Dijitalleşme hayatın her alanında karşımıza çıkıyor. Yapay zeka ve makine öğrenimi, lojistikten sağlık hizmetlerine kadar neredeyse tüm sektörleri benzeri görülmemiş bir hızla yeniden şekillendiriyor. Peki bu, gelenek, ustalık ve duyusal uzmanlıkla dolu bir endüstri olan peynir üretimi için ne anlama geliyor?
İlk bakışta peynir üretimi dijital dönüşümden etkilenmeyecek gibi görünebilir. Ama görünenin altında, süt bileşimi, sıcaklık, pH seviyeleri, nem içeriği ve mikrobiyal aktivite gibi çok sayıda değişken barındıran bir proses yatıyor ve bunların tümü nihai ürünü etkiliyor. Bu karmaşıklık, peynir üretimini dijital yenilik için en uygun aday haline getiriyor.
Tetra Pak’tan Analyse Çözüm Yöneticisi Tim Dijkstra ve Ticari Yöneticisi Joanna Ilczyszyn, peynir üreticileri için yeni araç ve teknolojilerin sunduğu olanakları özetliyor ve geleceğe dair bir ön izleme sunuyor.
Birinci adım: Bir zorluktan başlamak.
Tetra Pak olarak, ekipman ve servislerin ötesine geçen derin bir alan uzmanlığına sahibiz. Analyse olarak adlandırdığımız ekibimiz, bu bilgi birikiminden yararlanarak müşteri tesis verilerini verimliliği artıran ve maliyetleri azaltan değerli içgörülere dönüştürüyor. Sektöre özel anlayışımızı hayata geçirerek ham verilere temel bir bağlam kazandırıyor, yiyecek ve içecek üreticilerinin benzersiz ihtiyaçlarına uyarlanmış güçlü uygulamalar oluşturuyoruz. Bunu başarmanın ilk adımı, sorunun net bir şekilde tanımlanması ve verilerin ulaşılabilirliğinin sağlanması oluyor.
Tim bunu şu şekilde açıklıyor: "Müşterimize karşılaştıkları zorlukları soruyoruz. Sonra da bu sorunla ilgili verilere sahip olup olmadıklarını. Bu iki soruya olumlu yanıt veriyorsanız olasılıkları değerlendirebileceğiniz bir potansiyel vardır. Olasılıklar diyoruz çünkü yine de bazı zorluklar olacak. Örneğin, birbirinden çok farklı, çok çeşitli veri kaynaklarıyla karşılaşacağız. Bazı veriler kağıt üzerindeyken bazıları tesis genelinde farklı veritabanlarında saklanıyor olacak. Verilerin değerini ortaya çıkarmak için hepsini tek bir yüksek kaliteli veri kaynağında bir araya getirmeniz gerekiyor. Bu noktada, müşterilerimizin altyapısını yenileyerek onlara destek olabiliyoruz. Şimdiden geleceğe hazır bir altyapıyı standart bir platform olarak inşa ediyoruz.”
İkinci adım: Çözüm zamanı.
Veri toplama için gerekli altyapı hazır olduğunda, bu veriler nasıl kullanılabilir? Tim bu konuda şunları söylüyor:
"Kapsamımız peynir teknolojisi uzmanları, veri bilimcileri, otomasyon mühendisleri gibi çeşitli yetkinlikleri ve yetenekleri içeriyor ve elbette mesajı iletmek için müşterilerle görüşen çalışanlarımız da bulunuyor. Yani bu oldukça çok disiplinli bir alan.”
Tim, "kapsamın" neler içerebileceğini açıklamak için peynirdeki ana kalite göstergelerinden biri olan nem seviyesi optimizasyonuna yönelik bir yapay zeka modeli üzerinden örnek veriyor:
"Müşterilerimizin peynirin nem seviyesini kontrol etmesini sağlayan bir algoritma geliştirdik. Bunu uygulamak için ilk olarak belirli bir müşteri için geçerli bir iş vakası olup olmadığını analiz ediyoruz. Bunun içinse belirli bir veri setine erişmeye ihtiyaç duyuyoruz. Bu verileri yorumlamak için de hem verileri analiz edecek bir veri bilimcisi hem de anlamını açıklayacak bir peynir teknolojisi uzmanı gerekiyor. Bu nedenle verilerin yorumlanması ortak bir çaba sonucu gerçekleşiyor. Algoritmamız ve müşterinin verileriyle modeli oluşturuyor, doğruluyor ve devreye alıyoruz. Devreye aldıktan sonra veri setini güncelleyerek, performansı analiz ederek ve modeli buna göre uyarlayarak modeli iyileştirmeye devam ediyoruz. Operatör için de bir arayüz bulunuyor, biz de operatörlere bu arayüzün nasıl kullanılacağı konusunda eğitim veriyoruz. Bu eksiksiz bir paket.”
Bu, müşterilerin peynirlerinin nem seviyelerini optimize etmelerini ve tam kontrol sağlamalarını mümkün kılıyor. Optimum seviyeler ve değerler hakkında bilgi birikimi oluşturuyor. Aynı iş akışı; tarifleri ve diğer parametreleri kontrol etmek için de kullanılabiliyor. Joanna Ilczyszyn de şunları ekliyor:
"Nem optimizasyonu aracı için kullandığımız süreç, tesiste bunun nasıl gerçekleştiğine dair iyi bir örnek. Bu, üretim proseslerini dijitalleştirmekle ilgili ve makine öğrenimi bunun son derece önemli bir parçası.”
Üçüncü adım: Geleceğe bakış - Otonom tesisler
Peynir yapımı bir zanaattır. Bu konuda gerçekten iyi olmak için deneyim gerekiyor. Bu da peynir üreticilerinin, belirli kişilerin bilgi birikimine bağımlı olduğu anlamına geliyor. Yetenekli çalışan eksikliğinin yaşandığı zamanlarda, bu bir zorluk oluşturuyor; ama bu zorluk otomasyon ve dijital araçlarla çözülebiliyor. Yapay zeka ve makine öğrenimi kendi başlarına birer hedef olmasa da, bu olguların rolü giderek ve kaçınılmaz olarak artıyor.
Tim, "Günümüzde yapay zeka, peynir uzmanlarına günlük işlerinde yardımcı olan bir asistan." diyor.
Peki ya gelecekte? Yolculuk sürekli devam ediyor ve belirli bir varış noktası bulunmuyor. Ancak yakın gelecekteki yol haritalarına bakıldığında, adım adım ilerlediğimiz yön, otonom tesisler konseptine doğru gidiyor. Joanna şöyle açıklıyor:
"Ünite sayısı, gerekli operasyonlar, kontrol faktörleri ve potansiyel riskler açısından karmaşık olan peynir üretim hattını tüm ince ayrıntılarıyla anlamayı ve bu anlayışı müşterilerimize sunmayı hedefliyoruz. Peki bunu nasıl başarabiliriz? Operasyonel bir bakış açısıyla ne yapmanız, neleri iyileştirmeniz ve nelerden kaçınmanız gerektiğini öngörerek.”
Peki ya gelecekte?
Peynir üretiminde dijitalleşme yolculuğu sona ermekten çok uzak. Aslında daha yeni başlıyor. Önümüzdeki yol, sabit bir varış noktası olmayan, yalnızca dönüşen kilometre taşlarının bulunduğu sürekli bir yol. Yakın geleceğe baktığımızda ise bir kavram giderek daha net hale geliyor: otonom tesisler.
Joanna, "Gittiğimiz yön, adım adım otonom tesisler konseptine doğru ilerliyor." diyor ve ekliyor: "Otonom tesisler, sistemlerin yalnızca izleme ve raporlama yapmakla kalmayıp, aynı zamanda öğrenme, uyum sağlama ve bağımsız hareket etme yeteneğine de sahip olduğu bir sonraki sınırı temsil ediyor. Kendini gerçek zamanlı olarak, gelen sütün kalitesine, çevresel koşullara ve hatta pazar talebine göre ayarlayan bir peynir üretim hattı hayal edin. Bu bilim kurgu değil, inşa ettiğimiz gelecek.”
Öngörüler, toplanan verilerdeki eğilimleri temel alıyor, bu veriler de onlarca yıllık birikmiş bilgi birikimine dayanıyor.
Tim, "Yapay zekanın tasarımı insan beyninin mantığına dayanıyor. Yani, deneyimli bir peynir teknolojisi uzmanı mükemmel peynir yapabiliyorsa, yapay zeka da bunu en azından bir dereceye kadar taklit edebilir.” diyor.
Joanna da şöyle devam ediyor:
"Bu nedenle, insan beyninin üretim sistemine sağladığı bilgileri alıyor ve bu bilgileri gelir üzerinde etkisi olan parametreleri stabilize etmek için kullanıyoruz. Malzeme tüketimi, CIP prosesleri veya tekne verimliliği gibi alanlara bakabiliriz... Ekipmanlarımızın, hat çıktısını etkileyen tüm veri noktalarını kapsayacak uygun yazılım ve donanıma sahip olmasını sağlayarak, üretimi otomatikleştiriyor ve ürün kalitesinin ve gelirin operatörlerin kararlarına bağlı olmamasını sağlayabiliyoruz.”
Peynir yapımıyla ilgili deneyimin kısıtlı olduğu yeni fabrikalar için önemli bir potansiyel bulunuyor. Joanna şöyle açıklıyor:
"Birine sadece bir yıl gibi kısa bir sürede peynir teknolojisi uzmanı olmayı öğretemezsiniz. Bu mümkün değildir. Ancak, veri toplama, veri anlama ve veri yapısından elde edilen bilgilerden yararlanarak proses akışı için bir mantık oluşturmak ve ardından bunu bir operatör gibi verileri anında okuyan, kontrol eden ve analiz eden yapay zeka modeline uygulamak ise mümkündür.”
Uzmanlar uzman olmaya devam edecek
Peki teknoloji devreye girdiğinde, uzun yılların deneyimiyle kazanılan ustalık ve uzmanlık ne olacak? Hepsi kayboluyor mu? Tim, bu konuya farklı bir perspektiften yaklaşıyor:
"Diğer yandan, bir uzman işten ayrıldığında veya emekli olduğunda ve yerine geçecek kişi aynı bilgiye sahip olmadığında ne olur? Artık, yapay zeka modelini kullanarak yeni teknoloji uzmanını eğitebilir ve uzmanlığı koruyabilirsiniz.”
Ancak, bu çok adım adım gerçekleşen bir geçiş süreci.
Tim, “Yapay zeka uygulamaya alırken, genellikle bütçenin yalnızca %25'i yapay zeka modelinin oluşturulmasına ve uygulanmasına ayrılıyor. Geri kalan %75'i ise değişim yönetimine harcanıyor. İnsanların bu yeni teknolojiyi kabul etmesini nasıl sağlayabilirsiniz? İşte burada müşterilerimizle kurduğumuz uzun vadeli ilişkiler devreye giriyor. Yalnızca yeni teknolojileri uygulamaya alıp, "hadi size iyi şanslar" demiyoruz. Bu teknolojilerin işe yarayacağından emin oluyor ve müşterilerimizin ilerleme yolunda yanlarında oluyoruz.” diyor.
İnsan bilgisi, proseslerin temelini oluşturan unsur olmaya devam ediyor. Mükemmel peyniri üretmek söz konusu olduğunda deneyimli bir peynir üreticisini yenemezsiniz.
Tim, "Yapay zeka, işini en iyi şekilde yapan bir peynir uzmanından daha iyi iş çıkaramaz. Ancak insanlar yorulur, yemek yemek ve su içmek zorundadır. Yapay zeka tutarlıdır. Peynirinizi her seferinde aynı şekilde yapar. Ancak yine de, insanların her zaman sorumlu olduğunu ve kararları insanların verdiğini vurgulamak da bu noktada önem taşıyor.” diye ekliyor.
Joanna, peynir koagülasyonunu bir örnek olarak veriyor.
"Geçmişte, operatör tekneyi açar, pıhtıyı elleriyle sıkıp yapısına bakarak pıhtının kesilmeye hazır olup olmadığına karar verirdi. Günümüzde, ekipmandaki sensörler aracılığıyla nem seviyesi ölçülerek koagülasyon kontrol edilebiliyor. Böylece zamanla, yapay zeka parametreleri değerlendirmemize ve performansı daha iyi kontrol etmemize olanak tanıyan bir şekilde verileri analiz etmemize yardımcı oluyor. Ancak yine de insan gözüne, “evet, bu eğilim doğru, bu işe yarayacak” diyen uzmanlara ihtiyacımız olacak.”
Gelecek, tanımı gereği tahmin edilmesi zor bir şey. Ancak bizi nelerin beklediği bilinmese de, Tim'in ve Joanna'nın tüm ihtiyaçlarınızı tek bir adresten karşılayan, kapsamlı uzmanlığa sahip ekipleri, bugünün ve yarının peynir üreticilerini desteklemeye; ince ayarlamalar yapmaya, iyileştirmeler ve optimizasyonlar gerçekleştirmeye devam edecek. Çünkü Tim'in de belirttiği gibi:
"Daha fazla iyileşmeye ihtiyaç duyulmayan bir durum asla yoktur."
