Автоматизація проти дефіциту кадрів: як машинний зір рятує харчову індустрію
Дозрівання сиру триває 14 місяців і вимагає ідеального контролю. Дізнайтеся, як алгоритми глибокого навчання мінімізують відходи та забезпечують повну відстежуваність продукту
Автоматизація у виробництві стрімко розвивається: з’являються так звані темні фабрики без участі людини, активно впроваджується роботизація складських приміщень, а штучний інтелект дедалі ширше використовується в логістиці — як морській, так і наземній. Прораховуються всі деталі: від черг на розвантаження в портах до економії палива у вантажівках. У результаті робототехніка та штучний інтелект стали наріжним каменем сучасної промисловості.
У тому числі і харчова промисловість переживає суттєві зміни у сфері контролю якості. Значною мірою завдяки розвитку штучного інтелекту, який у поєднанні з машинним зором дає змогу автоматизувати процеси, які раніше було складно або неможливо реалізувати. Це відкриває нові можливості для підвищення продуктивності та якості продукції.
Одним із прикладів такого прориву є рішення, розроблене компанією Eberle Automatische Systeme — провідним постачальником автоматизованих технологій. Компанія застосувала ці підходи для оптимізації процесу дозрівання сиру.
Споживання сиру стрімко зростає в усьому світі, і разом із цим виробники стикаються з новими викликами під час масштабування виробництва. Зокрема, дефіцит робочої сили, особливо в Європі. Саме він спонукає молочні підприємства активніше впроваджувати автоматизацію для підвищення ефективності. Водночас дедалі більшого значення набуває сталий розвиток. Посилюється увага до скорочення відходів і раціонального використання ресурсів. Крім того, споживачі очікують вищої якості продукції та ширшого асортименту, що додатково підвищує вимоги до виробників.
Як пояснює інженер машинного зору компанії Eberle Доріан Кепфле, процес дозрівання сиру, який може тривати до 14 місяців, вимагає постійного контролю, щоб уникнути появи цвілі та забезпечити якість. Вручну перевіряти тисячі сирних голів практично неможливо.
Тому традиційна молочна компанія Gebr. Baldauf GmbH & Co. KG звернулася до них за автоматизованим рішенням. У результаті для німецької компанії, яка виробляє молочні продукти, розробили повністю автоматизовану систему моніторингу, що поєднує мобільного робота для догляду, камери та вбудовану обробку зображень.
Процес починається з перевірки сирних голів на наявність дефектів, зокрема плям цвілі чи інших вад. Камера у форматі 4K фіксує зображення високої роздільної здатності, які далі аналізуються за допомогою сучасних алгоритмів машинного зору на базі MVTec HALCON.
Програмне забезпечення застосовує методи глибокого навчання для раннього виявлення аномалій, що дає змогу мінімізувати відхилення у процесі та зменшити втрати для виробника. Отримані дані зберігаються та відображаються через вебінтерфейс, забезпечуючи можливість дистанційного моніторингу і керування.
Паралельно мобільний робот виконує обробку сиру, сприяючи правильному формуванню шкірки та видаленню небажаних нашарувань. Ця система не лише підвищує ефективність, а й зменшує участь людини. Простими словами — не потрібно перевіряти кожен сир вручну.
Відповідно покращується стабільність у виробництві та якість кінцевого продукту. В автоматизації контролю можна виділити ключові переваги:
Підвищена ефективність. Мобільний робот працює автономно, зменшуючи ручну працю та забезпечуючи ретельний огляд та обробку кожного продукту.
Зменшення відходів. Раннє виявлення цвілі або інших дефектів дозволяє завчасно втрутитися у виробництво. Своєчасне виявлення браку мінімізує відходи.
Покращений контроль якості. Система забезпечує стабільні та об’єктивні результати перевірки, замінюючи ручний контроль рішеннями на основі штучного інтелекту. Досягається повне охоплення контролем із застосуванням єдиних критеріїв на всіх етапах.
Повна відстежуваність. Інтеграція систем промислового машинного зору забезпечує повну простежуваність продукції. Усі результати перевірок зберігаються в цифровому вигляді та доступні для аналізу.
Суттєвим викликом під час розробки цієї системи стала природна мінливість сиру. Кожне сирне коло має унікальний вигляд і змінюється в процесі дозрівання, що знижує ефективність традиційних методів машинного зору. Щоб подолати цю проблему, компанія застосувала підходи штучного інтелекту та глибокого навчання, створивши систему, здатну адаптуватися до індивідуальних характеристик кожної голови сиру.
Ключову роль відіграло програмне забезпечення MVTec Halcon. Завдяки навчанню на великому масиві зображень система може надійно виявляти дефекти — тріщини, цвіль і зміну кольору, водночас ігноруючи природні варіації. Це дає змогу виявляти навіть незначні аномалії, своєчасно реагувати на них і забезпечувати високий рівень контролю якості.
Метою компанії була не лише автоматизація процесу контролю, а й повна інтеграція штучного інтелекту в цикл дозрівання сиру. Сьогодні система здатна працювати в режимі реального часу та забезпечувати автономне обслуговування з мінімальною участю людини.
Водночас компанія продовжує вдосконалювати рішення, щоб воно ефективно працювало з різними видами сиру та на різних стадіях дозрівання. Мета — створення повністю автономної системи на базі ШІ.
Крім цього, система формує основу для подальшої цифровізації виробництва та інтеграції з ERP-системами і хмарними рішеннями, відкриваючи нові можливості для оптимізації.
Спираючись на успіх проєкту, компанія зосередилася на масштабуванні рішення для всієї галузі. Планується впровадження як у мобільних, так і в стаціонарних системах у різних країнах світу.
Можливості штучного інтелекту постійно розширюються. Компанія працює над удосконаленням моделей глибокого навчання, щоб ефективно обробляти різні типи сиру та стадії дозрівання. Це дозволить ще більше скоротити участь людини, зберігаючи високі стандарти якості.
Як зазначає Крістоф Муксель з Eberle, їхнє рішення демонструє, як автоматизація може стабільно підвищувати якість, ефективність і конкурентоспроможність у харчовій промисловості. Цей проєкт — лише початок, і компанія прагне вивести ці інновації на глобальний рівень.