optimització del procés de producció del pernil curat en ... · ∆𝑭=𝟏.𝟓%≈...

Lenz Instruments, S.L.Lenz Instruments, S.L.

Optimització del Procés de Producció del Pernil Curaten el Marc de la Industria 4.0

www. lenz-instruments.com

Lenz Instruments, S.L.

Procés tradicional d’elaboració del pernil curat

Nous sensors per a la caracterització en línia del producte

Estratègies per a la millora del control del procés

Conclusions

Índex



Recepció Classificació Salat

Repòs

Curat


Influència de les característiques de la matèria prima




Problemàtiques en el control i estandardització del producte:

Sal

Mermes i rendiments

Propietats organolèptiques

Seguretat microbiològica (pernil baix en sal)

Defectes de textura



Smart Factories (Indústria 4.0):

Digitalització

Connectivitat

Optimització

Flexibilitat

Eficiència energètica

Ús de nous sensors per a la monitorització dels processos de fabricació




Digitalització

Connectivitat

Optimització

Flexibilitat


Sistemes per a la transmissió i enregistrament de dades




Digitalització

Connectivitat

Optimització

Flexibilitat


Ús de tècniques de simulació i Intel·ligència Artificial (IA)




Digitalització

Connectivitat

Optimització

Flexibilitat

Eficiència energèticaProcessos productius flexibles, autònoms i

Adaptatius




Digitalització

Connectivitat

Optimització

Flexibilitat

Eficiència energètica Eficiència en l’ús i generació d’energia i matèries primeres




Digitalització

Connectivitat

Optimització

Flexibilitat






Conclusions

Índex



Control en línia de la matèria prima (recepció)

Contingut de greix

pH24

WHC: Propietats òptiques (color, Vis-NIR)

WHC: Propietats elèctriques

Característiques morfològiques

(alçada, conformació, magre exposat)

Infiltració (greix intramuscular)

pH45




Contingut de greix

pH24






pH45

010

2030

4050

6070

0

10

20

30

40

50

0

10

20




Contingut de greix

pH24






pH45



Control en línia de la matèria prima (salat i curat)

Contingut total de sal

Propietats òptiques (activitat d’aigua)

Propietats organolèptiques

Defectes de textura





Conclusions

Índex



Modelització del procés d’absorció de sal (I)

%𝑆 = 𝛼 + 𝛽 ·𝑇

𝑊+ 𝛾 ·

𝑇

𝐹

Efecte del pes Efecto del greix


8 9 10 11 12 13 14 15

1.5

2.0

2.5

3.0

3.5

Fat effect

10.5kg (F=10%)

11.5kg

12.5kg

10.5kg (F=20%)

11.5kg

12.5kg

To

tal

Salt

Co

nte

nt

(%)

Salting time (days)

Weight effect∆𝑭 = 𝟏. 𝟓% ≈ ∆𝑾 = 𝟏 𝒌𝒈

Control de greix i sal per a l’optimització del Procés d’elaboració




Determinació del temps òptim de salat en base als models de predicció

RecepcióClassificacióPES/GREIX

SALAT REPÓS Washing

Light+LEAN

Medium

Heavy/FATTY

9 days

11 days

12 days

A+:

B:

C:

Millora de la homogeneïtat (sal i mermes)

Heavy+FATTYC+:

Light/LEANA: 10 days

13 days

Salt in excess


Reducció d’un 30% en la dispersió del contingut final de sal

Reducción del contenido de sal

Caso de estudio: Optimización del proceso de salado



Modelització del procés d’absorció de sal (II)

Prediction model Calibration set Validation set

R2adj RMSEC R2

adj RMSEV

Salt = 8.14 + 1.00 × A2 - 2.91 × lnW + 0.72× 2ndSaltadd 0.81 0.09 0.81 0.11



Limitacions dels models analítics

Cal desenvolupar models específics per cada procés d’elaboració

La introducció de paràmetres addicionals requereix refer el modelat

No permet adaptar trivialment el model a variacions en les propietats de la matèria prima i/o del procés d’elaboració



Algoritmes basats en IA: Xarxes Neuronals

Permeten modelitzar sistemes complexes en base a un conjunt de dades empíric

Simplifica la incorporació de noves dades i paràmetres en el procés

Optimitzar l’aproximació en sistemes no lineals

En darrer terme, permetria implementar sistemes intel·ligents que poguessin adaptar-se i autocalibrar-se en base a les dades de cada procés específic



Algoritmes basats en Xarxes Neuronals

Determinación del tiempo optimo de salado en base a los modelos de predicción.



MODEL

VALIDATION

EXPERIMENTAL

DESIGN

BUILD OF DATA

SET

CORRELATION

ANALYSISMODEL

SIMPLIFICATION

ANN TOPOLOGY

DEFINITIONANN TRAINING




Determinació del temps òptim de salat

2.0 2.5 3.0 3.5 4.0 4.5

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

5500

6000

# O

ccu

rran

ces

Total Salt (%)

Standard Sorting: = 0.33

Sorting based on Fat (3 groups): = 0.22

Sorting based on Fat (5 groups): = 0.14






Conclusions

Índex


Conclusions

El desenvolupament de nous sistemes sensors permet la caracterització en línia, i peça a peça, de la matèria prima

La informació registrada per aquests sistemes sensors pot ser utilitzada per modelitzar el procés de producció del pernil, i millorar la qualitat i estandardització del producte

Alternativament als mètodes de control basats en models analítics, la implementació de tècniques basades en IA permet potencialment implementar processos de producció autònoms i adaptatius

optimització del procés de producció del pernil curat en ... · ∆𝑭=𝟏.𝟓%≈...

Documents