P&G ricorre all'IoT e all'analisi predittiva per perfezionare i pannolini Pampers

Il gigante dei beni di consumo confezionati si è rivolto all’IoT e all’edge Analytics di Microsoft per acquisire dati in tempo reale sui processi di produzione e anticipare i guasti imminenti prima che danneggino i pannolini.

Se ci sono oggetti di uso quotidiano di cui vuoi essere a prova di errore, i pannolini sono sicuramente tra questi. Ecco perché The Procter & Gamble Co. fa di tutto per garantire la fedeltà dei suoi prodotti Pampers.

Ma quando buttare via migliaia di pannolini danneggiati durante il processo di produzione diventa un evento quotidiano, è necessario fare qualcosa per alleviare i profitti. È stato allora che P&G ha deciso di sfruttare i dati per migliorare la propria attività di produzione di pannolini.

"Cerchiamo sempre quali sono le maggiori fonti delle nostre perdite e dove le cose potrebbero andare meglio", afferma Jeff Krietemeyer, direttore IT senior di Global Baby Care Services & Solutions presso Procter & Gamble, il cui team ha iniziato a pianificare una soluzione in fine del 2021 per risolvere i problemi di produzione più costosi, in particolare quelli che hanno avuto un impatto sui pannolini.

I pannolini sono fatti di pasta di lanugine, plastica, granuli assorbenti ed elastici e diversi processi, come il flusso di colla a caldo e la legatura a caldo, vengono utilizzati durante vari aspetti del processo di produzione altamente meccanizzato.

Ma le cose vanno storte e, quando ciò accade, Procter & Gamble ora utilizza la sua piattaforma di ottimizzazione degli hot melt per individuare gli intoppi e riportare il processo in carreggiata. Il progetto, che è valso a Procter & Gamble un CIO 100 Award 2023 per l’innovazione e la leadership IT, ha avuto un impatto profondamente materiale sul mondo della produzione.

L'ottimizzazione dell'hot melt utilizza un metodo proprietario di raccolta dati utilizzando sensori proprietari sulla catena di montaggio che, combinato con l'analisi predittiva di Microsoft e il cloud di Azure per la produzione, consente a P&G di produrre pannolini perfetti riducendo le perdite dovute a danni durante il processo di produzione.

Dall'implementazione della soluzione in 11 stabilimenti, P&G stima di aver eliminato il 70% dei pannolini difettosi che devono essere rottamati. I dirigenti non vogliono rivelare l'esatto importo risparmiato ogni settimana, ma si tratta di un valore a sette cifre.

Durante il processo di produzione del pannolino, il flusso di colla a caldo viene rilasciato da un'elettrovalvola automatizzata in modo estremamente preciso per garantire che gli strati del pannolino si congelino correttamente.

"I pannolini volano attraverso la linea di produzione ad alta velocità durante il processo di assemblaggio, quindi è necessaria un'applicazione estremamente precisa di colle adesive hot melt", afferma Krietemeyer, aggiungendo che le colle sono sicure per la pelle umana.

Se però la temperatura e la pressione del flusso di colla non sono precise o se la colla si intasa nella valvola e non viene corretta in tempo, i pannolini risultanti devono essere smaltiti.

Per risolvere questi problemi, Procter & Gamble ha lavorato a stretto contatto con Microsoft per implementare la piattaforma di analisi IoT ed Edge di Microsoft, il suo cloud Azure per la produzione e i suoi sensori IoT, analisi edge e modelli di machine learning.

La piattaforma risultante è stata testata in fase pilota per nove mesi in uno stabilimento P&G prima di essere implementata in metà degli stabilimenti di produzione Pampers di P&G negli Stati Uniti.

In viaggio verso uno di questi stabilimenti nel Missouri, Kietermeyer ha spiegato a CIO.com che la combinazione di IoT e piattaforma edge, sensori e motore di regole di analisi edge è stata utilizzata con successo per risolvere le anomalie di pressione e temperatura e i problemi hardware delle valvole che possono verificarsi in il processo di produzione del pannolino.

"Il team del progetto ha esplorato diversi algoritmi, compreso l'addestramento di modelli di reti neurali, e ha scoperto che Microsoft AI Rules Engine ha ottenuto i risultati migliori", ha aggiunto Kietermeyer.

Sulla catena di montaggio, P&G utilizza controller industriali a logica programmabile Rockwell e altri sensori per monitorare e registrare da vicino i dati relativi alla temperatura e alla pressione del flusso di colla. I dati vengono inseriti in piattaforme di analisi e codice sviluppato internamente per identificare errori o anomalie che devono essere corretti in tempo reale, senza interrompere la produzione. Ciò garantisce che la produzione di ciascun impianto superi quanto ottenuto prima del lancio dell'Hot Melt Optimization.