Искусственный интеллект захватывает нашу жизнь все больше и больше. Сейчас уже есть программы на смартфоне, распознающие эмоции владельца и выдающие соответствующий контент. Вам грустно? Посмотрите видео, которое поднимет настроение. ИИ обрабатывает огромный массив открытых данных из сетей и знает наши предпочтения, интересы, доходы и сценарий расходов — всё, что только можно узнать из активности человека в интернет-среде.
Но это бытовая жизнь. А как применить возможности искусственного интеллекта в производственном и упаковочном процессе, ведь там так много переменных, а сами задачи разнообразны по специфике и сложности? Владельцы и руководители компаний хотят видеть весь процесс в режиме реального времени, чтобы точно оценить эффективность вложений и технологическую отдачу. Однако часто эти понятия подменяются обычной статистикой работы, которая не дает полной картины и не отражает реальное состояние производства.
Основная задача ИИ — минимизировать человеческий фактор
Искусственный интеллект позволяет снизить риск ошибок человека в производственном процессе. Это необходимо по трем причинам:
- Уменьшение издержек в расчете на одну единицу продукции. Чем меньше процент ручного труда (вовлеченности оператора), тем дешевле выпуск. Поэтому оборудование может работать круглосуточно без остановок.
- Снижение риска порчи/заражения продукта. Человек может стать переносчиком опасных вирусов и микробов, которые влияют на сроки хранения продукции. Если исключить данный фактор, продукт может храниться гораздо дольше.
- Увеличение периода реализации готовой продукции. Важно, чтобы у товаров был максимально долгий срок хранения. Тогда «растягивается» и период продажи через торговые сети.
Когда речь заходит об ИИ в пищевом производстве, приходится сталкиваться со множеством практических вопросов. Как объединить все данные, касающиеся входа сырья на начальном этапе и выхода готовой качественной продукции на финальной стадии? И сделать это так, чтобы получить не просто набор статистической информации, фиксирующей брак и потери, а работающую систему онлайн-управления всем производственным процессом и упаковкой? И обязательно с фактическим контролем каждого этапа, чтобы исключить повторяющиеся действия из сферы ручного труда?
Рассмотрим концепцию на реальном примере
На производстве одного известного бренда, выпускающего продукты питания, стоит упаковочная машина с номинальной скоростью работы 240 пакетов в минуту. По логике она должна производить 14 400 упаковок в час. Однако в реальности эта цифра составляет всего 13 000. А значит, оборудование работает только 95 % времени из 100 %. В чем причина?
После тщательного технического анализа выяснилось, что машина фасует довольно пыльные продукты и пакеты периодически имеют негерметичный шов. Приходится чаще очищать губки для сварки, и иногда этот процесс занимает 5 минут, а иногда и все 15. То есть потери времени и реальной эффективности возникли из-за чистки всего одной зоны сварки. Чтобы решить проблему, инженеры связали рабочий процесс с тепловой картой самого шва после сварки и полностью автоматизировали эту оценку. Так удалось сократить простой в 2 часа и прибавить 28 800 упаковок к общей производительности за смену.
И это только один из многочисленных моментов, которые есть в любом упаковочном процессе. Их можно проанализировать и объединить в кластеры, а потом обучить искусственный интеллект распознавать и сразу корректировать потенциальные угрозы для стабильного производства.
Какие перспективы открывает ИИ?
В любом случае ИИ — обучаемый инструмент, но эффективно работать он может только тогда, когда есть соответствующая база знаний. Например, внедрение большего количества чувствительных датчиков и сенсоров в схему работы упаковочной машины может дать прирост производительности в 5–15 % за счет анализа подробных и более точных данных. И это только зачатки ИИ, к тому же только на одном участке.
А если внедрить технологии искусственного интеллекта на всех стадиях технологического и упаковочного процесса? Тогда открываются перспективы не только для увеличения производительности при выпуске упаковки, но и для снижения издержек в самом производстве продукта. Можно оптимизировать все процессы:
- логистику от зоны хранения до зоны смешения;
- процесс смешения, где ручной труд может провоцировать 1,5 % потерь от объема сырья;
- подачу подготовленных продуктов на участок, где производится дозировка.
А интеллектуальный контроль температуры в зоне фасовки, например, позволит снизить влажность и, соответственно, гарантирует точность дозирования продукта со стабильной плотностью. А это добавляет еще 10 % экономии к стоимости готовой упаковки с содержимым.
Сейчас идет активная работа по объединению разрозненных данных в систему, чтобы можно было увидеть масштабную работу искусственного интеллекта по оптимизации производственных процессов и снижению конечной цены продукции. Благодаря понятной и прозрачной базе данных ИИ любой владелец предприятия сможет видеть потери не после составления баланса и не раз в квартал, а ежедневно и на любом этапе. Будет точно знать, из-за чего они и как их избежать.