Gıda sektöründe yapay zeka: üretim ve izlenebilirlik
Yayın: · yapayzeka.org.tr
Kısa yanıt
Gıda sektöründe yapay zeka, görüntüyle kalite kontrolüne, parti kayıtlarının incelenmesine ve raf ömrü ya da talep tahminine destek olabilir. Sonuçları değerlendirmek için ürünün üretim ve saklama koşullarını yansıtan kayıtlar gerekir. Gıda güvenliği kararını yetkili ekip verir.
Ayıklama hattında hangi kusur aranıyor?
Görüntüden renk veya biçim farkı aramak, üretim hattındaki denemeler için bir başlangıç görevidir. Dhal ve Kar'ın gıda güvenliği ve kalite üzerine derlemesinde bilgisayarlı görmeyle kusur tespiti, yapay zekanın uygulama alanlarından biridir. Önce ret nedenini tanımlayın. Kalite sorumlusu, doğal görünüm değişimiyle kusuru ayıran ölçütü uygun ve kusurlu örnekler üzerinde gösterdiğinde yazılım ekibi de model kurulmadan önce etiketlerin hangi karara dayandığını görür.
Örneğin bir ayıklama denemesinde, görüntüde koyu görünen her parçanın reddedildiğini düşünün. Kalite ekibi, bunların ne kadarının gerçek kusur olduğunu ve kabul edilebilir ürünün ayıklanmasının sonucunu deneme kaydına ekler. Kamera ayarı değiştiyse karşılaştırmanın koşulları da değişmiştir. İlk aşamada kontrol adayı listesi istemeyi öneririz. Hat başındaki çalışanın görüntüdeki işareti asıl ürünle eşleştirebilmesi gerekir, çünkü kontrol kararı bu eşleştirmeye dayanır.
Parti kodunu üretim boyunca taşımak
Parti takibi, mal kabuldeki kodun son ürüne kadar izlenmesini gerektirir. GS1'in küresel izlenebilirlik standardına göre kabul ve işleme gibi olaylar, bunları tanımlayan verilerle kaydedilir. Yapay zeka denemesinde eksik eşleşmeleri inceleme listesine almayı öneririz. Hangi alana taşındığı açıklanamayan bir parti kodu veya kayda geçmemiş bir malzeme hareketi varsa, önce bu kaydı bulacak kişiyi belirlemek ve eşleştirmeyi kendi üretim örneğiniz üzerinde göstermek gerekir.
Diyelim ki aynı ham madde partisi farklı ürünlerde kullanıldı. İnceleme ekranının, ham maddeden üretilen ürünlere ve bunların sevk kayıtlarına erişimi de kapsaması gerekir, çünkü serbest metin özeti bu takibi karşılamaz. Parti kodu eksikse alanı boş bırakıp kaydı incelemeye açmanızı öneririz. Düzeltme yetkisi olan çalışanın baktığı belgeyi eşleştirme sonucuyla birlikte saklamak, ilk kayıtla sonraki düzeltmeyi ayırt etmeyi kolaylaştırır.
Raf ömrü tahminini ürün koşullarıyla değerlendirmek
Dhal ve Kar'ın derlemesi, saklama koşullarından raf ömrü tahmini yapılmasını da kapsar. İşletmenizde böyle bir uygulama düşünüyorsanız ambalajı ve saklama koşulları farklı ürünleri ayrı değerlendirin. Denemenin seçimi gıda güvenliği ekibine aittir. Önerimiz, modelin çıktısını elinizdeki ölçümlerle karşılaştırırken hangi ürünün hangi koşulda izlendiğini kayda geçirmek ve sonucu yalnızca değerlendirilen koşullar için tartışmaktır. Ürünün kullanım veya satış süresini değiştirmek ise denemeden ayrı bir uzman değerlendirmesi gerektirir.
Tahmin ekranında ürün ailesinin açıkça yazılması gerekir. Modelin değerlendirilmediği bir ambalaj veya işlem koşulu seçildiğinde bunu aynı ekranda göstermek gerekir, çünkü başka dosyada kalmış bir uygulama sınırı günlük kararda kolayca gözden kaçar. Sıcaklık kaydındaki boşlukları da sonucun yanında gösterin ve eksik ölçüm bulunan bir örnekte üretilen yanıtı kalite ekibiyle birlikte okuyun. Bu incelemede, çalışanın hangi bilginin eksik olduğunu sonuçtan anlayıp anlamadığına bakılır.
Talep tahmininden üretim miktarına geçiş
Satış geçmişinden tahmin üretmek için ürün kodlarının ve iade kayıtlarının anlaşılır olması gerekir, bu yüzden başlangıçta üretim planlamacısıyla satış ekibinin aynı örnek dönemi incelemesi yararlıdır. Kampanyalı siparişleri işaretleyin. Bizce ilk denemede, kampanya satışlarının belli olduğu kayıtlarla üretilmiş tahmini planlamacının önerisiyle karşılaştırmak daha yararlıdır. Ürün bazındaki fazla veya eksik tahminler ayrı incelenir. Toplam satışın yakın çıkması, üretim miktarı seçilen her üründe tahminin tuttuğunu göstermez.
Stok bulunmadığı için satış yapılmayan dönemleri de işaretleyin, çünkü bu kayıtlar talebin az olduğunu düşündürebilir. Satış ekibinin elindeki karşılanamayan sipariş notu bu yüzden değerlidir. Gıda işletmesinde üretim miktarı kararı depodaki ürünlerin kalan kullanım süresine de bağlı olduğu için, deneme toplantısında tahmin tablosunun yanında bekleyen stoklara da ihtiyaç vardır. Planlamacı hangi öneriyi neden değiştirdiğini yazdığında, sonraki değerlendirmede modelin girdisinde neyin eksik olduğu anlaşılabilir.
Gıda güvenliği kayıtlarını özetlerken
FAO'nun gıda güvenliğinde yapay zeka yayınına ilişkin açıklaması, veri eksikliği ve veri yönetimi kapasitesini uygulama sorunları arasında sayar. İşletmede bunun karşılığı, kullanılan kontrol formlarının okunabilmesi ve asıl kaydına erişilebilmesidir. Yapay zekadan sapma notlarını sınıflandırmasını veya inceleme için gereken kayıtları çıkarmasını isteyebilirsiniz. Özeti kontrol edecek çalışan, asıl forma nereden ulaşacağını görebilmelidir. Formda yazmayan bir düzeltici işlemi tamamlanmış gibi anlatan çıktıları geri çevirin.
Kayıt boşsa sorumlu çalışan eksikliği inceleyip ne yapılacağını belirler. Modelden uygun görünen bir açıklama üretmesini istemek bu incelemenin yerini tutmaz. Denetim dosyasında da özgün kayıtla sonradan eklenen açıklama ayrı tutulur. Gıda güvenliği ekibinin onay verdiği terim listesi aynı sapmanın farklı adlarla yazılmasını azaltırken olayların ayrıntılarını da korumalıdır, çünkü farklı nedenlerle oluşmuş olayları aynı başlıkta toplamak yapılacak işlemi seçmeyi zorlaştırabilir.
İlk görüşmeye getirilecek parti örneği
Gıda sektörü sayfasındaki uygulamaları kendi işletmenize uyarlarken tamamlanmış bir üretim partisinin kayıtlarını seçin. Mal kabulden sevke kadar eksik kalan eşleşmeleri kalite sorumlusuyla incelemek, yazılım görüşmesindeki örneği de belirler. Şehir odaklı okuma için Konya'da yapay zeka ve Gaziantep'te yapay zeka sayfaları da bulunuyor. Kendi çalışma dosyanıza ise ürünün hangi aşamalardan geçtiğini ekleyin, çünkü denemede aranacak eşleşmeler bu aşamalara göre seçilecektir.
İlk görev olarak kaydın bulunmasını sınamayı öneririz. Ekip, seçtiği partinin asıl belgelerinin doğru bulunduğunu ve eksik belgenin kullanıcıya gösterildiğini kontrol eder. Raf ömrü tahmini veya hat üstünde otomatik ayıklama için gereken kurulum ayrıca görüşülür. İlk çalışma listesine eksik parti kodu bulunan bir belgeyi de ekleyin ve sağlayıcıdan bu kayıtta hangi işlemi durdurduğunu, sorumlu çalışana ne gösterdiğini açıklamasını isteyin.
Kaynaklar
İlgili sayfalar
- Gıda sektöründe yapay zeka uygulamaları
- Konya sayfası
- Gaziantep sayfası
- Ankara'daki şirketler için yapay zeka eğitimi: iş makineleri ve gıda
- İzmir'deki şirketler için yapay zeka eğitimi: gıda ve makine
- Antalya'daki turizm ve gıda şirketleri için yapay zeka eğitimi
- Kayseri'deki mobilya ve metal şirketleri için yapay zeka eğitimi
- Denizli'deki tekstil ve doğal taş şirketleri için yapay zeka eğitimi