Näin tekoäly auttaa ehkäisemään ruokahävikkiä

 |   Microsoft News Center

Mies heittämässä ruokaa roskakoriin.

Avaat ruokakomeron ja huomaat, että osa eilen ostamistasi ruoista on jo vanhentunut tai pilaantunut, vaikka viimeiseen käyttöpäivään on vielä viikkoja.

Tällainen tilanne aiheuttaa syyllisyyden ja kiukun tunteita, eikä syyttä. Ruoan haaskauksella on henkilökohtaisten taloudellisten vaikutusten lisäksi myös laajempia eettisiä ja ympäristövaikutuksia. Euroopassa päätyy vuosittain jätteeksi noin 88 miljoonaa tonnia ruokaa, mistä syntyy arviolta 143 miljardin euron kustannukset. Euroopan elintarviketurvallisuusviraston pääjohtaja Bernhard Url tiivistää asian yksinkertaisesti: ”Eurooppa haaskaa 30 % ruoasta, ja se on eettinen skandaali.”

Vaikka Euroopassa on maailman tiukimpiin kuuluvat standardit elintarviketurvallisuuden ja -pakkausten suhteen, säätely ei yksin riitä ratkaisuksi. Ruokaa tuottavat ja käsittelevät valmistajat, sitä kuluttajille myyvät vähittäiskauppiaat ja monet muut alan toimijat pyrkivät nyt ehkäisemään ja vähentämään ruokahävikkiä teknologian avulla.

Muutoksen eturintamaan kuuluu johtava heraproteiinin valmistaja DVNutrition, joka pyrkii mullistamaan tuotantoprosessinsa tekoälyn avustuksella. Yli 10 000 tonnia heraproteiinia vuodessa valmistava hollantilaisyritys haluaa varmistaa tekevänsä perusteltuja päätöksiä kaikissa tuotannon vaiheissa, jottei arvokasta tuotetta menisi hukkaan.

Kuva DVNutritionin tuotantolaitoksesta.
DVNutrition käyttää tekoälyä tuotantomäärien optimoimiseen.

DVNutritionin kanssa yhteistyötä tehneen, ICT-ratkaisuihin keskittyneen Axiansin Client Manager Leon de Ridder kertoo: “Loimme DVN:lle digitaalisen kaksosen, joka hienosäätää operatiivista suunnittelua lähes reaaliajassa tuotantoprosessin jatkuvien muutosten perusteella. Jaettu ekosysteemi sisaryritystemme Actemiumin ja Bostecin kanssa mahdollistaa vahvan yhteistyön, joka yhdistää ala- ja prosessitietämystä sekä innovatiivisuutta.”

Hyödyntämällä operaattoriensa asiantuntemusta, datalähtöisiä havaintoja ja ennakoivaa analytiikkaa DVNutrition voi hidastaa tuotantoa ja jopa keskeyttää sen juuri, kun varastosäiliöt täyttyvät. Näin DVNutritionin valmistusprosessi on suorassa yhteydessä varastokapasiteettiin, mikä vähentää ylituotannon riskiä ja minimoi hävikin.

DVNutrition toivoo myös, että uudet algoritmit ja uuden sekä historiallisen datan analysointi voivat jatkossa auttaa sitä parantamaan heraproteiinien ja -permeaattien laatua. ”Hera on luonnontuote, jonka koostumus vaihtelee kausittain. Korkean laadun varmistamiseksi meidän on ennakoitava kausivaihtelut prosesseissamme. Ajantasainen tieto esimerkiksi lämpötilasta voi auttaa meitä tekemään reaaliaikaisia proaktiivisia muutoksia”, sanoo DVNutritionin General Manager Marcel Boon.

”Tekoälyn avulla voimme tarjota operaattoreillemme asiaankuuluvaa ja yksiselitteistä tietoa entistä fiksumpien päätösten tueksi. Näin voimme hioa tuotantoprosessejamme ja parantaa tuotteidemme laatua jatkuvasti.”

Vaikka tehdaskäytäntöjen muokkaaminen ja operaattorien tukeminen voivat auttaa ratkaisemaan tietyt ruokahävikin ongelmat, millä muilla keinoilla valmistajat voivat varmistaa ruoan säilyvän pitkään vielä tehtaalta lähdön ja ruokakomeroon varastoinnin jälkeen?

Pakkausten laatu ja ulkonäkö – kurtut, kolhut tai halkeamat – ovat keskeisiä ruokahävikin syitä. Tetra Pak, ruoan käsittely- ja pakkausratkaisujen markkinajohtaja yli 175 maassa, kehittää tekoälypohjaisia järjestelmiä. Yksi näistä järjestelmistä ottaa kuvan joka ikisestä tuotantolinjalta saapuvasta pakkauksesta ja suorittaa analyysin ongelmien vähentämiseksi.

Tetra Pakin kartonkeja pöydällä.
Tetra Pak hyödyntää tekoälyä muun muassa pakkausten laadunvalvonnassa.

Pakkausten laadunvalvonta on aiemmin perustunut siihen, että henkilökunta tarkistaa pienen määrän pakkauksia satunnaisesti. Tetra Pakin uudessa menetelmässä jokaisen kuvan tarkistaa syväoppivaa neuroverkkoa hyödyntävä järjestelmä, joka kykenee tunnistamaan pakkausten mahdolliset ongelmat. Tekoälyn avulla Tetra Pak voi eritellä asiakkaidensa tuotannon ongelmakohdat paremmin ja suositella ratkaisuja niin yksittäisiin tuotantoasetuksiin kuin perustavanlaatuisempiin haasteisiin.

”Yksi kone tuottaa noin seitsemän pakkausta sekunnissa, joten kaikkien pakkausten tarkastaminen erikseen on ihmiselle mahdotonta”, sanoo Johan Nilsson, Tetra Pakin VP Industry 4.0 Solutions & Digital. ”Tämän teknologian avulla Tetra Pak voi yhdessä asiakkaidemme kanssa varmistaa helpommin, että pakkausten laatu ja ulkoasu ovat halutulla tasolla.”

Kun vanhentuneet ruoat on siivottu ruokakomerosta, on aika suunnitella paluuta ruokakauppaan. Ostoslistaa kirjoittaessasi toivot, ettei ruokaa tai rahaa mene tällä kertaa hukkaan. Eurooppalaiset ruoan valmistajat tekevät tekoälyn tapaisten teknologioiden avulla oman osansa sen eteen, että tämä hävikitön unelmatilanne olisi jatkossa todellisuutta.

Lisätietoa siitä, kuinka tekoäly muuttaa teollisuutta löytyy täältä.

Tags: , , , , , ,