Штучний інтелект може скоротити відходи харчової промисловості

Штучний інтелект може скоротити відходи харчової промисловості
last summer day 2021

У Німеччині розпочато проект фінансуванням у розмірі 10 мільйонів євро для зниження відходів харчової промисловості за допомогою штучного інтелекту.

Проект зосереджується на виробництві м’яса, хлібобулочних та молочних продуктів. Дослідження, проведене Інститутом Тюнена в 2019 році, показало, що близько 30% харчових відходів відбувається у процесі виробництва та переробки продуктів харчування. Проект REIF має 30 партнерів, які працюють над довгостроковим рішенням. Основна увага приділяється розробці екосистеми штучного інтелекту, яка включає учасників на кожному кроці ланцюжка створення продукту. Проект фінансується Федеральним міністерством економіки та енергетики Німеччини (BMWi) на суму 10 млн. євро.

Причини відходів, яких можна уникнути, варіюються від перевиробництва до коливань якості сировини або харчових продуктів, які не відповідають естетичним вимогам продавців та споживачів.

М’ясо, хлібобулочні та молочні продукти

Відходи м’ясної, хлібобулочної та молочної промисловості виникають головним чином тому, що продукти швидко псуються. 

«Два аспекти є ключовими для суттєвого зменшення втрат продуктів харчування в цих секторах – мінімізація перевиробництва та уникнення відходів», – пояснив Патрік Ціммерман, науковець з технологій лиття, композиту, обробки та виробництва Fraunhofer і член дослідницького консорціуму.

Патрік Ціммерман, Філіп Теомер та ще п’ять його колег розглядають, як можна оптимізувати внутрішні потенціали компанії, наприклад, у галузі машинобудування, планування та контролю виробництва, для зменшення відходів за допомогою методів штучного інтелекту.

«Ми застосовуємо ШІ для всього ланцюжка доданої вартості, особливо на виробничих потужностях, – сказав Ціммерман. – Для цього ми адаптуємо та вибираємо алгоритми, які підходять для відповідного застосування. Ми дивимося на передбачуваності й керованості у всіх областях – від виробництва на фермі до продажу в супермаркеті – оптимізуємо свій потенціал».

Перевиробництво і прогнозування

Теомер додав: «Перевиробництво і відходи можна уникнути шляхом цільових прогнозів та потреби в продовольстві, підвищення передбачуваності й керованості процесів створення вартості і зниження якості , яке пов’язане з простроченням».

Однак потенціали дуже різноманітні. Як приклад Циммерманн використав мішалку для м’яса. «Температура і тривалість процесу змішування впливає на термін придатності м’ясних продуктів».

«Якщо ми використовуємо алгоритми штучного інтелекту , щоб мінімізувати кількість енергії, яка допущена до процесу змішування, ми можемо продовжити термін дії, який, в свою чергу, оптимізує час продажу в супермаркеті і знижує втрати продуктів харчування».

Найвища кількість відходів при включенні харчування

На системному рівні найбільша кількість харчових відходів виникає при включенні живлення. Це пов’язано з тим, що спочатку слід визначити оптимальні параметри, а тим часом утворюються відходи.

»Як приклад, ми застосовуємо інтелектуальні датчики та нейромережі для вдосконалення процесу піноутворення під час виробництва тортів з першої спроби», – сказав Циммерман.

У довгостроковій перспективі партнери проекту REIF прагнуть створити ІТ-екосистему та створити віртуальний ринок. У майбутньому компанії зможуть надавати ШІ-алгоритми, які вони впровадили, всім учасникам на цій платформі.

Дані

Ще однією метою є передача даних усіх компаній, які беруть участь у проекті, для підвищення доданої вартості в рамках складної мережі харчової промисловості, сказав Циммерман. «Експертиза однієї компанії може бути передана іншій організації. Чим більше даних стають доступними, тим краще модель штучного інтелекту може бути навчена».

Інтернет-ринок – це місце, де партнери проекту можуть обмінюватись своїми даними. Зрештою, виробничі компанії можуть краще контролювати свої виробничі процеси, використовуючи прогнози продажів. Дані, зібрані супермаркетами, будуть включені до прогнозів.

«Якщо ми об’єднаємо цілий ряд факторів, таких як поведінка споживачів, рівень запасів та термін придатності, ми можемо динамічно коригувати ціни на певні товари в супермаркетах», – сказав Ціммерман.

Щоденна коригування цін

«Постійне щоденне коригування цін дозволить уникнути різкого зниження ціни, яке ми звикли спостерігати незадовго до закінчення терміну дії, і продовжить час продажу. Отже, продукт, швидше за все, буде куплений, перш ніж він буде утилізований і загальний прибуток також збільшується».

Циммерман зазначив, що такий підхід дозволив роздрібному продавцю отримати максимальний прибуток, зменшивши відходи та перевиробництво, і весь ланцюг поставок виграє від ідеї обміну інформацією, включаючи зовнішні дані. «Якщо прогноз погоди хороший, супермаркети продають багато м’яса для барбекю. Виробники м’яса можуть регулювати обсяг забою відповідно і, навпаки, зменшувати виробництво в умовах поганої погоди».

І кінцевий споживач також виграє, додав він. За поганої погоди ціну м’яса для барбекю можна було б знизити раніше, врятувавши його від зіпсування на полиці. Такі системи прогнозування можуть також пропонуватися через Інтернет-платформу.

Наразі партнери проекту перебувають на стадії розробки концепції. Незабаром розпочнуться перші практичні випробування.

Вітаємо 👋
Бажаєте отримувати актуальні новини?

Введіть у поле свій E-mail та отримуйте новини на пошту

Ми не надсилаємо спам!

Коментарі:

Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *