关键要点
机器视觉可帮助 OEM 制造商应对当今最重要的包装趋势，转变以下关键领域的运营：
- 运营效率：机器视觉通过精确的缺陷检测和与机器人自动化系统的无缝集成来提高设备综合效率 (OEE)。
- 数字化：视觉系统可实现实时质量控制和预测性维护，推动工业 4.0 的普及。
- 可持续发展：视觉技术支持环保包装转型，减少浪费并确保质量稳定。
- 个性化制造：边缘学习简化了频繁的转换，最大限度地减少了小批量定制生产中的缺陷。
包装行业在多种显著趋势的推动下正在经历变革。考虑到经济环境、持续的劳动力挑战及消费者对更环保包装的态度转变，制造商正在寻求通过专注于以下四大举措以获得竞争优势：运营效率、数字化、个性化制造和可持续发展。其中一个共同点是什么？ 机器视觉可以对这四大举措产生积极影响。
运营效率
衡量制造业生产率的一个关键指标是设备综合效率 (OEE)，用于确定真正富有成效的制造时间所占的百分比。如果设备综合效率得分为 100%，则表示以尽可能快的速度生产合格元件，无不合格品，且未出现停工。导致设备综合效率降低的因素包括机器调整导致停机时间、产品切换时间长及缺陷率较高。
最新趋势是利用机器人自动化提高包装流程的设备综合效率。新冠疫情期间，许多制造商投资开发全自动解决方案，以降低污染风险，并提高因劳动力短缺而受到限制的产出率。例如，食品和医药行业使用拾放机器人实现高效率和高质量生产目标，并显著降低污染风险。
康耐视针对视觉引导机器人 (VGR) 应用提供行业优秀的视觉软件解决方案。In-Sight 视觉系统体积小巧，易于设置和标定，能够快速定位和对对图案和基准点，包括在不利条件下或质量退化严重时。In-Sight 视觉系统具有高度准确性、自动手眼标定、灵活的机器人集成库、可编程逻辑控制器 (PLC) 集成和体积小巧等特点，是包装行业需要高精度机器人自动化解决方案解决装配和加工应用的机器制造商的理想选择。
数字化
在制造商寻求利用先进的自动化技术实现新兴创新之际，工业 4.0 正在推动包装行业变革。机器视觉、大数据、云计算和机器学习正在革新制造流程。向工业 4.0 迈进带来流程数字化机会，从而提高生产率，减少浪费，改进产品质量，提高制造灵活性，并降低运营成本。实施数字化战略还提供解决劳动力持续短缺挑战的机会。
康耐视及其他创新机器视觉技术提供商着眼于工业 4.0，创建有价值的数字数据用于以下两个目的。首先，采集检测和测量数据等实时信息，通过闭环反馈促进自动作出在线质量决策。此外，许多公司看到，通过长期汇总这些数据、执行离线分析并利用由此产生的见解推动持续改进和预测性维护，将可以产生巨大的价值。康耐视视觉系统可通过标准通信和文件传输协议（如 TCP/IP、PROFINET、EtherNet/IP、SLMP、OPC/UA 和 FTP 等）轻松集成到工业网络中，从而推动质量控制流程数字化。
可持续发展
全球环保趋势给许多制造商带来了挑战，包括包装公司。参与可持续实践不再只是“一件好事”，而是逐渐成为标准。
制造商纷纷选择环保型单一材料、纸质或可生物降解的塑料替代品，以转向更具可持续性的实践。尽管在次级包装和生产线末端包装中使用纸质材料的做法已经非常成熟，但在初级包装中使用纸质材料还有很长的路要走。除了推动采用更环保的材料外，更小巧、更轻薄、更富创新的包装选择也越来越常见。
由于需要调整压力、温度和时间等参数，从传统塑料密封膜过渡到可生物降解膜的过程可能会很复杂。作为包装行业优秀 OEM 机器制造商的供应商，康耐视支持可持续包装趋势，并与 OEM 制造商合作伙伴密切合作，以提供创新视觉技术，从而推动这一转变。
合作伙伴利用康耐视机器视觉、AI 和读码技术组合提高质量、减少浪费并推动更具可持续性的制造流程。康耐视机器视觉技术帮助 OEM 制造商在致力于提供更可持续包装解决方案的过程中向其客户提供以下优势。
- 针对多变或带有纹理的背景和曲面提供一致且可靠的缺陷检测和代码读取。
- 提供面向未来的机器视觉技术，使机器能够支持从传统包装过渡到可持续包装后的检测。
- 在闭环流程中提供检测结果数据，以便机器可以自动响应这些变化。
- 由于可以检测生产线上 100% 的产品，相比人工统计过程控制 (SPC) 检测方式，提高设备综合效率。
个性化制造
为了更准确定位消费者受众，制造商越来越多地转向生产更具个性化的产品。这包括将姓名印在软饮料罐上、面向具有特定遗传标记的患者生产小批量药品以及开展促销活动以响应美国超级碗或世界杯等正在进行中的热门活动。虽然这些举措旨在提高产品销量，但也给制造商和包装公司带来了巨大挑战。个性化方案通常意味着生产周期更短、批次更多并且产品切换更频繁。
这对产品质量有何影响？ 由于频繁切换产品，小规模、高频率生产会导致缺陷率上升，并且出现产品混杂的风险更高，。在食品和饮料及医药行业，产品混杂可能因过敏或不良反应而危害人们的健康，进而导致代价高昂的召回。
包装 OEM 制造商在此过程中发挥重要作用，其制造敏捷的机器，利用数字化工具促进快速切换规格，并减少意外停机。此外，通过制造能够高度灵活地处理各种材料的机器，OEM 制造商可帮助满足定制化需求，并显著提高设备综合效率。
在这里，机器视觉发挥关键作用，因为大多数包装机器设有生产后检测流程，以控制质量或验证标签和批代码。鉴于频繁切换产品带来的复杂性及包装行业使用的材料多样性，传统机器视觉工具在个性化制造领域显得力不从心。
康耐视创新技术可以助力 OEM 制造商提供新型解决方案以应对这些挑战。例如，边缘学习技术仅需依靠少量样本训练检测系统识别“合格”和“不合格”产品，在频繁切换过程中非常有价值。 简单易用的边缘学习技术大大减少了进入供应链的缺陷产品数量。
利用机器视觉和 AI 技术把握包装行业主要发展趋势
当OEM 制造商就如何帮助客户利用包装行业的主要发展趋势（如不断提高设备综合效率、数字化、可持续发展和个性化制造等）制定战略时，应着重考虑机器视觉系统和 AI 技术如何为其机器增加价值。作为机器视觉、代码读取和 AI 技术领导者，康耐视希望在这一过程中与您密切合作。
下载我们的《包装检测应用指南》，了解更多相关信息。