Рецептата за перфектния Pringles вече включва дигитален близнак

През последните четири години Ян Лаенен, старши директор по инженерните дейности в производителя на редица снаксове Kellanova, преследва амбициозна цел: всяко хрупкаво и солено парче, което излиза от производствената линия, да бъде съвършеният Pringles.

Без разкъсано тесто. Без залепнали във фритюрника парчета. Само тънък, златист чипс с характерната форма на седло.

„Искаме да произвеждаме перфектен чипс, който има една и съща хрупкавост, вкус и усещане при всяко отваряне на кутията“, казва той пред The Wall Street Journal.

Благодарение на инвестиция между 4 и 5 млн. долара, дългогодишно партньорство с индустриалната технологична компания Siemens и мащабен проект с AI, Лаенен вече е малко по-близо до тази цел.

През това време екипът му работи със Siemens по създаването на дигитален двойник на тестото за Pringles, който го следи в реално време, докато преминава през производствената линия във фабриката на компанията в Полша.

Нови сензори и данни от машините създават непрекъснато обновяван дигитален модел на тестото, който отчита и най-малките разлики в суровините, включително големината на частиците в брашното.

Информацията постъпва в AI модел, който предварително предлага как да бъдат настроени машините, така че да компенсират отклоненията и всяко парче чипс да бъде еднакво и без дефекти, разказва WSJ.

„Всяка партида картофи е различна“, казва Седрик Найке, член на управителния съвет на Siemens и главен изпълнителен директор на подразделението Digital Industries.

„Независимо от суровината можем да гарантираме, че Pringles ще има точно вкуса, който очаквате.“

Мощните AI модели отново излязоха извън контрол. Този път – особено прикрито

Дигиталните двойници влизат във фабриките

Проектът с Pringles е поредният знак, че дигиталните двойници, концепция, която съществува от години, започват да навлизат масово в производството. Развитието им е подкрепено и от инвестиции на компании като Nvidia.

Siemens е участвала в създаването на дигитални двойници за космически ракети, батерии и микрочипове, а вече и за чипс.

Всяка година в трите основни фабрики на Pringles в Полша, Белгия и американския град Джаксън, щата Тенеси, се произвеждат общо 320 хил. тона.

В края на миналата година производителят на Pringles Kellanova официално беше придобит от частната компания Mars, която вече отговаря за производството на марката в САЩ.

Интеграцията протича с различна скорост в отделните региони, а в Европа двете компании засега продължават да работят паралелно.

Системата с дигиталния двойник работи само на една производствена линия в Полша. Според Лаенен тя вече е повишила качеството на Pringles с 10%, намалила е отпадъка с 13% и е донесла възвръщаемост от над 40% върху вложените между 4 и 5 млн. долара.

Предстои технологията да бъде въведена и в Белгия, а през 2027 г. трябва да достигне до САЩ.

„Идеята е в крайна сметка да я внедрим на почти всички линии“, казва Лаенен.

Когато дигиталните двойници започват да се разпространяват преди около пет години, те често представляват обикновени триизмерни модели, към които е добавена информация за съответния обект.

Днес те работят почти в реално време и показват какво се случва във фабриката, като същевременно използват AI, за да предлагат начини за подобряване на производството.

Следващата стъпка ще бъде AI сам да променя настройките на машините въз основа на собствените си препоръки. Повечето компании обаче, включително производителят на Pringles, засега предпочитат последната дума да има човек.

Гърция се обръща към Космоса в борбата с горските пожари

Какво е необходимо за един перфектен Pringles

Създаването на „перфектния Pringles“ зависи от над 200 показателя, според Лаенен. Сред тях са големината на частиците в брашното, влажността на тестото и районът, в който са отгледани картофите.

Дори картофите от един и същ доставчик и от едно и също място могат да се различават значително в зависимост от сезона.

Това означава, че тестото непрекъснато се променя. За да остане крайният продукт еднакъв, машините трябва постоянно да бъдат пренастройвани според малките разлики в суровините.

„Различното тесто може да доведе до различна текстура. Това се отразява на всеки следващ етап от производството“, казва Франческо Йелмини, старши ръководител на проекта от страна на Siemens.

В миналото всичко се е проверявало на око и на допир, разказва Лаенен. Работниците, които приготвят тестото, вземали парче от производствената линия и го разтягали. Други изваждали прясно изпържен чипс, претегляли го и измервали размерите му.

Когато забележели отклонение, настройвали машините, след като проблемът вече е възникнал.

Сега сензорите по производствената линия отчитат 200 показателя на всяка милисекунда. Информацията се обработва директно във фабриката чрез платформата Siemens Industrial Edge Device.

През цялото време AI модел извършва симулации в реално време, за да прогнозира как ще изглежда крайният продукт и дали ще отговаря на стандарта за идеалния чипс.

Когато засече отклонение в нова партида суровини, системата предлага малки корекции, например промяна в количеството олио или вода в рецептата.

Когато това не е достатъчно, тя използва по-голям AI модел в облака, който разполага с повече исторически данни и може да дообучи системата. И двата модела използват традиционно машинно обучение, а не генеративен AI.

Моделът непрекъснато се усъвършенства въз основа на обратната връзка от операторите, казва Лаенен. С течение на времето към него могат да бъдат добавени още променливи, включително различни видове картофи и сортове царевица и ориз.

„Днес искаме един вид царевица, един вид картофи и един вид ориз. В бъдеще може да успеем да работим с два или три вида картофи и с няколко различни сорта ориз и царевица, защото моделът ще се е научил да се приспособява към тях“, казва той.

„Целта, разбира се, е независимо от тези разлики да продължим да произвеждаме същия перфектен чипс.“