デジタルツインとインライン分析がポリマー生産を変革

デジタルツールがポリマー生産の深部に浸透し、Industry 4.0をデモンストレーション概念から、変動する材料、エネルギー圧力、限られた技術人材を管理する加工業者向けの運用規律へと移行させています。

この変化は2つの相互接続された開発で明らかです。Siemensは、プラスチック機械のライフサイクル全体にわたるデジタル化を提示しており、機器開発や仮想検証から、射出成形および押出成形機械向けの自動化、人工知能を活用した予知保全に至ります。コロンビアでは、加工業者が工場現場で同様の技術を適用するための新しいセンターが設立されており、デジタルツイン、産業IoTシステム、ロボット工学、マシンビジョン、エネルギー分析が含まれます。

これらの開発は、デジタルモデルがライブ生産データおよび特定のプラント決定とリンクされたときに有用になるというセクターの実践的な方向性を示しています。

仮想機器から生産決定へ

Siemens（プラスチックおよびゴム機械向けのデジタルソリューションを展示する技術企業）は、台北PLASで「デジタルが駆動し、無限の可能性を形作る」というテーマを用いて、デジタルツールが開発、生産、メンテナンスを通じて機械をどのように追跡できるかを示しています。そのアプローチには、機械開発、最適化、仮想検証のためのデジタルツイン、射出成形および押出成形機器向けの統合自動化、予知保全のための産業AIが含まれます。

加工業者にとって、その接続の価値は「デジタルツイン」というラベルよりも、モデルが答えられる質問にあります。仮想表現は機器が構築または修正される前に使用でき、生産データはエンジニアが期待される動作と実際の動作を比較するのに役立ちます。同じデジタルスレッドがメンテナンスにまで拡張されると、機械メーカーと加工業者は、異常な状態が品質またはダウンタイムイベントになる前に特定するためのより明確な基盤を持ちます。

これは特に押出成形および射出成形において重要であり、メルト挙動、温度、圧力、または機器状態の小さな変化が出力に影響を与える可能性があります。Plastics Engineeringの最新のIndustry 4.0カバレッジは、インライン樹脂モニタリングをメルト挙動の追跡、リサイクル樹脂の変動管理、品質管理の強化の方法として特定しています。その他の報告されたアプリケーションには、PCRおよびPIR成形のためのデジタルプロセス制御、および押出成形中のポリマー劣化を予測する機械学習モデルが含まれます。

これらのアプリケーションは、問題が発生した後にオペレーターが生産履歴を解釈するのではなく、プロセスに近い分析を配置します。その結果、より直接的なフィードバックループが生まれます。材料を測定し、プロセスを期待されるウィンドウと比較し、実行がまだ回復可能な間に介入します。

リサイクル原料が賭け金を引き上げる

リサイクル含有量により、このフィードバックループはより価値が高く、より要求の厳しいものになります。ポストコンシューマーおよびポストインダストリアル樹脂は粘度およびその他の加工特性にばらつきがあるため、固定レシピがすべての入荷ロットで固定結果を生み出すとは限りません。インラインダイアグノスティクスは、加工業者にメルト挙動の早期可視性を提供し、デジタル制御は変化する原料条件を補償するのに役立ちます。

これは、入荷材料制御、実験室試験、または経験豊富なプロセスエンジニアの必要性を排除するものではありません。情報が利用可能になるタイミングが変わります。分析証明書またはエンドオブライン検査のみに依存するのではなく、加工業者はプロセスデータを使用して、材料が機械を通過する際に変動を特定できます。

コンバーターおよびブランドオーナーにとって、商業的な意味は安定性だけでなくトレーサビリティでもあります。より詳細なプロセス記録は、バッチが仕様に適合しない場合の調査をサポートし、リサイクル含有量生産が制御されていたことを実証するのに役立ちます。これらのソースは、そのような記録の単一の標準を確立するものではありませんが、品質システムがますますデータベース化されている方向性を示しています。

コロンビアが中小加工業者向けのアクセスポイントを構築

コロンビアは、i4Plas（プラスチック産業向けデジタルトランスフォーメーションセンター、プラスチック加工業者がIndustry 4.0技術を採用するのを支援するイニシアチブ）を、ラテンアメリカ初のプラスチック産業に特化したデジタルトランスフォーメーションセンターとして準備しています。このイニシアチブは、Acoplasticos（コロンビアプラスチック産業協会、全国プラスチック産業協会）、ICIP C（プラスチックおよびゴム訓練および研究機関、プラスチックおよびゴム訓練および研究機関）、KERN IoPによって開発されています。

このセンターは、レポートで特定された3つの圧力、生産性向上の必要性、高いエネルギーコスト、専門的なデジタルスキルを持つ労働者の不足に対処することを目的としています。計画されているサービスには、デジタル成熟度評価、Industry 4.0監査、トランスフォーメーションロードマップが含まれます。この構造は、データインフラストラクチャが必要であることを知っていても、最初にどのプロセスをデジタル化すべきかをまだ知らない企業にとって重要です。

デモンストレーションラボには、生産ラインのデジタルツイン、協働ロボットパイロットセル、マシンビジョン技術が含まれます。センターはまた、IoTセンサー統合、エネルギー分析、高度な金型設計、ツーリング向けの積層造形トライアルをサポートする計画です。

実用的な利点は、リスクの低いテストルートです。加工業者は、提案されたアプリケーションを評価し、人員を訓練し、プラント全体への完全なロールアウトをコミットする前にプロジェクトを定義できます。これは特に中小企業に関連しており、不成功の自動化プロジェクトが資本およびエンジニアリング時間の不相応な部分を消費する可能性があります。

スキルが機器戦略の一部に

コロンビアのイニシアチブはまた、プラントデータアナリスト、積層造形技術者、協働ロボット技術者のためのトレーニングを計画しています。この焦点は、デジタルプロジェクトの一般的な弱点に対処します。機器が設置されても、データを解釈し、システムを維持し、分析をプロセス変更に翻訳できる人材がプラントにいない可能性があります。

機械サプライヤーにとって、これはハードウェアを超えた販売の機会を生み出します。完全なプロジェクトには、センサー、制御統合、ソフトウェアモデル、データガバナンス、オペレータートレーニング、サービスサポートが必要になる場合があります。加工業者にとって、購買の質問は、機械に接続性があるかどうかよりも広くなります。彼らは、システムが既存の制御と通信できるかどうか、データが生産および品質チームによって使用できるかどうか、レシピまたは材料が変更されたときに誰がモデルを所有するかを判断する必要があります。

インライン可視性が持続可能性と稼働時間を結びつける

エネルギー分析は、デジタル戦略に別の運用ターゲットを与えます。エネルギーコストの上昇はi4Plasの背後にある圧力の1つであり、Siemensは機械自動化と並んで予知保全およびライフサイクルデジタル化を位置づけています。機器またはプロセスレベルでのエネルギー使用の監視は、プラントが生産需要の正常な変化と回避可能な効率損失を区別するのに役立ちます。

同じ原則がメンテナンスにも適用されます。予測システムは、検査のスケジューリング、コンポーネントのチェック、不安定な実行の防止などの定義されたアクションをサポートする場合に最も有用です。アラートがメンテナンス手順および生産優先順位に接続されていない場合、追加のデータは制御ではなくノイズを生み出す可能性があります。

したがって、新興のモデルは単一のソフトウェア購入ではありません。それはポリマー生産のための階層化されたオペレーティングシステムです。設計および検証のためのデジタルツイン、プロセス可視性のためのセンサーおよびインライン分析、予測のための人工知能、介入のための訓練された人員です。加工業者がより多くのリサイクル原料を扱い、エネルギーと労働力により厳しい圧力に直面するにつれ、これらの技術から最も利益を得るプラントは、各デジタル機能を測定可能な生産決定に接続するものです。