Húsipari üzemek

húsipari üzemek létesítése, bővítése, tervezése

Húsipari cikkek, segédletek

Böngészés a cikkek között

Technológiai tervezés


Élelmiszerüzemek mérete és energiagazdálkodása
Húsüzem, vágóhíd technológiai tervezésének folyamata, lépései
Húsüzem tervezése

Mesterséges intelligencia az élelmiszeriparban


Intelligens élelmiszer-technológia 1. - MÉRÉS

Húsipari pályázatok


A tervezettnél korábban indul az "Élelmiszeripari üzemek komplex fejlesztése" pályázat!
Társadalmi egyeztetésen a nyárra várt két nagy élelemiszeripari pályázat!
Indul a 2021-2027-es pályázati ciklus!
Pályázat: Élelmiszeripari középvállalatok komplex beruházásainak támogatása
Pályázat: Mezőgazdasági termékek értéknövelése a feldolgozásban
Pályázat: Mezőgazdasági termékek értéknövelése
Húsipari pályázatok
Hogyan várjuk a pályázati kiírásokat?

Húskészítmények gyártástechnológiája


Zsírsütés, tepertő gyártás
A beef jerky és a biltong
A marhahús érlelése húsüzemben
I. osztályú párizsi gyártása
A pármai sonka
A májkrém húsüzemi előállítása
Virsligyártás
A húsvéti sonka
A szalámi gyártástechnológiája

Vágóüzemek kialakítása


Trichinella laborok
Oválbélyegző vágópontok részére
Sertés-marha vágópontok

Húsfeldolgozó üzemek kialakítása


Kistermelői húsfeldolgozó
Oválbélyegző húsüzemek részére
Exportképes húsüzemek kialakítása
A kolbászgyártó üzem felépítése
Széles termékskálájú kis kapacitású húsüzemek

Hírek, információk


Visszatérnek a vágópontok!
Tájékoztatás
ÉM - Élelmiszeripari-mérnöki tervezés
Fekete Sándor élelmiszermérnök MMK portfolió oldala
Egy húsipari üzem beruházási költségei
Elindult a Húsipari Üzemek.hu

 

Keresés a húsipari cikkek között




Intelligens élelmiszer-technológia 1. - MÉRÉS

2024. január 23.

A mesterséges intelligencia és más döntéstámogató rendszerek húsüzemben és más élelmiszer-üzemekben történő használhatóságának alapfeltétele a mérés: gyártási paraméterek, környezeti tényezők és a termékminőség mérése valamilyen módszerrel.

A mesterséges intelligencia (rövidítve: MI, angolul: AI) kifejezés hallatán gyakran érthetetlenül bonyolult dolgokra gondolunk. Pedig a mesterséges intelligencia bizonyos szempontból éppen ugyanúgy viselkedik, mint a természetes: minél több tapasztalatra van szüksége, s a tapasztalatai alapján később egyre jobb döntéseket képes hozni. A mesterséges intelligencia számára a tapasztalatokat azok az adatok jelentik, amelyekhez méréssel jutunk hozzá.

De mégis milyen adatokra van szükség, mit kell (mit érdemes) mérni?

Röviden: az eredményt (termékminőség, profit, stb.) és lehetőleg mindent ami az eredményt befolyásolja. Részletesebben:

1. Az élelmiszer-gyártás paramétereit (ezeket tudjuk befolyásolni)

Ezek közös jellemzője, hogy be tudjuk őket állítani és befolyásolják a termékminőséget. Az élelmiszerek gyártástechnológiáját alapvetően meghatározzák és ezek egy részét jogszabályok is számon kérik a gyártótól. Hogy egy adott élelmiszer-technológiai vonal (például szalámi gyártás) esetén milyen paraméterekre leszünk kíváncsiak, azt élelmiszeripari szakemberek bevonásával össze kell írni. Mindenképpen ide tartoznak azok az adatok, amiket jogszabály határoz meg, Élelmiszerkönyvi előírások, illetve amelyek a gyártmánylapon szerepelnek. A termékelőállítás azonban sok esetben a gyártmánylapnál is részletesebben van meghatározva a gyártó saját receptúrájában.

A szalámi gyártás példáját említve, azon belül pedig a zsiradék esetén: a szalonna alapanyag vastagsága (cm), a szalonna alapanyag mennyisége (kg/100 kg), a szalonnát adó sertés fajtája, a szalonna hőmérséklete az aprítás előtt C), stb mind befolyásolja valamilyen módon a termék tulajdonságait. (A szalámi minőségét befolyásoló tényezőkre egy későbbi cikkben szeretnék még részletesebben is visszatérni.) Ez utóbbi példánál maradva az előállított szalámi minőségét a teljes folyamatot tekintve nagyságrendileg 100 paraméter befolyásolja többé vagy kevésbé.

Ehhez hasonlóan más élelmiszerek előállítása során is összeírhatóak azok a paraméterek, amelyeket később mérni akarunk. A mérés alatt itt nem feltétlenül műszeres mérésre kell gondolni. Például a sertésszalonna fajtáját és vastagságát elég ha valaki beírja egy táblázatba a számítógépen.

2. Környezeti feltételek (ami hat a termékre, de nem tudjuk befolyásolni)

Ezekből a tényezőkből szerencsére sokkal kevesebb van és iparágtól is nagyon függ, hogy mennyire fontosak. Például egy cukorgyár esetén fontos lehet az alapanyagot befolyásoló „évjárat”, vagy az azt meghatározó időjárási elemek összegyűjtése. Vagy a húsiparhoz visszatérve: nem klimatizált szárazáru gyártás esetén fontosak az érlelés alatti külső hőmérsékletek, külső páratartalom, szélerősség. Ugyanezek az információk nem szükségesek akkor, ha gépesített klíma szabályozza a szalámi vagy kolbász érlelését.

3. Az élelmiszerüzem, vagy termék eredményessége (vevői kedveltség, minőségi jellemzők, stb.)

Az előző két kategória azoknak az adatoknak a begyűjtéséről szólt, melyek hatnak az élelmiszerre. Mindezeknek azonban semmi hasznát sem veszi az élelmiszergyártó, ha nem kap visszajelzést arról ,hogy ezek hogyan is hatottak az élelmiszeripari termék minőségére, eltarthatóságára, kedveltségére, stb. Tehát ezeket is mérni kell. Érdemes időnként fogyasztói tesztekkel ellenőrizni a termék kedveltségét, szalámi esetén minden tételnél mérni és összeírni a termékhibák előfordulását (pl. kardosodás mértéke, kérgesedés mértéke, megfolyási hőmérséklet, stb.). A fentiekhez hasonlóan ebben az esetben is szakemberek segítségével kell összeírni mindazokat az élelmiszeripari minőségjelzőket, amelyeket mérni kell ahhoz, hogy visszajelzést kapjunk az előállított élelmiszer színvonaláról.

De vajon van-e értelme a mérésnek és az egyes jellemzők gyűjtésének akkor, ha még nem tudunk (vagy egyelőre nem is akarunk) mesterséges intelligenciát alkalmazni?

IGEN! Van! Az élelmiszeriparban a hagyományos termék- és gyártásfejlesztésnek is alapfeltétele a mérés. Ebből szűrhetőek le azok a tapasztalatok, amelyek alapján később javítani lehet az élelmiszer gyártástechnológiáját. Ebből a szempontból másodlagos kérdés, hogy a mért eredmények alapján a következtetéseket a (1) gyártó maga vonja le, egy (2) élelmiszermérnök végez rajta statisztikai kiértékelést, vagy (3) egy gép (mesterséges intelligencia) csinálja meg pontosan ugyanezt. Összegezve tehát mindenképpen mérjünk! Mindenképpen gyűjtsük az adatokat! S ezek alapján:

1. Levonva a tanulságokat javítsuk folyamatosan a technológiát!

2. Ha túl sok az adat, vagy túl sokféle paramétert kell figyelni, akkor végezzünk statisztikai elemzést! (Ebben megkeresés esetén én magam is segíteni tudok.)

3. Ha biztosítható a cég mérési adatainak védelme, akkor éljünk a mesterséges intelligenciával működő döntéstámogató rendszerekkel is. (A mérési adatok védelmére egy későbbi cikkben szintén szeretnék visszatérni, mert nagyon fontos kérdés!)

Ha segítségre van szüksége, a kapcsolatot felveheti velem a honlap „Kapcsolat” oldalán keresztül, vagy megkereshet telefonon is a +36 30 537 9313 telefonszámon.

 

Tisztelettel: Fekete Sándor, élelmiszermérnök

ÉM – Élelmiszeripari-mérnöki tervezés

MMK szám: 13-17319

Vissza az oldal elejére

Húsipari üzemek tervezésében és kivitelező vállalkozások keresésében a főoldalon talál segítséget.

Vissza a főoldalra