Daha az kesinti, daha fazla verimlilik: Coca-Cola, maksimum hizmet sürekliliği için MLnext’e güveniyor Yapay zekâ destekli kestirimci bakım sayesinde Coca-Cola'nın üretim tesislerinde plansız duruş süreleri ve bakım maliyetleri azaltıldı.

1965 yılında Hong Kong’da kurulan Swire Coca-Cola, dünya çapında The Coca-Cola Company’nin en büyük beş şişeleme ortağından biri ve önde gelen bir gıda ve içecek üreticisidir. Şirket, Çin ve diğer bölgelerde faaliyet göstermektedir. Swire Coca-Cola, yaklaşık 60 ürün kategorisini dağıtmaktadır. Ekiple işbirliği içinde, üretim süreçlerindeki temel zorlukları en aza indirdik.

Döner tip üfleme-doldurma mono bloklarının yüksek bakım maliyetleri, önemli bir sorun teşkil etmektedir; zira bu sistemlerin hassas mühendislikle üretilmiş bileşenleri, beklenmedik arızalar meydana geldiğinde pahalı yedek parçalar ve kapsamlı, emek yoğun onarımlar gerektirmektedir. Ayrıca, bu kritik sistemlerdeki plan dışı kesintiler, üretimi aksatır, teslimatları geciktirir ve pazar payı kaybı riskini artırır; özellikle de müşteri ilişkileri ve marka itibarının en hassas olduğu yoğun talep dönemlerinde bu durum daha da belirgin hale gelir. Aynı zamanda, çözümün kolayca ölçeklendirilebilmesi de önemli bir gereksinimdir. Müşteri, geliştirilecek çözümün Hangzhou, Nanning ve Hefei dâhil olmak üzere birden fazla üretim hattı ve üretim tesisinde, dış desteğe büyük ölçüde ihtiyaç duymadan verimli bir şekilde uygulanmasını istiyordu.

Temel optimizasyon çalışmaları kapsamında, ilk adım olarak Hangzhou tesisindeki iki üretim hattında bulunan 14 motora, özellikle de hassas şişirme kalıplama geçiş sürecine odaklandık. Farklı üretim aşamalarından elde edilen geçmiş işletme verileri ile hem büyük hem de küçük şişe üretim senaryolarını bir araya getirerek, ortaya çıkan arıza belirtilerini erken ve doğru bir şekilde tespit eden ve plan dışı arızaların meydana gelmeden önlenmesine yardımcı olan bir yapay zeka modeli geliştirildi.

Kullanıcı dostu bir görsel modelleme aracı sayesinde müşteriler, kendi üretim deneyimlerini temel alarak ek üretim hatları (Nanning, Hefei) için modelleri bağımsız olarak oluşturabilir. Bu, birden fazla tesis ve ekipman genelinde önleyici bakım için esnek ve kendi kendini yöneten bir yaklaşım sunar.

Grafana şablonları, çok kaynaklı tesis verilerinin görselleştirilmesini sağlar, çalışma durumuna ilişkin kapsamlı bir şeffaflık sunar ve veriye dayalı, akıllı üretim kararlarının temelini oluşturur.

Yapay zekâ destekli MLnext çözümünün Swire Coca-Cola'da devreye alınması, üretim süreçlerine açık ve ölçülebilir katma değer sağladı. Artık ekipman arızalarını erken aşamada tespit edebilme yeteneği sayesinde şirket, bakım maliyetlerini önemli ölçüde azaltabiliyor, plan dışı duruşları önleyebiliyor ve kritik yoğun sezonlarda üretim sürekliliğini sağlayabiliyor. Görsel modelleme aracının devreye alınması, şirket içi ekiplerin çözümü birden fazla tesise bağımsız olarak genişletmesine olanak tanıyarak, uygulama süresini yarıya indiriyor ve dış desteğe olan bağımlılığı azaltıyor. Grafana aracılığıyla sağlanan gerçek zamanlı veri şeffaflığıyla birleştirildiğinde, bu çözüm veriye dayalı karar alma sürecini destekliyor ve gelecekteki dijital dönüşüm çabaları için zemin hazırlıyor.

Bizimle irtibata geçmekte tereddüt etmeyin. İdeal çözümü birlikte bulmak için sizinle görüş alışverişinde bulunuruz.