Sztuczna inteligencja pomaga zniwelować lukę w wiedzy na temat procesów piekarniczych
Poniższy wywiad został pierwotnie opublikowany w wydaniu Baking+Biscuit International. Kliknij ten link, aby zobaczyć wywiad na stronie internetowej publikacji.
Jakie są najważniejsze osiągnięcia Państwa prac badawczo-rozwojowych w dziedzinie sztucznej inteligencji w ciągu ostatnich trzech lat?
Yuegang Zhao: W KPM Analytics nasz nacisk na sztuczną inteligencję koncentruje się na pomaganiu piekarniom w usprawnianiu operacji, uzyskiwaniu głębszego wglądu w kontrolę procesów, zapewnianiu jakości i spójności produktów oraz wzmacnianiu działań na rzecz bezpieczeństwa żywności. Ponieważ operacje piekarnicze stają się coraz bardziej zautomatyzowane i szybsze, a wielu ekspertów odchodzi z branży na emeryturę lub z innych powodów, sztuczna inteligencja pomaga zmniejszyć luki w wiedzy, z którymi boryka się dziś wiele piekarni.
Jednym z obszarów, w który intensywnie inwestujemy w ramach naszych prac badawczo-rozwojowych, jest rozwój aplikacji do kontroli wizyjnej opartych na sztucznej inteligencji, służących do sprawdzania produktów na różnych etapach procesu. Dzisiejsze szybkie operacje piekarnicze po prostu nie mogą polegać na ludzkich inspektorach w kwestii wykrywania produktów niezgodnych ze specyfikacją, zwłaszcza że metoda ta jest całkowicie subiektywna i trudna do kontrolowania na wielu liniach produkcyjnych i zmianach w piekarni. Nasze technologie wizyjne oparte na sztucznej inteligencji wykorzystują kamery o wysokiej rozdzielczości, specjalistyczne oświetlenie i zaawansowane oprogramowanie, które obserwują wszystkie produkty na linii pod kątem istotnych cech jakościowych, takich jak rozmiar, kształt, kolor, objętość i inne, a także wykrywają obce anomalie z dokładnością wykraczającą poza możliwości ludzkiego oka.
KPM znajduje się w czołówce rozwoju modeli sztucznej inteligencji dla systemów kontroli wizyjnej. Mamy dedykowany zespół naukowców zajmujących się danymi, którzy nieustannie badają i ulepszają modele, zapewniając lepsze możliwości wykrywania i mniejszą liczbę fałszywych alarmów. Niezależnie od tego, czy chodzi o liczenie tortilli układanych w maszynie pakującej, czy o wykrywanie łatwych do przeoczenia ciał obcych, takich jak osady ciasta na spodzie bułki, dopiero zaczęliśmy wykorzystywać potencjał możliwości kontroli opartych na sztucznej inteligencji.
W jakich obszarach produkcji wdrożyli już Państwo funkcje sztucznej inteligencji do swojej technologii?
Yuegang Zhao: Nasze systemy wizyjne oparte na sztucznej inteligencji zostały wdrożone na różnych liniach piekarniczych do szeregu różnych zadań. Istnieją dwie główne kategorie systemów wizyjnych: Kontrola Procesu Wizyjnego (VPC) oraz Kontrola Produktu Końcowego (FPI).
Systemy wizyjne VPC obejmują wszystko, co klient chce sprawdzić w swoich produktach przed zapakowaniem. Może to obejmować analizę ciasta opuszczającego formierkę lub komorę garowniczą, aż po pomiar pokrycia dodatkami (np. nasionami na bułce do hamburgerów) przed wypiekiem. Nasze systemy wizyjne oparte na sztucznej inteligencji są przeszkolone w wykrywaniu nawet drobnych niespójności produktu, które mogą sygnalizować problem w zautomatyzowanym procesie produkcyjnym. Technologie VPC eliminują wiele domysłów i subiektywizmu z kontroli procesu, pomagając operatorom podejmować lepsze decyzje procesowe, które zapewniają jakość i bezpieczeństwo.
Systemy FPI, jak wskazuje nazwa kategorii, pełnią funkcję ostatecznej kontroli widocznych atrybutów produktów. Dzięki możliwości sprawdzenia 100% produktów na linii, technologie FPI eliminują potrzebę rutynowej kontroli jakości. A ponieważ system nigdy nie robi sobie przerwy ani dnia wolnego, stale sprawdza produkty zgodnie z rygorystycznymi standardami, jednocześnie wykrywając niepożądane ciała obce i zagrożenia.
Jakie są najczęstsze prośby, które Państwo otrzymują?
Yuegang Zhao: Technologia kontroli wizyjnej nie jest nowością w branży piekarniczej, jednak zapotrzebowanie na bardziej złożone i dogłębne pomiary napędza rozwój nowych aplikacji opartych na sztucznej inteligencji. Przykładowo, producent bułek do hamburgerów był kiedyś zadowolony z prostych atrybutów, takich jak kształt i kolor bułki oraz zapewnienie, że zmieści się ona w opakowaniu. Obecnie jednak interesują go szczegółowe pomiary, takie jak połysk bułki czy obecność pęcherzyków powietrza w gotowych produktach. Systemy wizyjne oparte na sztucznej inteligencji znacznie lepiej radzą sobie z wykrywaniem tych zawiłych szczegółów, co w przyszłości otworzy drzwi do jeszcze bardziej złożonych wymagań pomiarowych.
Kolejnym trendem, który obserwujemy, jest rosnące zapotrzebowanie na kontrolę produktów zarówno od góry, jak i od dołu. Większość systemów kontroli linii produkcyjnych może obserwować jedynie górną stronę produktów przesuwających się na przenośniku, chyba że próbki są pobierane z linii. Jednak pobieranie garści próbek produktów na raz nie jest reprezentatywne dla całej produkcji, zwłaszcza przy dużej skali, w jakiej działają dzisiejsze piekarnie. Systemy wizyjne oparte na sztucznej inteligencji można skonfigurować z kamerami skierowanymi w górę i w dół, aby gromadzić te kluczowe dane dotyczące jakości i bezpieczeństwa żywności.
Klienci są również zawsze zainteresowani metodami odrzucania produktów, aby automatycznie usuwać z linii te, które nie spełniają norm. Współpracowaliśmy z firmami przy opracowywaniu unikalnych rozwiązań w zakresie odrzucania, począwszy od podnoszonych listew, aż po dysze powietrzne, które szybko usuwają wadliwe produkty, nie zakłócając przy tym innych produktów na linii ani nie wpływając na przepływ procesu.
W jaki sposób definiuje się uczenie maszynowe, aby optymalizować różne etapy produkcji w czasie rzeczywistym?
Yuegang Zhao: Zastosowania uczenia maszynowego obejmują cały proces wypieku. Po etapie mieszania i formowania ciasta, system wizyjny zasilany sztuczną inteligencją może porównać każdy kawałek z wyuczonymi tolerancjami dotyczącymi kształtu, rozmiaru i innych atrybutów, sygnalizując urządzeniom znajdującym się wcześniej w procesie konieczność ewentualnej rekalibracji.
Podczas wyrastania ciasta, system wizyjny AI monitorujący wzrost ciasta i teksturę powierzchni w czasie może przewidzieć, czy warunki wyrastania (temperatura, wilgotność i czas) zapewniają uzyskanie optymalnej objętości.
Na etapie wyjścia z pieca systemy wizyjne mogą monitorować kolor skórki, jednolitość powierzchni, deformację kształtu, pęknięcia i inne cechy. Jeśli produkty wypadną z linii, system może przesyłać sygnały zwrotne do sterowników pieca, aby dostosować temperaturę stref, prędkość taśmy lub wtrysk pary, korygując te wady niemal w czasie rzeczywistym.
Jakie są wyzwania związane z algorytmami decyzyjnymi AI i w jaki sposób zapewnia się spójność wyników?
Yuegang Zhao: Sedno sprawy polega na tym, że modele AI są tak dobre, jak dane i metoda ich uczenia. W piekarni wygląd produktu może się różnić w zależności od jakości składników, sezonowych właściwości mąki, zużycia sprzętu, wilgotności otoczenia i wielu innych czynników. Jeśli zestaw danych treningowych nie obejmuje pełnego zakresu tych warunków, model będzie odrzucał produkty akceptowalne lub przepuszczał wadliwe. Dlatego budowanie reprezentatywnego zbioru danych, ciągłe monitorowanie i okresowe douczanie modelu mogą być kosztowne i czasochłonne, ale ponieważ warunki produkcyjne mogą zmieniać się w nieprzewidywalnych momentach, wysiłek ten jest kluczowy dla sukcesu.
Jakie możliwości widzisz w rozszerzaniu wykorzystania sztucznej inteligencji w piekarniach?
Yuegang Zhao: Wiele piekarni, z którymi współpracujemy, zauważyło niepokojący trend: w ciągu ostatnich kilku lat wielu mistrzów piekarstwa posiadających kluczową wiedzę o produktach i procesach odchodzi z branży, przechodząc na emeryturę lub zmieniając zawód. Wraz z ich odejściem znika również ich wiedza. Kolejnemu pokoleniu mistrzów piekarstwa opanowanie obsługi urządzeń, linii produkcyjnych i standardów jakości może zająć lata, ale to właśnie tutaj sztuczna inteligencja otwiera przed nami ogromne możliwości.
W przypadku mistrzów piekarstwa podejmowanie decyzji procesowych jest czymś naturalnym. Potrafią oni ocenić, czy konieczna jest korekta, po prostu dotykając ciasta lub patrząc na wysokość wyrośniętych produktów opuszczających komorę. Problem polega na tym, że cała ta wiedza i doświadczenie znajdują się wyłącznie w ich głowach.
Wykorzystanie oprzyrządowania, które pomaga zdigitalizować to, co mistrz piekarstwa widzi lub czuje w swoich produktach, a następnie użycie tych danych do przeszkolenia systemu AI zgodnie z tymi standardami, aby mógł on wspierać kolejne pokolenia piekarzy i operatorów w podejmowaniu decyzji procesowych, stanowi ogromną szansę dla branży. Instrument taki jak Mixolab Universal Dough Analyzer to nowoczesne narzędzie pozwalające na pozyskiwanie danych cyfrowych poprzez obiektywny pomiar momentu obrotowego ciasta w trakcie procesu ogrzewania i chłodzenia. Obecnie istnieją protokoły umożliwiające uzyskanie danych z próbki ciasta w czasie zaledwie dwóch minut testowania.
Teraz, dzięki pobieraniu próbek ciasta z linii produkcyjnej za pomocą urządzenia Mixolab i porównywaniu wyników analizy z systemem opartym na sztucznej inteligencji, znaczną część wiedzy mistrza piekarstwa można ustandaryzować i usprawnić. Jesteśmy co prawda na wczesnym etapie rozwoju tej koncepcji, ale jest to coś, co badamy wspólnie z naszymi obecnymi klientami.
Ważne jest jednak, aby piekarnie działały już teraz i rozważyły te nowe metody kontroli jakości, zanim kolejni mistrzowie piekarstwa opuszczą branżę.
Jakie priorytety wyznacza dział R&D w zakresie dalszego rozwoju sztucznej inteligencji? I w jaki sposób uwzględniane są kwestie jakości oraz bezpieczeństwa?
Yuegang Zhao: Jesteśmy obecnie w punkcie, w którym to nasi klienci w dużej mierze napędzają rozwój naszych produktów. Rzadko mija dzień, w którym nie stajemy przed nowym wyzwaniem lub pomysłem na usprawnienie procesów i działań związanych z bezpieczeństwem żywności u naszych użytkowników.
