Inteligencia artificial para reducir el desperdicio de alimentos

En Alemania, alrededor de 12 millones de toneladas de alimentos terminan en desperdicio cada año. Más del 30 por ciento ya se destruye en el proceso de producción. Como parte del proyecto de cadena alimentaria inteligente y eficiente en el uso de recursos (“REIF”), el Instituto de Tecnologías de Fundición, Composites y Procesamiento Fraunhofer IGCV está trabajando con socios para combatir este desperdicio de alimentos. En este esfuerzo, la inteligencia artificial puede ser un recurso valioso. El queso, el pan, la carne y otros alimentos se pueden producir de manera eficiente utilizando algoritmos basados ​​en datos. Los métodos de aprendizaje automático pueden optimizar la planificación de ventas y producción, así como los sistemas de control de procesos y plantas.

Alemania se ha comprometido a cumplir el objetivo de la ONU de reducir a la mitad el desperdicio de alimentos para 2030. Hasta doce millones de toneladas de alimentos se desperdician en nuestro país, a lo largo de toda la cadena de valor, desde el campo hasta la mesa. Aproximadamente el 52 por ciento de los desechos se recolectan en los hogares. Los datos provienen de un estudio de 2019 realizado por el Instituto Thünen (ver enlace a continuación). Pero el estudio también reveló que alrededor del 30 por ciento de las pérdidas ya ocurren en la producción y procesamiento de alimentos. El 18 por ciento restante son mayoristas y minoristas. En el proyecto REIF, 30 socios están trabajando en una solución a largo plazo. El objetivo principal es diseñar un ecosistema de inteligencia artificial que incluya actores en cada etapa de la cadena de valor. El proyecto está financiado por el Ministerio Federal de Economía y Energía de Alemania (BMWi) con un importe de diez millones de euros.

Minimizar la sobreproducción y evitar el desperdicio

Hay muchas razones de desperdicio que se pueden evitar, desde la sobreproducción hasta la fluctuación de la calidad de la materia prima, pasando por alimentos que no cumplen con ciertos requisitos estéticos. Los socios de REIF se centran en productos lácteos, cárnicos y de panadería. Con estos productos, los residuos se generan principalmente porque se deterioran rápidamente. “Dos aspectos son clave para reducir significativamente las pérdidas de alimentos en estos sectores: minimizar la sobreproducción y evitar el desperdicio”, explica Patrick Zimmerman, científico de Fraunhofer IGCV y miembro del consorcio. Junto con Philipp Theumer y otros cinco colegas, están estudiando cómo se puede optimizar el potencial interno de una empresa, por ejemplo, en términos de plantas y maquinaria o planificación y control de la producción para reducir el desperdicio utilizando métodos de inteligencia artificial. “Aplicamos la inteligencia artificial en toda la cadena de valor, especialmente en las plantas de fabricación. Para ello, personalizamos y seleccionamos los algoritmos adecuados para la aplicación ”, explica Zimmerman. Observamos la previsibilidad y la capacidad de control en todas las áreas, desde la producción agrícola hasta las ventas en supermercados, para optimizar su potencial. “La sobreproducción y el desperdicio se pueden evitar haciendo pronósticos específicos de la demanda de alimentos, mejorando la previsibilidad y la capacidad de control de los procesos de creación de valor y reduciendo el desperdicio de alimentos relacionado con la calidad”, agrega Theumer.

Sin embargo, los potenciales varían ampliamente. Zimmermann lo explica con el ejemplo de una batidora de carne. “La temperatura y la duración del proceso de mezcla afectan la vida útil de los productos cárnicos. Si usamos algoritmos de IA para minimizar la cantidad de energía permitida en el proceso de mezcla, podemos extender la vida útil, lo que a su vez optimiza el tiempo de venta en el supermercado y reduce el desperdicio de alimentos “. A nivel del sistema, la mayor cantidad de archivos Desechos alimentarios ocurre cuando se enciende la alimentación. Esto se debe a que primero deben determinarse los parámetros óptimos y, por lo tanto, mientras tanto se generan residuos. “Como ejemplo, utilizamos sensores inteligentes y algoritmos de inteligencia artificial de autoaprendizaje para mejorar por primera vez el proceso de formación de espuma en la producción de bases de torta” – explica el científico.

Información relacionada en todas las etapas de la cadena alimentaria

A largo plazo, los socios del proyecto REIF quieren crear un ecosistema de TI y un mercado virtual. En el futuro, las empresas podrán proporcionar los algoritmos de inteligencia artificial que han implementado a todos los participantes de esta plataforma. Otro objetivo es vincular los datos de todas las empresas involucradas en el proyecto con el fin de incrementar el valor agregado dentro del marco. comida una compleja red de valores en la industria. “La experiencia de una empresa se puede transferir a otra organización. Cuantos más datos estén disponibles, mejor se podrá entrenar el modelo de IA ‘.

Los socios del proyecto pueden intercambiar datos en el mercado de Internet. En última instancia, las empresas de fabricación pueden controlar mejor sus procesos de fabricación mediante el uso de previsiones de ventas. Los datos recopilados por los supermercados se incluirán en las previsiones. Si combinamos una serie de factores como el comportamiento del cliente, los niveles de existencias y las fechas de vencimiento, podemos ajustar dinámicamente los precios de productos específicos en los supermercados. “Los ajustes de precios diarios y continuos evitarán las drásticas caídas de precios a las que estamos acostumbrados poco antes de la fecha de vencimiento y extenderán el tiempo de venta. Como resultado, es más probable que se compre el producto antes de ponerlo a la venta, y las ganancias generales también aumentarán. – dice Zimmermann, explicando el principio de alineación dinámica de precios.

Esto bloquea el beneficio máximo para el vendedor al tiempo que lo reduce. desperdicio y sobreproducción. Toda la cadena de suministro utiliza la idea de compartir información, que también incluye datos externos. “Si la previsión meteorológica es buena, los supermercados venden mucha carne a la brasa. Los productores de carne pueden ajustar el tamaño del sacrificio en consecuencia y, a la inversa, reducir la producción con mal tiempo ”, dice Zimmermann, explicando el concepto del ecosistema de TI. El cliente final también se beneficiaría: en mal tiempoel precio de la carne a la parrilla se podría bajar por adelantado, evitando que se quede en el estante. Estos sistemas de pronóstico también pueden ofrecerse a través de la plataforma en línea.