artikel

Intelligente verpakkingen zorgen voor responsieve bevoorradingsketens

Technologie & Techniek

Intelligente verpakkingen en artificiële intelligentie bieden duidelijke perspectieven voor de uitdagingen van de voedingsbedrijven voor de nabije toekomst. Consumenten en producenten hechten immers steeds meer belang aan betrouwbare, duurzame, wendbare en transparante bevoorradingsketens en optimale product- en merkbelevingen.

Intelligente verpakkingen zorgen voor responsieve bevoorradingsketens

Sinds het begin van deze eeuw zijn er nieuwe sensor- en communicatietechnologieën op de voorgrond getreden die door verregaande miniaturisatie en geavanceerde printtechnieken steeds vaker geïntegreerd kunnen worden in zowel primaire, secundaire als tertiaire voedselverpakkingen. Dit biedt de mogelijkheid om via verpakkingen gegevens te verzamelen over elk deelproces in de bevoorradingsketen, van productie tot distributie, en de uiteindelijke consumptie van de verpakte levensmiddelen.

Verpakkingen die voorzien zijn van dergelijke technologieën worden aangeduid met de term intelligente verpakkingen. Ze zijn in staat om bepaalde condities binnen (voedselkwaliteit, gassamenstelling, rijpheid, …) of buiten (luchtvochtigheid, temperatuur, trillingen, lichtinval, …) een verpakking te registreren en meer transparantie te bieden over de status van de levensmiddelen en de keten zelf, en de  bewegingen van de levensmiddelen doorheen de keten. Ze maken het ook mogelijk om interacties toe te laten en bij te houden tussen consumenten en de verpakte levensmiddelen, bijvoorbeeld via telefoons of slimme uurwerken en brillen.

Artificiële Intelligentie

Gelijklopend met de opkomst van intelligente verpakkingen zorgde de snelle evolutie van artificiële intelligentie (AI), en meer specifiek machine learning, ervoor dat computers automatisch patronen en relaties kunnen detecteren in een kluwen van gegevens. Voor een toenemend aantal taken overtreffen ze zelfs het analytisch vermogen van de mens. AI is bij het grote publiek vooral bekend door enkele spectaculaire doorbraken die wereldwijd het nieuws haalden, bijvoorbeeld geavanceerde schaakcomputers die schaakmeesters degraderen tot amateurs of computers die nauwkeuriger medische afwijkingen of zeldzame ziekten kunnen detecteren dan een team van dokters.

Maar de voorbije jaren is AI ook steeds vaker te vinden in alledaagse toepassingen in zeer uiteenlopende domeinen, zonder dat we het soms beseffen. Op webshops krijgen bezoekers regelmatig suggesties voorgeschoteld voor producten die zeer nauw aansluiten bij hun interesses of eerder koopgedrag. Dit is het resultaat van aanbevelingssystemen die gebaseerd zijn op AI. Allerhande consumentenelektronica is in staat om spraak, muziek of beelden te herkennen dankzij AI algoritmes die verwerkt zitten in de software. Steeds meer jobs zijn met uitsterven bedreigd als gevolg van de toenemende automatisering via AI van almaar complexere taken en processen. AI is niet langer meer een hype, maar een ontwikkeling die steeds dieper binnen in ons leven dringt.

Artificiële intelligentie: mogelijkheden

Terwijl via intelligente verpakkingen of andere sensoren steeds meer gegevens kunnen worden verzameld in de bevoorradingsketen en van consumenten, blijft het voor de verschillende belanghebbende actoren nog vaak onduidelijk hoe ze het potentieel en de informatie die verscholen zitten in de gegevens kunnen benutten. Het hoeft weinig betoog dat AI hier soelaas kan brengen, maar voor vele bedrijven in de voedingssector is een kosten-batenanalyse van een investering in AI een tast in het duister wegens gebrek aan voldoende expertise. Is een investering in complexe AI een noodzaak of kan men ook al waardevolle inzichten verkrijgen en besparingen realiseren met eenvoudigere AI oplossingen?

Pizza producent

Stel, een Vlaamse pizza producent maakt verse pizza’s (foto) die via de bevoorradingsketen in Europese supermarkten terecht komen. Het is voor het bedrijf en voor de consument van cruciaal belang dat de koudeketen op geen enkel moment doorbroken wordt, dus worden er investeringen gedaan om volgende drie parameters te monitoren: temperatuur in de omgeving van de verpakkingen, de buitentemperatuur en de performantie van de koelsystemen in alle fases van de bevoorradingsketen. Het bedrijf kan nu beroep doen op de volgende verschillende soorten analyses, in volgorde van toenemende afhankelijkheid van AI:

  1. Beschrijvende analyse is de eenvoudigste analyse en biedt een antwoord op de vraag “Wat is er gebeurd?”. Het staat toe om de performantie van bepaalde processen op te volgen en eventuele veranderingen te detecteren, evenwel zonder de bredere context mee in beschouwing te nemen. Beschrijvende analyses zijn dus oppervlakkig, maken weinig of geen gebruik van AI en schenken geen aandacht aan het “hoe” en “waarom” van bepaalde evoluties. De pizza producent ziet wanneer er een inbreuk is op de koudeketen, zonder te weten wat de onderliggende oorzaak is.
  2. Diagnostische analyse is een meer diepgaande analyse waarmee een antwoord wordt gezocht op de vraag “Waarom is het gebeurd?”. Het heeft o.a. betrekking op de identificatie van onregelmatigheden, herkenning van patronen en de zoektocht naar verbanden. Diagnostische analyse laat een contextuele interpretatie toe van de gegevens en doet hiervoor beroep op een brede waaier aan conventionele AI technieken. De pizza producent ziet niet enkel dat er een inbreuk is op de koudeketen, maar ook dat de inbreuk het gevolg is van bijvoorbeeld een defect koelsysteem in een bepaalde fase van de bevoorradingsketen.
  3. Voorspellende analyse is een complexe analyse die zich richt op het beantwoorden van de vraag “Wat zal er waarschijnlijk gebeuren?”. Deze analyse maakt gebruik van geavanceerdere AI technieken om aan de hand van alle voorhanden gegevens voorspellingen te doen over de toekomst, bijvoorbeeld voor het predictief onderhoud van machines, klantbehoud, risicomanagement of voor de bepaling van de meest effectieve strategie voor een bepaald proces. De pizza producent kan voorspellen wanneer de koudeketen zal doorbroken worden en op basis hiervan zelf de nodige beslissingen nemen en acties ondernemen (bijv. koelsystemen herstellen, vervangen of harder laten draaien of het transport ‘s nachts laten plaatsvinden om hoge dagtemperaturen te vermijden).
  4. Voorschrijvende analyse tenslotte is de meest geavanceerde analyse die alle voorgaande analyses omvat en als doelstelling heeft om, gegeven een bepaalde situatie, een gepaste actie te bepalen om toekomstige problemen te vermijden of om zoveel mogelijk voordeel te halen uit of zo weinig mogelijk nadelen te ondervinden van een heersende of toekomstige situatie. Voorschrijvende analyses maken gebruik van complexe AI technieken en beslissingsregels en hebben een hoge investeringskost. De pizza producent beschikt over een volautomatisch beslissingssysteem dat in staat is om zelf acties te suggereren en te initiëren om te allen tijde de koudeketen te garanderen.

Responsieve bevoorradingsketens

Samen met intelligente verpakkingen en andere sensoren in de bevoorradingsketen biedt AI dus het perspectief om bevoorradingsketens responsiever te maken ten opzichte van geleidelijke veranderingen of plotse onregelmatigheden. Ook aan de kant van de consument kunnen AI en intelligente verpakkingen een rol van betekenis spelen, bijvoorbeeld om, op basis van verkregen consumentengegevens en geregistreerde interacties, marketingstrategieën en productaanbod beter af te stemmen op veranderende consumentengedragingen en -opinies. Of om vraag en aanbod beter te aligneren en zo eventuele tekorten of overschotten te reduceren.

AI laat dus toe om korter op de bal te spelen om problemen of bedrijfskritieke veranderingen in de bevoorradingsketen of bij consumenten tijdig in de kiem te smoren of zelfs te vermijden en zo eventuele verliezen te beperken en de keten betrouwbaarder te maken. De verkregen inzichten kunnen ook gebruikt worden om terug te koppelen naar het ontwerp en de ontwikkeling van verpakkingen, met het oog op het verbeteren van de functionaliteit.

Voorwaarden

Welk type analyse de pizza producent van hierboven uiteindelijk kiest hangt o.a. af van de doelstellingen, de beschikbare budgetten, de voorhanden gegevens, de complexiteit van de bevoorradingsketen en de bereidwilligheid van ketenpartners om samen te werken. De randvoorwaarden voor bedrijven die willen investeren in responsievere bevoorradingsketens via intelligente verpakkingen en AI zijn:

  • Het opzetten van een data-architectuur die garanties biedt wat betreft de continue opslag, beschikbaarheid, toegankelijkheid en in vele gevallen ook de beveiliging van gegevens
  • Het afsluiten van overeenkomsten met ketenpartners voor het delen en uitwisselen van gegevens
  • Het inschakelen van AI experts voor het identificeren van opportuniteiten, het doorlichten van de beschikbare data en het bepalen van de meest geschikte analyse.

Voorbeelden van responsieve bevoorradingsketens

Vandaag zijn responsieve bevoorradingsketens in de voedingssector op basis van intelligente verpakkingen en AI niet langer meer een verre toekomstdroom. Bewijs hiervan is een toenemend aantal commerciële producten, partnerships en initiatieven die doelen op de praktische realisatie ervan. Eerder dit jaar bijvoorbeeld lanceerde Tetra Pak[1] haar “connected packaging platform” dat de ambitie heeft om verpakkingen te transformeren tot interactieve intelligente verpakkingen die gegevens kunnen verzamelen en uitwisselen.​ Vorig jaar kondigden Amazon en Jabil[2] een samenwerking aan om, via het Amazon Dash Replenishment Service platform, connecties te ondersteunen met intelligente verpakkingen voor het automatisch plaatsen van bestellingen in geval de voorraad bijna op is. Tenslotte is er ook de Active & Intelligent Packaging Industry Association (AIPIA[3]) die alle internationale actoren in de voedings- en verpakkingssector samenbrengt tijdens een jaarlijks congres om ervaringen te delen en samenwerkingen te faciliteren wat betreft de concrete toepassing van intelligente verpakkingen en gerelateerde systemen.

[1] https://www.tetrapak.com/about/newsarchive/connected-packaging-platform

[2] https://www.packagingdigest.com/smart-packaging-helps-boost-amazon-s-auto-replenish-service

[3] https://www.aipia.info/

Tekst: Mike Vanderroost *) Beeld: archief

*) Dr ir M. Vanderroost is Chief Science Officer bij ML2Grow, www.ml2grow.com

Dit artikel verscheen in VMT Food editie 2, 2019

Reageer op dit artikel