Livello: intermedio
【Presentatore】
PATRICK GIULIANO, Ingegnere qualità senior, Abbott
Charles Chen, esperto di miglioramento continuo, ingegneria assistita da statistica (SAE), materiali applicati
Mason Chen, studente della scuola superiore, Stanford Online High School
[Riepilogo della presentazione] (utilizzando la traduzione automatica)
Gli alimenti pronti, come gli gnocchi, vengono generalmente preparati senza un preciso controllo del processo dei parametri di cottura. Lo scopo di questo lavoro è personalizzare il processo di cottura degli gnocchi in base a diversi tipi di prodotti gnocchi. Nel processo di cottura del gyoza, la temperatura dell'acqua e il tempo di cottura sono i fattori più importanti che determinano il grado di cottura (cottura) del gyoza. Anche il peso degli gnocchi, il tipo di gnocchi e la dimensione del lotto sono variabili che influenzano il processo di cottura. Abbiamo creato una piattaforma JMPDSD strutturata con proprietà speciali per costruire un modello di previsione del tempo di cottura. È stato adottato lo schema HACCP (Gestione della sicurezza alimentare, analisi dei rischi e punti critici di controllo critici) ISO22000, riconosciuto a livello internazionale. Abbiamo confrontato il metodo di adattamento neurale JMP utilizzando moderni algoritmi di data mining con RSM. I risultati hanno mostrato una maggiore prevalenza degli effetti principali derivanti da fattori quali la temperatura di ebollizione, il tipo di prodotto, la dimensione/lotto dei ravioli e gli effetti di interazione vincolati dalla miscela utilizzata nella composizione dei ravioli. Questo approccio di progettazione/analisi ha utilizzato la solida ottimizzazione del design di JMP, la simulazione Monte Carlo e i limiti di controllo HACCP per comprendere e caratterizzare la sensibilità degli elementi di cottura degli gnocchi ai tempi di cottura risultanti. L'approccio olistico ha mostrato la sinergia derivante dalla combinazione di modelli con diverse proprietà proiettive. I modelli di intelligenza artificiale ricorsiva basati su partizioni utilizzano schemi di classificazione per stimare gli effetti di interazione, mentre i modelli di regressione classici (stepwise) offrono la possibilità di interpretare interazioni di due o più gradi, inclusa la probabilità. In questo whitepaper, abbiamo descritto un nuovo processo automatizzato di cottura dei ravioli e un quadro di analisi (utilizzando lo schema AI) che può migliorare l'intero processo, ridurre i costi energetici e ridurre i costi di manodopera. Questa nuova metodologia ha il potenziale per cambiare il modo in cui pensiamo alla stima dei costi aziendali e alla modellazione dei profitti nel settore della ristorazione.
Clicca qui per guardare questo annuncio.
Vai alla pagina della sessione sotto Discovery Summit Americas.
(Tieni presente che ti verrà chiesto di accedere al tuo profilo SAS.)
