Оюуны баглааны үйлдвэрлэлийн технологийн хөгжилд нүүрсний найрлагатай машинуудын үүрэг

Нүүрсний найрлагатай машины технологийн эволюци

Гараар ажилладаг системээс ХИ-д суурилсан оюуны баглааны машин хүртэлх хөгжил

Баглаа боодлын системийн салбар нь хүчний оролцоотой гар ажиллагаанаас автомжуулсан оюун ухаант технологийн үе шатанд шилжжээ. Эхэн үеийн машинуудыг тогтмол хянах шаардлагатай байсан бөгөөд ихэвчлэн үйлдвэрлэлийн процессын хязгаарлалт болон ажилладаг байв. Одоо эсвэл оюун ухаан нь интеллект дүүргэх машинуудыг ухаалагжуулах гол хөдөлгүүр болон ажиллаж байна. Энэ нь параметрүүдийн бодит цагийн өөрийн зохицуулалт, зөөлөн алдааны шалгалт, хүний оролцоогүйгээр автоматаар гаралтыг оновчтой болгох мэт үйлдлүүдийг гүйцэтгэдэг. Автоматжилтын хөгжлийн энэ төрлийн салбарын шинжилгээ нь ийм төрлийн системийг мэдрэгчид нь давхардсан ажиллагааг бодит цагт зохицуулах, алдааг урьдчилан таамаглах замаар багасгадаг тул үйлдвэрлэлийн талбайнуудыг үнэн зөв мэдээлэл дээр суурилсан машиныг бий болгодог.

Цү pouch үйлдвэрлэлд IoT-ийг интеграцлахад туслах гол компонентүүд

Сүүлийн үеийн цү pouch үйлдвэрлэгчид дэхь IoT-ийн холболтыг түлхүүр тоног төхөөрөмж, программ хангамж бүхий хэрэгслийн тусламжтайгаар хангадаг. Үйлдвэрийн түвшний сенсороор пленкийн зузааныг 0.1 мм нарийвчлалтай хянах болон боосон температурыг хянах гэх мэт параметрүүдийг хянах ба ирмэг дээрх тооцоололт ашиглан орон нутгийн мэдээллийг боловсруулж хурдан хариу үйлдэл үзүүлэх боломжийг олгодог. Үйлдвэрлэлийн шугамаас мэдээлэл цуглуулдаг одоо үеийн шинжилгээний платформ нь машин сургалтын загвар таних технологийг ашиглан оновчтой байдлыг сайжруулах боломжийг илрүүлдэг. Эдгээр интеграцит системүүд нь техникчид онцгой асуудлыг урьдчилан тодорхойлоход тусалж, агаараар ферментийн шинэчлэлтийг дэмждэг нууцалсан самбарын мониторингийг ч мөн дэмждэг.

Туршлагын жишээ: Цифржүүлсэн ажлын урсгалаар 35% үр ашгийг нэмэгдүүлэв

IoT-ийн технологийг ашигласан өндөр бүтээмжтэй үйлдвэрлэлийн төхөөрөмжийг нэвтрүүлснээр зөвхөн 6 сарын дотор үйл ажиллагааны оновчтой байдлыг хэмжигдэхүйц сайжруулж чадсан. Хуучин тоног төхөөрөмжид нь сенсорууд болон хааврын шинжилгээний системийг нэмж суурьсны улмаас автоматаар тохируулах функцээр багажаа солих процессыг 47% бууруулж чадсан. Бодит цагийн материалын хяналтын систем нь производствын эрчимтэй үед таталтын хүчийг урьдчилан таамаглаж полиэтиленээр гарах хаягдлыг 19%-иар бууруулжээ. Төвлөрсөн удирдлагын автоматжуулалт нь интеграцчилагдсан машинуудын ажиллагааг хялбарчилж, процессийн зогсолтыг бууруулж, 2023 оны үйл ажиллагааны үзүүлэлтээр нийт производцын бүтээмжийг 35% -аар нэмэгдүүлсэн.

Шинэ покет хийх тоног төхөөрөмжинд ашиглагдах автоматжуулалт ба Искусственный интеллект

Машин зураг таних систем ашиглан бодит цагийн чанарын хяналт

Одоогоор машины харааны системд дээд зэргийн нарийн цэгцтэй камера болон конволюцийн нейрон сүлжээ (CNN) ашиглан милисекундын хугацаанд дутагдал илрүүлэх боломжтой болсон. Эдгээр маш хурдан систем нь 23 чанарын параметр (саармагжуулалтын бат бөх байдал, хэвлэлийн нарийвчлал гэх мэт)-ийг шалгах үед минутанд 2,400 хайрцаг судалж, боодол технологийн туршилтанд 99.9% нарийвчлалыг хангаж байна. Болзошгүй технологи нь визуал ажиглалтын үед хүний чадварын хязгаарыг авч засах арга юм. Тухайлбал, бага томруулах датчийн зураг бичлэгт материал дутагдлыг илрүүлэх гэх мэт. Хэрэгжүүлсэн үр дүнгээс харахад чанарын асуудлаас болж 80%-иар буцаасан захиалга, 15%-иар цонхгүй хаягдал буурсан байна.

Урьдчилан сэргийлэх засварын алгоритмыг ашиглан зогсолтыг 40%-иар бууруулсан

Машины доторх нөхцөл байдлыг хянах сенсорууд - экструдер, ажлын машин, сэлбэг холбох төхөөрөмжүүд-ийг сар тутамд үйл ажиллагааны талаарх 18ТБ мэдээллийг гаргадаг. Энэ мэдээллийг шинжилж, 94% итгэлтэй байдлаар 72 цагийн өмнө зэрэгцсэн эргэлтийн гэмтлийг урьдчилан таамаглахад хиймэл оюун ухааныг ашигладаг. Салбарын шинжээчид судалж үзэхэд, урьдчилсан засварын шийдлийг ашигладаг нийлүүлэгчид төлөвлөгөөнд бусын зогсолтыг 40%-иар бууруулж, тоног төхөөрөмжийн дундаж ашиглалтын хугацааг 22%-иар сунгасан байна. Бодит цагийн дулааны зургийг засварын бүртгэлтэй харьцуулан алгоритмууд тослох мөчийг тохируулж, хөдөлгүүрийн калибрацийн хуваарьтай ажиллагааг бодит цагт шинэчилдэг; ингэснээр механик гэмтлийн цувралыг зогсоож болно.

Салбарын парадокс: Автоматжуулалтын зардал ба Хугацааны дараах өгөөжийн харьцаа

Онцлог шинж чанаруудыг сайжруулах замаар орлого олох хугацаа нь 18-24 сар байдаг ч, 63% конвертерүүд нь бүрэн үйлдвэрлэлийн шугамыг шинэчлэхэд дунджаар $2.4 сая ам долларын капиталын зардал гардаг гэж заасан. Энэхүү эсрэг зөрчил нь операторууд нэгжийн тохируулгыг гар аргаар удирдах ч, цүнхний тоололт, паллетийн зэрэг үндсэн үйлдлүүдийг алгасах боломжийг олгодог гибрид хэрэгжүүлэх аргачлалыг түлээж байна. Ажилчдын мэргэжлийн чадварыг дээшлүүлэх программууд нь техникийн хэмнэлтийг багасгадаг бөгөөд AR интерфейсүүд нь операторуудад AI параметрүүдийг визуал интерфейсээр удирдах боломжийг олгоход AR технологийг ашигладаг. Ингэснээр програмчлалын чадвартай байх шаардлагагүй болдог. Хэсэгчилсэн автоматжуулалтыг ажилчдын сургалттай хослуулсан эртний хэрэглэгчид нь бүрэн автоматжуулалтаас олох бүтээлч байдлын 85%-ийг авч чадаж байгаа бол хэрэгжүүлэх өртөг нь бүрэн автоматжуулалтын өртгийн 40% болж буурдаг.

Байгаль орчинд хор хөнөөлгүй байх шаардлага нь боодол машиныг дахин хувилж байна

Байгаль орчинд нөлөөлөөгүй материалыг тохируулах машин механизм шаардана

Биологийн задралтай полимерүүд болон ургамлын гаралтай материалыг ашиглах нь бидний мэдэх баглаа боодлын тоног төхөөрөмжийн хувьд шинэ цаашлуудыг бий болгодог. Өнөөгийн экструзийн үйлдвэрт оюун ухаант машинууд, MFI мужийн тохируулгатай матрицан загварыг агуулсан процессийн шугам зэргийг шаарддаг. Жишээлбэл, Полилактидын хүчлийн (PLA) бүрхүүл нь полиэтиленээс 15–20% бага дулааны горим шаарддаг учраас нарийвчлан хэмжиж болон хурдан хариу үзүүлэх халаагуур элемент шаардлагатай. Харин оршин тогтнож буй тоног төхөөрөмжийг эко материал ашиглах болгон солих нь 18-24 сарын хүрээнд ROI-г (хөрөнгө оруулалтын буцаалт) сайжруулдаг ч гэсэн ихэнх SME үйлдвэрлэгчид үүнээс сэргийлдэг.

Эрчим хүчний хэрэглээ: Тухайн цагийн болон оюун ухаант баглаа боодлын машины харьцуулалт

Орчин үеийн тоног төхөөрөмжинд байгаа ухаалаг цахилгаан хангамжийн систем нь хөдөлгүүрийн ачаалал, халаалтын циклийг оновчлох замаар боловсруулалтын чадавхиар нь алдагдалгүйгээр 30% энерги хэмнэнэ. Машин сургалтын алгоритмууд нь таамаглаж болох ажлын дарааллыг ашиглан хоцорсон цагийг 42%-иар бууруулдаг бөгөөд олон төрлийн материалын ангилалтай ажилладаг үйлдвэрүүдэд онцгой үр дүнтэй.

Үйлдвэрлэлийн шугамтай интеграцитай хаалттай давхар боловсруулах систем

Одоо их үйлдвэрлэгчид пленкийн шугамд нь урт нягтралын төхөөрөмжийг нэмж байршуулж, ирмэгийн хаягдлыг гранулын хэлбэрт дахин боловсруулж байна. Энэ дугуй процесс нь их гаралтын үйлдвэрт цэвэр полимерийн хэрэглээг 35%-иар бууруулдаг бөгөөд таталтын бат бөх байдлын шаардлагад нийцдэг. Цаг үеийн вискозитетийн хэмжилтийн шалгалтууд нь дахин боловсруулсан холимогийн процессийн тогтворжилтыг дэмждэг бөгөөд давсны түвшинд доод чанартай багцыг ламинаци хийхээс өмнө татгалздаг. Технологийн тусламжтайгаар бат бөх чанар болон ASTM D6400-д тунгагдсан биологийн задралын стандартыг хангах олон давхар эргэн мактлах сайз хийх боломжтой болсон.

Судалгааны зах зээлийн дагуу оюунлаг баглаа боодлын төхөөрөмжийг шинэчлэх

24% Жилийн өсөлтийн хурд (CAGR) Дахин боловсруулж болох сайзын үйлдвэрлэлийн салбарт

Дахин боловсруулсан материал ашигладаг сав баглаа боодол үйлдвэрлэх тоног төхөөрөмжийн салбар нь 2018-2028 онд жилд дунджаар 24% хурдтай өснө гэж таамаглаж байна. Энэ нь тогтвортой байдлын шаардлагыг хангах зорилгоор эрхлэгдэж буй бодлого, хэрэглэгчийн зан үйлийн өөрчлөлтийн улмаас болно. Энэ өсөлт нь Номхон далайн орнуудад хамгийн их байх ба модуль хэлбэрийн биополимер боловсруулах тоног төхөөрөмжүүдээр үйлдвэрийн шугамуудыг шинэчилснээр жилд 28%-иар өсч байна. Энэ өсөлт нь 2020 оны дараа нэг удаа ашиглах пластик бүтээгдэхүүний хориг байгуулсан нийт 1.340 тэрбум ам.долларын дүнгээр дэлхийн масштабаар 17.8 тэрбум ам.долларын тоног төхөөрөмж шинэчлэх хөрөнгө оруулалтад нөлөөлж байна.

Оюунлаг сав баглаа боодлын инноваци технологийн тоног төхөөрөмжийг солихыг нэмэгдүүлж байна

Одоо олон нийлүүлэгчид IoT-т суурилсан уут наполнителийн ба AI-д суурилсан бохиролтын системийг нийт шинэ багаж тоног төхөөрөмжийн хөрөнгө оруулалтын 62%-ийг эзэлдэг (2020 оны эхэнд 34%). Эдгээр оюун ухаант систем нь материалыг бодит цагт оновчлох боломжийг олгодог бөгөөд конвейер загваруудтай харьцулахад энерги хэрэглээг 19%, плентийн хаягдлыг 27%-иар бууруулдаг. 2024 онд явагдсан салбарын шинжилгээ нь үйлдвэрлэгчид 5-7 жилийн мөчлөгт тусгай хэсгүүдийг сольсонгүйгээр бүх үйлдвэрлэлийн шугамыг солих, мөн машин сургалтыг материал зохицуулахад ашиглах болж байгааг илрүүлсэн.

Бүс нутгийн автоматжуулсан баглаа боодлын шийдэл хэрэглэх загвар

Хойд Америк нь бүрэн цикл дахин боловсруулах интеграцуудад 41%-иар илүү хөрөнгө оруулалт хийх боломжийг харуулж байна. Харин шинэ зах зээл нь ажилчдын уян чанарыг дэмжихийн тулд гар ашигтай-автоматжуулсан шийдлүүдэд анхаарлаа хандуулж байна. Зүүн Өмнөд Азид автоматаар хэрэгсэл суурилуулах тоо 18%-иар нэмэгдсэн ба Европ нь компостлогдох материалыг боловсруулах чадвартай болгохын тулд суурилуулсан тоног төхөөрөмжийг шилжүүлэхэд анхаарлыг хандуулж байна.

Оюунлаг баглаа боодлын машин экосистемийг нэвтрүүлэхэд тулгарч буй бэрхшээл

Холбогдсон баглаа боодлын үйлдвэрлэлийн шугамын мэдээллийн аюулгүй байдлын асуудал

IOT-ийг оруулах нь баглааны шугамыг нууцлаг материал хийцийн болон цаг хугацааны дагуу үйлдвэрлэлийн үзүүлэлтийн мэдээллийг хулгайлж авахад зориулсан кибер довтолгоонд эмзэг байдлыг үлдээнэ. Хойд Америкийн дахин боловсруулж чаддаг найралт хийх машин зах зээлийн судалгаа нь 68% үйлдвэрлэгчид одоо машины хоорондын харилцааг аюулгүй байлгахын тулд олон давхар энкодлогч аргуудыг ашигладаг болохыг илрүүлсэн. Өмнөх системүүд болон шинэ IoT модулуудад сул талууд байгаа бөгөөд энэ нь тухайн систем дээр агаарын зайтай резерв хуулбар хадгалалтыг шаарддаг. Жишээлбэл: зузаан нимгэний хянан контроллох алгоритм.

Давхар нарийн найралт хийх машин ажиллуулахад ур чадварын хомогдох

Сулрал илрүүлэхэд сүлжээний сэтгэцийг ашиглахаас өмнөх механик арчилгааны 41% чадвар одоо ашиглах боломжгүй болсон. Одоо операторуудад полимерийн шинжлэх ухаан болон Python скриптүүдийн мэдлэг шаардлагатай ба жишээлбэл: хөвөөнд хийсэн найрлын хөргөх хурдны параметрүүдийг дээд зэргээр нь ашиглах ёстой. Энэ хоёр талаар тусгаарлагдсан шаардлага нь автоматжуулсан шугамын хувьд хөрөнгө оруулалтын буцах хугацааг техникийн сургалтын нэг циклд дунджаар 8-12 долоо хоногоор сунгадаг.

Шинэ үеийн баглаа боодлын технологитой нийцэхгүй байгаа материал асуудал

Синтетик смолын хувьд зориулсан экструзийн дөрөв барагдах боломжийг олгодог төрөл бүрийн нарийн товчлуурын дизайныг их крахмалтай биопластикуудад ашиглах нь уялдаа муутай байдаг. Туршилтаар адаптив момента хянах модулийг дахин суурилуулах нь материалын шалтгаант зогсолтыг 37% - иар бууруулж чадна гэж харуулсан боловч принт, гармоника үүсгэгч тогтоох гэх мэт дараагийн процессыг дахин тохируулах шаардлагатай байдаг. Эдгээр техникийн хязгаарлалтууд нь эргэлзээтэй хаягдал хуримтлалыг багасгах дайн дээр байрлаад технологийн шилжилтийг удаашруулж байна.

Түгээмэл асуултууд

Орчин үеийн найрлагатай найрлагатай машин механизмд ХИ-ийн үүрэг юу вэ?

ХИ нь параметрийн бодит цагийн өөрийгөө тохируулах, оюун ухаантай гажиг шалгах, гаралтын автомат тохируулгыг хийхэд маш чухал бөгөөд үйлдвэрлэлийг хүний оролцоог минимум болгоход, мэдээлэлд суурилсан болгоход тусалдаг.

Зүйлсийн интернет (IoT) интеграцитай холбоотой үйлдвэрлэлд ямар ашигтай вэ?

Хурц бүтээгдэхүүн үйлдвэрлэлд IoT-ийн интеграцыг нэвтрүүлэх нь үйлдвэрлэлийн үр ашигтай байдлыг сайжруулах, оновчлолтын боломжуудыг илрүүлэх, урьдчилан сэргийлэх засварын ажил гүйцэтгэх замаар алдааг урьдчилан тогтооход хэрэглэгдэх бодит цагийн мониторинг, шинжилгээг хангана.

Баглаа боодлын машин механизм дээр тэгш бус байдал ямар нөлөө үзүүлдэг вэ?

Тэгш бус байдал нь экологийн хувьд сайн материал ашиглах, энерги хэмнэлттэй ажиллах, дахин боловсруулах системийг нэвтрүүлдэг машин механизмыг хөгжүүлэхэд хүргэсэн бөгөөд энэ нь дэлхийн журам, хэрэглэгчийн сонирхолтой таарч байна.

Баглаа боодлын үйлдвэрлэлийн шугамыг автоматжуулахад гарах зардлын сорилтууд нарийн хэр их чухал байдлыг тодорхойлно уу?

Автоматжуулалт нь үр ашгийг сайжруулах замаар эдийн засгийн баталгааг хангаж чаддаг ч анхны капиталын зардал их байдаг тул богино хугацааны зардал, урт хугацааны өгөөжийн харьцааг сайн тооцоолж балансыг сахих шаардлагатай байдаг.