CC BY
142Технологии искусственного интеллекта в пищевой промышленности
Михеев Петр Николаевич
аспирант, Российский биотехнологический университет, pmikheev@gmail.com
Рассматриваются возможности применения технологий искусственного интеллекта в пищевой промышленности. Используются методы обобщения, систематизации и анализа научной литературы по тематике применения технологий искусственного интеллекта в пищевой промышленности. Отмечается важная роль технологии предельного интеллекта, как формы искусственного интеллекта, которая позволяет собирать и анализировать данные на границе сети, а не в облаке или в рамках централизованного центра обработки данных. Данная технология имеет ряд преимуществ для производства, цепи поставок продуктов питания и напитков, начиная от улучшения их качества и эффективности до экономии затрачиваемых средств. Одним из ключевых преимуществ технологии предельного интеллекта является возможность сбора данных из многих источников в режиме реального времени, что позволяет своевременно получать информацию о реальном состоянии производства и цепочек поставок и выявлять возможные потенциальные проблемы. Делается вывод, что технологии искусственного интеллекта играют важную роль в повышении эффективности пищевой промышленности, обеспечивая автоматизацию производства и цепочек поставок, сокращение отходов при производстве, улучшение взаимодействия с потребителем, уменьшение загрязнения продуктов питания и создание новых продуктов. Ключевые слова: искусственный интеллект, технологии, пищевая промышленность, цепочки поставок, продукты питания.
Введение. В настоящее время все более широкое применение в промышленности получают методы искусственного интеллекта [6, 7]. Данные технологии искусственного интеллекта значительно упрощают процессы прогнозирования и обеспечения надежности различных процессов и систем. Нечетко-множественный подход применяется в условиях неполноты информации об изучаемых явлениях или объектах. Формализация нечетких данных управляемых систем основывается на введении понятий нечеткой и лингвистической переменных, нечеткого безличия и нечеткого отношения [1]. Поскольку индустрия пищевых продуктов продолжает развиваться, производители ищут способы автоматизации производства и снижения издержек. Роль современных технологий постоянно растет, позволяя не только обеспечить эффективность производства, но и создание новых продуктов.
Цель статьи - изучение различных аспектов применения технологий искусственного интеллекта в пищевой промышленности.
Материалы и методы. Объектами исследования являются современные технологии искусственного интеллекта в пищевой промышленности. Использованы методы обобщения, систематизации и анализа научной литературы по тематике технологий искусственного интеллекта в пищевой промышленности.
со см о см
О Ш
т
X
<
т О X X
Результаты и обсуждение. Методы искусственного интеллекта в ходе совершенствования процессов и систем сочетают методы анализа и синтеза, методы вычислительного интеллекта, моделирование и прогнозирование, методы поиска решений и представления задач и многие другие [1,4,7]. Понятие и особенности систем искусственного интеллекта раскрывается благодаря нейронным сетям, системам нечеткой логики, экспертным системам, системам моделирования мышления.
Искусственный интеллект как система формируется с помощью различных методов, среди которых наиболее значимыми считают логический, структурный, эволюционный, имитационный [2]. Логический метод - основан на алгебре логики, операциях с предикатами, которые направлены на достижение целей и доказательство теорем. Использование основ нечеткой логики является одним из определяющих направлений логического метода.
Структурный подход позволяет рассмотреть искусственный интеллект сквозь призму модели человеческого мозга, моделируя и воспроизводя его структуру.
Эволюционный подход позволяет видеть развитие изменений начальной модели (ее эволюцию) и учитывать дальнейшую технологическую деятельность.
Имитационный метод заключается в имитации поведения объекта, логического моделирования его деятельности путем сопоставлений, сравнений и воспроизведения, и базируется на методе «черного ящика», введенном американским кибернетиком У.Р. Эшби.
На сегодняшний день особое внимание уделяется комбинационному методу, который используется на нижних уровнях (обработка первичной информации) и сочетает в себе черты
структурного, эволюционного и имитационного подходов и соответствует законам логики [2]. Система методов искусственного интеллекта не имеет четкого закрепления, поскольку существует значительное количество направлений и систем применения моделей искусственного интеллекта.
Сложность поставленных задач и область использования инструментов искусственного интеллекта позволяет утверждать, что методы искусственного интеллекта сочетают методы анализа и синтеза, методы вычислительного интеллекта, моделирования и прогнозирования, методы поиска решений и представления задач и многие другие. Искусственный интеллект (ИИ) предполагает функционирование совокупности программных и аппаратных методов, способов и средств (компьютерных программ), реализующих одну или несколько когнитивных функций (КФ), напоминающих КФ людей [2]. Так, при оценке степени интеллектуальности на уровне интуиции ИИ базируется на методах экспертных оценок и тестирования [2].
Метод экспертных оценок позволяет экспертно исследовать объект и принять квалифицированное решение, а тестирование позволяет оценить интеллект путем проведения специальной проверки в виде теста
Используются также методы математической логики, которые базируются на формальных системах - логическом исчислении с применением формул и правил вывода. При этом основой математической логики выступает исчисление высказываний и исчисление предикатов.
Обращаясь к теоретическим основам искусственного интеллекта в аспекте его применения в рамках программного обеспечения для совершенствования процессов и систем, следует отметить, что овладение системой искусственного интеллекта включают нечеткую логику, нейронные и гибридные сети. Поэтому для операций с нечеткими знаниями используют специальные методы, такие как метод нечеткой логики [3].
Искусственный интеллект становится жизнеспособным решением задач обеспечения эффективности и прогнозируемо-сти в совершенствовании процессов и систем пищевой промышленности [5]. Интересно отметить пользу предельного интеллекта (Edge Intelligence), как технологии искусственного интеллекта, позволяющей машинам обрабатывать данные на границе сети, а не полагаться на централизованную облачную систему. Эта технология обладает потенциалом для революции в производстве продуктов питания и напитков, предоставляя информацию в режиме реального времени и автоматизированное принятие решений.
Edge Intelligence может использоваться предприятием в целях:
- Получения информации о производственных процессах и цепочках поставок в режиме реального времени. Это может помочь выявить потенциальные проблемы до того, как они станут дорогостоящими проблемами, позволяя быстро и эффективно исправить их.
- Улучшения качества продукции. Анализируя данные производственных процессов , производители могут определить области, где можно улучшить качество. Это может помочь убедиться, что продукты отвечают ожиданиям клиентов и снизят риск дорогостоящего отзыва продукции.
- Оптимизации производственных процессов. Анализируя данные производственных процессов, производители могут определить области, где процессы можно усовершенствовать. Это может привести к повышению эффективности и снижению затрат.
- Автоматизации производства продуктов питания и напитков. Предоставляя статистические данные в режиме реального времени и обеспечивая автоматизированное принятие решений, Edge Intelligence может помочь снизить задержки,
улучшить качество продукции и оптимизировать производственные процессы. Поскольку технология продолжает развиваться, она, по всей вероятности, станет все более важной частью пищевой промышленности и производства напитков.
- Снижения отходов в пищевой промышленности и производстве напитков. Пищевая промышленность и производство напитков является главным источником образования отходов по всему миру. Так как отрасль продолжает развиваться, растет и количество образовавшихся отходов. Edge Intelligence помогает снизить эти затраты.
- Отслеживания запасов продуктов питания и обнаружения плохо продаваемых товаров. Полученную информацию можно также использовать для корректировки заказов и уровня запасов, гарантируя, что еда не будет выброшена впустую. Edge Intelligence также можно использовать для мониторинга процессов приготовления пищи, помогая снизить пищевые отходы из-за неправильного приготовления или хранения.
- Мониторинга поведения клиентов и выявления тенденций в заказе. Это может помочь, в частности, ресторанам скорректировать меню, чтобы лучше удовлетворять спрос клиентов, уменьшая количество пищи, которая тратится впустую из-за непроданных продуктов.
- Отслеживания отзывов клиентов и определения областей, где можно снизить отходы. Это может помочь предприятиям определить области, где они могут улучшить свои процессы и уменьшить количество создаваемых ими отходов.
- Мониторинга процессов производства пищи и напитков в режиме реального времени. Используя датчики сбора данных на производственной линии, предприятия могут быстро выявлять любые потенциальные проблемы и принимать меры по их устранению еще до того, как продукты достигнут потребителей. Это помогает гарантировать, что продукты безопасны и высокого качества.
- Отслеживания пищевых продуктов и напитков во всей цепочке снабжения. Используя специальные метки и датчики, предприятия могут контролировать температуру, влажность и другие условия окружающей продукты среды при их движении через цепочку поставок.
Особая роль предельного интеллекта проявляется в повышении безопасности пищевых продуктов и напитков. Безопасность пищевых продуктов и напитков - критическая проблема для компаний, потребителей и регуляторов. Поскольку индустрия пищевых продуктов и напитков продолжает развиваться, необходимо также принимать меры безопасности, чтобы гарантировать, что продукты безопасны для потребления. Edge Intelligence становится мощным инструментом повышения безопасности пищевых продуктов и напитков. Данная технология может использоваться для выявления широкого круга проблем безопасности пищевых продуктов и напитков, включая порчу, загрязнение и неправильную маркировку.
Предельный интеллект как форма искусственного интеллекта (AI), может использоваться для обработки данных на границе сети, например, в торговой точке или на заводе. Обрабатывая данные на границе, компании могут быстро выявлять потенциальные проблемы и принимать меры по их устранению до того, как продукты достигнут потребителей.
Искусственный интеллект лежит в основе многих новых интересных проектов. Так, например, в 2023 году в Германии начат проект для снижения отходов пищевой промышленности с помощью искусственного интеллекта. Проект сосредотачивается на производстве мяса, хлебобулочных и молочных продуктов. Исследование, проведенное Институтом Тюнена в 2019 году, показало, что около 30% пищевых отходов приходится на процесс производства и переработки продуктов питания. Проект имеет 30 партнеров, работающих над долгосрочным решением. Основное внимание уделяется разработке
X X
о
го А с.
X
го m
о
м о м
CJ
fO CS
о
CS
о ш m
X
<
m О X X
экосистемы искусственного интеллекта, включающей участников на каждом шагу цепочки создания продукта. Проект финансируется Федеральным министерством экономики и энергетики Германии на сумму 10 млн евро.
Причины отходов, которых можно избежать, варьируются от перепроизводства до качества сырья или пищевых продуктов, не отвечающих эстетическим требованиям продавцов и потребителей. Отходы мясной, хлебобулочной и молочной промышленности возникают главным образом потому, что продукты быстро портятся. Актуальными для компаний являются вопросы оптимизации и использования внутреннего потенциала для уменьшения отходов с помощью методов искусственного интеллекта. Сокращение отходов наряду с минимизацией перепроизводства являются ключевыми аспектами для существенного уменьшения потерь продуктов питания.
Применяется ИИ для всей цепочки добавленной стоимости, особенно на производственных мощностях. Для этого адаптируют и выбирают алгоритмы, подходящие для соответствующего применения. Например, перепроизводства и излишних отходов можно избежать путем целевых прогнозов и потребности в продовольствии, повышении предсказуемости и управляемости процессов создания стоимости и снижения качества, связанных с просрочкой.
Примером может служить использование мешалки для мяса. Температура и длительность процесса смешения влияют на срок годности мясных продуктов. Использование искусственного интеллекта позволяет минимизировать количество энергии, необходимой для процесса смешения, продлить срок годности продукта, что, в свою очередь, оптимизирует время продаж в супермаркете и снижает потери продуктов питания.
На системном уровне наибольшее количество пищевых отходов возникает на уровне предприятий, оказывающих услуги питания. Например, предприятия, организующие производство в сфере общественного питания, в частности, применяют интеллектуальные датчики и нейросети для усовершенствования процесса пенообразования при производстве тортов с первой попытки. В долгосрочной перспективе стремятся создать ИТ-экосистему, а также виртуальный рынок. В будущем компании смогут предоставлять внедренные алгоритмы искусственного интеллекта всем участникам на этой платформе.
Еще одной целью является передача данных всех участвующих в проекте компаний для повышения добавленной стоимости в рамках сложной сети пищевой промышленности. Экспертиза одной компании может быть передана другой организации. Чем больше данных становятся доступными, тем лучше модель искусственного интеллекта может быть обучена.
Интернет-рынок - это место, где партнеры проекта могут обмениваться своими данными. Производственные компании лучше контролируют производственные процессы, используя прогнозы продаж, а данные, собранные супермаркетами, включаются в прогнозы.
Данный подход позволяет розничным продавцам получать максимальную прибыль, снижать отходы и перепроизводство, в итоге цепочка поставок выигрывает от обмена информацией, включая внешних потребителей. Если прогноз погоды хороший, супермаркеты продают много мяса для барбекю. Производители мяса могут регулировать объем убоя соответственно и, напротив, уменьшать производство в условиях плохой погоды.
И конечный потребитель тоже выиграет. В плохую погоду цену мяса для барбекю можно было бы снизить раньше, спасая его от порчи на полке. Такие системы прогнозирования могут также предлагаться через Интернет-платформу. В настоящее время партнеры проекта находятся в стадии разработки концепции. В скором времени начнутся первые практические испытания.
Таким образом, искусственный интеллект является мощным инструментом, который может помочь компаниям в пищевой промышленности и производстве напитков улучшить взаимодействие с клиентами. Собирая и анализируя данные на периферии своих сетей, компании могут получить ценную информацию о тенденциях, предпочтениях и поведении клиентов, которые затем можно использовать для создания персонализированного опыта и повышения удовлетворенности клиентов.
Выводы. Проведено изучение различных аспектов применения технологий искусственного интеллекта в пищевой промышленности. В целях определения эффективности технологий искусственного интеллекта в пищевой промышленности проводился анализ современных направлений его использования. Отмечена важная роль технологии предельного интеллекта, как формы искусственного интеллекта, которая позволяет собирать и анализировать данные на границе сети, а не в облаке или централизованном центре обработки данных. Данная технология обладает рядом преимуществ, позволяющих не только повысить эффективность производства продуктов питания и оптимизировать цепочки поставок, но и снизить соответствующие расходы. Одним из ключевых преимуществ искусственного интеллекта является возможность сбора данных из многих источников в режиме реального времени, что позволяет своевременно получать необходимую информацию и выявлять источники возможных потенциальных проблем. Таким образом технологии искусственного интеллекта играют важную роль в повышении эффективности пищевой промышленности, обеспечивая автоматизацию производства и цепочек поставок, сокращение отходов при производстве, время взаимодействия с потребителем, уменьшение загрязнения продуктов питания и создание новых продуктов.
Литература
1. Дружинина О.В., Масина О.Н., Игонина Е.В. Применение методов искусственного интеллекта и когнитивных технологий в задачах моделирования динамических систем // Современные информационные технологии и ИТ-образование. -2022.- Т. 18.- № 1.- С. 83-97.
2. Карачаева З.А., Исмаилова А.А. Направления применения цифровых технологий и продуктов в отраслях пищевого производства // Экономика и социум. - 2022. - №11-2 (102). -С.434-437. URL: https://cyberlenmka.ru/artide/n/napravlemya-primeneniya-tsifrovyh-tehnologiy-i-produktov-v-otraslyah-pischevogo-proizvodstva (дата обращения: 28.04.2023).
3. Николаев А.А. Состояние и перспективы инновационного развития пищевой промышленности России // Вестник Академии знаний.- 2022.- №6 (53). - С. 194-198. URL: https://cyberleninka.ru/article/n/sostoyanie-i-perspektivy-innovatsionnogo-razvitiya-pischevoy-promyshlennosti-rossii (дата обращения: 28.04.2023).
4. Тимчук Е.Г. Применение искусственного интеллекта в пищевой промышленности // Научные труды Дальрыбвтуза.-2022. - №3.- С.21-42. URL: https://cyberleninka.ru/article/n/primenenie-iskusstvennogo-intellekta-v-pischevoy-promyshlennosti (дата обращения: 28.04.2023).
5. Тимчук Е.Г. Применение технологии блокчейн в целях обеспечения прослеживаемости пищевой продукции: текущее состояние и перспективы // Научные труды Дальрыбвтуза. -2022. - №3. -С.13-20. URL: https://cyberleninka.ru/article/n/primenenie-tehnologii-blokcheyn-v-tselyah-obespecheniya-proslezhivaemosti-pischevoy-produktsii-tekuschee-sostoyanie-i-perspektivy (дата обращения: 28.04.2023).
6. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
7. Черномордов С.В., Дружинина О.В., Масина О.Н., Петров А.А. Применение методов машинного обучения в задачах нейросетевого моделирования управляемых технических систем // Нейрокомпьютеры: разработка, применение. - 2022.- Т. 24.- № 1.- С. 25-35.
Artificial intelligence technologies in the food industry Mikheev P.N.
Russian Biotechnological University
JEL classification: D20, E22, E44, L10, L13, L16, L19, M20, O11, O12, Q10, Q16, R10, R38, R40, Z21, Z32_
The purpose of the article is to study aspects of the application of artificial intelligence technologies in the food industry. The research materials are the modern range of artificial intelligence technologies in the food industry. The methods of generalization, systematization and analysis of scientific literature on the application of artificial intelligence technologies in the food industry were used. The important role of edge intelligence technology is noted as a form of artificial intelligence that allows you to collect and analyze data at the edge of the network, and not in the cloud or a centralized data center. This has a number of benefits for the food and beverage supply chain, from improved accuracy and efficiency to cost savings. One of the key benefits of edge intelligence is the ability to collect data from many sources in real time. This provides a more accurate and up-to-date view of the supply chain, which can help identify potential problems before they become problems.
Keywords: artificial intelligence, technology, food industry, application.
References
1. Druzhinina O.V., Masina O.N., Igonina E.V. Application of artificial intelligence meth-
ods and cognitive technologies in dynamic systems modeling problems // Modern information technologies and IT education. - 2022.- Vol. 18.- No. 1.- pp. 83-97.
2. Karachaeva Z.A., Ismailova A.A. Directions of application of digital technologies and
products in food production industries // Economy and society. - 2022. - №11-2 (102). - Pp.434-437. URL: https://cyberleninka.ru/article/n/napravleniya-prime-neniya-tsifrovyh-tehnologiy-i-produktov-v-otraslyah-pischevogo-proizvodstva (accessed: 04/28/2023).
3. Nikolaev A.A. The state and prospects of innovative development of the food indus-
try of Russia // Bulletin of the Academy of Knowledge.- 2022.- №6 (53). - Pp. 194-198. URL: https://cyberleninka.ru/article/n/sostoyanie-i-perspektivy-inno-vatsionnogo-razvitiya-pischevoy-promyshlennosti-rossii (accessed: 04/28/2023).
4. Timchuk E.G. Application of artificial intelligence in the food industry // Scientific
works of Dalrybvtuz.- 2022. - No. 3.- p.21-42. URL: https://cyberleninka.ru/arti-cle/n/primenenie-iskusstvennogo-intellekta-v-pischevoy-promyshlennosti (accessed: 04/28/2023).
5. Timchuk E.G. Application of blockchain technology in order to ensure traceability of
food products: current state and prospects // Scientific works of Dalrybvtuz. -2022. - No.3. -p. 13-20. URL: https://cyberleninka.ru/article/n/primenenie-tehnologii-blokcheyn-v-tselyah-obespecheniya-proslezhivaemosti-pischevoy-produktsii-tekuschee-sostoyanie-i-perspektivy (accessed: 04/28/2023).
6. Haikin S. Neural networks: a complete course. M.: Williams, 2006. 1104 p.
7. Chernomordov S.V., Druzhinina O.V., Masina O.N., Petrov A.A. Application of ma-
chine learning methods in the tasks of neural network modeling of controlled technical systems // Neurocomputers: development, application. - 2022.- Vol. 24.- No. 1.- pp. 25-35.
X X О го А С.
X
го m
о
to о м
CJ
