زیمنس و زاکسن‌میلش استاندارد جدیدی برای نگهداری پیش‌بینی‌شده مبتنی بر هوش مصنوعی در تولید لبنیات تعیین کردند

صنعت غذا و نوشیدنی به طور فزاینده‌ای به اتوماسیون پرسرعت برای حفظ برنامه‌های تولید دقیق متکی است. اخیراً، غول فناوری  زیمنس با  ساکسن‌میلخ لپرسدورف GmbH همکاری کرد تا استراتژی‌های نگهداری را در یکی از بزرگ‌ترین کارخانه‌های لبنی اروپا متحول کند. با به‌کارگیری راهکار  نگهداری پیش‌بینی‌شده Senseye ، این دو شرکت نشان دادند که چگونه  اتوماسیون صنعتی و هوش مصنوعی می‌توانند به صورت پیشگیرانه مشکلات مکانیکی را حل کنند.

ادغام هوش مصنوعی با سیستم‌های اتوماسیون کارخانه موجود

ساکسن‌میلخ یک کارخانه عظیم در لپرسدورف، آلمان، اداره می‌کند که روزانه نزدیک به ۴.۷ میلیون لیتر شیر را فرآوری می‌کند. این عملیات ۲۴ ساعته و ۷ روز هفته نیازمند حداکثر زمان کارکرد برای سیستم‌های  کنترل و اجزای مکانیکی مختلف است. زیمنس نرم‌افزار هوش مصنوعی Senseye خود را با زیرساخت موجود ادغام کرد تا دارایی‌های حیاتی را نظارت کند. این پلتفرم داده‌های عظیمی را تحلیل می‌کند تا الگوهایی را بیابد که ممکن است اپراتورهای انسانی از آن‌ها غافل شوند. در نتیجه، کارخانه از مدل واکنشی «وقتی خراب شد تعمیر کن» به استراتژی پیشگیرانه و مبتنی بر داده‌ها منتقل شد.

استفاده از پایش ارتعاش و ادغام حسگرها

یکی از نکات فنی کلیدی این پروژه آزمایشی، سیستم پایش ارتعاش  Siplus CMS 1200 بود. الگوریتم‌های هوش مصنوعی متغیرهایی مانند دما، فرکانس و سطح ارتعاش را پردازش کردند. این حسگرها به عنوان «سیستم عصبی» ساختار  اتوماسیون کارخانه عمل می‌کنند. در طول آزمایش، سیستم موفق شد یک پمپ در حال خرابی را پیش از وقوع خرابی کامل شناسایی کند. این تشخیص زودهنگام باعث صرفه‌جویی در هزینه‌های تعمیر احتمالی و زمان از دست رفته تولید به مبلغی در حدود شش رقم پایین شد.

غلبه بر پیچیدگی داده‌ها در سیستم‌های کنترل صنعتی

کارخانه‌های لبنی مدرن حجم زیادی از داده‌های خام را از شبکه‌های  PLC (کنترل‌کننده منطقی برنامه‌پذیر) و  DCS (سیستم کنترل توزیع‌شده) تولید می‌کنند. اما چالش واقعی در تفسیر این داده‌ها به وظایف نگهداری قابل اجرا است. زیمنس تخصص فنی لازم را برای نگاشت سناریوهای خاص خرابی به جریان‌های داده فراهم کرد. این همکاری به تیم ساکسن‌میلخ اجازه داد تا در نهایت سیستم را به طور مستقل مدیریت کند. این تغییر روندی رو به رشد را نشان می‌دهد که در آن هوش مصنوعی به تکنسین‌های محلی قدرت می‌دهد نه اینکه جایگزین آن‌ها شود.

ادغام آینده با سیستم نگهداری کارخانه SAP

پس از موفقیت این پروژه آزمایشی، ساکسن‌میلخ قصد دارد فاصله بین بینش‌های هوش مصنوعی و جریان‌های کاری اداری را پر کند. مرحله بعدی شامل اتصال Senseye به سیستم  نگهداری کارخانه SAP است. این ادغام هشدارهای نگهداری را خودکار کرده و فرآیند تأمین قطعات یدکی را ساده می‌کند. با بستن حلقه بین کف کارخانه و سطح ERP (برنامه‌ریزی منابع سازمانی)، پردازشگر لبنیات دید جامعی از سلامت دارایی‌ها به دست می‌آورد.

دیدگاه کارشناسی: حرکت به سوی نگهداری خودکار

از دیدگاه صنعتی، این همکاری بازتاب‌دهنده تحول گسترده‌تری در  اتوماسیون صنعتی است. ما در حال دور شدن از بازرسی‌های دستی به سمت «نگهداری ۴.۰» هستیم. معرفی  همیار نگهداری زیمنس نشان می‌دهد که هوش مصنوعی مولد به زودی به صورت زنده به تکنسین‌ها کمک خواهد کرد. به نظر من، موفقیت در لپرسدورف ثابت می‌کند که هوش مصنوعی دیگر یک تجمل برای بخش‌های تخصصی نیست؛ بلکه اکنون یک نیاز اساسی برای تولید غذای با حجم بالا است که در آن حاشیه سود کم و توقف تولید فاجعه‌بار است.