数字化无处不在。人工智能和机器学习正在以前所未有的速度重塑从物流到医疗保健等各行各业。但对于奶酪制造这一植根于传统、工艺与感官专业知识的行业而言，这意味着什么？
乍一看，奶酪生产似乎不受数字化变革的影响。然而在表象之下，其生产过程暗藏诸多变量：牛奶成分、温度、pH值水平、水分含量和微生物活性——所有这些都会影响最终产品。这种复杂性使其成为数字创新的理想对象。
利乐分析解决方案经理Tim Dijkstra和商业经理Joanna Ilczyszyn将为您详细介绍新型工具与技术为奶酪制造商带来的无限可能，并带您抢先窥见行业未来。
第一步由此开始：攻克挑战。
利乐拥有决不局限于设备和服务领域的深刻行业经验。我们的分析团队利用这些知识将客户工厂数据转化为有价值的洞察，从而提高效率并降低成本。通过运用对行业的深刻理解，我们为原始数据赋予必要的背景信息，打造出功能强大、贴合食品饮料生产商独特需求的应用程序。为此，第一步需确保问题陈述清晰且数据可用。
“我们会问客户‘您面临的挑战是什么？’。然后会问‘您是否拥有与该问题相关的数据？’。如果这两个问题的答案都是肯定的，那么就有可能探索各种可能性。我们说的是可能性——因为会遇到一些挑战。例如，我们会面临数据源的多样性。有些数据会以纸质形式存在，而有些则存储在企业不同的数据库中。要释放数据价值，就需要将所有数据整合到单一的高质量数据源中。我们可以通过升级客户的基础设施来提供支持——如今，我们已在构建一套面向未来的基础设施，将其作为标准平台，”Tim说道。
第二步：磨砺解决方案。
数据收集基础设施等前提条件就绪后，该如何利用这些数据呢？ Tim再次说道：
“我们的业务范畴涵盖多种能力和技能——奶酪技术专家、数据科学家、自动化工程师，当然还有面向客户、负责传递信息的人员。因此，这是一个跨学科的领域。”
为了解释“业务范畴”的具体内容，Tim以一款人工智能模型为例，说明其如何优化奶酪的主要质量指标之一：水分含量。
“我们开发了一套算法，可以让客户控制奶酪的水分含量。要实施这一算法，我们首先分析特定客户是否具备有效的商业案例。为此，我们需要访问一组特定数据。解读这些数据不仅需要数据科学家对其进行分析，还需要奶酪技术专家来解释其含义。因此，数据解读需要多方共同完成。我们利用算法和客户数据构建模型，对其进行验证并部署。部署完成后，我们更新数据集、分析性能并相应地调整模型，以进行持续改进。我们还为操作员提供了一个界面，并对他们进行操作培训。这是一套完整的解决方案。”
这使客户能够优化并完全控制奶酪中的水分含量，帮助其围绕最佳水分含量和数值构建专业知识。这套工作流程同样适用于控制配方及其他参数。Joanna Ilczyszyn补充道：
“我们用于水分优化工具的流程就是一个很好的例子，它展现了现场的应用情况。这关乎生产流程的数字化，而机器学习是其中至关重要的一部分，”她说。
第三步：前瞻策略，打造自主工厂
奶酪制作是一门技艺。需要足够经验才能在该领域表现出色。这意味着奶酪生产商依赖个人的专业知识。在技能短缺的情况下，这是一项挑战，而自动化和数字工具能破解这一难题。虽然人工智能和机器学习本身并非目标，但它们不可避免地发挥着越来越重要的作用。
“如今，人工智能作为辅助工具，可以帮助奶酪专家开展日常工作，”Tim表示。
但未来该怎么做？ 前进的旅程永无止境，没有固定终点。但就近期路线图而言，我们正逐步朝着自主工厂的目标迈进。Joanna解释道：
“我们的目标是让客户全面了解奶酪生产线，这在设备数量、所需操作、控制因素和潜在风险方面非常复杂。那么，我们如何才能实现这一目标呢？ 答案是从运营角度预测需要做什么、需要改进什么以及需要避免什么。”
但未来该怎么做？
奶酪生产的数字化进程任重道远。事实上，这才刚刚开始。 前路漫漫，没有固定终点——唯有不断演进的里程碑。当我们展望不久的将来，一种概念正愈发清晰：自主工厂。
“我们正逐步朝着自主工厂的目标迈进，”Joanna解释道。“自主工厂代表着下一个前沿领域，其系统不仅可以监控和报告，还可以独立学习、适应和行动。想象一下，一条奶酪生产线能够根据进厂牛奶品质、环境条件甚至市场需求进行实时调整。这不是科幻小说，而是我们正在构建的未来。”
这些预测的依据是收集的数据反映的趋势，而这种数据分析能力又源于数十年来积累的专业技能。
“人工智能是基于人类大脑的逻辑设计的。因此，如果一位经验丰富的奶酪技术专家能够制作出完美的奶酪，人工智能至少可以在一定程度上模仿这一点，”Tim表示。
Joanna继续说道：
“因此，我们利用人类大脑关于生产系统的知识来稳定影响收益的各项参数。我们可以关注介质消耗、CIP流程或干酪槽的效率……通过为设备配备合适的软硬件以覆盖影响生产线产出的所有数据点，我们正在实现生产自动化，并确保产品质量和收益不依赖于个别操作员的决策。”
对于奶酪制作经验可能有限的新厂而言，其潜力巨大。Joanna进一步解释说：
“您无法在短短一年左右的时间里教会一个人成为奶酪技术专家。这是不可能的。但可能实现的是，利用数据收集、数据解读和数据结构方面的知识，为加工流程创建逻辑，然后将其应用于人工智能模型。这种模型随后会像操作员一样在生产线上实时读取、控制和分析数据。”
专家终究是专家
但是，当技术介入时，那些通过长期经验获得的精湛工艺和专业知识又该何去何从？ 难道会不复存在吗？ Tim换个角度指出：
“另一方面，如果专家离职或退休，继任者却不具备同样的知识，又会怎样？ 如今，我们可以使用人工智能模型来培训新的技术专家，从而保留专业知识。”
然而，这在很大程度上是一个循序渐进的过程。
“当您实施人工智能时，通常只有25%的预算用于人工智能模型的创建和实施。其余75%则用于变革管理，即如何让人们接受这项新技术？ 这正是我们与客户建立长期合作关系的领域。我们不会只是实施新技术，然后说‘祝您好运’。我们会确保此类技术行之有效，并陪伴客户一路前行，”Tim说道。
人类知识仍然是这些流程的核心根基。说到制作完美的奶酪，经验丰富的奶酪制造专家堪称无可匹敌。
“人工智能无法超越技艺精湛的人类奶酪专家。但人会感到疲倦，需要吃饭喝水等等。而人工智能却能稳定运转，每次都能按照统一规格制作奶酪。但必须再次强调，人永远是掌控者和决策者，”Tim补充道。
Joanna以奶酪凝固为例。
“过去，操作员会打开干酪槽，用手揉搓凝块，观察其结构，以确定凝块是否可以切割。如今，可以通过设备中的传感器测量水分含量来控制凝固过程。因此，随着时间的推移，人工智能能够助力我们分析数据，从而更好地评估参数、控制性能。但我们仍然需要人类的判断，需要专家来指出‘没错，这个走向是对的，这样做行得通’。”
未来，顾名思义，难以预测。但无论前路如何，Tim和Joanna的团队将凭借其全面、一站式专业知识，持续为当今及未来的奶酪制造商提供支持；不断进行调整、完善和优化。正如Tim所言：
“任何情况都有改进空间。”
