La Inteligencia Artificial se añade a los sistemas de producción para reducir el desperdicio de comida

Empresas están añadiendo la Inteligencia Artificial a sus sistemas de producción
MICROSOFT
Publicado: jueves, 4 abril 2019 10:20

   MADRID, 4 Abr. (Portaltic/EP) -

   DVNutrition y Tetra Pak, dos compañías especializadas en el desarrollo de productos alimentarios, están añadiendo tecnologías de Inteligencia Artificial (IA) a sus sistemas de producción que ayuden a frenar el desperdicio de comida.

   En una entrada en su página de noticias, Microsoft ha querido explicar cómo la Inteligencia Artificial puede ayudar a los mecanismos de producción a identificar errores y reducir los tiempos durante estos procesos.

   En Europa se desperdician unos 88 millones de toneladas de comida cada año, lo que conlleva unos costes asociados calculados en 143.000 millones de euros, a pesar de que este continente tiene una de las normativas en materia de seguridad alimentaria y envasado más estrictas del mundo.

   DVNutrition, productor neerlandés de proteína de suero, está añadiendo a sus procesos de producción una Inteligencia Artificial (IA) que evite este despilfarro.

   El sistema que ha desarrollado esta compañía combina la experiencia de sus operarios con información basada en datos y analítica predictiva, para ralentizar e, incluso, detener la producción cuando se llena el tanque de almacenamiento; mitigando el riesgo de sobreproducción y minimizando el desperdicio.

   Por su parte, Tetra Pak, empresa especializada en el procesamiento de alimentos y soluciones de envasado, está desarrollando sistemas que funcionan con IA para detetectar los errores en los envases, cuyos desperfectos son una de las principales causas del desperdicio de alimentos.

Uno de estos sistemas saca fotografías de cada uno de los envases que sale de la línea de producción y lleva a cabo un análisis para reducir los fallos a través de un modelo de redes neuronales que advierte los errores.

Gracias a la IA, Tetra Pak puede entender mejor los problemas de producción de sus clientes y hacer recomendaciones, relacionar errores con ajustes del proceso y abordar las causas de estos errores.

Leer más acerca de: