Pārtikas produktu izšķērdēšana
MI pasargā ēdienu no nonākšanas atkritumu tvertnē

Vācijai līdz 2030. gadam ir uz pusi jāsamazina pārtikas atkritumu daudzums. Fraunhoferas Liešanas kompozītmateriālu un apstrādes tehnoloģiju institūts IGCV pēta mākslīgā intelekta metodes, kas mūs varētu pietuvināt šim mērķim. 

Johaness Cellers

Pēc Johana Heinriha fon Tīnena institūta – Vācijas lauku reģionu, mežu un zvejas pētniecības institūta – veiktā pētījuma datiem, katru gadu Vācijas miskastēs nonāk 12 miljoni tonnu ēdiena, kas ir apmēram 40 reizes vairāk nekā sver Ķelnes katedrāle. Mazliet vairāk nekā puse (6,1 miljoni tonnu) nāk no privātām mājsaimniecībām, kas nozīmē, ka viena persona vidēji rada vidēji apmēram 75 kg. Vēl trešdaļa no ēdiena atkritumiem rodas pārtikas pārstrādes procesā: 1,4 miljoni tonnu iet zudībā ražošanā, bet vēl 2,2 miljoni tonnu – pārstrādē. 

Atbilstoši noteiktajam ANO Ilgtspējīgas attīstības programmā līdz 2030. gadam, Vācija tuvāko gadu laikā apņēmusies samazināt pārtikas izšķērdēšanu uz pusi. Lai sasniegtu šo mērķi, Federālā valdība paļaujas uz algoritmu potenciālu: projektā, ko finansējusi Vācijas ekonomikas un enerģētikas ministrija, Fraunhoferas IGCV konsorcijā ar 18 partneriem no nozares un pētniecības strādā pie tā, lai no mākslīgā intelekta (MI) jomas pārņemtās metodes piemērotu ilgtspējīgākai pārtikas apstrādei. 

IZŠĶĒRDĪBAS SISTEMĀTISKA NOVĒRŠANA 

Pārprodukcija, kvalitātes svārstības, augstas prasības no patērētāju puses, lai produkts acij tīkams, – šie ir tikai daži no neskaitāmajiem iemesliem, kāpēc pārtika nonāk miskastēs. Pat ja daži cēloņi šķiet novēršami, līdz šim vēl nav izdevies šīs problēmas atrisināt sistemātiski. Pārtikas produktu vērtību ķēde ir vienota sistēma: no izejvielu ražotājiem un lauksaimnieka, caur pārstrādi (galvenokārt rūpniecisku), pie kravu ekspeditoriem un tirgotājiem – līdz maizīte nonāk mūsu rokās, ir iesaistīti daudzi cilvēki un veikti daudzi soļi, lai tas notiktu. Ja kāds vēlas saprast visu šo procesu, turklāt ar visiem tā faktoriem, tas ātri vien tiek konfrontēts ar datu apjomu, kas viennozīmīgi nav pa spēkam cilvēka smadzeņu kapacitātei. Ar MI un mašīnmācīšanās palīdzību ir iespējams šos datus uztvert jēgpilni, tādējādi optimizējot pat ļoti sarežģītus procesus produkcijas un noieta plānošanā un ieguldījumu regulēšanā.  Pārtikas produktu vērtību ķēde ir vienota sistēma: no izejvielu ražotājiem un lauksaimnieka, caur pārstrādi (galvenokārt rūpnieciskai), pie kravu ekspeditoriem un tirgotājiem – līdz maizīte nonāk mūsu rokās, ir iesaistīti daudzi cilvēki un veikti daudzi soļi, lai tas notiktu. | Foto (fragments): © Adobe „MI lielā datu apjomā spēj atpazīt kopsakarības, kas cilvēkam nav viegli pamanāmas,” skaidro zinātnieks Patriks Cimmermans (Patrik Zimmermann), Fraunhoferas IGCV un REIF platformas līdzizstrādātājs. REIF nozīmē „Resource-Efficient, Economic and Intelligent Foodchain”, kas nozīmē ilgtspējīgu resursu, ekonomiska un inteliģenta barības ķēde”. „REIF projekts pēta optimizācijas potenciālu vērtību ķēdē kopumā – sākot no lauksaimniecības produkta potenciālu no lauksaimniecības galaprodukta līdz pat pārdošanai lielveikala kasēs. Tādējādi ir ļauts izvairīties no pārprodukcijas un brāķiem,” pārliecināts ir arī viņa kolēģis Filips Teumers (Philipp Theumer). „Piemēram, labāk prognozējot pārtikas produktu pieprasījumu vai samazinot zaudējumus, kas rodas sliktas kvalitātes dēļ.” 

Šim mērķim REIF izmanto dažādas programmatūras sistēmas, kas apkopo un abstrahē datus. Papildus vērtību ķēdes datiem izmanto arī citus datus, tādus kā informāciju par laikapstākļiem, kam ir liela nozīme patērētāju iepirkšanās paradumos. Līdz ar to nākotnē MI varētu, piemēram, elastīgi regulēt kautās produkcijas daudzumu un pārdošanas cenu grilgaļas ražošanai tā, lai lietainā nedēļas nogalē plauktos nebūtu pārprodukcijas. „Prognozes tiek balstītas uz dažādiem datu avotiem, tostarp Google tendencēm un datiem no preču sistēmas,” skaidro P. Cimmermans.

PRAKTISKO ZINĀŠANU EKOSISTĒMA 

REIF arī atrod veidus, kā samazināt izejvielu izšķērdēšanu pārtikas ražošanā. Viens piemērs tam ir izturības optimizācija, kā skaidro Cimmermans: „Jēlas gaļas sajaukšanas temperatūra un ilgums ietekmē gatavo gaļas produktu minimālo derīguma termiņu. Samazinot enerģijas patēriņu sajaukšanas procesā, izmantojot MI algoritmus, mēs varam pagarināt derīguma termiņu, tādējādi optimizējot pārdošanas laiku lielveikalā.” 
Arī meteoroloģiskie dati ieplūst REIF ierīču kalkulācijās: nākotnē MI varētu elastīgi regulēt kaušanas apjomu grilgaļas produkcijai. | Foto (fragments): © Adobe REIF projekta partneri šobrīd veido IT ekosistēmu – digitālo platformu un ieinteresēto partneru tīklu. No vienas puses, ir jāpiedāvā dažādie MI pielietojumi, un, no otras puses, jānotiek vienotai datu apmaiņai. Pēc koncepcijas izveidošanas fāzes platforma tagad ir gatava pirmajam praktiskajam testam.

Ilgtermiņā uzņēmumiem vajadzētu spēt dalīties ar datiem un saviem REIF tirgus datiem un MI algoritmiem. Jo vairāk datu ir pieejams, jo ātrāk un labāk MI mācās. Šāda apmaiņa varētu palielināt katra atsevišķa uzņēmuma zināšanas un radīt arvien efektīvākas iespējas atbildīgai, ilgtspējīgai pārtikas pārvaldībai.