Τεχνολογία
Πώς λειτουργεί το SMART BAKE AI
Το σύστημα συνδέει τρία επίπεδα: την πειραματική παραγωγή που παράγει τα δεδομένα, την υπολογιστική επεξεργασία που τα μετατρέπει σε μοντέλα, και την εφαρμογή που επιστρέφει προβλέψεις σε ανθρώπινη κλίμακα.
Η αλυσίδα
Από τη ζύμη στο μοντέλο και πίσω
01
Πειραματική παραγωγή
Κάθε παρτίδα παρασκευάζεται ως διακριτή ερευνητική μονάδα. Καταγράφονται οι μεταβλητές εισόδου — σύνθεση, δοσολογίες, συνθήκες — και τα παρατηρούμενα αποτελέσματα.
02
Υπολογιστική επεξεργασία
Καθαρισμός, κανονικοποίηση και μετασχηματισμός των δεδομένων· ανάπτυξη χαρακτηριστικών εισόδου· εκπαίδευση και συγκριτική αξιολόγηση μοντέλων.
03
Πειραματική εφαρμογή
Τα επιλεγμένα μοντέλα ενσωματώνονται σε διαδικτυακό περιβάλλον που δέχεται παραμέτρους και επιστρέφει πειραματικές προβλέψεις με εύρος αβεβαιότητας.
Είσοδοι και έξοδοι
Τι μπαίνει και τι βγαίνει
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
- Υγρασία ψίχας
- Σκληρότητα ψίχας
- Φωτεινότητα κόρας
- Εκτιμώμενη διάρκεια διατήρησης
Τι το διαφοροποιεί
Ερευνητικό εργαλείο, όχι μαύρο κουτί
Δηλώνει τα όριά του
Όταν μια παράμετρος βγαίνει εκτός του πειραματικού εύρους, το σύστημα το λέει ρητά αντί να επιστρέψει μια φαινομενικά έγκυρη τιμή.
Εξηγεί την πρόβλεψη
Η ανάλυση ευαισθησίας δείχνει ποια παράμετρος συνεισφέρει τι — ερμηνευσιμότητα, όχι μόνο αριθμός.
Δίνει εύρος, όχι βεβαιότητα
Κάθε πρόβλεψη συνοδεύεται από πειραματικό εύρος αβεβαιότητας.
Τι δεν είναι. Το σύστημα είναι πειραματικό ερευνητικό πρωτότυπο και δεν αποτελεί έτοιμο εμπορικό προϊόν. Οι προβλέψεις δεν υποκαθιστούν τη δοκιμαστική παραγωγή και δεν αποτελούν εγγύηση αποτελέσματος.
Προοπτική
Πού μπορεί να οδηγήσει
Η νέα γνώση, η οργανωμένη βάση πειραματικών δεδομένων και τα μοντέλα δημιουργούν τις προϋποθέσεις ώστε η επιχείρηση να υποστηρίζει τη λήψη τεκμηριωμένων αποφάσεων κατά τον σχεδιασμό και την τροποποίηση συνταγών και να κατευθύνει αποτελεσματικότερα τις επόμενες πειραματικές δοκιμές. Μελλοντικά, η αξιοποίηση αυτή δύναται να συμβάλει στον περιορισμό του αριθμού μη παραγωγικών δοκιμών, της κατανάλωσης πρώτων υλών και του χρόνου ανάπτυξης νέων προϊόντων.