AI: 보이는 것과 들리지 않는 것

Siemens의 품질 예측 허브는 기계 및 프로세스 데이터에 대한 기계 학습을 활용하여 포장 프로세스에 따른 품질 문제를 예측하여 품질 검사 프로세스를 자동화하고, 가능한 한 조기에 문제를 감지하며, 운영자가 최적화에 활용할 수 있는 품질 문제의 동인을 나타내는 정보를 제공합니다. 라인 설정.이미지 제공: 지멘스

"아이들은 보여야 하지만 듣지 말아야 한다"는 15세기 표현처럼, 인공 지능(AI)은 일반적으로 생산 또는 포장 시스템을 원활하게 실행하도록 뒤에서 조용히 작동하며, 문제가 발생하지 않는 한 침묵하는 임베디드 소프트웨어 기술입니다. 통제되고 쉽게 수정되지 않습니다. 그런 다음 시스템은 경보를 울리고 AI가 이미 식별한 문제가 인간에 의해 해결될 때까지 프로세스를 종료할 수도 있습니다.

일부 패키징 및 제어 시스템 공급업체는 자사 시스템에 AI를 사용한다고 홍보하기 시작했으며 그럴 만한 이유가 있습니다. AI 기술은 포장 기계, 로봇 공학, 비전 검사 시스템, 모터 및 MES, 재고, 물류 및 프로세스 제어와 같은 기타 소프트웨어 애플리케이션에서 발생하는 센서 및/또는 축적된 데이터로부터 충분한 입력을 제공할 경우 마침내 전성기를 맞이할 준비가 되어 있습니다. 이 데이터가 없으면 AI는 눈이 멀게 됩니다.

AI가 식품 포장 시스템에 가져올 수 있는 이점이 무엇이라고 생각하는지 AI 시스템(ChatGPT)에 "질문"하는 것이 흥미로울 것이라고 생각했습니다. AI가 아직 작가와 편집자를 해고하지는 않을 것이지만 ChatGPT의 답변은 다음과 같이 요약됩니다. "AI는 식품 포장 시스템이 보다 효율적이고 효과적이며 지속 가능하게 작동하도록 도와 품질을 향상시키고 폐기물을 줄이며 수익성을 높입니다." 전체 답변을 보려면 "AI 챗봇이 패키징 시스템 운영에서 AI의 이점을 보여줍니다." 상자를 참조하세요.

포장 장비 공급업체의 경우 AI로 가는 길에는 많은 이정표가 있습니다. 예를 들어, Harpak-ULMA는 2018년에 스마트하고 연결된 포장 플랫폼을 제공하는 혁신적이고 민첩한 공급업체로 변모하기 위한 비전과 계획을 수립했다고 혁신 관리자인 Alexander Ouellet이 말했습니다. 다년간의 다단계 디지털 혁신 계획을 시작한 지 5년이 지난 지금 회사는 잠재 고객과 고객이 보여준 상업적 수용을 통해 디지털 혁신이 포장 운영에서 고객 가치를 제공하는 방법과 이유를 입증하고 있습니다.

Ouellet은 "이 전략은 디지털 변혁(데이터)의 기반을 구축하는 스마트하고 연결된 기계를 제공하는 데 뿌리를 두고 있으며 IoT, 증강 현실(AR), 디지털 트윈 및 예측 유지 관리 기능을 통합하기 위해 점진적으로 구축됩니다."라고 말합니다. 포춘 500대 고객을 대상으로 수년간 베타를 진행한 후 2023년에 임베디드 AR 및 디지털 트윈 기능을 상업적으로 출시할 예정입니다."

수집된 대량의 데이터를 기반으로 하는 기계 학습 및 AI 기술의 적용은 패키징 플랫폼 전반에 걸쳐 계획된 예측 유지 관리 제공의 최종 단계의 핵심이라고 Ouellet은 덧붙입니다. 이것이 목표로 삼고 있는 주요 고객 가치 제안이기는 하지만, 회사는 기존 프로세스나 제품에 대한 다양한 점진적인 개선 사항을 평가, 분석 및 식별하기 위해 AI를 활용하기 위해 여러 가지 작은 조치를 취했습니다.

Harpak-ULMA는 다른 AI 응용 프로그램을 조사하고 있습니다. 예를 들어, 주기 수 및 기타 런타임 변수를 기반으로 트레이 밀봉 도구 재구축을 경고/권장하는 플랫폼 기능(조건 기반 모니터링에는 해당되지 않음). 이러한 종류의 AI의 또 다른 측면은 예비 부품의 재고 관리를 위해 연구되고 있습니다. AI는 또한 보다 적극적인 고객 대응 접근 방식을 확립하는 데 도움이 될 수 있는 패턴을 식별하기 위해 서비스 요청 및 지원 티켓을 분석하는 테스트도 진행 중입니다. 마지막으로 회사는 포장 플랫폼의 기계 문제 해결 및 생산 관리를 목표로 하는 AI 도구를 통합하기 위해 적극적으로 노력하고 있습니다.