KI hilft, die Wissenslücke bei Backprozessen zu schließen
Das folgende Interview wurde ursprünglich in einer Ausgabe von Baking+Biscuit International veröffentlicht. Folgen Sie diesem Link, um das Interview auf der Website der Publikation anzusehen.
Was sind die Highlights Ihrer F&E-Arbeit im Bereich KI in den letzten drei Jahren?
Yuegang Zhao: Bei KPM Analytics liegt unser Schwerpunkt bei der KI darauf, Bäckereien dabei zu unterstützen, ihre Betriebsabläufe zu optimieren, tiefere Einblicke in die Prozesssteuerung zu gewinnen, Produktqualität und -konsistenz sicherzustellen und die Bemühungen zur Lebensmittelsicherheit zu verstärken. Da Bäckereibetriebe immer stärker automatisiert und schneller werden und immer mehr Backexperten die Branche durch Ruhestand oder aus anderen Gründen verlassen, hilft KI dabei, die Wissenslücken zu schließen, mit denen viele Bäckereien heute konfrontiert sind.
Ein Bereich, in den wir massiv in unsere F&E investiert haben, ist die Entwicklung KI-gestützter Vision-Inspektionsanwendungen zur Überprüfung von Produkten in verschiedenen Prozessstadien. Die heutigen schnelllebigen Backbetriebe können sich einfach nicht mehr auf menschliche Kontrolleure verlassen, um Produkte außerhalb der Spezifikationen zu erkennen, zumal diese Methode völlig subjektiv ist und über mehrere Produktionslinien und Schichten in einer Bäckerei hinweg nur schwer zu kontrollieren ist. Unsere KI-Vision-Technologien umfassen hochauflösende Kameras, spezielle Beleuchtung und leistungsstarke Software, die alle Produkte auf der Linie auf wichtige Qualitätsmerkmale wie Größe, Form, Farbe, Volumen und mehr überwachen und zudem Fremdkörper mit einer Genauigkeit erkennen, die über das menschliche Auge hinausgeht.
KPM ist führend bei der Entwicklung von KI-Modellen für Vision-Inspektionssysteme. Wir verfügen über ein engagiertes Team von Datenwissenschaftlern, das ständig an der Erforschung und Verbesserung von Modellen mit besseren Erkennungsfähigkeiten und weniger Fehlalarmen arbeitet. Ob es darum geht, Tortillas beim Stapeln in eine Verpackungsmaschine zu zählen oder leicht zu übersehende Fremdkörper wie Teigablagerungen am Boden eines Brötchens zu inspizieren – wir haben das Potenzial KI-gestützter Inspektionsfunktionen gerade erst angekratzt.
In welchen Produktionsbereichen haben Sie bereits KI-Funktionen in Ihre Technologie integriert?
Yuegang Zhao: Unsere KI-gestützten Vision-Systeme wurden bereits in verschiedenen Backlinien für eine Reihe unterschiedlicher Aufgaben eingesetzt. Es gibt zwei Hauptkategorien für Vision-Systeme: Vision Process Control (VPC) und Final Product Inspection (FPI).
VPC-Vision-Systeme decken alles ab, was der Kunde vor der Verpackung an seinen Produkten überprüfen möchte. Dies kann von der Analyse des Teigs nach dem Formen oder aus der Gärkammer bis hin zur Messung der Belagabdeckung (z. B. Samen auf einem Hamburgerbrötchen) vor dem Backen reichen. Unsere KI-Vision-Systeme sind darauf trainiert, selbst geringfügige Produktinkonsistenzen zu erkennen, die auf ein Problem im automatisierten Produktionsprozess hinweisen könnten. VPC-Technologien nehmen der Prozesssteuerung einen Großteil des Rätselratens und der Subjektivität und helfen den Bedienern, bessere Prozessentscheidungen zu treffen, die Qualität und Sicherheit gewährleisten.
FPI-Systeme fungieren, wie der Name schon sagt, als letzte Kontrolle der sichtbaren Attribute der Produkte. Mit der Fähigkeit, 100 % der Produkte auf der Linie zu inspizieren, machen FPI-Technologien routinemäßige Qualitätskontrollen überflüssig. Und da das System niemals eine Pause oder einen freien Tag einlegt, inspiziert es Produkte kontinuierlich nach exakten Standards und erkennt gleichzeitig unerwünschte Fremdkörper und Gefahren.
Was sind die häufigsten Anfragen, die Sie erhalten?
Yuegang Zhao: Vision-Inspektionstechnologie ist in der Backindustrie nicht neu, aber die Nachfrage nach komplexeren, tiefergehenden Messungen treibt die Entwicklung neuer KI-basierter Anwendungen voran. Ein Hersteller von Hamburger-Brötchen gab sich früher beispielsweise mit einfachen Attributen wie Form und Farbe des Brötchens zufrieden, sowie mit der Gewissheit, dass es ausreichend in die Produktverpackung passen würde. Heute interessieren sie sich jedoch für detaillierte Messungen, wie etwa den Glanz des Brötchens oder das Vorhandensein von Luftblasen in ihren Endprodukten. KI-Vision-Systeme sind wesentlich besser in der Lage, diese komplexen Details zu erkennen, was in Zukunft den Weg für noch anspruchsvollere Messanfragen ebnen wird.
Ein weiterer Trend, den wir beobachten, ist die Nachfrage nach einer Inspektion der Ober- und Unterseite von Produkten. Die meisten Linieninspektoren können nur die Oberseite der Produkte beobachten, während sie auf einem Förderband vorbeilaufen, es sei denn, sie entnehmen Proben aus der Linie. Doch die Entnahme einer Handvoll Produktproben ist einfach nicht repräsentativ für die Produktion, insbesondere bei den hohen Volumina, mit denen Bäckereien heute arbeiten. KI-basierte Vision-Systeme können mit nach oben und unten gerichteten Kameras konfiguriert werden, um diese wichtigen Qualitäts- und Lebensmittelsicherheitsdaten zu erfassen.
Darüber hinaus besteht immer Interesse an Methoden zur Produktausschleusung, um Produkte, die nicht den Spezifikationen entsprechen, automatisch aus der Linie zu entfernen. Wir haben mit Unternehmen zusammengearbeitet, um einzigartige Ausschleusungslösungen zu entwickeln, die von anhebenden Nasenleisten bis hin zu Luftdüsen reichen, die betroffene Produkte zügig entfernen, ohne andere Produkte auf der Linie zu stören oder den Prozessfluss zu beeinträchtigen.
Wie ist maschinelles Lernen definiert, um verschiedene Produktionsschritte in Echtzeit zu optimieren?
Yuegang Zhao: Die Anwendungen des maschinellen Lernens erstrecken sich über den gesamten Backprozess. Nach dem Mischen und während der Teigformung kann ein KI-gestütztes Vision-System jedes Stück mit den erlernten Toleranzen für Form, Größe und andere Attribute vergleichen und vorgelagerte Geräte signalisieren, die möglicherweise neu kalibriert werden müssen.
Während des Teig backverhaltens kann das KI-Vision-System, das den Teigaufgang und die Oberflächenbeschaffenheit im Zeitverlauf überwacht, möglicherweise vorhersagen, ob die Bedingungen (Temperatur, Luftfeuchtigkeit und Zeit) ein optimales Volumen erzeugen.
Am Ausgang des Backofens können Vision-Systeme die Krustenfarbe, Oberflächengleichmäßigkeit, Formverformung, Rissbildung und andere Merkmale überwachen. Wenn Produkte nicht mehr korrekt ausgerichtet sind, kann das System Signale an die Ofensteuerung zurückgeben, um Zonentemperaturen, Bandgeschwindigkeit oder Dampfinjektion anzupassen und diese Defekte nahezu in Echtzeit zu korrigieren.
Was sind die Herausforderungen bei KI-Entscheidungsalgorithmen und wie werden konsistente Ergebnisse sichergestellt?
Yuegang Zhao: Letztendlich sind KI-Modelle nur so gut wie die Daten und die Trainingsmethode. In einem Bäckereibetrieb kann das Aussehen des Produkts je nach Zutatenqualität, saisonalen Mehleigenschaften, Geräteverschleiß, Umgebungsfeuchtigkeit und vielen anderen Faktoren variieren. Wenn der Trainingsdatensatz diese gesamte Bandbreite an Bedingungen nicht abdeckt, wird das Modell akzeptable Produkte ablehnen oder fehlerhafte durchlassen. Deshalb können der Aufbau eines repräsentativen Datensatzes, die kontinuierliche Überwachung und die regelmäßige Nachschulung teuer und zeitaufwendig sein, aber da sich Produktionsbedingungen zu zufälligen Zeiten ändern können, ist dieser Aufwand für den Erfolg wichtig.
Welche Möglichkeiten sehen Sie bei der Ausweitung des KI-Einsatzes in Bäckereien?
Yuegang Zhao: Viele Bäckereien, mit denen wir zusammenarbeiten, haben einen wachsenden und besorgniserregenden Trend festgestellt: In den letzten Jahren verlassen viele Bäckermeister, die über institutionelles Produkt- und Prozesswissen verfügen, die Branche – sei es durch den Ruhestand oder durch den Wechsel in ein neues Berufsfeld. Wenn sie die Bäckerei verlassen, nehmen sie ihr Wissen mit. Es kann Jahre dauern, bis die nächste Generation von Bäckermeistern die Anlagen, die Linien und die Produktstandards eines erfahrenen Bäckermeisters erlernt hat, aber genau hier bietet KI eine bedeutende Chance.
Bei Bäckermeistern ist die Entscheidungsfindung im Prozess zur zweiten Natur geworden. Sie erkennen allein durch das Fühlen der Teigbeschaffenheit oder den Blick auf die Gärhöhe der Produkte, die die Kammer verlassen, ob eine Anpassung erforderlich ist. Das Problem ist: Diese Informationen und dieses Know-how befinden sich ausschließlich in ihrem Kopf.
Der Einsatz von Instrumenten, die dabei helfen, das zu digitalisieren, was der Bäckermeister an seinen Produkten sieht oder fühlt, und die anschließende Nutzung dieser Daten, um ein KI-System auf diese Standards zu trainieren, damit es die nächste Generation von Bäckern und Bedienern bei der Entscheidungsfindung im Prozess unterstützen kann, ist eine riesige Chance für die Branche. Ein Instrument wie der Mixolab Universal Dough Analyzer ist ein aufkommendes Werkzeug zur Erfassung digitaler Daten, da er das Drehmoment eines Teigs während eines Heiz- und Kühlprozesses objektiv misst. Es gibt mittlerweile Protokolle, um Teigprobendaten in einer Testzeit von nur zwei Minuten auszugeben.
Durch die Entnahme von Teigproben aus der Linie mit einem Mixolab und den Abgleich der Analyse mit dem KI-gestützten System kann ein Großteil der Expertise des Bäckermeisters standardisiert und optimiert werden. Wir befinden uns bei diesem Konzept sicherlich noch in einem frühen Stadium, aber es ist etwas, das wir derzeit mit unseren Kunden erforschen.
Es ist jedoch wichtig, dass Bäckereien jetzt handeln und diese neuen Qualitätskontrollmethoden in Betracht ziehen, bevor noch mehr Bäckermeister diese Branche verlassen.
Was priorisiert Ihre F&E bei weiteren KI-Fortschritten? Und wie werden Qualitäts- und Sicherheitsbedenken abgedeckt?
Yuegang Zhao: Wir sind jetzt an einem Punkt angelangt, an dem unsere Kunden einen Großteil der Weiterentwicklungen unserer Produkte vorantreiben. Es vergeht kaum ein Tag, an dem wir nicht mit einer neuen Herausforderung oder Idee konfrontiert werden, um die Prozess- und Lebensmittelsicherheitsbemühungen unserer Anwender zu verbessern.
