Tilbake til søkeresultatene

FFL-JA-Forskningsmidlene for jordbruk og matindustri

Optimal matproduksjon basert på Big Data

Alternativ tittel: Optimal Food Production based on Big Data

Tildelt: kr 2,3 mill.

De fleste næringsmiddelbedrifter logger og lagrer svært mye data gjennom produksjonen, men disse blir i liten grad brukt til å optimalisere og styre. I OPTIMAT har vi brukt avansert dataanalyse til å avdekke sammenhenger mellom råvarekvalitet, prosessering og kvalitet på sluttproduktet. Det gir økt kunnskap om prosessen, og basert på data og modeller kan man utforme styringssystemer som justerer prosessen mot ønsket kvalitet. De norske forskningsinstitutteten Nofima og Sintef har til sammen høy kompetanse på dataanalyse, matkjemi, målesystemer og prosesstyring. I OPTIMAT har forskningsmiljøene og fagpersoner hos Nortura, TINE, Orkla og HOFF jobbet med å forbedre utvalgte produksjonsprosesser, og samtidig demonstrere for bransjen det store potensialet som ligger i analyse av produksjonsdata. Hovedmålet med prosjektet var å forbedre kvalitet og redusere svinn i utvalgte produksjonsprosesser hos hver av industribedriftene ved å utvikle nye løsninger for optimering og styring av produksjonsprosesser basert på Big Data Analytics. Dette skulle oppnås gjennom fem delmål: 1) kartlegge kvalitet og variasjon i eksisterende data, 2) identifisere viktige målepunkter og behov for ny måleteknologi, 3) utvikle statistiske/matematiske modeller som beskriver sammenhenger mellom målte data og produktkvalitet 3) utvikle system for sanntidsstyring basert på data og modeller. Alle bedriftene har oppnådd forbedringer i prosessene sine som en følge av prosjektet. I Nortura har man gjennom prosjektperioden målt at hyppigheten av enkelte typer kvalitetsavvik er halvert basert på datadrevet forbedringsarbeid. Orkla har oppnådd en mer stabil varmeprosess i pølseproduksjonen, som førte til betydelig økning i produktivitet. Det å hente ut og koble sammen data fra ulike steder i prosessen viste seg å være mer utfordrende enn forventet for alle bedriftene. Dette skyldtes hovedsakelig at data er lagret i ulike systemer som ikke er koblet sammen, og at det ofte er vanskelig å eksportere data fra produksjonsutstyr. Alle bedriftene har derfor innført nye eller forbedrede digitale plattformer for datalagring i løpet av prosjektperioden. En aktivitet i prosjektet gikk ut på å kartlegge og forbedre datakvalitet. Det viste seg at flere av bedriftene manglet presise og objektive målemetoder for viktige kvalitetsparametere. I tillegg er mange kvalitetsmålinger stikkprøvebasert, og man har ikke data fra hvert parti/batch. Alle industribedriftene har innført nye målepunkter og nye eller forbedret måleteknologi i løpet av prosjektet. Statistiske/matematiske modeller som beskriver sammenhengene mellom målte data og produktkvalitet ble utviklet for alle bedriftene. Vi sammenlignet ulike strategier for datamodellering, med målsetting om å kunne forklare mest mulig av kvalitetsvariasjonene og samtidig identifisere kritiske faktorer eller prosesstrinn. Generelt sett lyktes vi med å utvikle modeller som forklarte 30-60% av variasjonen i sluttproduktet. Disse modellene kunne brukes til å identifisere viktige faktorer og danne hypoteser som utgangspunkt for videre arbeid, men var som regel ikke egnet til sanntids-optimering eller styring på grunn av for lav presisjon og/eller at vi manglet data på viktige kontrollerbare faktorer. Årsaken til at modellene ikke forklarer mer av variasjonen er sannsynligvis både usikkerhet/støy i eksisterende data, lite variasjon i enkelte forklaringsvariabler, og at viktige variable mangler. Modelleringsarbeidet resulterte likevel i ny innsikt i kvalitetsvariasjoner på råvarer og produkt, samt ny kunnskap om viktige faktorer i prosessen. Muligheter for regulering og styring ble vurdert for alle bedriftene. Basert på årsakssammenhenger som ble identifisert i modelleringsarbeidet har Nortura startet et arbeid med å utvikle styringsverktøy som kan brukes til å påvirke filetkvalitet på kylling. En pilot-versjon av dette systemet ble testet i siste del av prosjektet.

For industripartnerne har prosjektet ført til økt kunnskap om kvalitetsmålinger, variasjon i kvalitet, samt mulige årsaker og risikofaktorer. Alle bedriftene har innført nye eller forbedrede digitale plattformer for datalagring, samt nye målepunkter og/eller ny måleteknologi. Alt dette er varige endringer som legger til rette for videre forbedringsarbeid. Erfaringer fra prosjektet har blitt åpent kommunisert til bransjen og resten av samfunnet, noe som kan være til stor hjelp for andre som ønsker å gjøre lignende forbedringsarbeid. Erfaringer fra dette prosjektet kan også tas videre til andre områder, for eksempel metallindustrien og også olje & gass. Forskningspartnerne har oppnådd ny kunnskap og erfaring med modellering av store industridatasett. Forskningspartnerne i prosjektet kom fra to ulike fagområder, statistikk og kybernetikk, som ikke kjente hverandre fra før. Samarbeidet har vært fruktbart og muliggjør videre tverrfaglig samarbeid mellom disse miljøene i framtida.

Næringsmiddelbedrifter ønsker bedre kontroll på prosessene sine for å oppnå god utnyttelse av råvarer og en jevn og riktig produktkvalitet. Industrien er fremdeles i stor grad basert på tradisjon og håndverk. Råvarekvalitet vurderes ofte av erfarne nøkkelpersoner, og prosessene styres av fingerspissfølelsen til operatørene. Dette er verdifull kompetanse, men for en moderne industri med krav til effektivitet og kvalitet skaper det avhengighet av enkeltpersoner og lite objektivitet. Det er derfor et behov for økt digitalisering, gjennom kombinasjonen av måleteknologi, automatisering og systemer for dataanalyse og prosesstyring. De fleste næringsmiddelbedrifter logger og lagrer svært mye data gjennom produksjonen, men disse blir i liten grad brukt til å optimalisere og styre prosessen slik det gjøres i for eksempel kjemisk industri. OPTIMAT vil bruke Big Data Analytics til å avdekke hittil ukjente sammenhenger mellom råvarekvalitet, prosessering og kvalitet på sluttproduktet. Det gir økt kunnskap om prosessen, og vi kan flytte fokus fra ferdigvarekontroll til kontinuerlig måling av råvarer og prosess. På grunnlag av dette kan man utforme et styringssystem som automatisk justerer prosessen mot riktig kvalitet på sluttproduktet. Dette er imidlertid ikke en triviell oppgave for næringsmiddelindustrien. Råvarenes kvalitet er som regel ikke entydig definert, og det er ofte usikkert hvilke parametere som er viktige og hvordan de skal måles. Analyse av så komplekse systemer krever skreddersydd og robust metodikk, og det trengs en betydelig tverrfaglig kompetanse for å forstå hvordan data og modeller best kan brukes til å styre prosessene. De tre norske forskningsinstitutteten Nofima, Tel Tek og Sintef har til sammen høy kompetanse på dataanalyse, matkjemi, målesystemer og prosesstyring. OPTIMAT vil modernisere bedriftenes produksjon og samtidig demonstrere for resten av bransjen det store potensialet som ligger i Big Data Analytics.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

FFL-JA-Forskningsmidlene for jordbruk og matindustri