Mer än en tredjedel av den mat som produceras i världen går förlorad under transport eller slösas bort längs försörjningskedjan.
TCS Research hoppas kunna lösa problemet genom att använda digital tvillingteknik för att i realtid mäta och uppskatta matvarors färskhet.
Matsvinnet i världen kan likställas med en global kris. Intressenter provar redan i dag flera olika alternativ för att minska svinnet. Realtidsövervakning av livsmedelskvalitet har dykt upp som en hållbar lösning som kan gynna alla led i försörjningskedjan för livsmedel, hela vägen från bönder till slutkonsumenterna. Metoden hjälper till att minska ekonomiska förluster som uppstår på grund av matförstöring och -slöseri samtidigt som kvalitet och näringsvärde kan bibehållas.
TCS håller på att utveckla en smart integrerad digital plattform med målet att kunna uppskatta och förutsäga livsmedelskvalitet. Den kommer att göra det möjligt för alla intressenter i försörjningskedjan att dynamiskt fatta beslut om att göra förändringar för logistik eller lagringsförhållanden i syfte att återanvända livsmedel och samtidigt minimera matsvinn eller -förstöring.
Ungefär en tredjedel av den mat som varje år produceras i världen för mänsklig konsumtion, cirka 1,3 miljarder ton, går förlorad. Det finns till och med rapporter som menar att den siffran är så hög som 2,5 miljarder ton. En stor del av den producerade maten går till spillo i olika delar av försörjningskedjan, såsom på gårdar, i lager, inom logistik eller vid bearbetningsenheter. Utöver detta sker en betydande mängd matsvinn även hos konsumenterna. Av det totala globala matsvinnet består 40 – 45 procent av frukt, grönsaker och rotfrukter.
Matsvinn inom försörjningskedjan kan i de flesta fall härledas till osäkerheter i efterfrågan och utbud, tidsfördröjningar eller förändringar i miljöförhållandena i olika delar av kedjan. Detta svinn motsvarar en årlig ekonomisk förlust på cirka 1 200 miljarder USD. Utöver den rent ekonomiska aspekten så innebär det dessutom en betydande miljöpåverkan som motsvarar cirka åtta procent av de globala utsläppen av växthusgaser.
På grund av detta står ett minskat matsvinn högt på agendan för intressenter världen över, inklusive alla från matproducenter, myndigheter och miljöorganisationer till handlare, konsumenter och mer.
Detta har lett till att många tittar på möjliga lösningar, vilket också inkluderar TCS. Vissa logistikföretag, som till exempel TCS kund Maersk, har redan utrustat sina containers med sensorer och därefter kopplat dessa till en smart plattform för övervakning. En sådan plattform kan samla in data från flera typer av sensorer, med databehandlingsmöjligheter, och ge värdefulla insikter för att minska svinnet. För att optimera logistiken i försörjningskedjan är det nödvändigt att utrusta alla intressenter – från jordbrukare till slutkonsumenter – med dynamiska beslutsmöjligheter och realtidsövervakning av olika parametrar.
Ett ramverk för att övervaka livsmedelskvalitet i realtid och minska svinn i försörjningskedjan
TCS har byggt en sådan plattform baserat på ett ramverk som omfattar dynamisk övervakning av livsmedelskvalitet eller färskhet och beräkning av hållbarhet. TCS plattform för att förutsäga livsmedelskvalitet är byggd med hjälp av en samling IoT-sensorer (internet of things) som kan mäta en oändlig uppsättning parametrar, såsom pH-värde, luftkvalitet, gassammansättning (CO2, NH3, C2H4, O2, etcetera), vikt och flyktiga organiska föreningar (VOC), men den kan också analysera video. Alla insamlade data kombineras därefter för analys och bildbehandling via molnet.
Plattformen möjliggör variation av miljöförhållanden såsom temperatur, luftfuktighet, ljusintensitet, med mera, och simulerar därmed förhållanden för livsmedel i fält, under lagring och under transport. Det gör det möjligt att simulera olika scenarier för hela försörjningskedjan.
TCS har redan byggt en integrerad enhet där samtliga av dessa funktioner ingår. Enheten består av en sensorsvit med flera IoT-sensorer samt ett modulärt ramverk. Sensorerna ansluts via en Bluetooth Low Energy (BLE)- eller en WiFi-modul för att skicka data till molnet för realtidsanalys av de inlästa parametrarna från var som helst i världen.
Plattformen innehåller hybridmodeller (AI-, ML- och fysikbaserade) byggda på icke-invasiva sensoriska data och laboratoriedata som simulerar alla möjliga scenarier i försörjningskedjan. Dessa fungerar som mjuka sensorer i realtidsprognosen av livsmedelskvaliteten. Mångfacetterade laboratoriedata har samlats in med fördefinierade intervall och därefter använts för att träna dessa modeller för att exakt kunna förutsäga livsmedelskvalitet.
Dessa hybridmodeller ger en standardiserad digital signatur av maten och gör det möjligt att avgöra dess kvalitet, färskhetsindex och återstående hållbarhet. Förutsägelserna möjliggör utveckling av ett återkopplingssystem, som tillåter förändring av miljöförhållandena för att öka hållbarheten eller återanvända maten (som att skicka den till en närliggande plats eller andra lämpliga användningsområden), vilket i sin tur minskar matsvinnet.
Plattformen, när den väl har rullats ut i större skala, kommer att hjälpa intressenter att fatta dynamiska beslut som rör modifierad logistik och förändringar i miljöförhållanden. På det viset kommer plattformen att hjälpa till att bygga hållbara försörjningskedjor och minska matsvinnets effekter på hunger, ekonomi och miljö.
Att förutsäga mognadstid
TCS smarta plattform för livsmedelsövervakning kan användas för att förutsäga mognadstiden för klimatfrukt, såsom banan, mango, papaya, med flera, samt att även förutspå hållbarhet för potatis.
Klimatfrukt behöver stor flexibilitet i en leveranskedja. Övermogna frukter blir mjuka och måste hanteras med mycket större försiktighet; mognaden frigör exempelvis etylen som kan påverka mognaden av andra frukter i närheten.
TCS plattform används redan i dag i pilotprojekt för att studera den naturliga mognadsprocessen för klimatfrukter, dels för en odlare, dels för en ledande återförsäljare. Den har hjälpt till att förhindra övermognad genom att skapa variationer i miljöförhållanden i försörjningskedjan. Vidare används plattformen för att förutsäga den idealiska mognadstiden och avgöra faktorer som påverkar den naturliga mognadsprocessen vid olika miljöförhållanden.
För återförsäljaren tillhandahålls realtidsinformation om förändrad kvalitet och återstående tid för idealisk mognad så att butiken kan införa dynamiskt pris i förhållande till kvalitetsgradering. Om det till exempel finns tre bananstaplar med olika mognadstid kan de prissättas olika för att säkerställa ekonomiska fördelar och minska avfallet.
TCS AI- och IoT-baserade plattform har potential att revolutionera befintliga och framtida försörjningskedjor för livsmedel och hjälpa till att avsevärt minska både matsvinn och miljöpåverkan.
