nieuws

‘Productontwikkelaars kunnen gerichter te werk gaan’

Algemeen

‘Productontwikkelaars kunnen gerichter te werk gaan’

Productontwikkelaars zijn vaak bezig met ‘trial and error’ om tot het juiste voedingsproduct te komen. Dat kan veel systematischer, stelt Bart De Ketelaere, research manager bij KU Leuven. Software die rekening houdt met alle variabelen tijdens een productieproces kan helpen zoveel mogelijk te weten te komen met zo min mogelijk experimenten.

De Ketelaere sprak dinsdag 19 september op de Flanders’ Food Inspiration Days over ‘Design of Experiments’ in het Belgische Edegem. Voedingsmiddelen zijn vaak bijzonder complex. Om bijvoorbeeld de lekkerste koek te ontwikkelen met de beste textuur, zijn er heel veel variabelen die een rol spelen. Dat begint bij koek bijvoorbeeld al met het type ingrediënten; de bloemsoort, de hoeveelheid boter, etcetera. Vervolgens spelen er tijdens het bakken van de koek nog een aantal proces gerelateerde variabelen een rol zoals de baktijd. Met de methode Design of Experiments (DOE) kom je sneller tot het juiste optimum. Een aantal vragen aan De Ketelaere.

Hoe gaat de productontwikkeling nu meestal in zijn werk bij voedingsmiddelenproducenten?

“Nu is het bij veel middelgrote en kleinere voedingsmiddelenbedrijven vaak de ervaring van de productontwikkelaars en een flink aantal testen die uiteindelijk tot het juiste product moeten leiden. Maar vaak ontbreekt het aan een systematische en objectieve aanpak om tot het juiste optimum te komen. Alle variabelen die invloed hebben op het eindproduct wil je eigenlijk systematisch in kaart brengen. Dat is in de praktijk nog niet zo makkelijk.”

Productontwikkelaars kunnen toch steeds een variabel tegelijk aanpassen en de anderen gelijk houden?

“Dat was jarenlang de ‘golden standard’, maar als de invloed van een variabele afhangt van de waarden van de andere variabelen, is er een probleem met die aanpak. De temperatuur van een oven kan bijvoorbeeld bij een y hoeveelheid van een additief optimaal zijn, maar als de hoeveelheid additief x wordt, is het mogelijk dat er een andere temperatuur ineens optimaal wordt. Dus dan heb je aan die methode om steeds één variabele per keer aan te passen niets. Je moet dus meerdere factoren tegelijkertijd gaan aanpassen om tot een gewenst optimum te komen, en tegelijkertijd inzicht te verwerven.”

Hoe kunnen productontwikkelaars systematischer te werk gaan?

“Door te werken volgens de methode Design of Experiments kun je heel efficiënt het optimum vinden van processen waarbij heel veel variabelen tegelijkertijd een rol spelen. Vele statistische software pakketten (bijvoorbeeld JMP®) laten toe dit op een eenvoudige en intuïtieve wijze uit te voeren.  Aan de hand van de ingegeven variabelen worden dan de optimale combinaties weergegeven die toelaten zo veel mogelijk inzicht te verwerven met een zo laag mogelijk aantal experimenten. Bovendien houdt de methode rekening met de restricties die de gebruiker ingeeft. Bijvoorbeeld: de maximale hoeveelheid zout die in een product mag zitten, de maximale kostprijs van ingrediënten of een minimale temperatuur die tijdens een proces gehandhaafd dient te worden. Bovendien, beperkingen zitten vaak in combinaties: een combinatie van een hoge oventemperatuur en een lange baktijd wil je typisch niet in een experiment omdat je dan op voorhand al weet dat dit niet het gewenste resultaat zal geven. Dergelijke restricties kan je ook ingeven zodat alle gebruikte experimenten zinvol zijn.”

Wat doet de software precies?

“Die neemt alle variabelen tezamen in rekening. Dat kunnen categorische variabelen zijn zoals twee soorten ingrediënten: bloemtype A en bloemtype B maar ook continue variabelen zoals de temperatuur van een oven, of en combinatie van beiden. Op basis van alle variabelen, hun soort en beperkingen laat de software vervolgens toe te bepalen wat de beste proefopzet is. Dus welke experimenten en combinaties van de verschillende variabelen je daadwerkelijk moet gaan onderzoeken. Dat helpt ten slotte om het proces te optimaliseren. Zo hoeft een productontwikkelaar van koek dus geen honderden koeken te bakken, maar bijvoorbeeld slechts 15 of 20. Het doel is namelijk zo veel mogelijk te weten komen met zo weinig mogelijk experimenten.”

Waarom doen veel productontwikkelaars in de voedingsmiddelenindustrie er nog niets mee?

Grote voedingsmiddelenproducenten werken al een aantal jaren met dergelijke software. Maar we zien bij kleinere producenten dat dit nog vrij traag gaat. Veel researchers binnen voedingsmiddelenbedrijven denken dat een dergelijke optimalisatie van experimenten iets heel academisch is, maar moderne software stelt je in staat om het op een intuïtieve manier ook zelf te doen. In Vlaanderen is daarom het project Towards Digital Food Factories (2DIGIT) gestart met als doelstelling om voedingsmiddelenbedrijven warm te krijgen om dit soort toepassingen te gaan gebruiken.  Vaak is het ook onbekend is onbemind. Veel productontwikkelaars weten er niet van.”

Voor welke categorieën werkt het het beste?

“Dat kan net zo goed voor koek als voor kaas zijn. Het werkt overal waar je een proces met meerdere factoren moet optimaliseren. Of het nu gaat over melk of over verwerkte producten, dat maakt eigenlijk niet uit.”

Reageer op dit artikel