Η παγκόσμια οικονομία βρίσκεται στα πρόθυρα ενός γρήγορου ψηφιακού μετασχηματισμού, και αυτό περιλαμβάνει και την επεξεργασία τροφίμων. Η παγκόσμια αγορά βιομηχανικού αυτοματισμού προβλέπεται να έχει αξία 275 δισεκατομμυρίων ευρώ έως το 2026, με τις εφαρμογές τροφίμων και ποτών να αποτελούν το 11% της αγοράς. Τεχνολογίες Διαδικτύου (IoT), όπως αισθητήρες, προσομοιώσεις, αυτόνομα συστήματα που βασίζονται στην τεχνητή νοημοσύνη, κατασκευή προσθέτων, συστήματα cloud και blockchain, αναμένεται να έχουν τον μεγαλύτερο αντίκτυπο στη βιομηχανία επεξεργασίας τροφίμων επιτρέποντας την ενοποίηση των φυσικών διαδικασιών, των υπολογισμών, και δικτύωση σε κυβερνοφυσικά συστήματα.
Μια τέτοια ψηφιοποίηση και ενοποίηση μπορεί να προσφέρει μια άνευ προηγουμένου ευκαιρία για αύξηση των κερδών στη βιομηχανία τροφίμων. Οι τεχνολογίες ενεργοποίησης βρίσκονται υπό ταχεία ανάπτυξη και η μεταφορά τους στη βιομηχανία τροφίμων θα είναι καίριας σημασίας. Ωστόσο, θα είναι επίσης σημαντικό να δημιουργηθούν ανθεκτικά μονοπάτια καινοτομίας με στρατηγικές χωρίς αποκλεισμούς που θα λαμβάνουν υπόψη την ανθρώπινη υγεία, τις προτιμήσεις των καταναλωτών και τις αλλαγές στο μοντέλο του εργατικού δυναμικού.
Industry 4.0 στην Επεξεργασία Τροφίμων
«Η τέταρτη βιομηχανική επανάσταση» ή αλλιώς Industry 4.0, έγινε γνωστή για πρώτη φορά το 2011 από μια πρωτοβουλία της γερμανικής μεταποιητικής βιομηχανίας που είχε ως στόχο τη βελτίωση της ανταγωνιστικότητας και της εθνικής στρατηγικής στην τεχνολογία. Ο όρος έχει πλέον υιοθετηθεί παγκοσμίως.
Industry 4.0 είναι ένας σημαντικός μετασχηματισμός όσον αφορά τον τρόπο παραγωγής προϊόντων χάρη στην ψηφιοποίηση της κατασκευής. Οι εργασίες επεξεργασίας τροφίμων έχουν επωφεληθεί από τις έννοιες του Industry 4.0 βελτιώνοντας την ιχνηλασιμότητα, την παρακολούθηση και τον έλεγχο της ποιότητας των τροφίμων, την βελτίωση της ασφάλειας, της κατασκευής, του αυτοματισμού και της εκπαίδευσης, την πρόβλεψη αισθητηριακών και καταναλωτικών προτιμήσεων και τη μείωση των απωλειών και των απορριμμάτων.
Πολλές εταιρείες τροφίμων χρησιμοποιούν για παράδειγμα εξαρτήματα IoT και εργαλεία ψηφιοποίησης για διάφορες διαδικασίες, συμπεριλαμβανομένης της ζυθοποιίας, της παραγωγής ζάχαρης, της επεξεργασίας γαλακτοκομικών προϊόντων, της αρτοποιίας και της γεωργικής παραγωγής. Ένα άλλο παράδειγμα είναι ένα σύστημα πολλαπλών αισθητήρων που χρησιμοποιεί απεικόνιση υπεριώδους φθορισμού και ακουστικούς αισθητήρες για την αξιολόγηση της ρύπανσης στην παραγωγή αλείμματος σοκολάτας ως μέρος της λήψης αποφάσεων για τα συστήματα καθαρής χρήσης.
Άλλο παράδειγμα είναι η Tetra Pak, που εφαρμόζει διάφορα δίκτυα αισθητήρων και εργαλεία ανάλυσης δεδομένων για τη βελτίωση της επιχειρηματικής παραγωγικότητας και της βιωσιμότητας της παραγωγής στα 53 εργοστάσια παραγωγής που διαθέτει, καθώς και στον εξοπλισμό επεξεργασίας και ικανοποίησης των πελατών της παγκοσμίως. Οι ειδοποιήσεις καθημερινών ενεργειών που βασίζονται στα δεδομένα και τα μοντέλα σε πραγματικό χρόνο, που λαμβάνονται από τα στοιχεία κατασκευής παρακολουθούνται από ένα παγκόσμιο Κέντρο Διαχείρισης Ποιότητας και Απόδοσης και αποστέλλονται αυτόματα στο επιτόπιο προσωπικό και στο προσωπικό συντήρησης ως μέρος των υπηρεσιών πρόβλεψης συντήρησης.
«Οι σημαντικές ιστορίες επιτυχίας προέρχονται από αυτοματοποιημένες αναλύσεις δεδομένων, βελτιώσεις προϊόντων που βασίζονται σε τεχνητή νοημοσύνη και εφαρμογές εκπαίδευσης που βασίζονται στο cloud και συνεργασίας ανθρώπου-μηχανής. Ήμασταν σε θέση να προβλέψουμε συγκεκριμένα προβλήματα εξοπλισμού και χρόνους διακοπής λειτουργίας με σχεδόν 100% ποσοστό επιτυχίας», λέει ο Sasha Ilyukhin, αντιπρόεδρος της Tetra Pak Services and Industry 4.0 Solutions,
«Η all inclusive ψηφιοποίηση είναι ένα ατελείωτο ταξίδι», προσθέτει ο Ilyukhin και συμβουλεύει τους μεταποιητές τροφίμων να υιοθετήσουν ένα ισχυρό σχέδιο υιοθέτησης της ψηφιοποίησης με επιχειρηματική στρατηγική, σχετικά με τον τύπο και την πλατφόρμα συλλογής δεδομένων, αρχιτεκτονικής, ανάλυσης και, ασφάλειας.
Από το Industry 4.0 στο Society 5.0
Καθώς η βιομηχανία τροφίμων προσαρμόζεται αργά στο Industry 4.0, η εξέλιξη στο 5.0 έχει ήδη συλληφθεί. Αυτό το νέο παράδειγμα, το Society 5.0, παρουσιάστηκε για πρώτη φορά από την κυβέρνηση της Ιαπωνίας. Σε αντίθεση με το Industry 4.0, το Society 5.0 δεν περιορίζεται στον κατασκευαστικό τομέα, αλλά χρησιμοποιεί τεχνολογία για την επίλυση μεγάλων κοινωνικών ζητημάτων με σκόπιμη συμπερίληψη ανθρώπινων στοιχείων. Σε συνδυασμό με τα πιεστικά περιβαλλοντικά ζητήματα και τα ανθρώπινα στοιχεία, οι βιομηχανίες βρίσκονται τώρα σε ένα κρίσιμο σταυροδρόμι για να αναλογιστούν το μέλλον της μεταποίησης στο επερχόμενο πέμπτο βιομηχανικό στάδιο, το οποίο υπόσχεται τη χρήση της τεχνολογίας για πιο βιώσιμα, ανθεκτικά και δίκαια συστήματα.
Επειδή η βιομηχανία τροφίμων περιλαμβάνει πολλά ανθρώπινα στοιχεία και είναι ταυτόχρονα ο οδηγός για τις περιβαλλοντικές επιπτώσεις, η προσαρμογή στο 5.0 θα είναι απαραίτητη για τα γρήγορα μεταβαλλόμενα τοπία καινοτομίας, τις απαιτήσεις της κοινωνίας και προκλήσεις όπως η πίεση στους φυσικούς πόρους, τα οικοσυστήματα, την υπερθέρμανση του πλανήτη και την αύξηση του πληθυσμού. Η εφαρμογή ενός ισχυρού σχεδίου καινοτομίας μπορεί να ξεκινήσει με τον προσδιορισμό των τεχνολογιών που είναι κατάλληλες για συγκεκριμένα προϊόντα και διαδικασίες τροφίμων για αλυσίδες αξίας που περιλαμβάνουν όλα τα προϊόντα.
Εφαρμογές AI
Η τεχνητή νοημοσύνη ( AI) μπορεί να επιτρέψει τη γρήγορη και σε πραγματικό χρόνο λήψη αποφάσεων αντικαθιστώντας πολλές συμβατικές εργασίες στην επεξεργασία τροφίμων.
Ένα δύσκολο έργο για τις επιχειρήσεις τροφίμων είναι η πρόβλεψη των προτιμήσεων των καταναλωτών. Το Gastrograph AI από την Analytical Flavour Systems αντιμετωπίζει αυτήν την πρόκληση με γενετικούς αλγόριθμους στην τεχνητή νοημοσύνη που βασίζονται σε κριτικές από διαφορετικά δημογραφικά στοιχεία των καταναλωτών, που αναλύονται βάση χαρακτηριστικών όπως η ηλικία, η γεωγραφική τοποθεσία και το φύλο. Η διαδικασία Gastrograph δημιουργεί μια αισθητηριακή γραμμή βάσης για διάφορες ομάδες καταναλωτών και μπορεί να προβλέψει τον αντίκτυπο των αλλαγών της σύνθεσης του τροφίμου, στις στοχευμένες ομάδες από την πρώιμη ιδέα έως το τελικό γευστικό προϊόν. Τα αναλυτικά στοιχεία παρέχουν συγκεκριμένες πληροφορίες για το προφίλ γεύσης για τους προγραμματιστές προϊόντων, εξοικονομώντας σημαντικό χρόνο και κόστος.
Η ασφάλεια των τροφίμων ως βασικό συστατικό στην επεξεργασία τροφίμων θα είναι επίσης ένα σημαντικό θέμα των μοντέλων που βασίζονται στην τεχνητή νοημοσύνη. Η KanKan της Remark Holdings ανέπτυξε μια λύση τεχνητής νοημοσύνης εξοπλισμένη με τεχνολογία αναγνώρισης προσώπου και αντικειμένων για την παρακολούθηση της κίνησης του χειριστή και των πρακτικών συμμόρφωσης με την ασφάλεια των τροφίμων.
Σε μια άλλη επιτυχημένη εφαρμογή της μηχανικής μάθησης, οι Murphy et al. (2021) χρησιμοποίησε δεδομένα δεικτών βακτηριακής αλλοίωσης από 23 εγκαταστάσεις επεξεργασίας γαλακτοκομικών προϊόντων για τον εντοπισμό παραγόντων μόλυνσης μετά την παστερίωση. Αυτή η μελέτη τόνισε την δυνατότητα ελαχιστοποίησης της μόλυνσης μέσω σωστών διαδικασιών παραγωγής, ανανέωση του εξοπλισμού και εσωτερικών επιθεωρήσεων τελικού προϊόντος. Η μελέτη αποκάλυψε επίσης τη βιωσιμότητα των προσεγγίσεων τεχνητής νοημοσύνης χρησιμοποιώντας μη δομημένα και συσχετισμένα δεδομένα για ανάλυση και διαχείριση επεξεργασίας.
Το κόστος καθαρισμού, το νερό και ο χρόνος διακοπής μειώθηκαν με την παρακολούθηση των επιπέδων υπολειμμάτων και τη βελτιστοποίηση των χρονοδιαγραμμάτων καθαρισμού χρησιμοποιώντας αισθητήρες υπερήχων σε πραγματικό χρόνο και δεδομένα απεικόνισης που αξιολογήθηκαν από αλγόριθμους AI. Αυτή η ιδέα της αυτοβελτιστοποίησης του καθαρισμού επί τόπου, αναπτύχθηκε από μια ομάδα από τη Martec of Whitwell με την υποστήριξη του Πανεπιστημίου του Nottingham και του Κέντρου Τεχνολογιών Βιώσιμης Κατασκευής και Ανακύκλωσης στο Πανεπιστήμιο Loughborough.
Προκλήσεις και Δυνατότητες
Παρά τις ιστορίες επιτυχίας και τις ευκαιρίες, η ψηφιοποίηση στη βιομηχανία τροφίμων είναι σχετικά αργή. Οι προκλήσεις μπορεί να οφείλονται στην ασυμβατότητα του εξοπλισμού από διάφορους προμηθευτές, στο κόστος ψηφιοποίησης, στον παλιό εξοπλισμό που δεν μπορεί να τοποθετηθεί χειροκίνητα και στην έλλειψη τεχνογνωσίας, μεταξύ άλλων παραγόντων. Η επιλογή του σωστού συστήματος IoT περιλαμβάνει ζητήματα όπως το λειτουργικό κόστος, η ισχύς, η συνδεσιμότητα στο διαδίκτυο, η ανάλυση δεδομένων, ο αριθμός των συνδεδεμένων συσκευών και πολλά άλλα. Σε μια έρευνα του 2017, προμηθευτές τροφίμων από διαφορετικές χώρες ανέφεραν ευπάθεια έναντι πιθανών επιθέσεων στην υποδομή IoT (21%), ανησυχίες για το απόρρητο δεδομένων (18%), αδυναμία ανάλυσης δεδομένων που δημιουργούνται (16%), έλλειψη προτύπων για ρυθμίσεις IoT (15 %),
Επιπλέον, τα μοντέλα που βασίζονται σε δεδομένα απαιτούν τεράστιο όγκο εκπαίδευσης και επικύρωσης δεδομένων. Οι απαιτήσεις δεδομένων για μοντέλα μηχανικής μάθησης και τεχνητής νοημοσύνης συνεπάγονται την εξέταση πολλαπλών κλιμάκων, πολλαπλών τρόπων, διαφάνειας και τυποποίησης, κάτι που θα απαιτήσει εκπαιδευμένους επαγγελματίες που κατανοούν τη δυναμική της βιομηχανίας τροφίμων καθώς και τις τεχνολογικές εξελίξεις.
Η τριτοβάθμια εκπαίδευση στην επιστήμη των τροφίμων μπορεί να διαδραματίσει ρόλο στη μετακίνηση της βιομηχανίας από το 4.0 στο 5.0 εστιάζοντας στην ανάπτυξη εργατικού δυναμικού για τη νέα βιομηχανική εποχή. Αυτό θα απαιτήσει συνεργασία μεταξύ των τμημάτων επιστήμης και μηχανικής τροφίμων που υποστηρίζονται από τη βιομηχανία τροφίμων.
Τα καλά νέα είναι ότι οι αλλαγές που προκλήθηκαν από την πανδημία μπορεί να επιφέρουν κινήσεις προς το Industry 4.0 και το Industry 5.0 πιο γρήγορα από ό,τι αναμενόταν αρχικά.
«Η πανδημία COVID-19 έχει επιταχύνει την αυτοματοποίηση, τη συνεργασία και την προσαρμογή», λέει η Laurette Dubé, πρόεδρος και επιστημονική διευθύντρια του McGill Center for the Convergence of Health and Economics. «Τονίζει επίσης τη σημασία των καινοτομιών που αναπτύσσονται με την ανθρωποκεντρική σχέση οικονομίας, υγείας και περιβάλλοντος στο πλαίσιο της έννοιας της συγκλίνουσας επιστήμης και της καινοτομίας».
Και, λέει, η πόρτα είναι ανοιχτή για να σκεφτούμε ισχυρές αλλαγές που θα ωφελήσουν το κοινωνικό σύνολο. «Τώρα είναι η καλύτερη στιγμή για να ξανασκεφτούμε το τρέχον υπερανταγωνιστικό οικονομικό μοντέλο και να οικοδομήσουμε μια πιο ανθεκτική οικονομία σύγκλισης όπου η βιομηχανία μπορεί να αντιμετωπίσει σημαντικές περιβαλλοντικές, κοινωνικές και οικονομικές προκλήσεις μέσω τεχνολογικής εφαρμογής σε αρθρωτές δομές που ευθυγραμμίζονται με την έννοια της Κοινωνίας 5.0».
Πηγή:ift.org
Ακολουθήστε το Cibum 
