Fabricación cognitiva de alimentos alineada con los ODS

Ante la falta de un conocimiento sólido sobre las múltiples variables de los diferentes procesos de fabricación que afectan a la calidad del producto final en las empresas de alimentación, en ocasiones, nos encontramos ante pérdidas económicas por retirada de producto y, otros aspectos relacionados con la calidad y seguridad alimentaria.  Ante esta situación, desde AINIA hemos desarrollado una solución capaz de monitorizar las variables clave del proceso relacionadas con la calidad del producto, ¿quieres conocerla?

Existen intuiciones de como todas las múltiples variables de los diferentes procesos de fabricación proceso afectan a la calidad del producto final, pero no tenemos un conocimiento sólido y objetivo al respecto. En cierto modo, en la mayoría de los casos se depende del conocimiento personal de los profesionales que trabajan en planta.

Esta situación conlleva generalmente pérdidas económicas por retirada de producto e incluso se puede ver comprometida la Seguridad Alimentaria si no somos capaces de explicar rápidamente un potencial riesgo. Por ello, desde AINIA estamos trabajando como especialistas en la mejora de los procesos de producción y fabricación de alimentos.

Hemos identificado la necesidad de desarrollos tecnológicos capaces de monitorizar las variables clave del proceso relacionadas con la calidad del producto, y con capacidades/ habilidades predictivas que faciliten la toma de decisiones anticipadas para homogenizar la calidad del producto y que éste sea seguro libre de riesgos microbiológicos.  Os lo contamos.

Fases para el desarrollo e implantación de la solución en la empresa

1. Análisis de situación inicial de partida: Analizar los productos y procesos actuales e identificar las variables de influencia principales y qué datos son los que potencialmente explican sus efectos.
2. Captura masiva de datos: Esta fase comienza con la identificación de los sistemas de información de la empresa, con la identificación de nuevas fuentes de datos (sensores, medidas de laboratorio) que puedan explicar mejor el proceso.
3. Generación de modelos computacionales: Son modelos basados en inteligencia artificial que son capaces de simular la influencia de las variables de proceso, por ejemplo, de una línea determinada, sobre las variables de calidad del producto.
4. Desarrollar un software en el que se embarcan los modelos computacionales y con el que los expertos son capaces de simular y predecir situaciones que les permiten ir más allá de sus intuiciones de cómo funciona una línea de producción.
5. Realizar una serie de pruebas sobre el entorno real productivo para afinar y reentrenar los modelos para que describan lo más fielmente este proceso.

Ventajas que aporta la solución COGNOSFOOD

• Mejora del tiempo de respuesta ante un problema de calidad, porque podemos analizar sus causas y corregirlas. Este aspecto permite mejorar la confianza que los clientes (retailers) tienen sobre el fabricante y potencia su fidelización.
• Minimización de los problemas de calidad ya que conseguimos homogenizarla y replicarla. Esto minimiza también los riesgos sobre la imagen de marca.
• Obtención de ahorros relativos a mermas y reclamaciones, a la par que estamos reduciendo el desperdicio alimentario ya en la fase de fabricación.
• Aumento de la calidad del producto
• Retención y explotación del conocimiento de la organización: Conseguimos que el conocimiento se quede en la propia organización de manera explotable en la forma de un modelo computacional, que es necesario mantener y seguir mejorando con el tiempo

Fabricación cognitiva de alimentos alineada con los ODS

El proyecto COGNOSFOOD, que está apoyado por el IVACE de la Conselleria d’Economia Sostenible, Sectors Productius, Comerç y Treball de la Comunitat Valenciana, a través de fondos FEDER, está vinculado con los Objetivos de Desarrollo Sostenible en 3 actuaciones:

• ODS 9 Industria, innovación e infraestructura
• ODS 12 Producción y consumo responsable
• ODS 13 Acción por el clima