Aby sprostać obecnym globalnym wyzwaniom stojącym przed wieloma sektorami przemysłu spożywczego, w tym przed przemysłem mięsnym, niezbędne będzie wykorzystywanie innowacji i nowych technologii, szczególnie z zakresu rozwiązań technologii cyfrowych, w tym dynamicznie rozwijającej się sztucznej inteligencji (Artificial Intelligence - AI). W sektorze mięsnym dostępne są już zaawansowane technologie cyfrowe, stopniowo, ale tylko częściowo wdrażane z uwagi na specyficzne, tradycyjne technologie produkcji bazujące na procesach mechanicznych i termicznych. Należy się jednak liczyć, że z czasem wprowadzone zostaną znaczące i głębokie zmiany w przetwórstwie i dystrybucji, co ukształtuje bardziej nowoczesny profil tego sektora. Oczekuje się, że w najbliższej przyszłości pojawią się innowacje cyfrowe we wszystkich obszarach gospodarki mięsnej, które zdynamizują proces przechodzenia w kierunku rozwiązań czwartej rewolucji przemysłowej ( znanej jako Przemysł 4.0) [8] Ten kierunek innowacji powinien doprowadzić do większej automatyzacji wszystkich procesów w łańcuchu produkcji i dostaw produktów mięsnych.. Stanowi to duże wyzwanie przed uczestnikami tego łańcucha, ale też realne szanse na rozwój sektora w świetle globalnych wyzwań i bezprecedensowych kryzysów obecnej doby w gospodarce świata. Wstępna ocena stanu wiedzy, najnowszych trendów i postępu w obszarze stosowania sztucznej inteligencji w przetwórstwie mięsnym pozwolić może na ocenę potencjału wdrożenia tych rozwiązań i wyzwań wprowadzenia przełomowych technologii w tym sektorze.
Vademecum niezbędnej wiedzy o Sztucznej Inteligencji
Sztuczna inteligencja (Artificial Intelligence - AI) budzi obecnie powszechne zainteresowanie społeczne, ale też obawy pracowników przemysłu, w tym mięsnego z uwagi na zagrożenia utraty pracy. W dużej mierze wynika to z faktu, że wiedza na temat tego specyficznego obszaru działalności innowacyjnej i technicznej człowieka jest znikoma. Generuje to wiele mitów i nieporozumień, tym samym uzasadnia potrzebę zdefiniowania specyfiki tych zjawisk, w kontekście oceny potencjalnych wyzwań wdrożenia Sztucznej Inteligencji, także sektorze przetwórstwa mięsa.
Sztucznej Inteligencji (AI), stanowiącej istotną część rozwiązań Przemysłu 4.0. nie można traktować, jako pojęcia jednolitego i monolitycznego [4]. Stosunkowo szerokie pojęcie, zostało zdefiniowane przez Bakera i Smitha [za 1] i jest rozumiane jako „komputery wykonujące zadania poznawcze, zwykle związane z umysłem człowieka, w szczególności uczenie się i rozwiązywanie problemów” [2]. Według nich termin sztuczna inteligencja (AI) obejmuje różnorodne technologie, pozostające we wzajemnych relacjach, takie jak: uczenie maszynowe (Machine learning – ML), głębokie uczenie się ( Deep Learning-DL), eksploracja danych (Data mining- DM) i inteligentne sztuczne sieci neuronowe ( Artificall Neural Network- ANN).
Generalnie bazuje na obszarze zbierania i eksploracji danych oraz coraz doskonalszych rozwiązań uczenia się poprzez technologie cyfrowe. Powiązania i sekwencje pomiędzy tymi obszarami nowoczesnych technologii cyfrowych przedstawiono na rys. 1.
Dla zrozumienia relacji pomiędzy poszczególnymi elementami systemu AI niezbędne jest jednak zdefiniowanie wymienionych pojęć i sekwencji zależności procesów..
Największy zakres zastosowań ma uczenie maszynowe (ML), które można zdefiniować jako „poddziedzina sztucznej inteligencji obejmująca oprogramowanie zdolne do rozpoznawania wzorców, przewidywania i stosowania nowo odkrytych wzorców w sytuacjach, które nie były uwzględnione lub które zostało objęte przez ich Projekt wstępny" [2]. Uczenie maszynowe (ML) stanowi algorytm sztucznej inteligencji, wyodrębniający wzorce z surowych danych w celu podejmowania subiektywnych decyzji [5].
Głębokie uczenie się (DL) to z kolei poddziedziną maszynowego uczenie (ML), która wykorzystuje większe (niż ML) bazy danych oraz koncentruje się na kompleksowym rozwiązywaniu problemów, gdy tymczasem ML wykorzystuje techniki podziału problemów i zarządzania [3].
Eksploracja danych (DM) jest częścią szerszej nauki o danych ( Data Science-DS.) i potoku analizy i baz danych (Big Data- BD), ale opiera się bardziej na technikach i narzędziach wykorzystywanych do odkrywania wzorców w danych, które były wcześniej nieznane oraz zwiększania przydatności danych do analizy.[5] Nauka o danych [DS.] stanowi szerokie badanie naukowe skupiające się na rozumieniu danych. Pojęcie Baz danych (BD) odnosi się z kolei do zbiorów danych, które są tak duże i złożone, że do przetwarzania wymagają nowych technologii, takich jak sztuczna inteligencja.
Naukę o danych można postrzegać jako parasol obejmujący wszystkie dyscypliny wykorzystywane do zrozumienia ogromnych ilości danych. Badania nad analizą danych stanowią podstawę do tworzenia inteligentnych produktów AI, niezależnie od tego, czy są one oparte na technologii ML, czy DL [7].
Zakres zastosowań Sztucznej Inteligencji w działalności przemysłowej
Sztuczna inteligencja stanowi połączenie konwencjonalnych dyscyplin naukowych, teorii naukowych i praktyk wykorzystujących logikę matematyczną, statystykę i rachunek prawdopodobieństwa, z szerokim wykorzystaniem i pomocą komputerów w celu naśladowania zdolności poznawczych człowieka [ 9 ]. Sztuczna inteligencja odgrywać będzie kluczową rolę organizacji działalności przemysłowej , w tym we wdrożeniu rozwiązania Przemysł 4.0 w sektorze mięsnym [8].
Dzięki możliwości analizy ogromnych zbiorów danych w czasie rzeczywistym, optymalizacji procesów produkcyjnych i automatyzacji zadań, maszyny są w stanie samodzielnie uczyć się i podejmować decyzje na podstawie zebranych informacji. Sztuczna inteligencja może na przykład przewidywać awarie maszyn, co pozwala na ich naprawę przed wystąpieniem problemu. W działalności przemysłowej szeroko pojęta AI zdobyła szerokie zastosowanie do:
- monitorowania i sterowania procesami produkcyjnymi,
- utrzymania ruchu oraz w rozwoju nowych rozwiązań technologicznych
- - optymalizacji zapasów oraz ograniczenia strat i marnotrawstwa
- - zarządzania łańcuchem dostaw i monitorowania tras transportu
- - optymalizacji produkcji poprzez prognozowanie popytu
- - analizy danych we wszystkich obszarach zarządzania
- - analizy surowców, półproduktów i produktów
- - zapewnienia higieny i bezpieczeństwa żywności
- - kontroli procesów produkcji i zapewnienie jakości produktów
Wykorzystanie Sztucznej Inteligencji w przemyśle mięsnym
Sztuczna Inteligencja w sposób znaczący usprawnia procesy hodowli bydła mięsnego w ramach inteligentnego rolnictwa w wielu krajach oraz stanowi generalny trend w rozwoju pierwszego ogniwa łańcucha mięsnego [10 ]. Przetwórstwo mięsa nie dopracowało się jeszcze tak wielu zastosowań ale wiele obszarów tego przemysłu wskazuje na istotny potencjał zastosowań AI do usprawniania procesów produkcji i organizacji działalności zakładów przetwórstwa mięsa. Istotna część przetwórstwo i dystrybucji mięsa, w dużej mierze wykorzystujące zautomatyzowane urządzeniach oraz inżynierię procesową [8] jest podatne na inteligentne rozwiązania sztucznej inteligencji. Należą tu takie obszary jak zarządzanie procesami przetwórstwa i obrotu z wykorzystaniem rozwiązań cyberfizycznych i automatyki sterowanej przez inteligentne systemy oparte na bazach danych.
Sztuczna inteligencja ma znaczący wkład w kontroli procesów i produkcji różnych artykułów mięsnych, w zakresie różnych zadań, jak modelowanie procesów, prognozowanie, narzędzia kontrolne, wędzenie, kinetyka, ocena organoleptyczna, proces kontroli jakości i kompleksy rozwiązywania problemów organizacji produkcji itd. [6] Szczególnym rozwiązaniem wykorzystywanym w ocenie produktów i sterowaniu procesami z wykorzystaniem AI, jest powiazanie z czujnikami i aplikacjami, takimi jak „elektroniczne język” i „elektroniczny nos” w obszarze kontroli jakości[13].
Wykorzystanie sztucznej inteligencji znacznie rozszerza zastosowanie czujników w różnych procesach przetwórstwa, co zwiększa wydajność produkcji i przetwarzania żywności [15]. Technologie wykrywania i śledzenia procesów poprzez czujniki, wspomagane sztuczną inteligencją, nazywane inteligentnymi systemami zrewolucjonizowały przemysł spożywczy, w tym procesy przetwórstwa mięsa. Poza sterowaniem procesami produkcyjnymi jest ona wykorzystywana m.in. do zarządzania łańcuchem dostaw, sortowania, pakowania i paletowania, rozwoju nowych produktów, poprawy jakości i zachowania odpowiedniej higieny [15]. Technologie wspomagane sztuczną inteligencją mogą wkrótce zrewolucjonizować sposoby przygotowywania żywności, obsługi rynku, prowadzenia procesów logistycznych czy nawet opracowywania nowych strategii dla firm przetwórstwa mięsnego, a przede wszystkim całkowicie zmienić procesy zarzadzania produkcją przemysłową dla zaspokojenia rosnącego zapotrzebowania na żywność w najbliższej przyszłości [4, 6]
Ryzyka i wyzwania sztucznej inteligencji
Mimo licznych korzyści, wprowadzenie sztucznej inteligencji w przemyśle spożywczym wiąże się również z pewnymi wyzwaniami i ryzykiem stosowania.
Podstawowym wyzwaniem ekonomicznym jest obecnie wysoki koszt implementacji tych rozwiązań. Wdrożenie AI wymaga przede wszystkim znacznych inwestycji w infrastrukturę IT, szkolenie personelu i zakup odpowiednich narzędzi i technologii. To może być podstawowa bariera dla mniejszych i średnich przedsiębiorstw, a takie dominują w przetwórstwie mięsa.
Najważniejszym wyzwaniem społecznym można uznać zagrożenie bezrobociem; w rzeczywistości inteligentne maszyny i optymalizacja procesów mogłyby zastąpić i eliminować większość powtarzalnych prac, zatem wykorzystanie pracy człowieka staje się coraz mniejsza, co spowoduje poważny problem w zakresie standardów zatrudnienia. W mniejszym stopniu niż w innych sektorach przetwórstwa spożywczego będzie to dotyczyć przetwórstwa mięsa z uwagi na specyfikę produkcji.
Nastąpią duże przesunięcia miejsc pracy na rynku i wewnątrz zakładu i tym samym ujawnią się zapewne wyzwania etyczne [17].
Należy też brać pod uwagę wyzwania techniczne i wysoki koszt eksploatacji. Tworzenie zaawansowanych rozwiązań technicznych z uwagi na złożoność maszyn i oprogramowania, wymaga wysokich kosztów, co z kolei będzie wpływać na cenę produktów. trwałością, zwłaszcza ogromne zużycie energii i odpady elektroniczne problem, koncentracja rynku, [17].
Istotne też będą wyzwania i ograniczenia technologiczne samej sztucznej inteligencji jak, tendencje do awarii wyspecjalizowanych rozwiązań i oprogramowania, a sprawność inteligentnych maszyn wymaga częstych aktualizacji, aby spełniać najnowsze wymagania analiz i sterowania procesami produkcji.
Dr Karol Krajewski- Warszawska Akademia Medyczna
Dr Monika Świątkowska – Wydział Żywienia Człowieka SGGW
Dr Monika Świątkowska – Wydział Żywienia Człowieka SGGW
Literatura wykorzystana
1. Zawacki-Richter O, Marın VI, Bond M, et al. (2019) Systematic review of research on artificial intelligence applications in higher education—where are the educators? Int J Educ Technol High Educ. 2019;16:19.
2. Popenici SAD, Kerr S. (2017) Exploring the impact of artificial intelligence on teaching and learning in higher education. Res Pract Technol Enhanc Learn. 2017;12:22
3. Ayturan YA, Ayturan ZC, Altun OH. Air pollution modelling with deep learning: a review. Int J Environ Pollut Environ Model. 2018;1:58–62.
4. Miyazawa T/ et al. (2022), Artificial intelligence in food science and nutrition: a narrative review Nutrition ReviewsVR Vol. 80(12):2288–2300
5. Hoover B, Zaengle D, Mark-Moser M, Wingo P, Suhag A, Rose K (2023) Enhancing knowledge discovery from unstructured data using a deep learning approach to support subsurface modeling predictions. Front. Big Data 6: 1227189
6, Addanki M., Patraa P., Kandraa P., (2022) Recent advances and applications of artificial intelligence and related technologies in the food industry Applied Food Research 2 , 100126
7. Altexsoft, (2024). Data Science vs Machine Learning vs AI vs Deep Learning vs Data Mining: Know the Differences https://www.altexsoft.com/blog/data-science-artificial-intelligence-machine-learning-deep-learning-data-mining/ dostęp 27.01.2024
8. Krajewski K. Świątkowska M. (2023), Szanse przemysłu 4.0 w przetwórstwie mięsnym - Internet rzeczy., Mięsne Technologie, nr 3, s. 54-56
9. Tapa S., Nishad S., Biswas D., Swarup R. (2023) A comprehensive review on artificial intelligence assisted technologies in food industry Food Bioscience 56, 103231
10. Buller H., Blokhuis H., Lokhorst K., Silberberg M., Veissier I. (2020) Animal welfare management in a digital world. Animals, 10 (10), 1779;
11. Beulah A.M., Bhagath Y.B., Niharika M., Sireesha G., Madhavi D. (2022 ), New Approaches Artificial Intelligence for the Food Industry-A Review Design Engineering · March 2022, 15806 – 15818
13. Mavani N., R., Ali J.,M., Othman S.,. Hussain M. A, Hashim H., Abd Rahman N., (2022) Application of Artificial Intelligence in Food Industry—a Guideline Food Engineering Reviews 14:134–175
14. Kakani V. , Nguyen V,H , Kumar B.P. , Kim H., , Pasupuleti V., R., (2020) A critical review on computer vision and artificial intelligence in food industry Journal of Agriculture and Food Research Vol 2, December 2020, 100033
15. Camarena S. (2020) Artificial intelligence in the design of the transitions to sustainable food systems. Journal of Cleaner Production Vol. 271, 20 October 2020, 122574
16. Roy S., , Priyadarshi R., Ezati P., Rhim J.W. (2022) ,Curcumin and its uses in active and smart food packaging applications - a comprehensive review Food Chemistry. Vol 375, 1 May , 131885
17. Patelli N., Mandrioli M., (2020), Blockchain technology and traceability in the agrifood industry, Journal of Food Science, vol. 85, no. 11, pp. 3670–3678,
Kebab z wysokojakościowym alginianem
Zjawisko marnotrawstwa żywności w skali przemysłu mięsnego
Polskie drobiarstwo wolne od wirusa grypy ptaków
Klucz do przemysłowego smażenia i gotowania
