De potentie van AI in zes voorbeelden
Artificiële intelligentie (AI) doet zijn intrede in de voedingsmiddelenindustrie. De combinatie van sensoriek, data en zelflerende algoritmen heeft de potentie om vrijwel elk proces te optimaliseren. De Europese voedingsmiddelenindustrie loopt niet voorop bij de toepassing hiervan.
Kunstmatige intelligentie spreekt misschien tot de verbeelding, maar veel mensen zien het nog als toekomstmuziek waarvan de praktische toepassingen nog niet helder zijn. Maar in de industrie liggen die toepassingen weldegelijk binnen handbereik. AI in de fabriek draait om het zelflerend maken van machines en systemen. In de grote hoeveelheden data die sensoren verzamelen kunnen zelflerende algoritmes patronen herkennen en voorspellingen doen. Welke aanpassingen kunnen een proces verbeteren? Mensen kunnen dit globaal prima met hun ‘intuïtie’. Machines doen het daarentegen exact, en dat wordt steeds belangrijker om optimale procescondities te creëren.
De optimalisatie op basis van sensoren, data en zelflerende algoritmen is overal binnen de economie van belang. AI helpt boeren en tuinders aan betere weersvoorspellingen en optimale teeltcondities via onder andere precisiebemesting en -irrigatie. Dat levert de voedingsmiddelenindustrie meer grondstoffen op, van hogere kwaliteit. AI zorgt in het logistieke traject voor optimale goederenstromen richting de voedingsmiddelenfabriek. Ook die fabriek zelf kan profiteren van AI. Het is binnen de voedingsmiddelenindustrie zelfs belangrijker dan in andere sectoren, omdat het een sector met hoge volumes en lage marges betreft. Een geringe verbetering in de efficiëntie van processen kan daardoor grote gevolgen hebben voor het succes van bedrijven.
Sagar Sharma, CTO van softwareontwikkelaar Credencys Solutions Inc. in Los Angeles (USA) onderscheidt vijf toepassingsgebieden voor AI in de voedingsmiddelenindustrie. Bij het sorteertraject kan AI worden gebruikt om sensorsystemen autonoom en nauwkeurig allerlei aspecten van productkwaliteit te onderscheiden. Een ander specifiek proces waarin AI verbeteringen kan opleveren is de reiniging en desinfectie. Hier is optimalisatie mogelijk door de kledingdiscipline en het gedrag van medewerkers te monitoren. Ook is het mogelijk de reiniging en desinfectie operationeel te verbeteren. Verder kan kunstmatige intelligentie de productontwikkeling bevorderen en kan het consumenten beslissingsondersteuning bieden.
Honger oplossen
Sharma windt er geen doekjes om: “AI staat aan het begin van verandering binnen de voedingsmiddelenindustrie. Het zal bedrijven de komende jaren helpen hun productieproces te versnellen en onderhoudstijd en downtime te verminderen. Het verlaagt de kans op falen door vrijwel elk proces te automatiseren. Het zal uiteindelijk voor een positieve klantervaring verzorgen door de voorkeur, afkeer en wensen van consumenten te voorspellen.”
Slava Kurilyak, oprichter en CEO van AI-dienstverlener Produvia, ziet AI zelfs als de manier om de honger in de wereld op te lossen: “Het is mogelijk om teelt-, productie-, distributie- en consumptiedata te analyseren en daar intelligentie voorspellingen voor de voedselketen op te baseren. We kunnen een AI-platform bouwen dat niet alleen vraag en aanbod begrijpt, maar zich ook kan aanpassen aan de veranderende behoeften en wensen van populaties. Dat kan de wereldwijde vraag voorspellen en de beschikbaarheid van veilige voedingsmiddelen verzekeren.”
Groei in AI
Hoe staat Europa ervoor in deze beginnende revolutie? Niet zo gunstig, concludeert een rapport van adviesbureau Mordor Intelligence. De technologie wordt nu nog vooral in Noord-Amerika toegepast: in 2019 had deze regio een wereldmarktaandeel van 29,1 procent. In de Verinigde Staten is ook de acceptatiegraad voor de nieuwe technologie het hoogst.
Azië is daarentegen de snelste groeier op dit gebied. Voor de periode 2020 tot en met 2025 verwacht Mordor Intelligence daar een jaarlijkse omzetgroei van 65,3% voor AI in de voedingsmiddelenindustrie. In het algemeen – dus niet alleen in de voedingsmiddelenindustrie, maar in alle economische sectoren – zijn Noord-Amerika en Azië in een technologierace rond AI verwikkeld. Europa moet een inhaalslag maken als het mee wil doen op dit nieuwe economische front. De voedingsmiddelenindustrie kan daarbij een belangrijke rol vervullen. Hoopgevend in dat verband is wel, dat onder de belangrijke spelers in AI voor de voedingsmiddelenindustrie die Mordor Intelligence opsomt, toch aardig wat Europese bedrijven zijn. Naast Rockwell Automation, Key Technology en Honeywell International uit de VS, worden namelijk ABB (Zweden / Zwitserland), TOMRA Sorting Solutions (Noorwegen), GREEFA (Nederland), Sesotec (Duitsland) en Raytec Vision (Italië) genoemd. Dergelijke bedrijven moeten, samen met de kennisinfrastructuur die in Europa aanwezig is, toch de basis voor een inhaalslag kunnen bieden?
Case 1: Grondstofselectie met Vision + AI
Het Noorse TOMRA en het Japanse Kewpie voegen AI toe aan hun visionsystemen (uitgerust met röntgen, Near Infra Red (NIR) en laser) voor het selecteren van bijvoorbeeld groeten en fruit. Daardoor kunnen dergelijke producten op veel meer aspecten worden beoordeeld dan alleen ‘goede kwaliteit’ en ‘slechte kwaliteit’. Die nauwkeurige selectie kost minder dan handmatige selectie en leidt tot minder afkeur en dus minder waste. Behalve aan de fabriekspoort kan deze technologie ook zijn diensten bewijzen in de recycling, om geautomatiseerd kunststoffen van elkaar te onderscheiden.
Case 2: Verspilling voorkomen
Algoritmen gebaseerd op kunstmatige neurale netwerken, zoals Symphony Retail AI, kunnen het hele fabrieksproces monitoren met het oog op procesoptimalisatie, veiligheid en het voorspellen van kostprijzen en voorraden. Volgens adviesbureau McKinsey kan kunstmatige intelligentie het probleem van de verspilling in 2030 oplossen, wat in de VS 127 miljard dollar per jaar aan waardeverlies kan besparen.
Case 3: Voedselveiligheid in restaurants Shanghai
Camera’s uitgerust met patroonherkenning kunnen geautomatiseerd bijhouden of de kleding en het gedrag van medewerkers in restaurantkeukens en fabrieken conform de geldende voedselveiligheidseisen zijn. In samenwerking met de Chinese Remark Holding voert de gemeente Shanghai intelligente camera’s in de keukens van tweehonderd restaurants in, als opstapje naar uitbreiding tot tweeduizend. Het is de vraag of een dergelijk overheidstoezicht op mensen in een werksituatie aan de Europese privacywetgeving voldoet. Wel is het zo dat veel slachterijen tegenwoordig permanent cameratoezicht hebben, waar de NVWA, in overleg met de slachterij, gebruik van kan maken.
Case 4: AI-gestuurde reiniging en desinfectie
De University of Nottingham ontwikkelde een sensorsysteem met AI ‘SOCIP’, (Self-Optimizing-Clean-In-Place) voor zelfoptimalisatie van reiniging en desinfectie binnen de voedingsmiddelenindustrie. In traditionele reinigingssystemen blijft vaak verontreiniging achter op (on)verwachte plekken. Sensoriek in de vorm van beeldvormende optische fluorescentie en ultrasone meting kan die contaminatie aan het licht brengen. De data die daaruit voortkomt, voedt een zelflerend algoritme dat aangeeft welk reinigings- en desinfectieregime het optimale resultaat kan opleveren. Aangezien het reiniging van procesapparatuur dertig procent van het energie- en waterverbruik in een voedingsmiddelenfabriek voor zijn rekening neemt, becijferen de Britten dat hun systeem in het Verenigd Koninkrijk 120 miljoen euro per jaar zou kunnen besparen.
Case 5: AI weet wat jij wilt
In de gezondheidszorg verbaasde IBM met de intelligentie van de supercomputer Watson. Voor de voedingsmiddelenindustrie heeft het bedrijf Chef Watson. Dat programma bedenkt op basis van ingrediënten en een zelflerend algoritme duizenden mogelijke recepten. Klanten kunnen daardoor beslissen welke ingrediënten ze samen lekker vinden. Kellogg’s bouwde op deze basis de direct-to-consumer-dienst Bear Naked Custom. Klanten krijgen hulp bij het kiezen uit vijftig ingrediënten om een gepersonaliseerde granola te vormen. Dodo Pizza doet iets soortgelijks met pizza-recepten, door niet voor de hand liggende, maar toch gewaardeerde combinaties voor te stellen. Het bedrijf publiceerde zijn programmatuur in 2019 als open source software op de download site Github.
Case 6: Doelgericht ontwikkelen
Er zijn veel bedrijven die het doelgericht ontwikkelen van nieuwe voedingsmiddelen ondersteunen. Gastrograph AI (New York) past AI toe om de sensorische perceptie van smaak bij de consument te analyseren en voorspellingen over voorkeuren te doen. Whisk (Birmingham, UK) noemt op zijn site klanten zoals Unilever, Kraft, Tesco en Walmart voor zijn ‘Food Genome’. Het bedrijf maakt ‘mindmaps’ van voedingsmiddeleningrediënten, met hun onderlinge relaties en hun invloed op de keuzes van de consument bij het boodschappen doen. Met die informatie kun je beter adverteren en zelfs een gepersonaliseerde benadering ontwikkelen voor klanten. Tastry (San Luis Obispo, Californië) doet iets soortgelijks op het snijvlak van chemische analyses en consumentenvoorkeuren. Dat levert onder andere persoonlijke productaanbevelingen voor klanten èn productontwikkelingsaanbevelingen voor bedrijven zoals Ahold Delhaize op.
Misschien klinkt dit alles nog best vaag. Het voorbeeld van Coca-Cola kan dit verhelpen. Vòòr AI waren campagnes voor het achterhalen van consumentenwensen en sensorische onderzoeken met nieuwe smaken nodig. Hoe is Cherry Sprite tot stand gekomen? Door in de VS duizenden zelfbedieningstaps te installeren, waarmee bij elk daarvan honderden klanten zelf hun frisdranken konden mixen. Dankzij AI kwam uit die datastroom Sprite met een kersensmaakje als favoriet naar voren.