AES_8

Novembre - Dicembre 2021 n Automazione e Strumentazione ALIMENTARE applicazioni 66 I noodle istantanei si trovano in quasi tutti i negozi di alimentari in Cina. Al fine di ridurre il rischio di errori di imballaggio e le conseguenti lamentele dei clienti, un grande produttore cinese ha deciso di utiliz- zare la tecnologia di controllo Beckhoff che include TwinCAT Machine Learning rendendo possibile un controllo intelligente e affidabile in tempo reale della qualità dell’imballaggio. Il system integrator Tianjin FengYuLingKong the Electrical and Mechanical Equipment Co., Ltd., si è aggiudicato il contratto per la fornitura di un sistema di controllo del packaging per uno dei maggiori pro- duttori cinesi di fast food e bevande. La società, che vanta le linee di produzione di noodle istantanei più grandi del mondo , ha una produzione media di circa 500 confezioni al minuto per linea e una lavorazione totale annua di fino a 4,8 miliardi di confezioni. Percepire la qualità L’ottimizzazione del packaging garantisce un’ elevata soddisfazione del cliente . L’imballaggio e la sigilla- tura sono operazioni essenziali nella produzione di noodle istantanei. Una confezione di noodle contiene un blocco di noodle precotti più diverse bustine con spezie e salse. Un compito molto impegnativo Durante il processo di produzione ci sono vari fattori che possono potenzialmente causare il mal posiziona- mento delle bustine di condimento ed è molto difficile identificare gli errori poiché i processi all’interno della macchina sigillatrice e confezionatrice non sono osser- vabili e gli eventuali difetti di confezionamento spesso non sono visibili nemmeno dall’esterno durante il suc- cessivo controllo ottico . Tecnologia di Machine Learning Per trovare una soluzione a questa esigente operazione di analisi, Tianjin FengYu ha deciso di utilizzare Twin- CAT Machine Learning come mezzo per implemen- tare una progettazione data-based grazie al Machine Learning (ML). Prima di tutto, i dati dei sensori sono stati acquisiti tramite i terminali input digitali e analogici EL1xxx o EL3xxx EtherCAT e TwinCAT Scope View . Succes- sivamente, il modello ML è stato preparato tramite il framework open source Scikit-learn , consentendo la generazione del file di descrizione del modello . La necessaria pre-elaborazione dei dati dei sensori è stata APPRENDIMENTO AUTOMATICO CON TWINCAT MACHINE LEARNING DI BECKHOFF L’intelligenza artificiale controlla la qualità dei noodle La tecnologia di apprendimento automatico di Beckhoff è stata in grado di ottimizzare il controllo in tempo reale delle confezioni di noodle istantanei. Questo controllo intelligente della qualità del packaging è stato realizzato con TwinCAT Machine Learning. A FIL DI RETE www.beckhoff.com/machine-learning Bruno Vernero UnagrandeaziendaalimentarecineseutilizzaTwinCAT MachineLearningper ottenere il piùalto livellodi qualità possibilenel confezionamentodi noodle istantanei (fonte:ThamKC- stock.adobe.com )