الذكاء الاصطناعي لإنتاج المخبوزات: دقة جرعات المكوّنات والتنبؤ بالعمر التخزيني
يقع تصنيع المخبوزات على تقاطع علم الغذاء والإنتاج الصناعي. المنتجات معقّدة كيميائياً، والعمليات حساسة للتغيرات الصغيرة، ومعايير الجودة قابلة للقياس وذاتية في آن واحد. يلاحظ العملاء حين يتغير طعم البسكويت عن آخر مرة، أو حين يبلغ الخبز مرحلة البيات قبل المتوقع بيوم.
يُساعد الذكاء الاصطناعي مصنّعي المخبوزات على الحفاظ على الاتّساق في مجالين حاسمين: التأكد من حصول كل دفعة على المكوّنات الصحيحة بالنسب الصحيحة بالضبط، والتنبؤ بمدة احتفاظ المنتج النهائي بطزاجته.
جرعات المكوّنات في المخابز الصناعية
تستخدم المخابز الصناعية أنظمة جرعات مؤتمتة لقياس وتسليم الدقيق والماء والسكر والدهون وعوامل التخمير والمكوّنات الثانوية إلى أنظمة الخلط. هذه الأنظمة دقيقة، لكن دقتها لها حدود. تتفاوت نسبة الرطوبة في الدقيق بين الشحنات. ويتغير قوام الدهون مع الحرارة. وتُستعمل المكوّنات الثانوية كالإنزيمات والمستحلبات بكميات ضئيلة يهم فيها فرق غرامات معدودة.
الأثر التراكمي للتغيرات الصغيرة في الجرعات عبر كل المكوّنات يستطيع أن يُغيّر خصائص المنتج النهائي تغييراً ملحوظاً. دفعة بكمية ماء أعلى قليلاً وكمية دهون أقل قليلاً تُنتج بنية لُبّ مختلفة عن المستهدف. وزيادة طفيفة في عامل التخمير تُغيّر الانتفاخ والكثافة.
كيف يرصد الذكاء الاصطناعي الجرعات ويُصحّحها
تتجاوز أنظمة الجرعات المرتكزة على الذكاء الاصطناعي مجرد فحوص الوزن. فهي ترصد الخصائص الفعلية للمكوّنات، لا أوزانها فحسب. تقيس مستشعرات الأشعة تحت الحمراء القريبة (NIR) رطوبة الدقيق ومحتواه البروتيني لحظياً. وترصد مستشعرات الحرارة درجات حرارة الدهون والماء. وتُشير قياسات اللزوجة إلى قوام المكوّنات السائلة.
بناءً على هذه القياسات اللحظية، يُعدّل الذكاء الاصطناعي كميات الجرعات لتحقيق الوصفة المستهدفة من حيث الخصائص الوظيفية لا الوزن وحده. فإذا كانت رطوبة الدقيق أعلى من المعيار، تُخفَّض إضافة الماء. وإذا كانت الدهون أبرد وأكثر صلابةً، قد تُزاد طاقة الخلط. تجري هذه التعديلات تلقائياً، دفعةً تلو دفعة، فتحافظ على اتّساق المنتج رغم تغير المكوّنات.
التنبؤ بالعمر التخزيني
يعتمد العمر التخزيني في منتجات المخبوزات على هجرة الرطوبة، والبيات (تراجع النشأ، starch retrogradation)، ونمو الميكروبات، والتغيرات التأكسدية. وتعتمد سرعة كل عملية على تركيب المنتج وتغليفه وظروف تخزينه. يستلزم تحديد العمر التخزيني تقليدياً اختبارات مُسرَّعة أو دراسات تخزين طويلة الأمد لكل تركيبة منتج.
يتنبأ الذكاء الاصطناعي بالعمر التخزيني استناداً إلى معطيات الإنتاج الفعلية لكل دفعة. فهو يعرف محتوى الرطوبة، ونشاط الماء، ودرجة الحموضة (pH)، وتركيب المكوّنات من بيانات الجرعات والعملية. ويعرف ملف حرارة الخبيز من مستشعرات الفرن. ويعرف ظروف التبريد ومواصفات التغليف.
من هذه المدخلات، تتنبأ نماذج الذكاء الاصطناعي بسرعة البيات وفقدان الرطوبة وإمكانية نمو الميكروبات لكل دفعة. هذا يُتيح تواريخ صلاحية خاصة بالدفعة بدلاً من تواريخ عامة مبنية على افتراضات أسوأ الحالات، ما يستطيع تخفيض هدر الغذاء بمنح الدفعات عالية الجودة عمراً تخزينياً أطول.
ربط بالعملية
يُحدّد الذكاء الاصطناعي أيضاً أي متغيرات العملية الأكثر أثراً على العمر التخزيني. قد يكتشف أن الدفعات المُنتجة صباح الإثنين عمرها التخزيني أقصر لأن ملف حرارة الفرن مختلف قليلاً بعد إغلاق نهاية الأسبوع. أو أن التحول إلى مورد دقيق آخر يُغيّر معدل البيات. تُتيح هذه البصائر تحسينات للعملية تُمدّد العمر التخزيني عبر الإنتاج كله.
لمزيد عن الذكاء الاصطناعي في تصنيع الأغذية، طالع صفحة تحليل التصنيع لدى FirmAdapt.