Maple Leaf Foods
Maple Leaf Foods steigert seine Produktionsausbeute mit AVEVA MES
Maple Leaf Foods, der größte Hersteller von Fleischwaren und Geflügel in Kanada, wollte die idealen Betriebsbedingungen für sein Produkt Bologna ermitteln, um Einheitlichkeit zu gewährleisten, die Ausbeute zu verbessern und Abfall zu reduzieren. Das Unternehmen wollte IoT- und KI-Technologien nutzen, um an einem traditionsreichen Standort operative Exzellenz zu fördern und zugleich einen Nachhaltigkeitsansatz zu verfolgen. Die Einführung von AVEVA Manufacturing Execution System, kombiniert mit fortschrittlichen Modellen künstlicher Intelligenz von Braincube, ermöglichte eine detaillierte Datenanalyse nahezu in Echtzeit direkt in der Produktion. Maple Leaf Foods nutzte seine bestehenden AVEVA-MES- und SCADA-Systeme und ergänzte sie um diese neue Analyseebene. Die Vorteile sind erheblich: eine Steigerung des Bruttogewinns um 10 bis 12 % dank weniger Abfall und höherer Ausbeute in der Bologna-Produktion sowie ein ROI in nur drei Monaten. Das Unternehmen stärkt so seine Position als engagierter Vorreiter für Nachhaltigkeit in der kanadischen Lebensmittelindustrie.
Die integrierten AVEVA-Softwareprodukte
FAQ
Wie verbessert AVEVA MES die Ausbeute einer traditionsreichen Lebensmittelproduktion?
Maple Leaf Foods, Kanadas größter Hersteller von Fleischzubereitungen, hat AVEVA Manufacturing Execution System eingeführt, um die idealen Betriebsbedingungen für sein Produkt Bologna zu ermitteln. In Verbindung mit Braincube-KI-Modellen, die auf die bestehenden MES- und SCADA-Systeme aufgesetzt wurden, nutzt das Unternehmen nun eine nahezu Echtzeit-Analyse direkt in der Produktion. Dieser Ansatz führte dank weniger Abfall und höherer Ausbeute zu einer Steigerung des Bruttogewinns um 10 bis 12 %, mit einem ROI nach nur drei Monaten.
Wie lässt sich KI in bestehende AVEVA MES- und SCADA-Systeme integrieren?
Statt seine Infrastruktur zu ersetzen, hat Maple Leaf Foods auf seinem bestehenden AVEVA MES und SCADA aufgebaut und eine KI-Analyseschicht von Braincube ergänzt. Dieser schrittweise Ansatz senkt die Kosten und das Risiko eines industriellen KI-Projekts erheblich. Die kontextualisierten Daten von AVEVA MES speisen die Modelle, die ihre Empfehlungen direkt an die Bediener zurückgeben. Dies ist ein besonders relevantes Modell der digitalen Transformation für gewachsene Standorte der Lebensmittelindustrie, die ohne Betriebsunterbrechung modernisieren möchten.
Warum sollte die Datenanalyse den Bedienern in der Produktion zur Verfügung gestellt werden?
Bei Maple Leaf Foods ermöglicht AVEVA MES den Bedienern der Bologna-Linie, die optimalen Produktionsbedingungen nahezu in Echtzeit direkt an ihrem Arbeitsplatz zu sehen. Diese Selbstständigkeit beschleunigt die Reaktion auf Qualitätsabweichungen, verringert den Ausschuss und stabilisiert die Ausbeute. Analysen sind nicht mehr nur Datenexperten vorbehalten: Sie werden zu einem täglichen operativen Werkzeug. Diese Demokratisierung der Daten ist ein wichtiger Hebel für operative Exzellenz in der Lebensmittelindustrie mit hohen Taktraten.
Welchen ROI kann man von einem MES-Projekt in der Lebensmittelindustrie erwarten?
Das bei Maple Leaf Foods eingeführte AVEVA MES-Projekt amortisierte sich in nur drei Monaten, mit einer Steigerung des Bruttogewinns um 10 bis 12 % bei der Bologna-Produktion. Die Einsparungen ergeben sich aus weniger Abfall, besserer Materialausbeute und stabilisierten Prozessparametern. Für eine Branche mit oft knappen Margen zeigt diese schnelle Rendite den Wert einer Kombination aus MES und KI bei Produkten mit hohem Volumen und komplexen Prozessen.
Wie trägt AVEVA zur Nachhaltigkeit in der Lebensmittelindustrie bei?
Die durch AVEVA MES ermöglichte Abfallreduzierung und Ertragssteigerung sind ein direkter Bestandteil der Nachhaltigkeitsstrategie von Maple Leaf Foods, einem in diesem Bereich engagierten Marktführer in Kanada. Weniger weggeworfene Produkte, weniger verschwendete Energie pro produzierter Einheit und eine optimale Nutzung der Rohstoffe tragen dazu bei, den ökologischen Fußabdruck des Standorts zu verringern. Industrielle Leistung und Nachhaltigkeit schließen sich nicht aus: Sie verstärken sich gegenseitig durch eine datengetriebene digitale Transformation.