ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ УПРАВЛІННЯ ВИРОБНИЧИМИ ЛІНІЯМИ У ХАРЧОВІЙ ПРОМИСЛОВОСТІ НА ОСНОВІ МАШИННОГО НАВЧАННЯ
DOI:
https://doi.org/10.32782/tnv-tech.2025.1.40Ключові слова:
автоматизація виробництва, предиктивна аналітика, кіберфізичні системи, контроль якості, цифрова трансформаціяАнотація
Досліджено можливості впровадження інтелектуальних систем управління виробничими процесами в харчовій промисловості, з урахуванням сучасних викликів та потреб автоматизації. Актуальність дослідження зумовлена необхідністю підвищення ефективності виробничих ліній, зменшення витрат, покращення контролю якості та відповідності міжнародним стандартам безпеки харчових продуктів, зокрема ISO 22000, HACCP, BRC Global Standard, FSSC 22000 та IFS. Встановлено, що традиційні підходи до автоматизації не забезпечують достатньої гнучкості та адаптивності до змін технологічних параметрів і ринкових умов, що обумовлює потребу у впровадженні систем на основі машинного навчання, предиктивної аналітики та IoT.Метою дослідження є розробка підходів до автоматизації виробничих ліній у харчовій промисловості шляхом інтеграції машинного навчання, робототехніки та IoT для підвищення ефективності виробничих процесів. Методологічну основу становлять аналітичні та компаративні методи дослідження, що дозволили оцінити ефективність існуючих підходів до автоматизації, а також моделювання адаптивної системи управління.Результати дослідження підтверджують, що інтеграція IoT-сенсорів, алгоритмів машинного навчання та предиктивного аналізу дозволяє значно підвищити точність моніторингу та контролю виробничих процесів. Виявлено основні проблеми впровадження таких систем, серед яких висока вартість модернізації, складність інтеграції з існуючою інфраструктурою, потреба у кваліфікованому персоналі та дотриманні регуляторних вимог. Доведено, що поступове впровадження інтелектуальних систем із використанням предиктивної аналітики для контролю технічного стану обладнання та запобігання збоям дозволяє знизити ризики, мінімізувати виробничі втрати та підвищити якість продукції.Перспективи подальших досліджень полягають у розробці алгоритмів глибокого навчання для підвищення точності аналізу параметрів виробництва, а також у дослідженні економічних аспектів впровадження таких технологій у різних сегментах харчової промисловості.
Посилання
Kollia I., Stevenson J., Kollias S. AI-enabled efficient and safe food supply chain. Electronics. 2021. Vol. 10, № 11. Article 1223. DOI: https://doi.org/10.3390/ electronics10111223 (date of access: 14.02.2025).
Drijver E., Pérez-Dattari R., Kober J., Santina C. D., Ajanović Z. Robotic Packaging Optimization with Reinforcement Learning. 2023 IEEE 19th International Conference on Automation Science and Engineering (CASE), Auckland, New Zealand. 2023. P. 1–7. DOI: 10.1109/CASE56687.2023.10260406 (date of access: 14.02.2025).
Bai G. Research on real-time optimization technology of intelligent manufacturing based on learning algorithm. Procedia Computer Science. 2024. Vol. 243. P. 1189–1195. DOI: https://doi.org/10.1016/j.procs.2024.09.140 (date of access: 14.02.2025).
Usuga Cadavid J. P., Lamouri S., Grabot B., et al. Machine learning applied in production planning and control: A state-of-the-art in the era of Industry 4.0. Journal of Intelligent Manufacturing. 2020. Vol. 31. P. 1531–1558. DOI: https://doi.org/10.1007/ s10845-019-01531-7 (date of access: 14.02.2025).
Oluyisola O. E., Bhalla S., Sgarbossa F., et al. Designing and developing smart production planning and control systems in the industry 4.0 era: A methodology and case study. Journal of Intelligent Manufacturing. 2022. Vol. 33. P. 311–332. DOI: https://doi. org/10.1007/s10845-021-01808-w (date of access: 14.02.2025).
Wang J., Ma Y., Zhang L., Gao R. X., Wu D. Deep learning for smart manufacturing: Methods and applications. Journal of Manufacturing Systems. 2018. Vol. 48. P. 144–156. DOI: https://doi.org/10.1016/j.jmsy.2018.01.003 (date of access: 14.02.2025).
García-Esteban J. A., Curto B., Moreno V., González-Martín I., Revilla I., Vivar-Quintana A. A digitalization strategy for quality control in food industry based on Artificial Intelligence techniques. 2018 IEEE 16th International Conference on Industrial Informatics (INDIN), Porto, Portugal. 2018. P. 221–226. DOI: https://doi. org/10.1109/INDIN.2018.8471994 (date of access: 14.02.2025).
Kumar I., Rawat J., Mohd N., Husain S. Opportunities of artificial intelligence and machine learning in the food industry. Journal of Food Quality. 2021. Vol. 2021, № 1. Article 4535567. DOI: https://doi.org/10.1155/2021/4535567 (date of access: 14.02.2025).
Zhu L., Spachos P., Pensini E., Plataniotis K. N. Deep learning and machine vision for food processing: A survey. Current Research in Food Science.2021. Vol. 4. P. 233–249. DOI: https://doi.org/10.1016/j.crfs.2021.03.009 (date of access: 14.02.2025).
Baliuta S., Kopylova L., Kuevda V., Kuievda I., Lytvyn I. Synthesis of intelligent power management system of food manufacturing processes with power consumption prediction. Ukrainian Journal of Food Science. 2020. Vol. 8, № 1. P. 105–123. DOI: https://nuft.edu.ua/doi/doc/ujfs/2020/1/11.pdf (date of access: 14.02.2025).
Khan R. Artificial intelligence and machine learning in food industries: A study. Journal of Food Chemistry & Nanotechnology. 2022. Vol. 7, № 3. P. 60–67. DOI: https://www.researchgate.net/publication/357833952 (date of access: 14.02.2025).
He J., Huang H., Wang Y. Detection technologies, and machine learning in food: Recent advances and future trends. Food Bioscience. 2024. Vol. 62. Article 105558. DOI: https://doi.org/10.1016/j.fbio.2024.105558 (date of access: 14.02.2025).
Mahmood M. R., Matin M. A., Goudos S. K., Karagiannidis G. Machine Learning for Smart Agriculture: A Comprehensive Survey. IEEE Transactions on Artificial Intelligence. 2024. Vol. 5, № 6. P. 2568–2588. DOI: https://doi.org/10.1109/ TAI.2023.3345278 (date of access: 14.02.2025).
ISO 22000 – Food safety management systems – Requirements for any organization in the food chain. International Organization for Standardization (ISO). URL: https://www.iso.org/iso-22000-food-safety-management.html (accessed on: 13.02.2025).
HACCP Principles & Application Guidelines. U.S. Food and Drug Administration (FDA). 2025. URL: https://www.fda.gov/food/hazard-analysis-critical-control-point- haccp/haccp-principles-application-guidelines (accessed on: 13.02.2025).
BRCGS Global Standards. BRCGS: website. 2025. URL: https://www.brcgs. com/ (accessed on: 13.02.2025).
FSSC 22000 – Food Safety System Certification. FSSC: website. 2025.URL: https://www.fssc.com/schemes/fssc-22000/ (accessed on: 13.02.2025).
IFS – International Featured Standards. IFS: website. 2025. URL: https://www. ifs-certification.com/en/ (accessed on: 13.02.2025).
