aktualności

1. Analiza tła i punktów zapalnych
Przegląd firmy:
Pewna firma spożywcza to duży producent pieczywa, specjalizujący się w produkcji tostów krojonych, pieczywa kanapkowego, bagietek i innych produktów, z dzienną produkcją 500 000 worków, dostarczając swoje produkty do supermarketów i sieci cateringowych w całym kraju. W ostatnich latach firma stanęła przed następującymi wyzwaniami w związku ze zwiększoną dbałością konsumentów o bezpieczeństwo żywności:

‌Częstsze skargi na obce przedmioty‌: Konsumenci wielokrotnie zgłaszali, że w pieczywie znajdowały się obce przedmioty metalowe (takie jak drut, resztki ostrzy, zszywki itp.), co szkodziło reputacji marki.
Złożoność linii produkcyjnej: Proces produkcyjny obejmuje wiele procesów, takich jak mieszanie surowców, formowanie, wypalanie, krojenie i pakowanie. Metalowe zanieczyszczenia mogą pochodzić z surowców, zużycia sprzętu lub błędów obsługi.
‌Niewystarczające tradycyjne metody wykrywania‌: sztuczna inspekcja wizualna jest nieefektywna i nie pozwala na wykrycie wewnętrznych ciał obcych; detektory metali rozpoznają jedynie metale ferromagnetyczne i są niewystarczająco czułe na metale nieżelazne (takie jak aluminium, miedź) lub drobne fragmenty.

Wymagania podstawowe:
Uzyskaj w pełni automatyczne i wysoce precyzyjne wykrywanie metalowych ciał obcych (obejmujących żelazo, aluminium, miedź i inne materiały, z minimalną dokładnością wykrywania ≤0,3 mm).
Prędkość kontroli musi być dostosowana do linii produkcyjnej (≥6000 opakowań/godzinę), aby nie stała się wąskim gardłem w produkcji.
Dane są identyfikowalne i spełniają wymagania certyfikacji ISO 22000 i HACCP.

2. Rozwiązania i wdrażanie urządzeń
Wybór sprzętu: Użyj urządzenia rentgenowskiego do prześwietlania ciał obcych w żywności marki ‌Fanchi tech, o następujących parametrach technicznych:

Zdolność wykrywania: Urządzenie umożliwia identyfikację ciał obcych, takich jak metal, szkło, twardy plastik, żwir itp. Dokładność wykrywania metali wynosi 0,2 mm (stal nierdzewna).
Technologia obrazowania: technologia rentgenowska o podwójnej energii, połączona z algorytmami sztucznej inteligencji, umożliwiająca automatyczną analizę obrazów i rozróżnianie gęstości ciał obcych i żywności.
Prędkość przetwarzania: do 6000 pakietów na godzinę, obsługuje dynamiczne wykrywanie potoku.
System wykluczania: urządzenie do usuwania strumienia pneumatycznego, czas reakcji <0,1 sekundy, co gwarantuje, że wskaźnik izolacji problematycznego produktu wynosi >99,9%.
‌
Pozycja punktu ryzyka:
Odbiór surowców: Mąka, cukier i inne surowce mogą być zmieszane z zanieczyszczeniami metalicznymi (np. uszkodzonymi opakowaniami transportowymi przez dostawców).
Mieszanie i formowanie ogniw: Łopatki mieszadła zużywają się, a w wyniku tego powstają metalowe zanieczyszczenia, które pozostają w formie.
Ogniwa w procesie krojenia i pakowania: Ostrze krajalnicy jest złamane, a metalowe części linii pakującej odpadają.
Instalacja sprzętu:
Zainstaluj urządzenie rentgenowskie przed (po) pokrojeniem chleba, aby wykryć spleśniałe, ale nieopakowane kromki chleba (Rysunek 1).
Sprzęt jest połączony z linią produkcyjną, a wykrywanie jest uruchamiane przez czujniki fotoelektryczne w celu synchronizacji rytmu produkcji w czasie rzeczywistym.
Ustawienia parametrów:
Dostosuj próg energii promieniowania rentgenowskiego w zależności od gęstości pieczywa (miękkie pieczywo lub twarda bagietka), aby uniknąć błędnego wykrycia.
Ustaw próg alarmowy wielkości obiektu obcego (metal ≥0,3 mm, szkło ≥1,0 mm).
3. Efekt wdrożenia i weryfikacja danych
Wydajność wykrywania:

‌Współczynnik detekcji ciał obcych‌: Podczas próbnej eksploatacji udało się przechwycić 12 metalowych ciał obcych, w tym drut ze stali nierdzewnej o średnicy 0,4 mm i wióry aluminiowe o średnicy 1,2 mm, a współczynnik detekcji wycieków wyniósł 0.
‌Współczynnik fałszywych alarmów‌: Dzięki optymalizacji opartej na sztucznej inteligencji współczynnik fałszywych alarmów spadł z 5% na wczesnym etapie do 0,3% (co znacznie zmniejsza liczbę fałszywych alarmów, które wynikają z błędnej oceny bąbelków w chlebie i kryształków cukru jako ciał obcych).
Korzyści ekonomiczne:

Oszczędności kosztów:
Zredukowano liczbę osób na stanowiskach związanych z kontrolą jakości, co pozwoliło zaoszczędzić około 600 000 juanów rocznych kosztów pracy.
Unikaj potencjalnych wycofań produktów (szacunkowo, na podstawie danych historycznych, strata z tytułu jednego wycofania produktu przekracza 2 miliony juanów).
Poprawa wydajności: Całkowita wydajność linii produkcyjnej wzrosła o 15%, ponieważ prędkość kontroli jest dokładnie dopasowana do maszyny pakującej i nie ma konieczności oczekiwania na przestoje.
Jakość i poprawa marki:
Wskaźnik skarg klientów spadł o 92%, a firma uzyskała certyfikat dostawcy sieci restauracji „Zero Foreign Materials”, a wolumen zamówień wzrósł o 20%.
Generuj codzienne raporty jakościowe na podstawie danych z kontroli, zapewnij możliwość śledzenia całego procesu produkcyjnego i pomyślnie przechodź przegląd BRCGS (Global Food Safety Standard).

4. Szczegóły dotyczące obsługi i konserwacji
Szkolenie ludzi:
Operator musi opanować umiejętność regulacji parametrów sprzętu, analizy obrazu (rysunek 2 przedstawia typowe porównanie obrazowania obiektów obcych) i przetwarzania kodów błędów.
Zespół konserwacyjny co tydzień czyści okienko emitera promieni rentgenowskich i co miesiąc kalibruje czułość, aby zapewnić stabilność urządzenia.
Ciągła optymalizacja:
Algorytmy sztucznej inteligencji są regularnie aktualizowane: gromadzą dane obrazowe obcych obiektów i optymalizują możliwości rozpoznawania modeli (np. odróżnianie nasion sezamu od metalowych resztek).
Skalowalność sprzętu: zarezerwowane interfejsy, które w przyszłości można podłączyć do fabrycznego systemu MES, aby umożliwić monitorowanie jakości w czasie rzeczywistym i powiązanie harmonogramowania produkcji.

5. Wnioski i wartość dla branży
Wprowadzając rentgenowski system wykrywania ciał obcych w żywności Fanchi tech, pewna firma spożywcza nie tylko rozwiązała ukryte zagrożenia związane z metalowymi ciałami obcymi, ale także przeniosła kontrolę jakości z etapu „po remediacji” na etap „przed prewencją”, stając się punktem odniesienia dla inteligentnych ulepszeń w branży piekarniczej. To rozwiązanie może być ponownie wykorzystane do produkcji innych produktów o wysokiej gęstości (takich jak mrożone ciasto czy chleb z suszonymi owocami), zapewniając przedsiębiorstwom pełną gwarancję bezpieczeństwa żywności w całym łańcuchu dostaw.