Як штучний інтелект революціонізує бізнес харчової промисловості?

Сагар Шарма

15 липня 2019 · 5 хв читання

Штучний інтелект привертає увагу бізнесу в багатьох галузях та галузях, серед яких одна з них - переробка та переробка продуктів харчування (FP&H). Сьогодні галузь FP&H обмежена колосальними 100 мільярдами доларів і буде продовжувати зростати на рівні CAGR 5% принаймні до 2021 року, говорить МакКінсі.

ШІ впливає як на пряму, так і на опосередковану галузь ЗП та З. Наприклад, опосередковано, це допомагає фермерам з прогнозуванням погоди, що допоможе фермерам виробляти високоякісну сировину для харчових підприємств, допомагаючи їм економити гроші на сортуванні продукту. ШІ також допомагає транспортним компаніям у зменшенні вартості доставки, змушуючи харчові компанії платити менше за транспорт. У будь-якому випадку, це допомагає компаніям FP&H економити дохід.

Однак, дивлячись на прямі переваги ШІ, він допомагає сектору ПЗ та ЗП у п’яти важливих додатках,

Сортування пакетів та продуктів
Відповідність безпеці харчових продуктів
Підтримка чистоти
Розробка продуктів
Допомога клієнтам у прийнятті рішень

Переробка їжі - складний бізнес. Він передбачає сортування продуктів харчування чи сировини, що надходять із ферми, обслуговування техніки та декількох видів обладнання тощо. Врешті-решт, коли кінцевий продукт готовий до відвантаження, люди перевіряють якість товару та вирішують, чи готовий він до відвантаження. Однак у багатьох підрозділах харчової промисловості цей процес автоматизований ШІ. Нижче наведено 5 найкращих додатків ШІ, які безпосередньо впливають на харчові компанії та допомагають їм збільшити свій дохід та покращити взаємодію з клієнтами.

1. Сортування пакетів та продуктів

Першим оперативним завданням, з яким стикаються харчові компанії, є сортування сировини. Кожна картопля, помідор, апельсин та яблуко відрізняються, а отже, воно вимагає ретельного сортування, оскільки кожна харчова компанія має підтримувати певну якість, щоб залишатися конкуренцією. Якщо не автоматизувати за допомогою ШІ та інших нових технологій, таких як IoT, цей процес вимагає величезної кількості людської праці.

За даними TOMRA, провідного постачальника рішень для сортування та збору в Норвегії, 90% їжі сортували люди до кінця 20 століття. На відміну від інших машин для сортування їжі, які лише сортують неякісні фрукти та овочі від хороших, TOMRA використовує рентгенівську, NIR (майже інфрачервону) спектроскопію, LASER, камери та унікальний алгоритм машинного навчання для аналізу різних аспектів фрукт або овоч для сортування.

Японська компанія з переробки харчових продуктів Kewpie Corporation створила машину TensorFlow на основі штучного інтелекту для виявлення аномалій, що існують у продуктах харчування, що надходять з ферм. Такі корпорації, як TORMA та Kewpie, допомагають харчовим компаніям не тільки збільшити свої доходи, але й покращити врожайність.

2. Відповідність харчовій безпеці

Безпека є головною проблемою в галузі харчової промисловості. Навіть найменше забруднення може спричинити їжа. Заводи почали впроваджувати камери на основі штучного інтелекту, щоб визначити, чи одягнений працівник у належному костюмі чи ні. Однак це масштабна реалізація того, що Шанхайське муніципальне агентство охорони здоров’я впровадило в ресторанах Шанхаю. У співпраці з Remark Holding агентство впровадило камери з підтримкою ШІ у понад 200 ресторанах і планує розширити свою діяльність до більш ніж 2000 ресторанів.

Камери з підтримкою штучного інтелекту допомогли керівникам ресторанів стежити за працівниками ресторану щодо того, чи носять вони належні засоби захисту харчових продуктів згідно з правилами безпеки харчових продуктів. Це допомагає їм виявляти будь-яку недисциплінованість у режимі реального часу.

3. Підтримання чистоти

Підтримка чистоти є основною проблемою на харчових фабриках. Багато компаній стверджують, що вони чисті, як лід, тому що кожен їх процес автоматизований і недоторканий руками людини. Що робити, якщо машини та частини обладнання забруднені? Клієнти також стали розумними, і вони знають, що автоматизація кожного процесу не означає, що продукт буде безпечним для вживання. Їм потрібно більше доказів.

За даними Університету Ноттінгема, на очищення обладнання припадає майже 30% запасів енергії та води харчового заводу. Вони стверджують, що їх сенсорна технологія на основі штучного інтелекту здатна заощадити майже $ 133 млн на рік, а також заощадити час (на 50%), енергію та воду для очищення обладнання.

Традиційні системи очищення не включали жодних датчиків, які призвели до залишків частинок їжі в посудинах обладнання. Система не змогла очистити дрібні частинки їжі, що могла б нова самооптимізуюча система очищення. Він використовує оптичні флуоресцентні візуалізації та ультразвукові технології зондування для доставки даних до алгоритму машинного навчання, що допоможе контролювати мікробний сміття та частинки їжі в обладнанні.

4. Розробка продуктів

Харчова промисловість унікальна в своєму роді, оскільки одна компанія може надати стільки продуктів. Наприклад, гігант напоїв Coca-Cola придбав понад 500 торгових марок і пропонує своїм клієнтам понад 3500 видів напоїв. Але виникає питання, як компанія вирішує, який аромат створити далі? До ШІ бренд проводив опитування та кампанії, щоб визначити, чого хочуть їхні клієнти.

В даний час Coca-Cola зберігає кілька самообслуговуючих содових фонтанів, які дозволяють клієнтам створювати власні напої, змішуючи різноманітні напої, які пропонує Coca-Cola. Тисячі таких фонтанів були розкладені по всій території США. Сотні клієнтів використовували кожен з цих фонтанів для створення своїх персональних напоїв. Використовуючи ШІ, вони проаналізували та виявили, що більшість споживачів змішують соду із вишневою содою та спрайт. Ці дані допомогли Coca-Cola запропонувати свій новий продукт, Cherry Sprite.

5. Допомога клієнтам у прийнятті рішень

Подібно до харчових компаній, AI також допомагає своїм клієнтам прийняти кращі рішення щодо придбання. Гігант виробництва харчових продуктів Kellogg запустив Bear Naked Custom, що дозволило споживачам створити свою персоналізовану гранолу за допомогою понад 50 інгредієнтів. Система використовувала шеф-повара Уотсона від IBM, щоб зберігати тисячі можливих рецептів та передавати їх за алгоритмом ШІ, який допомагав клієнтам визначити, чи смакуватимуть інгредієнти разом.

Ця система не тільки допомогла клієнтам створити свої невеликі персоналізовані партії граноли, але також допомогла компанії визначити, якою має бути їх наступна лінійка продуктів, подібна до Coca-Cola.

Незважаючи на те, що ШІ перебуває на початковій стадії, переробляє бізнес з переробки та переробки продуктів харчування. У найближчі роки це назавжди зробить революцію в секторі добробуту та здоров'я. ШІ допоможе цим компаніям збільшити свої доходи шляхом прискорення виробничого процесу, скорочення часу на технічне обслуговування і, отже, простою виробництва, зменшення шансів на збій шляхом автоматизації майже кожного процесу та врешті-решт надання чудового досвіду для клієнтів шляхом прогнозування їхніх сподобань, антипатій та бажання.

Дзвінок пролунав для постачальників послуг з розробки мобільних додатків, оскільки найближчим часом буде багато компаній FP&H, які шукають постачальників рішень для штучного інтелекту, які допоможуть їм не лише залишатися в конкурентній боротьбі, але й керувати галуззю.