La numérisation, le grand défi pour l’industrie des boissons et des aliments liquides

Les fabricants de boissons et d’aliments liquides et les fabricants de machines en ont depuis longtemps reconnu le potentiel. La numérisation et la transformation numérique sont l’un des quatre principaux thèmes de drinktec 2022, qui se tiendra à Munich du 12 au 16 septembre 2022. Objectif : aider l’industrie à devenir plus rapide, à obtenir des résultats plus solides et à intensifier sa concentration sur les concepts d’usines durables au cours des prochaines années.

“Et la forte dynamique autour de l’utilisation des données et de l’amélioration des processus n’est pas seulement du côté des fabricants ; Les commerçants et les consommateurs sont actifs depuis longtemps dans ces domaines : La fusion des mondes virtuel et réel sur le point de vente du futur vise à améliorer le contact avec les consommateurs”, soulignent les organisateurs du Drinktec. L’automatisation et la mise en réseau avec la gestion de la chaîne d’approvisionnement, les environnements d’achat multimédias pour une approche client individualisée ou la vente au détail en ligne sont un moyen d’y parvenir.

«La digitalisation des produits et services» au deuxième rang des dix premiers défis des prochaines années

Une étude internationale du cabinet de conseil PWC place « la digitalisation des produits et services » au deuxième rang des dix premiers défis des prochaines années. L’étude de la Fédération allemande des ingénieurs (VDMA) sur l’avenir des machines de transformation des aliments va également dans ce sens.   Le VDMA identifie la numérisation et les concepts de réseau intelligent et l’utilisation des données comme un axe majeur pour l’alignement futur de l’industrie jusqu’en 2035.

La numérisation dans le monde des boissons et des aliments liquides offre de réels avantages supplémentaires à de nombreux utilisateurs. Un domaine qui en profite est l’ingénierie des procédés, où des profils de température précis dans le processus de fabrication peuvent suivre de manière transparente la production et identifier les paramètres de qualité au cours des premières étapes de la production. Le meilleur exemple en est le processus de brassage : en collaboration avec des fabricants d’équipements et des brasseries, les chercheurs ont utilisé l’apprentissage automatique pour modéliser un rendement en malt efficace et plus durable, et identifier les facteurs d’influence significatifs pour le rendement en malt. Le temps réel est un autre mot clé. Lors du Drinktec de cet automne, les fabricants de machines proposeront de nombreuses solutions pour obtenir des informations en temps réel sur les machines : le suivi en ligne des processus de production et de remplissage peut apporter des performances supérieures, une maintenance prédictive, des processus de conversion efficaces, une vue d’ensemble des valeurs de consommation et des données claires. sur la qualité du produit. Les fournisseurs de solutions logicielles, telles que les systèmes d’exécution de la fabrication (MES), peuvent déjà donner des estimations préliminaires du potentiel d’optimisation : des gains d’efficacité allant jusqu’à 20 % sont possibles pour les opérations de ligne, l’efficacité globale de l’équipement (OEE) est réduite. prouvé par des cycles de maintenance jusqu’à 30 % plus longs, et les changements de produit peuvent être effectués au moment prévu avec une certitude de 99 %.

Alors que ces solutions ne nécessitent souvent « que » une collecte et un enregistrement approfondis des données, un autre fournisseur va encore plus loin : grâce à une détection plus précise des gouttelettes d’eau, un inspecteur de verre vide formé au deep learning réduit significativement la production de bouteilles en verre identifiées comme défectueux. Bien entendu, cette économie peut également être directement convertie en économie de CO2 : Selon le débit de la ligne, 25 à 100 t de CO2 peuvent être économisées grâce à ce taux de rejet amélioré. Les possibilités des logiciels d’apprentissage automatique augmentent également les attentes pour les tâches de maintenance. La maintenance conditionnelle avec des lunettes de données AR semble avoir été enseignée presque partout et a été largement adoptée par les fournisseurs de machines. Chaque application numérique est également une autre coche sur la liste de durabilité. Cela est particulièrement clair dans le cas de la technologie de nettoyage, qui utilise la détection optique en temps réel de la contamination même à l’intérieur des conteneurs et des réservoirs et permet des cycles de nettoyage hautement spécialisés. Un outil d’apprentissage automatique garantit que les niveaux de contamination individuels sont appris, détectés et traités correctement.

(Source : Drinktec 2022)