هوش مصنوعی و یادگیری ماشین در بهینه سازی فرآیندهای تولید: مورد کاوی در صنعت نوشیدنی

صنعت نوشیدنی همواره با چالش های متعددی از جمله افزایش تقاضا برای نوشیدنی های متنوع و سالم، نوسانات قیمت مواد اولیه، انتظارات فزاینده برای کیفیت و ایمنی و رقابت شدید روبرو است. هوش مصنوعی (AI) و یادگیری ماشین (ML) به عنوان فناوری های تحول آفرین، پتانسیل عظیمی در بهینه سازی فرآیندهای تولید برای بهبود کارایی، بهره وری و پایداری در صنعت دارند. هدف این تحقیق به بررسی کاربرد هوش مصنوعی و یادگیری ماشین در بهینه سازی فرآیندهای تولید در صنعت نوشیدنی می پردازد. در این راستا از الگوریتم های مختلف یادگیری ماشین مانند شبکه های عصبی بازگشتی (LSTM)، پشتیبان (SVM)، درخت تصمیم K-Means و غیره برای پیش بینی تقاضا، کنترل کیفیت، بهینه سازی پارامترهای فرآیند تولید (مانند ترکیب مواد اولیه، دما و زمان فرآیند در مرحله فشار طی کردن و ...) و پیش بینی و کاهش ضایعات (مانند ضایعات تولید) استفاده شد. داده های مورد استفاده شامل داده های مربوط به پارامترهای فرآیند تولید نوشیدنی، کیفیت محصول (مانند رنگ، طعم)، داده های کارساز، مصرف انرژی و ... (مانند سیستم های SCADA)، سوابق تولید، توقف های تولید و فروش محصول مانند سیستم های MIS و نگهداری و تعمیر و گزارش های فروش جمع آوری شدند. نتایج نشان داد که مدل های یادگیری ماشین می تواند به طور موثری برای بهینه سازی سوابق کیفیت، سوابق تعمیر و نگهداری و گزارش های فروش نوشیدنی مورد استفاده قرار گیرند. به طور خاص، شبکه های عصبی LSTM در پیش بینی سری های زمانی مانند وجود ذرات معلق، رسوب، تغییر رنگ دقت بالایی داشتند و مدل SVM نیز در تشخیص عیوب محصول مانند رنگ، طعم و ... عملکرد بسیار خوبی از خود نشان دادند. همچنین مدل SVM به بهبود ۱۲ درصد در کیفیت محصول، کاهش ۳.۲ ضایعات، کاهش ۸.۹ در زمان تکمیل سفارشات و افزایش ۱۳.۸ در بهره وری خطوط تولید منجر شد. این تحقیق نشان می دهد که هوش مصنوعی و یادگیری ماشین می توانند به عنوان ابزاری قدرتمند برای حرکت به سمت خطوط تولید هوشمند و پایدار در صنعت نوشیدنی مورد استفاده قرار گیرند. با این حال چالش هایی مانند نیاز به داده های با کیفیت، زیرساخت های فنی مناسب و برخی از مدل های هوشمندسازی با نیروی انسانی متخصص نیز وجود دارد که باید مورد توجه قرار گیرند.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، صنعت نوشیدنی ، بهینه سازی فرآیند تولید