La IA ayuda a cerrar la brecha de conocimiento en los procesos de panadería
La siguiente entrevista se publicó originalmente en un número de Baking+Biscuit International. Siga este enlace para ver la entrevista en el sitio web de la publicación.
¿Cuáles han sido los aspectos más destacados de su trabajo de I+D en IA durante los últimos tres años?
Yuegang Zhao: En KPM Analytics, nuestro enfoque en la IA se centra en ayudar a las panaderías a optimizar sus operaciones, obtener información más detallada sobre el control de procesos, garantizar la calidad y consistencia del producto, y reforzar las medidas de seguridad alimentaria. A medida que las operaciones de panadería se han vuelto más automatizadas y rápidas, y dado que muchos expertos del sector se jubilan o abandonan la industria por otros motivos, la IA está ayudando a reducir las brechas de conocimiento a las que se enfrentan hoy en día muchas panaderías.
Un área en la que hemos invertido mucho en I+D es el desarrollo de aplicaciones de inspección visual basadas en IA para examinar productos en diversas etapas del proceso. Las operaciones de panadería actuales, de ritmo acelerado, simplemente no pueden depender de inspectores humanos para detectar productos fuera de especificación, especialmente porque este método es totalmente subjetivo y difícil de controlar en múltiples líneas de producción y turnos. Nuestras tecnologías de visión por IA incorporan cámaras de alta resolución, iluminación especializada y un software potente que observa todos los productos de la línea en busca de rasgos de calidad vitales como el tamaño, la forma, el color, el volumen y más, además de detectar anomalías extrañas con una precisión superior a la que puede alcanzar el ojo humano.
KPM se encuentra a la vanguardia del desarrollo de modelos de IA para sistemas de inspección visual. Contamos con un equipo dedicado de científicos de datos que investigan y mejoran constantemente los modelos para lograr mejores capacidades de detección y menos falsos positivos. Ya sea contando tortillas que se apilan en una máquina de envasado o inspeccionando materiales extraños difíciles de detectar, como restos de masa en la base de un panecillo, apenas hemos comenzado a aprovechar el potencial de la capacidad de inspección impulsada por IA.
¿En qué áreas de producción han incorporado ya funciones de IA en su tecnología?
Yuegang Zhao: Nuestros sistemas de visión basados en IA se han implementado en diversas líneas de panadería para una variedad de tareas. Existen dos categorías principales para los sistemas de visión: Control de Procesos por Visión (VPC) e Inspección de Producto Final (FPI).
Los sistemas de visión VPC cubren todo lo que el cliente desee inspeccionar sobre sus productos antes del envasado. Esto puede ir desde el análisis de las masas que salen de la formadora o la cámara de fermentación hasta la medición de la cobertura de ingredientes (por ejemplo, semillas en un pan de hamburguesa) antes del horneado. Nuestros sistemas de visión por IA están entrenados para detectar incluso pequeñas inconsistencias en el producto que podrían indicar un problema en el proceso de producción automatizado. Las tecnologías VPC eliminan gran parte de las conjeturas y la subjetividad del control de procesos, ayudando a los operadores a tomar mejores decisiones que garanticen la calidad y la seguridad.
Los sistemas FPI, como su nombre indica, funcionan como la verificación final de los atributos visibles de los productos. Con la capacidad de inspeccionar el 100% de los productos en la línea, las tecnologías FPI eliminan la necesidad de inspecciones de calidad rutinarias. Y como el sistema nunca toma descansos ni días libres, inspecciona constantemente los productos bajo estándares rigurosos, a la vez que detecta materiales extraños y peligros no deseados.
¿Cuáles son las solicitudes más frecuentes que reciben?
Yuegang Zhao: La tecnología de inspección por visión no es nueva en la industria panadera, pero la demanda de mediciones más complejas y profundas ha impulsado el desarrollo de nuevas aplicaciones basadas en IA. Por ejemplo, un productor de pan para hamburguesas antes se conformaba con atributos sencillos como la forma y el color, y con la garantía de que el producto encajaría bien en el envase. Sin embargo, ahora les interesan mediciones detalladas, como el brillo del pan o la presencia de burbujas de aire en el producto final. Los sistemas de visión por IA están mucho mejor equipados para detectar estos detalles intrincados, lo que abrirá la puerta a solicitudes de medición aún más complejas en el futuro.
Otra tendencia común que estamos observando es la demanda de inspección de productos tanto por la parte superior como por la inferior. La mayoría de los inspectores de línea solo pueden observar la parte superior de los productos a medida que pasan por la cinta transportadora, a menos que extraigan muestras de la línea. Pero extraer un puñado de muestras de producto a la vez no es representativo de la producción, especialmente con los altos volúmenes que manejan las panaderías hoy en día. Los sistemas de visión basados en IA pueden configurarse con cámaras orientadas hacia arriba y hacia abajo para recopilar estos datos vitales de calidad y seguridad alimentaria.
Además, siempre existe interés en los métodos de rechazo de productos para retirar automáticamente de la línea aquellos que no cumplen con las especificaciones. Hemos trabajado con empresas para desarrollar soluciones de rechazo únicas, que van desde barras elevadoras hasta chorros de aire que retiran rápidamente los productos afectados sin alterar los demás productos de la línea ni afectar el flujo del proceso.
¿Cómo se define el aprendizaje automático para optimizar diversas etapas de producción en tiempo real?
Yuegang Zhao: Las aplicaciones del aprendizaje automático abarcan todo el proceso de panificación. Después del mezclado y durante el formado de la masa, un sistema de visión con IA puede comparar cada pieza con las tolerancias aprendidas de forma, tamaño y otros atributos, enviando señales a los equipos anteriores que puedan necesitar una recalibración.
Durante la fermentación, el sistema de visión por IA que monitorea el crecimiento de la masa y la textura de la superficie a lo largo del tiempo puede predecir si las condiciones de fermentación (temperatura, humedad y tiempo) están produciendo el volumen óptimo.
En la etapa de salida del horno, los sistemas de visión pueden monitorear el color de la corteza, la uniformidad de la superficie, la deformación de la forma, el agrietamiento y otras características. Si los productos se desalinean, el sistema puede enviar señales a los controles del horno para ajustar las temperaturas de las zonas, la velocidad de la cinta o la inyección de vapor, corrigiendo estos defectos casi en tiempo real.
¿Cuáles son los desafíos de los algoritmos de toma de decisiones por IA y cómo se garantizan resultados consistentes?
Yuegang Zhao: La conclusión es que los modelos de IA son tan buenos como los datos y el método de entrenamiento utilizados. En una operación de panadería, la apariencia del producto puede variar según la calidad de los ingredientes, las características estacionales de la harina, el desgaste del equipo, la humedad ambiental y muchos otros factores. Si el conjunto de datos de entrenamiento no captura esta gama completa de condiciones, el modelo rechazará productos aceptables o dejará pasar los defectuosos. Por eso, crear un conjunto de datos representativo, realizar un monitoreo continuo y un reentrenamiento periódico puede resultar costoso y lento, pero dado que las condiciones de producción pueden cambiar en cualquier momento, este esfuerzo es fundamental para el éxito.
¿Qué oportunidades ve en la expansión del uso de la IA en las panaderías?
Yuegang Zhao: Muchas de las panaderías con las que hemos trabajado han notado una tendencia creciente y preocupante: en los últimos años, muchos maestros panaderos que poseen conocimientos institucionales sobre productos y procesos están abandonando el sector, ya sea por jubilación o por buscar una nueva línea de trabajo. Cuando se van de la panadería, su conocimiento se va con ellos. Puede llevar años que la siguiente generación de maestros panaderos aprenda a manejar los equipos, las líneas y los estándares de producto de un maestro experimentado, pero es aquí donde la IA puede ofrecer una oportunidad significativa.
En el caso de los maestros panaderos, la toma de decisiones durante el proceso es algo natural. Pueden saber si es necesario realizar un ajuste simplemente sintiendo la textura de la masa o observando la altura de fermentación de los productos al salir de la cámara. El problema es que toda esta información y experiencia reside únicamente en su mente.
Utilizar instrumentos que ayuden a digitalizar lo que el maestro panadero ve o siente sobre sus productos, y luego emplear esos datos para entrenar a un sistema de IA en dichos estándares para que pueda asistir a la siguiente generación de panaderos y operadores en la toma de decisiones, representa una oportunidad enorme para la industria. Un instrumento como el analizador universal de masas Mixolab es una herramienta emergente para obtener datos digitales, ya que mide objetivamente el par de torsión de una masa durante un proceso de calentamiento y enfriamiento. Actualmente existen protocolos para obtener datos de muestras de masa en tan solo dos minutos de prueba.
Ahora, al tomar muestras de masa de la línea con un Mixolab y comparar su análisis con el sistema basado en IA, gran parte de la experiencia del maestro panadero puede estandarizarse y optimizarse. Sin duda, todavía estamos en las primeras etapas de este concepto, pero es algo que estamos explorando con nuestros clientes actuales.
Sin embargo, es importante que las panaderías actúen ahora y consideren estos nuevos métodos de control de calidad antes de que más maestros panaderos abandonen el sector.
¿Qué prioriza su departamento de I+D en los futuros avances de la IA? ¿Y cómo se abordan las preocupaciones sobre calidad y seguridad?
Yuegang Zhao: Hemos llegado a un punto en el que nuestros clientes son quienes realmente impulsan gran parte de los avances de nuestros productos. Rara vez pasa un día sin que se nos presente un nuevo desafío o una idea para mejorar los procesos y los esfuerzos de seguridad alimentaria de nuestros usuarios.
