Pro optimální zpracování stonků nechte řídit systém umělou inteligencí

Zpracování konopných stonků získává na popularitě, což s sebou nese zásadní ekonomickou výzvu na základní úrovni: dekortikaci.

Až dosud byla dekortikace jednostupňovým postupným procesem, kdy se ze stonku  získávají tři možné produkty – vlákno, pazdeří a prach – vycházející jeden z druhého. Každý produkt je oddělen, poté v pytlích nebo pohromadě vhodně zabalen a připraven k prodeji kupujícím komodit, kterým obecně záleží na kontrole nákladů na dopravu. Stávající proces se opírá o nepřetržitou lidskou koordinaci a interakci a vytváří velmi nízké rezervy.

Pokud nelze produktivitu v celém výrobním prostředí přísně kontrolovat, nevyhnutelně přijdou  „neočekávané“ výrobní problémy, primárně způsobené ucpanými trubkami a přívodními pásy po celé výrobní lince. Většina problémů je způsobena zablokováním vláken v samotné dekortifikační jednotce. Některé velkokapacitní dekontaminační závody neoficiálně uvádějí až 20% ztrátu  své denní produkce kvůli nepředvídaným problémům, včetně dlouhého zpoždění při získávání dílů a jejich výměně.

Předvídaná údržba

Nebylo by skvělé, kdyby existoval způsob, jak předpovědět, kdy bude údržba a servis potřeba? Způsob, jak zajistit, aby veškerý preventivní servis proběhl nejlépe krátce předtím, než by některá součást selhala – což by způsobilo vypnutí celé linky.

Realita je taková, že tato příležitost existuje v celém světě zpracování a výroby již více, než 25 let. Je vyzkoušená a ukázalo se, že je neocenitelná.

Automatizovaná prediktivní údržba v zásadě změnila umění údržby výroby tím, že ji svěřila systému umělé inteligence pro monitorování, řízení a synchronizaci dat, komunikačních technologií a digitálně poháněných výrobních zařízení.

Hodnota umělé inteligence

Funkce umělé inteligence pomáhají snižovat prostoje a zvyšovat produktivitu. Obsahují:

  • Předvídání, jak dlouho to bude trvat, než se část rozbije, nebo „selže“.
  • Předvídání, kdy je třeba díly vyměnit.
  • Spoléhání se na systém, který vám připomene, co je třeba udělat – krok za krokem.
  • Monitorování nákladů, doby trvání a všech prostojů spojených s každou částí nebo selháním operace za účelem identifikace vzorů a trendů.
  • Naplánování nejvhodnějšího času na provedení každé služby – na základě závazků prodeje a okamžité dostupnosti zásob.
  • Využití senzorů k monitorování stavu provozního zařízení a průběžné analýze dat, což organizacím umožňuje plánovat a v případě potřeby opravit zařízení, místo aby se spoléhaly na plánované servisní doby.

Konopný potenciál 

Většina velkých výrobních zařízení investuje do řešení prediktivní údržby založené na UI. Jedná se o spolehlivý způsob, jak zlepšit provozní efektivitu a má okamžitý dopad na produktivitu a na výsledek. Stroje si dnes mohou vyhodnotit své vlastní podmínky, objednat si vlastní náhradní díly a podle potřeby naplánovat terénního technika.

McKinsey v článku z listopadu 2019 uvedl, že prediktivní údržba průmyslového zařízení vylepšená umělou inteligencí prokázala o 10% snížit roční náklady na údržbu, stejně jako o 20% snížit prostoje a o 25% snížit náklady na kontrolu kvality.

Automatizovaná prediktivní údržba by samozřejmě mohla být velkým plusem pro zpracování konopných stonků. Má ovšem své limity – je možná pouze v produkčním prostředí řízeném umělou inteligencí.

V odvětví zpracování konopných stonků se nevyhnutelně objeví pokročilé výrobní technologie poháněné umělou inteligencí a strojovým učením – stejně jako v každém vyspělém výrobním průmyslu vybudovaném za posledních 20 let.

Robert Ziner je zakladatel a generální ředitel společnosti Canadian Industrial Hemp Corp. (CIHC) v Torontu, která vyvíjí pokročilý systém zpracování a optimalizace konopných stonků. Více než 30 let se zabývá odvětvím distribuce stavebních materiálů a druhotného zpracování dřeva.