La IA ayuda a cerrar la brecha de conocimiento en los procesos de panificación
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 son los aspectos más destacados de su trabajo de I+D en IA durante los últimos tres años?
Yuegang Zhao: Para KPM Analytics, nuestro enfoque en la IA se centra en ayudar a las panaderías a optimizar sus operaciones, obtener información más profunda sobre el control de procesos, garantizar la calidad y consistencia del producto, y reforzar las iniciativas 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 nuestra I+D es el desarrollo de aplicaciones de inspección por visión 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 por visión. Contamos con un equipo dedicado de científicos de datos que investigan y mejoran constantemente los modelos con 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 bollo, apenas hemos empezado a aprovechar el potencial de la capacidad de inspección basada en IA.
¿En qué áreas de producción ha incorporado ya funciones de IA a su tecnología?
Yuegang Zhao: Nuestros sistemas de visión basados en IA se han implementado en diversas líneas de panadería para una serie de tareas diferentes. 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 desea 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 los ingredientes (por ejemplo, semillas en una 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 indica el nombre de su categoría, funcionan como la comprobación final de los atributos visibles de los productos. Con la capacidad de inspeccionar el 100% de los productos de la línea, las tecnologías FPI eliminan la necesidad de una inspección de calidad rutinaria. Y como el sistema nunca se toma un descanso ni un día libre, inspecciona constantemente los productos según estándares exigentes, a la vez que detecta materiales extraños y peligros no deseados.
¿Cuáles son las solicitudes más frecuentes que recibe?
Yuegang Zhao: La tecnología de inspección por visión no es nueva en la industria panadera, pero las solicitudes de mediciones más complejas y profundas han impulsado el desarrollo de nuevas aplicaciones basadas en IA. Por ejemplo, un productor de pan para hamburguesas solía conformarse con atributos simples como la forma y el color del pan, y con la garantía de que encajaría correctamente en el envase del producto. Sin embargo, ahora les interesan mediciones detalladas, como el brillo del pan o la presencia de burbujas de aire en sus productos finales. 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 de solicitud común que estamos observando es la demanda de inspección de productos por la parte superior e inferior. La mayoría de los inspectores de línea solo pueden observar la parte superior de los productos a medida que pasan por una 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 están interesados en métodos de rechazo de productos para retirar automáticamente de la línea los productos que no cumplen 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 perturbar a los demás productos de la línea ni afectar al flujo del proceso.
¿Cómo se define el aprendizaje automático para optimizar diversos pasos 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 basado en IA puede comparar cada pieza con las tolerancias aprendidas de forma, tamaño y otros atributos, señalando a los equipos anteriores que puedan necesitar una recalibración.
Durante la fermentación, el sistema de visión por IA que monitoriza el aumento de la masa y la textura de la superficie puede predecir si las condiciones (temperatura, humedad y tiempo) están generando el volumen óptimo.
En la fase de horneado o salida del horno, los sistemas de visión pueden controlar el color de la corteza, la uniformidad de la superficie, la deformación, las grietas y otros rasgos. Si los productos se desalinean, el sistema puede enviar señales a los controles del horno para ajustar la temperatura de las zonas, la velocidad de la cinta o la inyección de vapor y corregir estos defectos casi en tiempo real.
¿Cuáles son los retos de los algoritmos de toma de decisiones por IA y cómo se garantizan resultados coherentes?
Yuegang Zhao: La clave es que los modelos de IA son tan buenos como los datos y el método de entrenamiento. En una panadería, el aspecto del producto varía según la calidad de los ingredientes, la harina estacional, el desgaste de los equipos, la humedad ambiental y otros factores. Si el conjunto de datos de entrenamiento no abarca toda esta variedad, el modelo rechazará productos aceptables o aceptará defectuosos. Por eso, crear un conjunto de datos representativo, realizar un seguimiento continuo y reentrenar periódicamente puede ser costoso y lento, pero es fundamental para el éxito, ya que las condiciones de producción cambian constantemente.
¿Qué oportunidades ve en la expansión del uso de la IA en las panaderías?
Yuegang Zhao: Muchas panaderías con las que trabajamos han notado una tendencia preocupante: en los últimos años, muchos maestros panaderos que poseen conocimientos institucionales sobre productos y procesos están dejando el sector, ya sea por jubilación o por cambio de profesión. Cuando se van, su conocimiento se pierde. La siguiente generación puede tardar años en aprender a manejar los equipos, las líneas y los estándares de calidad de un maestro experimentado, y aquí es donde la IA ofrece una gran oportunidad.
Para los maestros panaderos, la toma de decisiones es algo natural. Saben si es necesario un ajuste con solo tocar la textura de la masa o ver la altura de fermentación de los productos al salir de la cámara. El problema es que toda esa experiencia reside únicamente en su cabeza.
Utilizar instrumentos que ayuden a digitalizar lo que el maestro panadero ve o siente, y emplear esos datos para entrenar a un sistema de IA, es una oportunidad enorme para el sector. El analizador universal de masas Mixolab es una herramienta emergente que permite obtener datos digitales al medir objetivamente el par de torsión de la masa durante el proceso de calentamiento y enfriamiento. Ya existen protocolos para obtener datos de muestras de masa en solo dos minutos.
Al tomar muestras de la línea con un Mixolab y comparar su análisis con el sistema de IA, gran parte de la experiencia del maestro panadero puede estandarizarse y optimizarse. Estamos en las primeras etapas, pero es algo que ya estamos explorando con nuestros clientes.
No obstante, es importante que las panaderías actúen ya 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 avances de IA? ¿Y cómo se abordan las preocupaciones sobre calidad y seguridad?
Yuegang Zhao: Estamos en un punto en el que nuestros clientes impulsan gran parte de las mejoras de nuestros productos. Casi a diario recibimos nuevos retos o ideas para mejorar los procesos y la seguridad alimentaria de nuestros usuarios.
