นั้นตอนนี้เพื่อใช้ตัวแปรนั้นสำหรับขวดถัดไป จากนั้นพิจารณาว่า โอเค คุณกำลังจะเติมมากเกินไป สมมติว่าสามหรือสี่กรัม เราสามารถทำการปรับเปลี่ยนและลดได้” Resseguie กล่าว ด้วยการลดค่าเบี่ยงเบนมาตรฐานของปริมาณการบรรจุในหัวฟิลเลอร์ต่างๆ บริษัทจึงสามารถดำเนินการได้ใกล้กับจุดที่ตั้งเป้าหมายมากขึ้น และลดของเสียลงอย่างมาก โดยเฉพาะอย่างยิ่ง Ramos และ Castro de Almeida ได้พิจารณาแล้วว่าหัวเติมและหัวฉีดเติมทั้งหมดทำงานได้อย่างมีประสิทธิภาพและเปรียบเทียบได้ก่อนที่จะเลือกอินพุตต้นน้ำ ดังนั้นการควบคุมหัวเติมและหัวฉีดเติมเองเป็นตัวแปร กระบวนการนี้เกี่ยวข้องกับการเลือกตัวแปรอินพุตหลักผ่านเมทริกซ์สหสัมพันธ์ และใช้เพื่อฝึกโมเดล ตัวแทนอธิบายกระบวนการ: “คุณสามารถลากและวางและเลือกอินพุตเหล่านั้น จากนั้นจึงฝึกโมเดล” การรวม LogixAI เข้ากับระบบที่มีอยู่ของบริษัทได้รับการอำนวยความสะดวกด้วยความเข้ากันได้กับ Studio 5000 และลอจิกแลดเดอร์ ทำให้ทำงานได้อย่างราบรื่น การควบคุมและระบบอัตโนมัติที่ชั้นควบคุม “จริงๆ แล้วคุณมีตัวแปรที่ควบคุมเมื่อคุณฝึกและคำนวณ นั่นคือสิ่งที่ช่วยให้คุณทำให้กระบวนการทั้งหมดนี้ที่เลเยอร์ควบคุมเป็นอัตโนมัติได้อย่างแท้จริง” Ressegie กล่าว ขั้นตอนการทำงานของ Ramos และ Castro de Almeida สำหรับแอปพลิเคชันนี้มีดังนี้ โดยจะระบุตัวแปรที่สนใจก่อน นั่นคือน้ำหนักที่กำหนดตามเป้าหมาย ก่อนอื่นพวกเขาถามว่า ‘น้ำหนักที่เราเติมลงในขวดคือเท่าไร’ คำถามต่อไปคือ ‘ตัวแปรอินพุตที่ส่งผลต่อผลลัพธ์นั้นคืออะไรในการทำนาย?’ นั่นอาจเป็นคำถามที่ตอบยากเพราะอาจมีตัวแปรนับพันที่สามารถสร้างเป็นแท็กข้อมูลใน PLC ได้ “ดังนั้น (การวางแผน) งานที่ทำไว้ล่วงหน้าอย่างน้อยก็ช่วยให้เราจำกัดขอบเขตของข้อมูลให้แคบลงได้โดยการทำ เมทริกซ์สหสัมพันธ์นั้นและอย่างน้อยก็ช่วยเราในการระบุตัวแปรสำคัญอันดับต้น ๆ ที่เราต้องการใช้” Resseguie กล่าว การใช้ LogixAI ของ Unilever เป็นตัวอย่างเฉพาะเจาะจงที่เป็นรูปธรรมของการวิเคราะห์เชิงคาดการณ์ที่ถูกนำไปใช้อย่างมีประสิทธิผลเพื่อจัดการกับปัญหา ปัญหาเช่นความไม่สอดคล้องกันของระดับการบรรจุ การเพิ่มประสิทธิภาพการดำเนินงาน และลดการสูญเสียวัสดุ ด้วยการใช้ประโยชน์จากโซลูชันซอฟต์แวร์ขั้นสูง เช่น FactoryTalk Logix AI แบรนด์และ CPG จึงสามารถบรรลุความแม่นยำและการควบคุมในกระบวนการบรรจุภัณฑ์ได้มากขึ้น ผู้มีส่วนได้ส่วนเสียกล่าว
แหล่งที่มาของข้อมูล
