nieuws

1. Achtergrond en analyse van knelpunten
Bedrijfsoverzicht:
Een bepaald voedingsmiddelenbedrijf is een grote producent van gebakken producten, gericht op de productie van gesneden toast, sandwichbrood, stokbrood en andere producten, met een dagelijkse productie van 500.000 zakken. Het bedrijf levert aan supermarkten en horecaketens in het hele land. De afgelopen jaren heeft het bedrijf te maken gehad met de volgende uitdagingen als gevolg van de toegenomen aandacht van consumenten voor voedselveiligheid:

‌Toenemende klachten over vreemde voorwerpen‌: Consumenten hebben herhaaldelijk gemeld dat er metalen vreemde voorwerpen (zoals draad, snijresten, nietjes, enz.) in het brood terechtkwamen, wat leidde tot reputatieschade voor het merk.
Complexiteit van de productielijn: Het productieproces omvat meerdere processen, zoals het mengen, vormen, bakken, snijden en verpakken van grondstoffen. Vreemde metalen deeltjes kunnen afkomstig zijn van grondstoffen, slijtage van apparatuur of menselijke fouten.
‌Traditionele detectiemethoden zijn onvoldoende: kunstmatige visuele inspectie is inefficiënt en kan geen interne vreemde voorwerpen detecteren; metaaldetectoren kunnen alleen ferromagnetische metalen herkennen en zijn onvoldoende gevoelig voor non-ferrometalen (zoals aluminium, koper) of kleine fragmenten.

Kernvereisten:
Detecteer volledig automatisch en met hoge precisie metalen vreemde voorwerpen (ijzer, aluminium, koper en andere materialen, met een minimale detectienauwkeurigheid van ≤0,3 mm).
De inspectiesnelheid moet aansluiten op de productielijn (≥ 6000 verpakkingen/uur) om te voorkomen dat er een knelpunt in de productie ontstaat.
De gegevens zijn traceerbaar en voldoen aan de ISO 22000- en HACCP-certificeringseisen.

‌2. Oplossingen en apparaatimplementatie‌
Keuze van de apparatuur: Gebruik de ‌Fanchi tech-röntgenmachine voor het detecteren van vreemde voorwerpen in voedingsmiddelen, met de volgende technische parameters:

Detectievermogen: Het apparaat kan vreemde voorwerpen identificeren, zoals metaal, glas, hard plastic, grind, enz. De metaaldetectienauwkeurigheid bedraagt 0,2 mm (roestvrij staal).
Beeldtechnologie: Dual-energy röntgentechnologie, gecombineerd met AI-algoritmen om beelden automatisch te analyseren en onderscheid te maken tussen vreemde stoffen en de dichtheid van voedsel.
Verwerkingssnelheid: tot 6000 pakketten/uur, ondersteunt dynamische pijplijndetectie.
Uitsluitingssysteem: pneumatisch straalverwijderingsapparaat, responstijd is <0,1 seconde, waardoor het isolatiepercentage van het problematische product >99,9% bedraagt.
‌
Positie van risicopunt:
Ontvangst van grondstoffen: Meel, suiker en andere grondstoffen kunnen gemengd zijn met metaalverontreinigingen (bijvoorbeeld beschadigde transportverpakkingen van leveranciers).
‌Mengen en vormen van schakels‌: De mengbladen slijten en er ontstaat metaalresten, die in de mal achterblijven.
‌Snij- en verpakkingsschakels‌: Het snijblad van de snijmachine is gebroken en de metalen onderdelen van de verpakkingslijn vallen eraf.
Installatie van apparatuur:
Installeer een röntgenapparaat vóór (na) de sneetjes brood om beschimmelde maar onverpakte sneetjes brood te detecteren (Figuur 1).
De apparatuur is gekoppeld aan de productielijn en de detectie wordt geactiveerd door foto-elektrische sensoren om het productieritme in realtime te synchroniseren.
‌Parameterinstellingen‌:
Pas de drempelwaarde voor röntgenenergie aan op basis van de dichtheid van het brood (zacht brood versus hard stokbrood) om verkeerde detectie te voorkomen.
Stel de alarmdrempel voor de grootte van vreemde voorwerpen in (metaal ≥ 0,3 mm, glas ≥ 1,0 mm).
‌3. Implementatie-effect en gegevensverificatie‌
Detectieprestaties:

Detectiepercentage vreemde voorwerpen: Tijdens de proef werden 12 metalen vreemde voorwerpen succesvol onderschept, waaronder 0,4 mm roestvrijstalen draad en 1,2 mm aluminiumsplinters. Het detectiepercentage voor lekkage was 0.
‌Valse alarmfrequentie‌: Dankzij optimalisatie van AI-leren is de valse alarmfrequentie gedaald van 5% in de beginfase naar 0,3% (bijvoorbeeld het verkeerd inschatten van broodbelletjes en suikerkristallen als vreemde voorwerpen is aanzienlijk verminderd).
Economische voordelen:

‌Kostenbesparing‌:
Er zijn 8 mensen ontslagen bij de kunstmatige kwaliteitscontrole, wat een jaarlijkse besparing van ongeveer 600.000 yuan op arbeidskosten oplevert.
Vermijd mogelijke terugroepacties (geschat op basis van historische gegevens: het verlies van één enkele terugroepactie bedraagt meer dan 2 miljoen yuan).
‌Efficiëntieverbetering‌: De algehele efficiëntie van de productielijn is met 15% toegenomen, omdat de inspectiesnelheid exact is afgestemd op die van de verpakkingsmachine en er geen wachttijd is voor stilstand.
‌Kwaliteits- en merkverbetering‌:
Het aantal klachten van klanten daalde met 92% en de leverancier van een cateringketen, een "Zero Foreign Materials"-leverancier, certificeerde de bestelling en het ordervolume steeg met 20%.
Genereer dagelijkse kwaliteitsrapporten op basis van inspectiegegevens, zorg voor traceerbaarheid van het gehele productieproces en slaag voor de BRCGS-beoordeling (Global Food Safety Standard).

‌4. Bedienings- en onderhoudsdetails‌
‌Mensentraining‌:
De operator moet de parameters van de apparatuur kunnen aanpassen, de beelden kunnen analyseren (Figuur 2 toont een typische vergelijking van beelden van vreemde voorwerpen) en de foutcode kunnen verwerken.
Het onderhoudsteam reinigt het röntgenemittervenster wekelijks en kalibreert de gevoeligheid maandelijks om de stabiliteit van het apparaat te garanderen.
Continue optimalisatie:
AI-algoritmen worden regelmatig bijgewerkt: ze verzamelen beeldgegevens van vreemde voorwerpen en optimaliseren de herkenningsmogelijkheden van modellen (zoals het onderscheiden van sesamzaad van metaalresten).
Schaalbaarheid van de apparatuur: gereserveerde interfaces die in de toekomst kunnen worden aangesloten op het MES-systeem van de fabriek om realtime kwaliteitsbewaking en koppeling van de productieplanning te realiseren.

‌5. Conclusie en waarde voor de sector‌
Met de introductie van de Fanchi Tech röntgenmachine voor het detecteren van vreemde voorwerpen in de voedingsmiddelenindustrie heeft een voedingsmiddelenbedrijf niet alleen de verborgen gevaren van metalen voorwerpen opgelost, maar ook de kwaliteitscontrole verlegd van 'na sanering' naar 'voor preventie'. Dit is een voorbeeld geworden voor intelligente upgrades in de bakkerijsector. Deze oplossing kan worden hergebruikt voor andere voedingsmiddelen met een hoge dichtheid (zoals diepvriesdeeg en brood met gedroogd fruit) om bedrijven volledige voedselveiligheidsgaranties te bieden.