Neuer Konferenzbeitrag auf der International Electronic Conference on Processes: Processes System Innovation (ECP) [24.05.22]
Christian Krupitzer vom Fachgebiet Lebensmittelinformatik ist Autor des peer-reviewed Konferenzbeitrags "DigiFoodTwin: Digital Biophysical Twins combined with Machine Learning for optimized Food Processing" auf der International Electronic Conference on Processes: Processes System Innovation (ECP).
Die Publikation "DigiFoodTwin: Digital Biophysical Twins combined with Machine Learning for optimized Food Processing" von Christian Krupitzer (Fachgebiet Lebensmittelinformatik, Universität Hohenheim) wurde auf der International Electronic Conference on Processes: Processes System Innovation (peer-reviewed) angenommen. Die International Electronic Conference on Processes: Processes System Innovation bietet ein Forum für neue Entwicklungen, Herausforderungen und Möglichkeiten im Bereich von Prozesssystemtechnik.
Produktionsprozesse müssen ein hohes Maß an Flexibilität und Anpassungsfähigkeit ermöglichen, um die Lebensmittelversorgung sicherzustellen. Dazu gehört es, auf Störungen in der Versorgung mit Zutaten sowie auf schwankende Qualität der Zutaten zu reagieren, z.B. auf saisonale Schwankungen der Rohstoffqualität. Digitale Zwillinge sind bekannt aus der Industrie 4.0 als Methode bekannt, um Prozesse zu modellieren, zu simulieren und zu optimieren. In diesem Visionspapier beschreiben wir das Konzept eines digitalen Lebensmittelzwillings. Aufgrund der Variabilität dieser Rohstoffe muss ein solcher digitaler Zwilling nicht nur die Verarbeitungsschritte berücksichtigen, sondern auch die chemischen, physikalischen oder mikrobiologischen Eigenschaften, die das Lebensmittel auch unabhängig von der Verarbeitung verändern. Wir schlagen eine modellbasierte Lerning and Reasoning-Schleife vor, die aus dem Bereich des Self-Aware Computing (SeAC) als sogenannte Learn-Reason-Action-Schleife (LRA-M Loop) bekannt ist, um den Input für die LRA-M-Schleife der Lebensmittelproduktion nicht als reine Wissensdatenbank, sondern als Daten, die durch Simulationen der der biochemischen und physikalischen Eigenschaften von Lebensmitteln erzeugt werden, zu generieren. Diese Arbeit stellt einen konzeptionellen Framework vor, wie die Daten eines digitalen Lebensmittelzwillings in ein selbstlernendes Lebensmittelverarbeitungssystem einbezogen werden können, um auf schwankende Rohstoffqualität zu reagieren und die Lebensmittelversorgung zu sichern, und diskutiert die Anwendbarkeit des Konzepts.
Die Publikation ist in MDPI Engineering Proceedings abrufbar.
