IVACE - FEDER COGNOSFOOD

Objectif

L’objectif du projet est de développer un prototype de système basé sur l’intelligence artificielle/Machine Learning et des interfaces avancées (réalité augmentée, assistants virtuels et wearables) autour d’une architecture commune d’industrie cognitive qui transforme la manière de fabriquer des aliments, de sorte que les processus industriels clés disposent de leur propre intelligence artificielle et soient exécutés de manière coordonnée et orchestrée grâce à l’analyse intelligente des données.

À travers le développement du paradigme de l’INDUSTRIE COGNITIVE DES ALIMENTS, AINIA souhaite contribuer directement à toutes les lignes d’action, de manière à maximiser le transfert futur des développements du projet COGNOSFOOD, en particulier afin que les entreprises de la Comunitat Valenciana améliorent, individuellement et collectivement, leur position par rapport au reste du territoire national et face aux entreprises concurrentes sur les marchés internationaux.

Les objectifs spécifiques sont :

Développer une proposition d’architecture de référence pour l’industrie cognitive des aliments dans laquelle situer les différents composants cognitifs basés sur l’intelligence artificielle, en abordant les problématiques actuelles en matière de production, sécurité alimentaire, chaîne de valeur et innovation.
Développer des prototypes d’applications d’aide à la prise de décision permettant de réaliser des simulations pour optimiser les opérations de manière coordonnée dans l’organisation, selon des dimensions telles que le coût, la durabilité et l’efficacité des processus d’un point de vue holistique.
Concevoir une structure technologique de captation massive, traitement et gouvernance des données de processus en usine, caractéristiques de la matrice alimentaire et paramètres physico-chimiques et microbiologiques de laboratoire, permettant l’acquisition de données avec garanties pour être utilisées dans la modélisation de systèmes prédictifs orientés vers :
- Prédire les paramètres descriptifs du produit alimentaire (paramètres de qualité) et établir des niveaux de risque d’apparition de micro-organismes dans l’usine de production
- Amélioration des processus productifs à partir de la combinaison de Co-bots et de systèmes d’inspection avancés des aliments.
Mettre en œuvre un prototype de technologie intelligente de contrôle du flux d’information de processus distribués capable de synchroniser efficacement différents processus clés (inter-organisations) de la chaîne de valeur orientés vers la qualité et la sécurité alimentaire, et de soutenir efficacement les entreprises et fournisseurs dans le processus
Développer un prototype intégré d’industrie cognitive des aliments de tous ces sous-systèmes afin de démontrer sa capacité d’exécution et d’intégration avec des systèmes existants sur lignes pilotes
Pilotage des prototypes développés en utilisant des datasets (ensemble de données issues de processus productifs, de chaîne et de contrôle qualité) d’entreprises de référence du secteur agroalimentaire de la Comunitat Valenciana.

Activités

Conception de l’architecture de systèmes pour la fabrication cognitive des aliments
Recherche et caractérisation numérique des processus de fabrication cognitive des aliments
Développement et mise en œuvre des technologies et composants CORE du système de fabrication cognitive des aliments
Conception et développement des applications utilisateur et intégration du prototype de système de fabrication cognitive des aliments.
Tests unitaires et pilotage avec utilisateurs
Diffusion et communication
Transfert et promotion des résultats
Gestion-coordination

Résultats

Nouveau modèle de production basé sur le concept d’Industrie Cognitive Alimentaire fondé sur la présence ubiquitaire de l’intelligence artificielle, en tenant compte des opportunités d’amélioration des processus productifs clés d’une entreprise.
Méthodologies de génération de corpus robustes de paramètres de processus comme variables d’entrée (variables de décision) et des paramètres de qualité comme variables de sortie (variables dépendantes).
Prototype de core Big-Data qui gérera et contextualisera un ensemble de données hétérogènes dans des conditions de grande vitesse d’arrivée, grande variété et variabilité de manière liée, permettant la prise de décision de manière horizontale pour toutes les opérations et de manière spécifique pour chacune d’elles.
Intégration de cobots et de systèmes d’inspection avancés.
Modèles prédictifs de processus créés et entraînés pour identifier l’influence des paramètres de processus sur les paramètres descriptifs de la qualité du produit, permettant de réaliser des simulations de type “What If”.