Machine Health از مزیت‌های فناوری IOT و AI برای بهبود لیبل‌زنی و سایر عملیات‌های بسته‌بندی استفاده می‌کند، موضوعی که در گذشته به آن نگهداری قابل پیش‌بینی گفته می‌شد. قابل اطمینان بودن تجهیزات و بهبود زمان کار با ماشین، دو مزیت عمده کنترل مداوم ماشین‌آلات با استفاده از ابزارهای تعمیرات و نگهداری قابل پیش‌بینی هستند. با استفاده از (IOT) Internet of Things و (AI) artificial intelligence، می‌توان موارد مشکل در ماشین‌آلات را پیدا و برطرف کرد. اما به‌کارگیری این شواهد برای بهبود در فرآیند بدون درگیر شدن در اشتباهات سنتی هنوز هم در مراحل اولیه است. هنگامی که مانیتورینگ MH کاملا مهار شد، تاثیر آن بر بهبود فرآیند و کاهش ضایعات حتی بیشتر از نقشش در از بین بردن خطاهای مکانیکی است. یک مثال خوب از اینکه این مزیت‌ها ممکن است چگونه باشد را می‌توان در عملیات لیبل‌زنی مشاهده کرد.
برای شروع، درس کوچکی داشته باشیم از اینکه بطری‌های پلاستیکی چگونه لیبل می‌شوند. نخست چاپگرها سطح یا مواد اولیه‌ای را انتخاب می‌کنند- اغلب برخی از انواع پلیمرها- و از روش‌های گوناگون مرکب‌ها برای خلق آنچه که لیبل نهایی گفته می‌شود استفاده می‌کنند. ماده اولیه لیبل به شکل رول ارسال می‌شود که از آن هزاران عدد برچسب تولید خواهد شد. این رول‌ها به درون ماشین‌آلات وارد می‌شوند که برش یا چسب می‌زنند، اغلب با چسب، طول دقیق آن را اندازه‌گیری می‌کنند تا بر روی لیبل نصب شود، که معمولا پس از اینکه بطری پر و دربندی شد انجام می‌گیرد.
لیبل باید به اندازه‌ای دقیق بریده شود تا به خوبی در جایگاه خود بر روی بطری قرار گیرد، درست دیده شود و ایجاد ذرات ناشی از مواداولیه پاره شده یا جداشده نکند که ممکن است به تجهیزات لیبل‌زنی آسیب وارد کنند. متداول‌ترین بازرسی‌ها شامل ناراستایی، برش ناصاف و شلی می‌شوند که همگی باعث بلند شدن لیبل هستند. برخی اوقات لیبل تنها در چاپ دچار مشکل است و بخشی از آن به درستی چاپ نشده است. در ادامه به موارد واقعی اشاره می‌شود جایی که MH می‌تواند به‌طور موثری عملیات لیبل‌زنی را بهبود بخشد.
از برش‌ها و حاشیه‌های لیبل مطمئن شوید
نکته مهم در لیبل‌زنی 100 تا 800 بطری در دقیقه این است که تیغ ماشینی که لیبل را از نوار فیلم برش می‌زند کاملا تیز باشد و بخش‌های مرتبط دیگر تجهیزات لیبل‌زنی کاملا هم‌راستا باشند و به درستی کار کنند. تکیه بر چشمان اپراتور برای بازرسی فرآیند در راستای تضمین کیفیت، بسیار بی‌اثر و چالش‌برانگیز است چرا که هزاران بلکه ده‌ها هزار بطری لیبل خورده از یک خط عبور می‌کنند پیش از اینکه کسی بتواند آنها را بازرسی کنند.
حسگرهای خودکار بازرسی همیشه آنگونه که تبلیغ می‌شود کار نمی‌کنند. چنانچه ایراد خیلی کوچک باشد یا حسگر بررسی هم‌تراز نشده باشد، ممکن است که از تله بازرسی فرار کند و اجازه بدهد که بطری‌ها با بسته‌بندی زشت درون قفسه‌ها بنشینند و پیش چشم خریداران قرار گیرند. برخی بطری‌ها هم حتی بدون لیبل از درون خط می‌گذرند! هنگامی که چنین بطری‌هایی به چرخه توزیع وارد شوند در واقع به خاطر مجهول‌الهویه بودن از سیستم به بیرون پرتاب و به ضایعات تبدیل می‌شوند.
شرکت‌هایی که برنامه‌های بازرسی استفاده کرده‌اند نیاز به اپراتورهایی دارند که هر 15 تا 30 دقیقه یک‌بار کیفیت لیبل‌ها را کنترل کنند. این بهتر از کنترل نکردن است اما به هر حال خطای بسیاری دارد. اگر در نظر بگیریم که در هر دقیقه 1200 بطری از خط بیرون بیاید، 40هزار بطری با لیبل معیوب مکمل است با لیبل‌های ایراد‌دار تولید شود که ازچشم اپراتور دور بماند. چندان کار جذابی نیست پاکسازی این تعداد از درون خط.
یکی از مهمترین علت‌های عملکرد ضعیف در لیبل‌های تغذیه‌شونده از رول، برش لیبل‌های جداگانه از رول لیبل است. چنانچه برش تمیز و دقیق نباشد،کاربرد بعدی آنها دچار اختلال خواهد شد. علاوه بر این، قطعات ریز و کنده شده لیبل‌ها شروع به کنده شدن درون تجهیزات می‌کنند که خود منحصر به مشکلات دیگری می‌شوند. باید پیش از کند شدن تیغه‌های کاتر و جلوگیری از انجام برش‌های غیردقیق، آن را شناسایی کرد.
مراقب تفاوت‌ها و تغییرات لیبل باشید
تمام شدن رول مواد اولیه و جایگزینی رول جدید موجب مشکل می‌شود. آیا رول جدید باعث بروز مشکلات شده است؟
تجزیه و تحلیل داده‌ها توسط Machine Health از چرخش و تنظیم مناسب رول در مقایسه با نوع بد آن نشانه‌هایی را به دست می‌دهد. جایگزینی رول می‌تواند منجر به ایجاد تغییرات بیشتر شود و موتورها را به سمت به‌کارگیری آمپراژ بیشتر سوق دهد، نشانه‌ای از استرس. مشخص شده که تفاوت‌ها در چگونگی و مکان‌های خشک شدن مرکب می‌تواند بر ماده اولیه لیبل ایجاد تفاوت کند که عملکرد ماشین را تحت تاثیر قرار می‌دهد.
در بسیاری موارد اطلاعات به دست آمده از ابزارها و نرم‌افزارهای جدید کنترلی نشان داده است که چیزی که کارگران خط مقدم می‌دانند اتفاقی و برحسب تجربه است. حرف آخر اینکه یافته‌ها برای بهبود کیفیت که از طریق فرآیندهای تولید به دست می‌آید بیش از پیش در دسترس هستند که این به خاطر فناوری‌های امروزی در دسترس قرار گرفته‌اند. ارزش کسب شده از همکاری و تلفیق این ابزارهای تحلیلی پیش‌بینی می‌تواند بسیار مفید و یکی از بزرگترین درس‌هایی باشد که تا به امروز فرا گرفته‌ایم.
