IA i robòtica revolucionen la pastisseria industrial: 35.000 peces de brioixeria per hora
La fabricant danesa Mette Munk ha incorporat intel·ligència artificial, visió artificial i robòtica a les seves línies de producció per analitzar, classificar i ordenar milers de peces abans de l’envasament. El sistema mostra fins on pot arribar l’automatització quan es combina amb el criteri dels professionals.
En una fàbrica de brioixeria industrial, mig segon pot ser suficient per haver de prendre desenes de decisions.
Les peces arriben a la línia amb petites diferències de forma, volum, farciment o cobertura. Algunes estan enganxades, d’altres ocupen l’espai que necessitaria un robot per moure la peça següent.
A aquesta velocitat, revisar cada producte manualment resulta pràcticament impossible. Però tampoc seria eficient considerar qualsevol irregularitat com un defecte, especialment en aliments elaborats amb massa, on una certa variació forma part del mateix producte.
Aquest és el repte que ha abordat Mette Munk, fabricant danès de brioixeria congelada, mitjançant un sistema que combina intel·ligència artificial, visió artificial i robòtica industrial per controlar les peces abans que arribin a l’envasament.
Càmeres que observen i robots que actuen
La visió artificial funciona com els ulls de la línia de producció. Les càmeres industrials observen contínuament les peces i transformen les imatges en dades: localitzen els contorns, separen els productes del fons i analitzen característiques visibles com la mida, la forma, el color, l’orientació o la cobertura.
Aquesta informació permet saber no només si una peça presenta alguna anomalia, sinó també on es troba exactament sobre la cinta transportadora.
La robòtica aporta el següent pas. A partir de les coordenades calculades pel sistema de visió, els robots poden decidir quina peça convé moure i en quin punt de la cinta existeix espai disponible.
El moviment ha de ser ràpid, però també delicat. Un excés de força podria deformar la massa, desplaçar el farciment o deteriorar la decoració del producte.
La clau, per tant, no és simplement instal·lar una càmera i un robot, sinó aconseguir que tots dos treballin coordinadament. Cada nova imatge actualitza la situació de la cinta i condiciona el moviment següent.
Com aprèn la intel·ligència artificial què és una peça de qualitat?
Els sistemes tradicionals de control poden funcionar amb regles fixes.
Per exemple, una peça massa petita, mal posicionada o amb una silueta incompleta pot activar automàticament una alarma.
El problema apareix quan els productes presenten variacions normals de recepta, decoració o forma. En aquests casos, les regles rígides poden tenir dificultats per distingir entre una irregularitat acceptable i un defecte real.
Aquí entra en joc l’aprenentatge automàtic.
En lloc de programar totes les situacions possibles, els models s’entrenen amb milers d’imatges prèviament classificades pels mateixos operaris. D’aquesta manera, l’algoritme aprèn a relacionar determinats patrons visuals amb els criteris de qualitat establerts per l’empresa.
Segons la informació publicada pel Danish Technological Institute (DTI), el sistema utilitzat a Mette Munk treballa amb diversos models especialitzats. Alguns permeten identificar les peces fins i tot quan arriben enganxades, mentre que d’altres les classifiquen segons tres nivells de qualitat establerts per l’empresa.
Els noms concrets d’aquests tres nivells no s’han fet públics.
16 robots i fins a 35.000 peces cada hora
Les xifres del projecte permeten entendre l’escala del sistema.
La instal·lació comunicada pels responsables del projecte disposa de 16 robots distribuïts en dues línies de producció, capaces de gestionar conjuntament fins a 35.000 peces de brioixeria per hora.
Cada mig segon, el sistema analitza aproximadament 24 peces.
A partir d’aquest escaneig, identifica els productes, avalua diferents característiques visibles i calcula quines peces convé moure i quin espai existeix disponible sobre la cinta.
Els robots, el controlador lògic programable —conegut com a PLC— i la interfície utilitzada pels operaris comparteixen informació de manera dinàmica.
Mette Munk, en xifres
- 35.000 peces per hora en dues línies de producció.
- 24 peces analitzades aproximadament cada 0,5 segons.
- 16 robots dedicats a reordenar, classificar i posicionar els productes.
- Tres nivells de qualitat definits per l’empresa.
- Milers d’imatges etiquetades per operaris per entrenar els models d’intel·ligència artificial.
Una tecnologia que no elimina el criteri humà
Un dels aspectes més rellevants del projecte és que l’automatització no elimina completament la intervenció de les persones.
Els treballadors continuen definint què significa qualitat, etiqueten les imatges que serviran per entrenar els models i intervenen davant de situacions excepcionals o canvis en el procés.
La màquina pot detectar forma, color, orientació o aparença del farciment, però no pot valorar directament aspectes com el gust, l’aroma, la textura interior o la seguretat microbiològica.
Per això, la introducció de sistemes d’intel·ligència artificial no substitueix altres controls de qualitat.
En realitat, el projecte mostra una forma de complementarietat entre persones i màquines: les persones estableixen els criteris i la tecnologia permet aplicar-los a una escala difícilment assumible de manera manual.
Quins resultats ha obtingut Mette Munk?
Segons el DTI i les empreses implicades, la instal·lació ha ajudat a mantenir un flux més estable de producció, a fer més consistent la classificació de les peces i a reduir part de les tasques repetitives realitzades pels treballadors.
Ara bé, la documentació disponible també obliga a ser prudent.
No s’han publicat dades independents sobre la precisió del sistema, la taxa de falsos rebutjos, l’estalvi energètic, la reducció exacta del malbaratament alimentari o el retorn econòmic de la inversió.
Per tant, el cas demostra sobretot que és possible integrar visió artificial, intel·ligència artificial i robòtica a gran escala dins d’una línia real de producció, però no permet extrapolar automàticament els mateixos resultats a qualsevol altra indústria o fàbrica.
El futur de la IA en la indústria alimentària
La incorporació d’intel·ligència artificial al sector alimentari probablement continuarà avançant en els pròxims anys, especialment en àmbits com la inspecció visual, la detecció d’anomalies, la classificació de productes i la traçabilitat.
Però la tecnologia també planteja nous reptes.
Els models necessiten dades representatives, revisions humanes en els casos dubtosos i processos de recalibratge quan canvia una recepta, la matèria primera, la il·luminació o qualsevol altre element que pugui modificar l’aspecte del producte.
Una recepta nova, per exemple, podria alterar el color o la forma d’una peça sense que això impliqués una reducció de qualitat. Si el model no s’actualitzés, podria interpretar aquesta variació com un defecte.
El cas de Mette Munk evidencia així una de les principals transformacions que està vivint la indústria alimentària: la intel·ligència artificial ja no només analitza dades en un ordinador, sinó que comença a participar directament en processos físics de producció.
El repte serà aconseguir que aquesta automatització permeti produir més i controlar millor la qualitat sense perdre el coneixement i el criteri de les persones que coneixen el producte.
