Sådan optimerer du udlægning med automatiseret teknologi

Vi talte med Tilia Labs om, hvordan kunstig intelligens kan føre til den mest omkostningseffektive pålæggelse ved at reducere menneskelig input.

Hvordan kan Phoenix hjælpe printere med at optimere udskrivning?

Optimering af materiale og tid er kritisk på tværs af printindustrien. Uanset om det er etiketter og emballage, kommercielt eller bredformat, er materialepriserne steget, og vi ser mangel på kvalificeret arbejdskraft. Tilia Phoenix giver en hurtig og ensartet måde at skabe hundredvis af layouts på på få minutter, og giver tilbage nøgledata omkring pris, tid, spild og mere.

Tilia Phoenix modellerer dit produktionsgulv. Da systemet forstår dit print- og efterbehandlingsudstyr, -materialer og -processer, reducerer det behovet for menneskelig beslutningstagning. Systemet gør det hårde arbejde for at bestemme den bedste måde at udføre et bestemt job på, baseret på vigtige kundeoplysninger og afsendelsesdato.

Samling af job kan være kompliceret på grund af øgede lagerbeholdningsenheder (SKU'er) og hurtigere ekspeditionsanmodninger. Systemet samler opgaver intelligent for at optimere materialet og reducere tid i udskrivning og efterbehandling.

Hvad er nogle bemærkelsesværdige funktioner i Phoenix AI?

Tilia Phoenix har nu et avanceret scriptmodul, der udvider funktionaliteten via JavaScript. Kunder ønskede en måde at tilpasse deres layout-oprettelse baseret på deres egne pre-press produktionsprocesser. Ved at bruge forudbyggede scripts eller skabe deres egne scripts kan Tilia Phoenix automatisere mærker, handlinger, beregninger og mere for at reducere gentagne manuelle opgaver.

Evnen til intelligent at tilføje bleed baseret på en rektangulær skærebane eller en konturformet skærebane er også en meget cool funktion i Phoenix. Ved at eliminere behovet for manuelt at udvide eller klone pixels, kan Phoenix intelligent forstå illustrationen for at udvide grafikken uden for cut-stien uden at skulle redigere filen manuelt.

Vores nye Corrugated Planning Module, det første i branchen, giver mulighed for avanceret rulleoptimering af top-ark print- og bølgeprocesser. Planlægning udføres ved at modellere korrugeringsanordninger og processer med muligheder for at specificere antallet af hugge- og spalteknive.

Hvordan tager AI påvirkning til et nyt niveau?

Imposition AI giver konsistens og hastighed. Ved at simulere dit produktionsgulv kan brugere på alle færdighedsniveauer bringe filer ind og tillade systemet at udføre det hårde arbejde med at udforme opgaven og levere data til at hjælpe med beslutningstagning.

Hvordan fungerer AI egentlig?

Vores AI-algoritme minimerer de omkostninger, der kræves for at udføre jobbet. Ved at forstå de produktionsomkostninger og lageromkostninger, der kræves for at producere et sæt ordrer, kan Phoenix udnytte state-of-the-art AI-teknologi til at hjælpe med at iterere gennem millioner af forskellige muligheder for at udlede den mest omkostningseffektive pålæggelse med lidt eller ingen menneskelig indgriben .

Hvilke sektorer er kunstig intelligens særlig nyttig i?

Tilia Phoenix er udviklet som en universel løsning, som en konverter kan bruge på tværs af deres butiksgulv. Vi har specifikke værktøjer og funktioner skræddersyet til industrier, herunder etiketter og foldekarton, kommercielt tryk, bredformat og bølgepap.

Hvordan hænger de forskellige permutationer af pålæggelse sammen med skære- og efterbehandlingsprocesser?

Igen, ved at minimere omkostningerne ved jobbet, er Phoenix ikke kun optaget af at maksimere materialeudbyttet, men overvejer også nedstrøms efterbehandlingstrin. For eksempel forstår algoritmen antallet af pladedrejninger, når der skæres på en guillotineskæreanordning og vurderer omkostningerne/fordele ved at tilføje en ekstra pladedrejning i forhold til at medføre spild på et ark.

Hvordan har kunderne forbedret deres processer ved hjælp af teknologien?

Vores kunder producerer i gennemsnit layouts tre gange hurtigere og bruger 15 % mindre materiale og tid brugt på presse.

Hvordan kan denne pålæggelsesmetode forfines i fremtiden?

At fortsætte med at modellere og forstå omkostningerne ved yderligere downstream-efterbehandlingstrin, der kræves for at producere en widget, vil gøre vores indførelse af AI-teknologi endnu smartere. Dette bliver mere tydeligt, når man prøver at modellere digitalt efterbehandlingsudstyr, der ikke kører med 'X' antal ark i timen. Tænk på en laserskæreanordning: hvordan ved du, hvor lang tid det vil tage at skære et ark i forhold til det andet? Dette er fremtiden for vores teknologi, og vi satser på, at dette bliver mere af et problem i branchen.