Завод Pringles в Польше увеличил производственную мощность на 10% и снизил объем отходов на 13%, не устанавливая ни одной новой печи или конвейера. Добиться таких показателей помогли инвестиции в 4-5 млн долларов во внедрение машинного обучения и создание виртуальной модели поведения теста, рентабельность которых уже превысила 40%.
Совместный проект Kellanova и Siemens непрерывно анализирует состояние пищевой массы в реальном времени. Датчики и камеры собирают около 200 параметров каждую миллисекунду, учитывая размер частиц муки, влажность, уровень белка и сезонные изменения сельскохозяйственных культур. Если система замечает отклонения, алгоритм рекомендует оператору скорректировать рецептуру, например, изменить подачу воды или масла, чтобы предотвратить прилипание или разрывы пласта до того, как начнется массовый выпуск брака.
Для технологов и закупщиков пищевых производств этот кейс открывает новые перспективы в работе с нестабильными ингредиентами. Способность линии автоматически подстраиваться под колебания качества муки позволяет расширить пул поставщиков и смягчить жесткие спецификации на сырье. В будущем такой подход снизит зависимость фабрик от ручного контроля опытных мастеров и позволит стабильно выпускать продукт заданного качества даже при использовании разных сортов зерновых или картофеля.
Источник: bakeryandsnacks.com
