Los fideos instantáneos se pueden encontrar en casi todas las tiendas de alimentación de China. Para reducir el número de productos con errores de envasado y las consiguientes quejas de los clientes, un gran productor chino de fideos instantáneos decidió utilizar la tecnología de control de Beckhoff, incluyendo el la tecnología de aprendizaje automático TwinCAT Machine Learning.
Esto hizo posible una inspección inteligente y fiable en tiempo real de la calidad de los envases. Tianjin FengYuLingKong the Electrical and Mechanical Equipment Co., Ltd., un integrador de sistemas especializado en automatización industrial, se adjudicó el contrato para suministrar un sistema de inspección de envases de última generación a uno de los mayores productores de comida rápida y bebidas de China.
Según este fabricante de alimentos, cuentan con las mayores líneas de producción de fideos instantáneos del mundo, con un rendimiento medio de unos 500 envases por minuto y una producción total anual de hasta 4.800 millones de envases.
Alta satisfacción del cliente gracias a un envasado sin errores
El envasado y el sellado son tareas esenciales en la fabricación de fideos instantáneos. Un paquete de fideos suele contener un bloque de fideos precocinados junto a varias bolsitas con especias, por ejemplo, polvos aromatizantes, salsas y verduras desecadas.
En la línea de producción, estas bolsitas individuales se disponen sobre una cinta transportadora que se mueve a gran velocidad, se colocan en el bloque de fideos correspondiente y luego se envían juntos a la máquina de sellado y envasado transversal.
Durante el proceso de producción, hay varios factores que pueden hacer que las bolsitas de condimento se deslicen entre dos bloques de fideos y la máquina cortadora los seccione, o que se envasen por separado en dos paquetes uno al lado del otro. Estos productos defectuosos darían lugar a reclamaciones de los consumidores y dañarían la reputación de la empresa, por lo que es necesario reducir la entrega de dichos productos a los distribuidores en la medida de lo posible.
Dado que el tipo de máquina actualizado por Tianjin FengYu ya producía antes con una tasa de error muy baja, hay otro aspecto del control de calidad que resulta esencial: debe garantizarse que únicamente se excluyan con fiabilidad los productos defectuosos y no los buenos.
Puesto que no es posible ver los procesos en el interior de la máquina de sellado y envasado, y además los posibles defectos de envasado a menudo tampoco son visibles desde fuera durante la inspección óptica posterior, es muy difícil averiguar la causa exacta de los errores antes mencionados.
Por lo tanto, es prácticamente imposible evitar los productos defectuosos por principio. Pese a ello, y a fin de no entregar productos de baja calidad, los fabricantes de fideos instantáneos utilizan dispositivos de inspección de calidad altamente automatizados con una latencia mínima.
Tianjin FengYu ayudó al usuario final en este proyecto con la rápida implantación de un sistema de control de calidad de alto rendimiento. En primer lugar, se examinaron las partes mecánicas y eléctricas de la máquina. Según Tianjin FengYu, en el proceso descubrieron que, debido a su transparencia y flexibilidad, la tecnología de control basada en PC de Beckhoff resulta ideal para adquirir los datos de análisis necesarios.
El integrador de sistemas instaló varios sensores en el interior de la máquina y pudo adquirir los primeros conjuntos de datos para el análisis del prototipo de forma rápida y sencilla a través de TwinCAT Scope View. El análisis posterior de los datos mostró una cierta sensibilidad en los valores medidos que se producía cuando una máquina cortaba erróneamente una bolsita de condimento.
Sin embargo, estos eventos problemáticos que dan lugar a productos defectuosos no pueden detectarse de forma fiable con los métodos de ingeniería convencionales. Las razones son varios factores de incertidumbre que pueden afectar a los datos, como las vibraciones de la máquina, los cambios en el material de envasado, la velocidad de transporte y la tensión de corte. Para encontrar una solución a esta exigente aplicación de análisis, Tianjin FengYu decidió utilizar TwinCAT Machine Learning como medio para implementar la ingeniería basada en datos con el ML (aprendizaje automático, en sus siglas en inglés).
Aprendizaje automático en aplicaciones industriales
La base de una inspección de productos son los clasificadores, que permiten distinguir los productos buenos de los defectuosos. Si se utilizan clasificadores basados en el ML, se realiza el aprendizaje de un modelo matemático a partir de datos de ejemplo para que, a partir de ahí, se puedan tomar decisiones correctas sin necesidad de una programación explícita.
Beckhoff ofrece varias herramientas e interfaces abiertas para dar apoyo a todo el ciclo de ingeniería, desde la adquisición de datos y el aprendizaje del modelo hasta la implementación del modelo aprendido en el propio sistema de control:
Adquisición de datos: la cantidad y la calidad de los datos tienen efectos cruciales en las aplicaciones de ML. Una amplia gama de productos de E/S y software de Beckhoff permite la adquisición de casi cualquier dato. Diversas funciones del software TwinCAT, como Scope View, Database Server, Data Agent y Analytics Logger, permiten guardar los datos en un PC industrial, en bases de datos locales o remotas o en la nube.
Aprendizaje del modelo: los datos adquiridos deben ser preprocesados inicialmente para encontrar una correlación entre los datos y los resultados deseados, o para reforzar esa correlación. Posteriormente, se identifica y parametriza un algoritmo de ML adecuado para el aprendizaje del modelo. Beckhoff recomienda el uso de frameworks de ML abiertos y establecidos para este fin, como PyTorch, Keras o Scikit-learn.
Por último, el modelo aprendido puede guardarse como un archivo en el formato de intercambio estándar ONNX (Open Neural Network Exchange, intercambio abierto de redes neuronales). El archivo ONNX describe las operaciones y los parámetros del modelo aprendido y, a continuación, puede convertirse a un formato binario (BML) más adecuado para la serialización en TwinCAT.
Uso de modelos: el entorno de ejecución de TwinCAT para el aprendizaje automático (TF3800 y TF3810) puede cargar los archivos del modelo aprendido (en formato BML) en los sistemas de control de forma dinámica, desde ahí los modelos pueden ejecutarse en tiempo real con ciclos de ejecución de menos de 1 ms.
De este modo, los resultados de la inferencia (ejecución de un modelo ML memorizado) pueden procesarse directamente, transferirse a los dispositivos de salida a través de la comunicación EtherCAT ultrarrápida y, de este modo, la máquina puede ser controlada en tiempo real.
