2015年GeneralMills推出无谷类LACHIOS版谷类使用燕麦自然无谷分量,但供应链和生产线多处可受小麦、黑麦或大麦污染。求解问题通用Mills多位方法确保燕子从农桶到消费者碗的真实性
开发机械排序系统把燕麦与其他粒子分离时发现,这一新市场策略也可以是测试技术的完美实验项目和开放平台智能制造领导联盟.SMLC是一个非营利组织,侧重于创建协作商业模型以降低成本、分享竞争前实践和技术并通过增值流程促进创新
SMLC互操作模型取决于在工厂和供应链中跨系统联网分享数据的能力并需要数据数字化- 或称数字工厂
数字工厂概念在汽车和航空航天等离散行业站住脚,关闭产品设计与生产循环目标是提高质量和生产率-通过连接数字点消除尽可能多的废物-实现之道是计算机辅助设计模型与制造工作单元并存,同时加插数字双对并仿真它如何工作后再投资物理模型
至今,数字数据分享尚未完全为食品饮料行业所接受原因主要是CAD、调度和制造工具通常像汽车一样用于组装线上设计并搭建成品不明显的是数字工厂模型如何应用制作配方并混合批量
软件AG全球产业主管Sean Riley表示 : “ 离散制造需要精确性而不一定传输食品饮料, 软件AG提供数字商务平台的企业架构公司Sean Riley表示 。
食品饮料公司没有多少压力改变过程并投资新技术-直到现在
通用Mills像其他食品制造商一样,必须响应影响食品未来的消费大趋势PMMI最近的一份报告“2017食品处理操作趋势”,消费者想知道他们的食品成分来自何方,因为发现新过敏并增加对有机食品的需求。本地发包和即时进食将改变人们未来购买食物的方式,这意味着制造业也必须改变。具体地说,处理器需要重配某些产品,结果产生更多SKUs和也许小批量还需要灵活机制可按需转行
以隐形数字线连接所有事物是食品饮料行业下一步业界可以从离散对应方学习,因为尽管配方与CAD模型大相径庭,但提高生产率、可持续性、灵活性和裁剪成本的原则是一样的。
批量制造类似使用案例Greg Schmidt表示信息解决方案营销主管Rockwell自动化.少设计少从企业系统下载 少时间变换和高质量收成右产品首次制作
右转对通用Mills很重要,GeneralMills不得不记起2015年10月180万箱无谷类大麦后,小麦无意中引入加利福尼亚工厂免谷类燕面系统公司表示,它纯粹是人为错误并快速缩小
但要保证未来没有污染并满足消费者对自然成份的需求,组织内有提高现场对叉可见度的势头General Mills和SMLC董事长Jim Wetzel表示:「我们需要全供应链公开透明数据资讯”。
通用Mills需要理解进料质量,以创建厂中右式条件集,优化流程避免超精滤波系统产生高废品,或若设置松散则有受污染风险维策尔说,这是一个恒定平衡动作公司作为SMLC测试台的一部分,创建智能制造平台,其中包括云基搭建数据流工厂、厂商和运输系统微信表示:「我们尚未归并农夫,
通向数字化之路
供应链启动数字化过程的好地方西门子上月发布题为“连通食品与使用,解锁数字化的好处”的报告显示,一些食品和饮料公司正在通向数字化-或Siemens引用的“数字化化”。美国40分之五西门子调查的食品饮料厂商采用了传感器、云计算法甚至添加制造法近60%使用物联网跟踪供应链成分证明源码67%鼓励供应商提供自运和生产过程数据
不到半数受访者正在利用高级解析,目标是以数字格式提供大部分植物数据,以创建真正连通工厂
Siemens国家和战略账务主管Walter Staehle表示:「十年前,并进入高速循环并说我的意思是把新产品市场化。”
Staehle表示,企业必须规划并预测产品,这意味着投资资本和管理风险企业还必须为生产过程建立灵活性
自动化并不仅仅是替换人工和加速机械动作, 并联结到如何运行多厂生产相同产品的机器网络上, Staehle说 。
机构资源规划软件可帮助优化调度举例说,IFS提供约束调度模块,根据关键资源调整生产skUs产品更多-其中一些无谷化-IFS调度软件加上预防性维护可平衡调度以避免线上污染
使用高级测序引擎最优化调度程序 先在干净线上制作无异基因素材, 后在周末制作花生小麦产品 Travis Johnstone解释称 Travis Johnstone区域账务管理IFS北美.IFS组合不仅仅是ERP公司综合应用套件中模块化组件覆盖从架构到IoT等方方面面,以便能够跨进程模型可追踪性,从生产或供应链端提供高质量数据Johnstone说,“这是一个基础建房”。
还必须能够将能力分解到现有企业系统和业务资产上,因为拆换对业务有害软件AG集成工具使用组织现有应用并“优化数据”,将信息绑成进程模型的一部分,通过网络边缘分析预测维护等赋能性事
Rockwell的Schmidt同意数字线程需要遍历编程操作、可追踪性、设备维护和质量控制假设网络能支持这个大假设
第一步是确保基础设施能分享数据部分设备可能无法连接以太网或网络设计安全性限制数据流网络能力可能是这里的巨大空白,Schmt加法
即便如此,工厂内也有一些位子准备数字化-像实验中那样
非疯狂科学家
达佐尔系统提供数字工厂技术设计软件3D建模应用、模拟协作等形式公司将程序应用到消费者打包产品行业,并配有全套套件、赋能设计、制造、美工和打包供应商协作互动以缩短设计时间、降低材料成本并用模拟消除原型消除质量问题完全产品应用包括通过预测成分行为开发新配方的能力,从而减少物理测试所需时间
Dassault生物馆软件作为完美产品的一部分,通过建模模拟原子级新物质解决产品生成科学问题传统生命科学应用技术也可以应用到食品和饮料上,举例说 食品或饮料产品有新元素 形式为原材料或防腐剂 可改变产品动态必须定义这些新参数以理解过程学和模型可预测性
定义和预测过程模型的一个方法就是电子实验笔记本(ELNs),科学家和工程师用这些笔记本记录研究、实验和程序并创建物理世界和虚拟世界间的关联性无法命名的制造厂商使用Dassault技术预测公式中口味和微量原料的产值,以摸清物理世界的口味
工队商业顾问DassaultSystems表示:「它消除试错”。而不是尝试千差万别口味, 由计算机在云中过夜 并给你十大变异
光谱对端-销售点-制造者可用解析理解社会网络反馈信息打包可能比产品开发更多, 行业很快就能关闭客户经验与研究循环
产品管理员Marc Mailman表示:「Twitter上有争议并直接导致食谱改变」GE数字辉煌制造利用GEPredix平台边际连接,未来假想可能包括客户社交媒体产品质量通信,Predix云可接收,并分析产品购买地与工厂并用配方Mailman表示,并接近点并非几十年前。”
数据问责
Mailman点上,获取和连接数据技术可用并正在工厂、供应链中使用,甚至由农民使用传感器和IoT通信数据治理也许是数字工厂中需要克服的最大障碍
通用Mills'Wetzel表示 连接数据技术问题解决大问题在于公司自身管理数据 和在门外信息舒适度
Chris Rezends,总经理IoT撞击实验室接受协议IoT撞击实验室致力于帮助中小型企业,包括农民和渔民,用传感器和IoT技术测量物理世界点识别边远物理资产实战实验论测试小实验项目遍及世界各地, 专家来用IoT技术装饰物理资产- 并让数据拥有者做自己的事-Rezendes表示-
以精度农业为例美国有240万小农业生产者和加拿大没有IoT原因不在于技术投资,而在于他们不想放弃数据IoT效果实验室正在建设数字协作项目帮助农民捕捉真正重要数据,管理数据,最重要的是保留数据所有权
数以百计农民可能同意分享水水平和质量数据,这可能需要部署千兆位传感器将数据输入数据库现在,他们拥有基于事实实时信息,使他们有能力证明服务开支合理或更好地管理风险但大问题在于安全性 和数据
Rezendes表示:「所有新规则都关乎IoT数据治理iot解答提供方和伙伴必须同意数据为客户所有,而你只是数据托管者
实有新接战规则 指向数字景观即使在田里 工厂里 和整个供应链里 都有一些创举 归根结底 都得缝合 关闭数字环路
公司必须投资全局端对端数字线程从思想到产品开发到制造,从消费者经验获取数据回馈思想过程,Dassault'sWodar表示唯有那些投资创建基础建设的公司 才能生存
