Acceso nuestros webinars
Descubre perspectivas de expertos en la industria de empaque en México y América Latina en nuestro webinars

Nuevas tecnologías alimentan el hambre de información

Tratando de mantenerse al día con la productividad, calidad, seguridad y sostenibilidad y otras demandas de la industria, las plantas de alimentos y bebidas están recurriendo más y más a las innovaciones en instrumentación de sensores actuales.

Nuevas tecnologías alimentan el hambre de información
Los escáneres basados en imágenes están desplazando a los escáneres láser estándar, proporcionando la capacidad para leer códigos de barras 2D, que pueden ser mucho más pequeños que los códigos de barras tradicionales. Foto cortesía de Cognex.

La industria de alimentos y bebidas enfrenta muchos desafíos. Bajo una presión constante para crear productos innovadores, los fabricantes están lidiando con una mayor variabilidad en los ingredientes básicos que ingresan a la planta. Las operaciones necesitan ver una mayor productividad y al mismo tiempo seguir siendo rentables. Deben mantenerse competitivos en los mercados locales y mundiales y proteger sus marcas garantizando la seguridad alimentaria y la calidad de los productos.

Nuevas tecnologías alimentan el hambre de informaciónLa tecnología de referencia del DRT 25C de Leuze permite la detección de envases con una amplia gama de colores y transparencias como una desviación de la superficie de la cinta transportadora. Foto cortesía de Leuze."Todo esto es al mismo tiempo donde cada vez es más difícil retener y encontrar personas", dice Ola Wesstrom, gerente senior de la industria de alimentos y bebidas en Endress + Hauser. "Las empresas necesitan encontrar formas innovadoras de aprovechar la instrumentación existente o nueva para aumentar la productividad mientras protegen su marca".

Hambrientos de información, los productores y envasadores de alimentos y bebidas están agregando más sensores al piso de la fábrica. Buscan información de proceso adicional y buscan obtener un mejor control sobre sus procesos.

"La industria de alimentos y bebidas está un poco retrasada en adoptar la tecnología de sensores, pero ahora claramente lo hace", dice Sabine Busse, directora gerente de medición y análisis de ABB. Un factor clave es el hecho de que los presupuestos se están estirando en todas partes. "Los sensores en cierta medida proporcionan una de las formas más rentables de comprender lo que está sucediendo en mi planta y cómo puedo optimizar".

A medida que los sensores adquieren capacidades en el camino, el resultado final sigue siendo el mismo: procesos de control y control de tiempo, dinero y desperdicio.

Mídalo en tiempo real

A medida que proliferan los sensores, una tendencia clave es la capacidad de llevar más monitoreo de calidad en línea a las operaciones. "Estamos analizando dónde y cómo se pueden reemplazar las mediciones de laboratorio tradicionales con instrumentación en línea", dice Wesstrom.

Las mediciones en línea pueden acelerar las operaciones y reducir los costos también. En la industria alimentaria, hay un tiempo de espera promedio de 14 minutos para que los resultados de laboratorio liberen el producto para su posterior procesamiento, según Wesstrom. "Eso puede tener un impacto en la utilización del espacio del tanque, la pérdida de tiempo de procesamiento y la posible calidad del producto", dice.

La variabilidad del producto entre muestras podría tener un impacto en la calidad en sí misma, Wesstrom también señala, agregando que las mediciones en línea podrían capturar anomalías más rápidamente.

En un seminario web de Endress + Hauser presentado en abril, Wesstrom revisó varios ejemplos de productos y procesos que se beneficiarían de las mediciones en línea: medición de oxígeno en fermentación de levadura, viscosidad en masa y chocolate, tasa de fermentación en sidra de manzana, salinidad en salmuera y muchos más. Pero también dejó en claro que no debe considerarse un reemplazo para las mediciones de laboratorio. "En la mayoría de los casos, las mediciones de laboratorio seguirán siendo el control final de calidad o seguridad", dice. "Estamos estudiando cómo complementar eso para capturar asuntos intermedios o acelerar los procesos para aumentar la productividad". También podría ser posible reducir el número de muestras que se toman y hacer un mejor uso de esos recursos.

Un tipo de análisis que se mueve cada vez más del laboratorio al piso de la fábrica es la medición del pH. Al proporcionar ejemplos para medir el pH de la mayonesa y la salsa de tomate, Wesstrom señaló su importancia para el sabor y la consistencia, así como la seguridad alimentaria. En este caso, obtener una medición continua durante todo el proceso no solo podría eliminar el muestreo por hora, sino también proporcionar un control de calidad continuo.

Una de las razones por las que las mediciones de pH se realizan típicamente en una línea de muestra enfriada o por medio de muestras tomadas es por el entorno de producción hostil. Los nuevos sensores de pH / ORP de ABB tienen diagnósticos integrados avanzados para garantizar la precisión y confiabilidad incluso en procesos difíciles. La refinación de azúcar es un ejemplo de un proceso cáustico a alta temperatura que requiere un control preciso del pH en casi todas las etapas. Usados ​​dentro del proceso de producción, los sensores ayudan a reducir el tiempo de retraso de las mediciones de laboratorio.

Los sensores basados ​​en imágenes también están viendo una tendencia que trae más adquisición de datos del laboratorio a la línea de producción, según Matt Moschner, director senior de productos de identificación en Cognex. Aunque no es un concepto nuevo, los sensores 3D, por ejemplo, son más capaces de trabajar en línea en gran medida debido a un aumento en la potencia de las computadoras integradas. Los sensores inteligentes son capaces de tomar decisiones en el punto de adquisición de imágenes, señala Moschner. "No tienen que pasar información a la nube ni a una PC", dice. "Toman decisiones cuando la línea se está ejecutando y formando partes".

Lo que esto significa en términos prácticos para la industria de alimentos y bebidas es la capacidad de hacer una inspección de calidad en cada artículo que se produce o empaca, en lugar de las piezas típicas (por ejemplo, 10 de cada 100 muestras). "Ahora podemos hacer eso en la línea para cada parte", dice Moschner.

El crecimiento de la informática de punta ayuda a interpretar todas las imágenes sobre la marcha, lo que permite la toma de decisiones en la planta. Cognex Edge Intelligence almacena información sobre los resultados sin procesar junto con imágenes 2D o 3D para analizarlas más adelante. Pero esos datos también pueden analizarse en tiempo real, explica Moschner, brindando a los operadores la información necesaria para tomar decisiones en tiempo real.

La inteligencia artificial se ocupa de la complejidad

Ese tipo de capacidades informáticas, junto con paquetes más térmicamente eficientes y precios más bajos, también han permitido un crecimiento en algoritmos de inspección basados ​​en aprendizaje automático para tareas más avanzadas. El procesamiento de alimentos siempre ha sido un desafío de control de calidad debido a la alta variabilidad. "Eso realmente ha desafiado nuestras herramientas clásicas de visión artificial", dice Moschner. "El advenimiento del aprendizaje automático realmente puede ser un gran avance para las aplicaciones que han sido prohibitivas desde el punto de vista de los costos o de la complejidad".

Nuevas tecnologías alimentan el hambre de informaciónEl transmisor acústico inalámbrico Rosemount 708 puede determinar continuamente el estado de la trampa de vapor, incluida la identificación de fallas e inactividad de la trampa de vapor. Foto cortesía de Emerson.El nuevo sistema de visión integrado In-Sight D900 de Cognex, que presenta el software de aprendizaje profundo ViDi de la compañía dentro de una cámara inteligente de grado industrial, es muy adecuado para el reconocimiento óptico de caracteres (OCR), la verificación de ensamblaje y la detección de defectos.

Los sistemas de visión tradicionales tienen dificultades para verificar el control de las porciones de los envases de alimentos, así como la presencia de los alimentos correctos, señala John Petry, director de marketing de software de visión en Cognex. “Por ejemplo, entrenar un sistema basado en reglas para detectar el pepperoni en una pizza es un gran desafío. Al mismo tiempo, enseñarlo a distinguir el pepperoni del jamón es completamente poco práctico en el mundo real”, explica. "Pero con la visión artificial de aprendizaje profundo, esto se está convirtiendo en una realidad, lo que permite a los fabricantes proporcionar una inspección 100% de calidad totalmente automatizada".