Π2 — Πειραματικό λογισμικό

Έρευνα · Παραδοτέο Π2

Πειραματική έκδοση λογισμικού τεχνητής νοημοσύνης για τη μοντελοποίηση και βελτιστοποίηση συνταγών ζυμοσκευασμάτων

Ενότητα εργασίαςΕΕ3
Ημερομηνία παράδοσης31.12.2025
ΚατάστασηΟλοκληρωμένο
Ηλεκτρονικός σύνδεσμοςsmartbakeai.com/research/software

Το Π2 τεκμηριώνει τη μετάβαση του έργου από την επιστημονική ανάλυση και τον αρχικό σχεδιασμό της ΕΕ2 σε λειτουργική πειραματική τεχνολογική υλοποίηση: τα επιλεγμένα αλγοριθμικά μοντέλα ενσωματώθηκαν σε διαδικτυακή εφαρμογή που δέχεται παραμέτρους και παράγει πειραματικές προβλέψεις.

Χαρακτήρας του λογισμικού. Η υλοποίηση δεν αποτέλεσε έτοιμο εμπορικό προϊόν, αλλά πειραματικό λογισμικό για την αξιολόγηση της τεχνολογικής εφικτότητας των αναπτυχθέντων μοντέλων. Οι παραγόμενες τιμές είναι πειραματικές εκτιμήσεις και δεν υποκαθιστούν τη δοκιμαστική παραγωγή.

1

Προετοιμασία των δεδομένων

Η ανάπτυξη του Π2 βασίστηκε στα πειραματικά δεδομένα που είχαν παραχθεί κατά την ΕΕ1 και είχαν αρχικά αξιολογηθεί και οργανωθεί κατά την ΕΕ2. Πριν από την εισαγωγή τους στα αλγοριθμικά μοντέλα πραγματοποιήθηκαν διαδικασίες καθαρισμού, κανονικοποίησης, μετασχηματισμού και οργάνωσης, με σκοπό την απομάκρυνση ή διαχείριση μη συνεπών τιμών, την ομογενοποίηση διαφορετικών μεταβλητών και τη δημιουργία συνόλων δεδομένων κατάλληλων για εκπαίδευση και αξιολόγηση.

Η διαδικασία ήταν κρίσιμη, επειδή η ποιότητα των αποτελεσμάτων των μοντέλων εξαρτάται άμεσα από την ποιότητα, τη συνέπεια και τη δομή των δεδομένων εισόδου.

Στη συνέχεια αναπτύχθηκαν κατάλληλα χαρακτηριστικά εισόδου, ώστε οι πρωτογενείς καταγραφές των πειραματικών δοκιμών να μετατραπούν σε μορφή αξιοποιήσιμη από τους αλγορίθμους. Παράλληλα προσδιορίστηκαν τα ποιοτικά χαρακτηριστικά που χρησιμοποιήθηκαν ως μεταβλητές εξόδου ή ως στόχοι πρόβλεψης και βελτιστοποίησης.

2

Συγκριτική διερεύνηση αλγοριθμικών προσεγγίσεων

Βασικό αντικείμενο της ερευνητικής δραστηριότητας ήταν η συγκριτική διερεύνηση διαφορετικών αλγοριθμικών προσεγγίσεων. Δεν υιοθετήθηκε εκ των προτέρων ένα μοναδικό μοντέλο ως δεδομένη λύση. Αντιθέτως, εξετάστηκαν διαφορετικές αρχιτεκτονικές και παραμετροποιήσεις, ώστε να αξιολογηθεί ποια προσέγγιση μπορούσε να αποτυπώσει αποτελεσματικότερα τις σύνθετες σχέσεις μεταξύ των χαρακτηριστικών της συνταγής, των συνθηκών παραγωγής και του τελικού αποτελέσματος.

Κύκλος ανάπτυξης ανά προσέγγιση

  1. Αρχική παραμετροποίηση
  2. Εκπαίδευση
  3. Πειραματική αξιολόγηση
  4. Καταγραφή αποκλίσεων και περιορισμών
  5. Επανεκπαίδευση
  6. Βελτιστοποίηση των παραμέτρων

Τα αποτελέσματα δεν θεωρήθηκαν στατικά. Όπου παρατηρήθηκαν αποκλίσεις, περιορισμένη ακρίβεια ή αστάθεια, πραγματοποιήθηκε επανεκπαίδευση και βελτίωση των επιλεγμένων μοντέλων, καθώς και επαναπροσδιορισμός παραμέτρων και χαρακτηριστικών εισόδου. Η επαναληπτική αυτή διαδικασία επέτρεψε την απόρριψη προσεγγίσεων που δεν παρουσίαζαν επαρκή συμπεριφορά.

3

Κριτήρια αξιολόγησης

Η αποτελεσματικότητα των μοντέλων δεν εξετάστηκε ως προς μία μεμονωμένη μέτρηση, αλλά ως προς ένα σύνολο κριτηρίων. Στόχος ήταν να διαπιστωθεί όχι μόνο εάν ένα μοντέλο μπορούσε να προσαρμοστεί στα υπάρχοντα δεδομένα, αλλά εάν παρουσίαζε επαρκή συμπεριφορά ώστε να αποτελεί βάση για περαιτέρω ερευνητική και τεχνολογική ανάπτυξη.

Ακρίβεια

Πόσο κοντά βρίσκονται οι προβλέψεις στις πραγματικές μετρήσεις.

Σταθερότητα

Πόσο συνεπή είναι τα αποτελέσματα σε επαναλαμβανόμενες εκτελέσεις.

Αξιοπιστία

Η συμπεριφορά του μοντέλου σε διαφορετικές περιπτώσεις.

Δυνατότητα γενίκευσης

Η απόδοση σε δεδομένα που δεν χρησιμοποιήθηκαν στην αρχική εκπαίδευση.

Ερμηνευσιμότητα

Κατά πόσο μπορεί να εξηγηθεί ποιοι παράγοντες οδήγησαν σε ένα αποτέλεσμα.

4

Η πειραματική διαδικτυακή εφαρμογή

Αναπτύχθηκε λειτουργική εφαρμογή, φιλοξενούμενη σε κατάλληλο υπολογιστικό περιβάλλον, μέσω της οποίας ο χρήστης εισάγει επιλεγμένες παραμέτρους που σχετίζονται με τη συνταγή ή τις συνθήκες παραγωγής και λαμβάνει αντίστοιχες πειραματικές προβλέψεις. Με τον τρόπο αυτό πραγματοποιήθηκε μετάβαση από την καθαρά υπολογιστική εκπαίδευση των μοντέλων σε λειτουργικό ερευνητικό πρωτότυπο.

Παράμετροι εισόδου

  • Τύπος αλεύρου και περιεκτικότητα σε πρωτεΐνη
  • Ενυδάτωση (νερό επί αλεύρου)
  • Λιπαρή ύλη, ζάχαρη, αλάτι, μαγιά
  • Θερμοκρασία και χρόνος ζύμωσης
  • Θερμοκρασία και χρόνος ψησίματος

Πειραματικές προβλέψεις

  • Ειδικός όγκος (mL/g)
  • Υγρασία ψίχας (%)
  • Σκληρότητα ψίχας (N)
  • Φωτεινότητα κόρας (δείκτης L*)
  • Εκτιμώμενη διάρκεια διατήρησης (ημέρες)

Λειτουργίες που τεκμηριώνουν τον ερευνητικό χαρακτήρα

Έλεγχος παρέκτασης

Όταν μια παράμετρος βρεθεί εκτός του πειραματικού εύρους των δεδομένων εκπαίδευσης, η εφαρμογή το δηλώνει ρητά και προειδοποιεί ότι η αξιοπιστία μειώνεται.

Ανάλυση ευαισθησίας

Εμφανίζεται η συνεισφορά κάθε παραμέτρου στην τρέχουσα πρόβλεψη — στοιχείο ερμηνευσιμότητας, όχι μόνο πρόβλεψης.

Πειραματικό εύρος αβεβαιότητας

Κάθε πρόβλεψη συνοδεύεται από εύρος και όχι από μεμονωμένη τιμή, ώστε να μην παρουσιάζεται ως βεβαιότητα.

5

Αποκλίσεις, τεχνικοί περιορισμοί και ανεπιτυχείς προσεγγίσεις

Ιδιαίτερη έμφαση δόθηκε στην καταγραφή των αποκλίσεων, των τεχνικών περιορισμών και των ανεπιτυχών προσεγγίσεων. Η καταγραφή αυτή αποτελεί κρίσιμο επιστημονικό αποτέλεσμα του Π2, καθώς αποτυπώνει όχι μόνο τι λειτούργησε, αλλά και σε ποιες περιπτώσεις τα μοντέλα παρουσίασαν ανεπαρκή ακρίβεια, αστάθεια ή περιορισμένη δυνατότητα γενίκευσης.

Τεκμηριωμένοι περιορισμοί της υλοποίησης

  • Οι προβλέψεις ισχύουν εντός του πειραματικού εύρους των δεδομένων εκπαίδευσης· εκτός αυτού πρόκειται για παρέκταση.
  • Το μοντέλο δεν αποτυπώνει την ποιοτική μεταβλητότητα των πρώτων υλών ανά παρτίδα προμηθευτή.
  • Οι αισθητηριακοί δείκτες αποτελούν έμμεσες εκτιμήσεις και δεν υποκαθιστούν οργανοληπτική αξιολόγηση.
  • Η γενίκευση σε κατηγορίες ζυμοσκευασμάτων εκτός του συνόλου εκπαίδευσης παραμένει ανοικτό ερευνητικό ζήτημα.
  • Οι κατηγορίες που υποεκπροσωπούνται στο πειραματικό σύνολο σημαίνονται ρητά μέσα στην εφαρμογή.

Σημείωση συντήρησης — θέση για τον πίνακα συγκριτικής αξιολόγησης των αλγοριθμικών προσεγγίσεων (μοντέλο, μετρικές ακρίβειας, σταθερότητα, γενίκευση, απόφαση αποδοχής ή απόρριψης) και για τα διαγράμματα εκπαίδευσης. Αντλούνται από την τεχνική τεκμηρίωση του υπεργολάβου· δεν συμπληρώνονται εκτιμητικά.

6

Δυνατότητα επαλήθευσης

Το Π2 παρέχει δυνατότητα άμεσης επαλήθευσης του υλοποιηθέντος φυσικού αντικειμένου: είναι δυνατή η διαπίστωση της ύπαρξης και λειτουργίας της πειραματικής εφαρμογής μέσω του ηλεκτρονικού συνδέσμου, η εξέταση της δυνατότητας εισαγωγής επιλεγμένων παραμέτρων και παραγωγής πειραματικών προβλέψεων, και η συσχέτιση της λειτουργίας της εφαρμογής με την τεχνική τεκμηρίωση, τα πειραματικά δεδομένα και τα αποτελέσματα εκπαίδευσης και αξιολόγησης των μοντέλων.

Η ολοκλήρωση και παράδοση του Π2 στις 31 Δεκεμβρίου 2025 αποτελεί το βασικό τεχνολογικό ορόσημο της χρήσης 2025 και αποδεικνύει την ολοκλήρωση της ΕΕ3 και της πειραματικής ανάπτυξης λογισμικού που προβλεπόταν για το συγκεκριμένο φορολογικό έτος.