Nivel: Intermedio
(usando traducción automática)
Los alimentos listos para comer, como las albóndigas, normalmente se preparan sin un control preciso del proceso de los parámetros de cocción. El propósito de este trabajo es personalizar el proceso de cocción de las bolas de masa en función de diferentes tipos de productos de bolas de masa. En el proceso de cocción de la gyoza, la temperatura del agua y el tiempo de cocción son los factores más importantes que determinan el grado de cocción (cocción) de la gyoza. El peso, el tipo y el tamaño de la bola de masa también son variables que afectan el proceso de cocción. Construimos una plataforma JMPDSD estructurada con propiedades especiales para construir un modelo de predicción del tiempo de cocción. Se ha adoptado el esquema de gestión de seguridad alimentaria y análisis de peligros y puntos de control críticos (HACCP) ISO22000, reconocido internacionalmente. Comparamos el método de ajuste neuronal JMP utilizando algoritmos modernos de minería de datos con RSM. Los resultados mostraron una mayor prevalencia de los efectos principales de factores como la temperatura de ebullición, el tipo de producto, el tamaño/lote de la bola de masa y los efectos de interacción limitados por la mezcla utilizada en la composición de la bola de masa. Este enfoque de diseño/análisis empleó la sólida optimización del diseño de JMP, la simulación Monte Carlo y los límites de control HACCP para comprender y caracterizar la sensibilidad de los elementos de cocción de dumplings a los tiempos de cocción resultantes. El enfoque holístico mostró la sinergia de combinar modelos con diferentes propiedades proyectivas. Los modelos de IA basados en particiones recursivas utilizan esquemas de clasificación para estimar los efectos de la interacción, y el modelado de regresión clásico (por pasos) proporciona la capacidad de interpretar interacciones de dos o más grados, incluida la curvatura en términos cuadráticos. En este documento técnico, describimos un nuevo proceso automatizado de cocción de bolas de masa y un marco de análisis (utilizando un esquema de IA) que puede mejorar todo el proceso, reducir los costos de energía y reducir los costos de mano de obra. Esta nueva metodología tiene el potencial de cambiar la forma en que pensamos acerca de estimar los costos comerciales y modelar las ganancias en la industria de restaurantes.
Haga clic aquí para ver este anuncio.
Vaya a la página de la sesión en Discovery Summit Americas.
(Tenga en cuenta que se le pedirá que inicie sesión en su perfil SAS).
