Kecerdasan buatan untuk mengurangi limbah makanan
HI-Tech

Kecerdasan buatan untuk mengurangi limbah makanan


Produk bakery termasuk makanan yang terlalu sering berakhir di tempat sampah © Shutterstock

Di Jerman, sekitar 12 juta ton makanan berakhir di sampah setiap tahun. Lebih dari 30 persen dari itu sudah dihancurkan dalam proses produksi. Dalam proyek Resource-efisien Intelligent Foodchain (“REIF”), Institut Fraunhofer untuk Teknologi Pengecoran, Komposit dan Pengolahan IGCV bekerja dengan mitra untuk memerangi limbah makanan ini. Dalam upaya ini, kecerdasan buatan bisa menjadi aset yang berharga. Keju, roti, daging, dan produk makanan lainnya dapat diproduksi secara efisien menggunakan algoritme berbasis data. Metode pembelajaran mesin dapat mengoptimalkan penjualan dan perencanaan produksi serta sistem kontrol proses dan pabrik.

Jerman telah berkomitmen pada tujuan Perserikatan Bangsa-Bangsa untuk mengurangi limbah makanan hingga setengahnya pada tahun 2030. Hingga dua belas juta ton makanan berakhir di sampah di negara kita, dan itu ada di sepanjang rantai nilai, dari pertanian hingga meja. Sekitar 52 persen sampah menumpuk di rumah tangga. Data tersebut berasal dari studi yang dilakukan oleh Thünen Institute pada tahun 2019 (lihat tautan di bawah). Namun studi tersebut juga mengungkapkan bahwa sekitar 30 persen kerugian terjadi sejak tahap produksi dan pengolahan pangan. 18 persen lainnya dicatat oleh grosir dan eceran. Proyek REIF memiliki 30 mitra yang mengerjakan solusi jangka panjang. Fokus utamanya adalah merancang ekosistem AI, yang menyertakan peserta di setiap langkah rantai nilai. Proyek ini didanai oleh Kementerian Federal Jerman untuk Urusan Ekonomi dan Energi (BMWi) dengan nilai sepuluh juta euro.

Meminimalkan produksi berlebih dan menghindari pemborosan

Ada berbagai penyebab pemborosan yang dapat dihindari, mulai dari produksi berlebih hingga fluktuasi kualitas bahan mentah hingga makanan yang gagal memenuhi persyaratan estetika tertentu. Mitra proyek REIF berfokus pada produk susu, daging, dan roti. Pemborosan terjadi dengan produk ini terutama karena cepat rusak. “Dua aspek adalah kunci untuk secara signifikan mengurangi kehilangan makanan di sektor ini — meminimalkan produksi berlebih dan menghindari pemborosan,” jelas Patrick Zimmerman, ilmuwan di Fraunhofer IGCV dan anggota konsorsium. Dia dan Philipp Theumer serta lima rekan lainnya melihat bagaimana potensi internal perusahaan, seperti di pabrik dan mesin atau perencanaan dan pengendalian produksi, dapat dioptimalkan untuk mengurangi pemborosan menggunakan metode AI. “Kami menerapkan AI ke seluruh rantai nilai, terutama di fasilitas produksi. Untuk melakukan itu, kami menyesuaikan dan memilih algoritme yang sesuai untuk aplikasi masing-masing,” jelas Zimmerman. Kami melihat pada prediktabilitas dan pengendalian di semua area — dari produksi di pertanian hingga penjualan di supermarket — untuk mengoptimalkan potensinya. “Produksi berlebih dan pemborosan dapat dihindari dengan membuat perkiraan yang ditargetkan tentang kebutuhan pangan, meningkatkan prediktabilitas dan pengendalian proses penciptaan nilai dan mengurangi kehilangan pangan terkait kualitas,” tambah Theumer.

Namun, potensinya sangat beragam. Zimmermann menjelaskan ini dengan menggunakan mixer daging sebagai contoh. “Suhu dan durasi proses pencampuran memengaruhi tanggal kedaluwarsa produk daging. Jika kami menggunakan algoritme AI untuk meminimalkan jumlah energi yang diterima dalam proses pencampuran, kami dapat memperpanjang tanggal kadaluwarsa, yang pada gilirannya mengoptimalkan waktu penjualan di supermarket dan mengurangi kehilangan makanan. ” Pada tingkat sistem, jumlah limbah makanan tertinggi terjadi saat power-up. Hal ini karena parameter optimum harus diidentifikasi terlebih dahulu, dan selanjutnya dihasilkan limbah. “Sebagai contoh, kami menerapkan sensor cerdas dan algoritme AI pembelajaran mandiri untuk menyempurnakan proses pembusaan selama produksi basis kue pada upaya pertama,” jelas peneliti.

Informasi terkait untuk semua langkah dalam rantai makanan

Dalam jangka panjang, mitra proyek REIF ingin membangun ekosistem TI dan mendirikan pasar virtual. Di masa mendatang, perusahaan akan dapat menyediakan algoritme AI yang mereka terapkan kepada semua peserta di platform ini. Tujuan lainnya adalah untuk membuat jaringan data semua perusahaan yang terlibat dalam proyek untuk meningkatkan nilai tambah dalam jaringan nilai kompleks industri makanan. “Keahlian satu perusahaan dapat ditransfer ke organisasi lain. Semakin banyak data tersedia, semakin baik model AI dapat dilatih.”

Pasar online adalah tempat mitra proyek dapat menukar datanya. Pada akhirnya, perusahaan produksi dapat mengontrol proses manufaktur mereka dengan lebih baik dengan memanfaatkan perkiraan angka penjualan. Data yang dikumpulkan oleh supermarket akan dimasukkan dalam prakiraan. Jika kami menggabungkan berbagai faktor seperti perilaku pelanggan, tingkat inventaris, dan tanggal kedaluwarsa, kami dapat membuat penyesuaian harga dinamis pada produk tertentu di supermarket. “Penyesuaian harga harian yang terus-menerus akan menghindari pemotongan harga drastis yang biasa kita lihat sesaat sebelum tanggal kedaluwarsa dan memperpanjang waktu penjualan. Akibatnya, produk lebih mungkin dibeli sebelum disahkan untuk dibuang dan keuntungan keseluruhan juga meningkat. , “kata Zimmermann, menjelaskan prinsip penyesuaian harga dinamis.

Ini mengunci keuntungan maksimum bagi pengecer sekaligus mengurangi pemborosan dan produksi berlebih. Seluruh rantai pengiriman mendapat manfaat dari gagasan berbagi informasi, yang juga mencakup data eksternal. “Jika laporan cuaca bagus, supermarket menjual banyak daging barbekyu. Produsen daging dapat menyesuaikan volume penyembelihan mereka dan, sebaliknya, produksi yang menurun dalam cuaca buruk,” kata Zimmermann menjelaskan konsep ekosistem TI. Dan pelanggan akhir juga akan mendapat keuntungan: Dalam cuaca buruk, harga daging barbekyu dapat diturunkan lebih awal, sehingga tidak disimpan di rak. Sistem prediksi seperti ini juga dapat ditawarkan melalui platform online.


Untuk mengurangi limbah makanan, kita mungkin perlu membayar lebih untuk apa yang kita makan


Disediakan oleh Fraunhofer Society

Kutipan: Kecerdasan buatan untuk mengurangi limbah makanan (2021, 1 April) diambil 1 April 2021 dari https://techxplore.com/news/2021-04-artificial-intelligence-food.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Keluaran SGP