Flere bedrifter innen mat- og drikkeindustrien høster stadig frukter av kunstig intelligens (AI). Markedsverdien forventes å overgå 35 milliarder dollar innen 2028, og det vil være store gevinster å hente – hele veien fra gård til bord.
Sigurd Eiesland. Foto: Infor Norge
AI kan realisere et uendelig antall forretningsfordeler i næringsmiddelindustrien og – viktigst av alt – sikre at du er et skritt foran. Det krever rett og slett tilpasning til bedriftens spesifikke behov, tilstrekkelig datainnsamling og -prosessering, samt passende opplæring av AI-modeller.
Totalt sett har AI (spesielt maskinlæring) potensialet til å optimalisere alle områder innen matproduksjonen. Med sin evne til å beregne utallige dataverdier og parametere, samt utarbeide ulike hva-nå-hvis-scenarier, kan maskinlæring både forbedre effektiviteten og gi nøyaktige og rettidige anbefalinger for alle mulige aspekter i forsyningskjeden.
Her er noen eksempler:
- Bedre optimalisering av vanning, gjødsel, fôr og produksjon: Maskinlæring kan gi enda mer innsikt og analyse. Det kan være en analyse av hvilke åkre som må vannes og når, eller når man skal bruke gjødsel i forhold til værmeldinger basert på data fra tidligere års høstinger, mengde og kvalitet på avlinger, samt vind og vær. Innen akvakultur har det ledende selskapet innen dyrenæring, Nutreco, oppnådd ekstra produksjonssykluser med sunnere reker, samtidig som de bruker 30 prosent mindre fôr. Selskapet bruker spesifikt lydsensorer i akvakultur for å lytte til rekene og forstå når de er sultne. Maskinlæring bestemmer deretter når og hvor mye rekene skal mates, noe som senker fôroverføringsforholdet og forkorter rekeproduksjonssyklusen.
- Raskere produktanbefalinger til kunder: Det globale selskapet Zeelandia Group, som utvikler og produserer ingredienser til bakerier, har implementert en modell basert på maskinlæring som anbefaler produkter til kunder. Modellen adresserer utfordringene med høyere kostnader og mangel på tilgjengelige ingredienser og kan anbefale alternative produkter til bakerikundene. Produktanbefalinger har blitt 83 prosent raskere å tilberede, noe som reduserer tiden fra 30 til 5 minutter. Dette gir en bedre kundeopplevelse og økt inntekt per transaksjon.
- Bedre kvalitet og mindre sløsing i produksjonen: Den nederlandske geitostprodusenten Amalthea bruker maskinlæring for å gjøre ostekvaliteten mer forutsigbar og maksimere utbyttet, bygge kundelojalitet og øke bærekraften. Tidligere kunne Amalthea kun manuelt analysere melkemengden på ukentlig basis, men maskinlæring gir innsikt i produksjonsutbytte og årsaker til at avkastningen endres umiddelbart. Ved å identifisere smertepunkter og forbedre prosesser samtidig, har det redusert Amaltheas totale avfall fra produksjonen. For hver 1-prosentsøkning i utbyttet, forventer Amalthea å spare cirka 500.000 euro.
Disse eksemplene er i stor grad basert på historiske data og sanntidsdata. Men hvordan håndterer AI svært uforutsigbare forhold, som vær og vind? Ifølge FNs mat- og landbruksorganisasjon (FAO) må alle som er involvert i matindustriens forsyningskjede være mer robuste og minimere bruken av vann, energi og andre ressurser. Også her kan AI bidra positivt. Været er for tiden den mest uforutsigbare faktoren for landbruket. Tørke i det kalde nord og flom i sør er en realitet. Selv om datamønstrene er uforutsigbare, hjelper maskinlæring til bedre å forstå forretningsrisikoen ved værendringer og hvilke forholdsregler som bør tas for å sikre innhøstingen.
Sigurd Eiesland
Senior kundeansvarlig i Infor Norge
