New publication in MDPI processes [05.09.22]
Christian Krupitzer und Tanja Noack und Christine Borsumfrom the Department of Food Informatics is Co-Author of the publication "Digital Food Twins Combining Data Science and Food Science: System Model, Applications, and Challenges" in MDPI processes (Impact Factor: 3.352 (2021)).
The publication "Digital Food Twins Combining Data Science and Food Science: System Model, Applications, and Challenges" by Christian Krupitzer (Food Informatics Department & Computational Science Lab, University of Hohenheim, Stuttgart, Germany) with the co-authors, Tanja Noack (Food Informatics Department & Computational Science Lab, University of Hohenheim, Stuttgart, Germany), Christine Borsum (Food Informatics Department & Computational Science Lab, University of Hohenheim, Stuttgart, Germany) was published in MDPI processes, Multidisciplinary Digital Publishing Institute (Impact Factor: 3.352 (2021)).
Die Herstellung von Lebensmitteln ist aufgrund der verschiedenen chemisch-physikalischen und biologischen Prozesse, die für die Umwandlung von Zutaten in Endprodukte gesteuert werden müssen, äußerst komplex. Darüber hinaus müssen die Produktionsprozesse an die Variabilität der Zutaten angepasst werden, z. B. aufgrund von saisonalen Schwankungen der Rohstoffqualität. Digitale Zwillinge sind aus der Industrie 4.0 als Methode bekannt, um Prozesse zu modellieren, zu simulieren und zu optimieren. In diesem Artikel beschreiben wir das Konzept eines digitalen Lebensmittelzwillings. Aufgrund der Variabilität der Rohstoffe muss ein solcher digitaler Zwilling nicht nur die Verarbeitungsschritte berücksichtigen, sondern auch die chemischen, physikalischen oder mikrobiologischen Eigenschaften, die das Lebensmittel unabhängig von der Verarbeitung verändern. Wir schlagen einen hybriden Modellierungsansatz vor, der den traditionellen Ansatz der Modellierung von Lebensmittelprozessen und der Simulation der biochemischen und physikalischen Eigenschaften mit einem datengesteuerten Ansatz auf der Grundlage der Anwendung von maschinellem Lernen verbindet. In dieser Arbeit wird ein konzeptioneller Rahmen für unser Konzept des digitalen Zwillings vorgestellt, der auf erklärbarer künstlicher Intelligenz und tragbarer Technologie basiert. Wir erörtern das Potenzial in vier Fallstudien und leiten offene Forschungsherausforderungen ab.
The publication is available at: www.mdpi.com/2227-9717/10/9/1781
