从工厂和供应链转型中获得数据优势的制造商将减少围绕全球食品安全不断增长的风险。乌克兰与俄罗斯的冲突虽然是一场悲剧，但对全球供应链造成了更大的破坏，再次使人们对粮食安全的担忧浮出水面——该地区是包括小麦和化肥在内的关键商品的主要来源。好消息是智能工厂可以利用这些原则来减少对我们食品供应的威胁——帮助制造商在从包装和存储到灵活采购和产品质量等领域进行创新。在食品制造、零售和消费者领域中，越来越成为投资决策的关键。对于小麦或向日葵等作物，俄罗斯和英国雨是欧洲的粮仓，市场起伏不定 “种植者和制造商之间一直存在关系，但当你看看目前的情况时，你会发现几个危机重叠（包括气候变化、COVID-19 大流行、供应链中断和现在的乌克兰战争），”她说。 “例如，对于小麦或向日葵等作物，俄罗斯和乌克兰就像欧洲的粮仓，受到制裁和价格上涨，市场上下波动。” SAP 软件等技术通过调整现有解决方案或构建行业特定功能，尽可能为这些目标做出“适度贡献”。 “迫切需要系统支持。如果你回到 50 年前，很多决定可能都是以前的基于经验或“直觉”。这不再有效，因为外部因素正在发生变化，”Anja 说。
创建智能“生态系统”的多重连接
系统集成商 Yokogawa UK 数字企业解决方案和业务开发主管 Kevin Worster，同意食品和饮料 (F&B) 制造商可以从数字化中获益，包括具有创新工业物联网 (IIoT) 或制造执行系统 (MES) 解决方案的智能工厂。“使用传感器、人工智能 (AI) 和机器学习 (ML) ，农作物（或牲畜）可以24/7全天候监控；从土壤的 pH 值、温度、湿度和水分含量等一切都可以被捕获，因此可以根据有关条件的单一真实数据来灌溉作物或进行其他干预措施，”他说。凯文看到了利用基于云的系统的优势农民自己更直接地进入餐饮业dustry，允许关键数据透明以帮助提高效率，这反过来又有助于减少不可预见的开销和浪费。通过智能工厂方法管理和监控机器、人员、材料和方法这四个关键“M”的数据，并结合自动化， IIoT 连接等，可以优化应用资源以集中增值。智能餐饮数据支持为消费者带来更可持续、更实惠的选择 然而，他警告说，制造商自己需要制定一个清晰的数字化转型路线图，该路线图与其业务关键绩效指标 (KPI) 相关联，才能真正开始看到收益流过.“大部分数字化转型战略失败的原因是缺乏整体执行计划，并且在任何干预措施开始之前都没有合适的人员和流程。”据 to Elena Moruzzi，利乐自动化和数字化副总裁，通过自动化流程和嵌入数据分析工具，食品和饮料公司可以查看详细信息，例如哪些产品的碳足迹最高或制造过程中消耗的能源最多。不同的生产阶段，如加工、灌装和配送，可以相互通信并同步。包装制造商使用的数据驱动的“智能工厂”洞察力，无论是现在还是未来，都将继续推动包装创新，这些创新可以提高质量，甚至延长基本食品和饮料的到期日和保质期。最终，智能工厂技术提供了更多的控制权，有助于更快地解决问题，”埃琳娜说。“有了利乐 Connected Package 平台、牛奶或果汁纸盒可以有一个唯一的代码，扫描后将包装转换为交互式信息通道、全面的数据载体和数字工具。”更智能的 F&B 方法风险很高 数字标签可以提供更详细的产品信息；包装的进步可以在生产过程中使用物联网传感器来帮助餐饮业更好地管理和监控他们的合作伙伴网络和供应链，潜在的好处包括减少食物浪费。根据 Tetra Pak 的数据，每年生产的食品中可能有三分之一被浪费。即使在英国和欧洲，也存在食品不安全的风险，因为商品成本的无休止的螺旋式通胀以及零售价格反过来已经非常明显今年。即使是英国最大的制造业，其供应链占总增加值的 6.8% 或每年约 1070 亿英镑的餐饮业，英国也仅生产 60% 的国内产品按价值计算的食品，其中一部分用于出口。根据农业和园艺发展委员会 (ADHB) 的分析，1984 年英国的自给率为 78%。通常需要多种来源来确保有弹性的食物供应。这意味着不仅要关注生产，还要关注制造、批发和零售投入、物流和检验系统。因此，智能工厂数据驱动的创新“扩大规模”以实现更大价值的范围非常广泛。Anja 说，基于数据的系统越来越多地使制造商能够与种植者和生产者更紧密地合作，帮助彼此根据数据做出更好的决策来自部署在“现场”以及工厂和整个供应链中的智能传感器和设备。像瑞士格鲁耶尔奶酪这样的美味奶酪价格可能会更高符合对生产质量和来源的期望 “许多食品公司并没有真正涉足农业/农学领域，但根据作物的不同，他们可能会支持他们的种植者提高效率、可持续性并采用更好的农业实践。因为他们通常更大，所以他们拥有比个体农民更多的资金，”她说。可能会进入制造过程。进一步的见解最终可以分享给种植者，帮助形成正反馈循环。种植者可以影响制造商，反之亦然
更智能的端到端供应链意味着种植、种植、灌溉、收割，运输和制造可以同步移动。“棘手的是，自然并不像预测的那样能够作为制造工厂；相同的逻辑、例程和算法不适用。因此，我们有一个引入智能的框架——内部数据科学家开发的机器学习模型，或者你与大学或初创企业合作，为你带来如何获取可用数据并做出预测的知识，”她说。 “这就像一种精准农业类型的方法；我们支持有兴趣获取数据的制造商。”安排可以足够灵活，同时提供信息并为制造商提供见解，这将帮助他们开发正确的服务来为他们的种植者提供服务，并提高可持续性和弹性，以期她建议，要在此过程中降低成本和碳排放。借助开放的应用程序编程接口 (API)，软件解决方案可以适应与其他供应商的解决方案进行通信和交互，从而解决技术不兼容的传统问题。 B同样，业务网络和物流解决方案提高了供应链的可见性，包括不同类型的跟踪和追踪，例如材料可追溯性。细节还可以输入到基于 ERP 的解决方案中，例如 SAP 的农业合同管理产品，使用质量标准对复杂的农业、买卖合同进行建模，以帮助制造商不仅响应价格高峰和低谷，而且改进批量生产。总体情况是一个技术（特别是软件和服务技术）的融合，使未来的餐饮企业能够共享越来越多的数据，然后可以更快、更准确地进行分析，从而使该链条中的每个环节都受益，甚至有助于发展水平对建立和维持品牌的来源和质量的信任。索引、排名和文件数据以获得更深入的见解数据软件公司 Solidatus 的联合首席执行官兼联合创始人 Philip Dutton 指出，智能工厂部署s 已经创建了大量数据，远远超出了他们对客户的详细程度，例如，仅在几年前。然而，对于大多数人来说，数据尚未得到充分利用来推动更好的业务决策。 “例如，我们可能知道客户的年龄，但不知道他们的位置，我们会根据我们拥有的那几个元数据点来预测购买习惯，”他解释道。当这些与交易数据（例如谁购买了什么的详细信息）相结合时，预测未来购买模式的能力就会提高。Solidatus 专注于数据治理和沿袭方法，帮助客户创造“更有价值”的洞察力。数据沿袭软件本质上是关于不同数据集的索引，使用户能够直接访问他或她需要的数据。这是以可以改善业务的方式使用大数据的新兴步骤。通过将更多数据集连接在一起，制造商及其产品即使数据在不断流动，在瞬息万变的市场形势下，艺术家也可以学习和理解更多，以实时做出改变以应对威胁或挑战。整体大于部分之和。我们可以为您创建更丰富的有针对性的消息，”Philip 说，并指出更好地理解元数据并深入研究数据，然后也可以流向更好的数据收集。数据蓝图变得至关重要，特别是对于越来越强制性的环境、社会和治理 (ESG) 举措。例如，范围 3 意味着回顾整个供应链。 Philip 补充说，仅 ESG 就会造成“大多数组织曾经面临的最复杂的数据问题”。“因为在过去，我们处理的所有数据都保存在我们自己的组织中，”他说。 “你走进拥有 1.34 亿册图书的图书馆，不仅要找到你想要的书，还得去索引。而做到这一点的能力就成为了加速器。” 云计算公司 Cloudera 的 EMEA 现场首席技术官 Chris Royles 重申，智能工厂的实施是关于扩展和发展系统思维，将数据联网以创建“数据网格”安排.这是实现“即时”分析和响应的方法，这些分析和响应考虑了整个系统或链接在一起的多个系统的考虑因素和细节。利乐正在部署一系列智能和物联网技术，以改进餐饮包装“想想厨房，您可以在其中以有管理、可控的方式烹饪食物，同时保证健康和安全。每个人都在使用各种应用程序或服务来运送食物，对吧？那你怎么得到给他们的材料，最后一英里的货物，并保存所有这些？”克里斯说。“你有很多吞吐量。您有数百万笔交易，您需要仔细分析每笔交易。这是我们在数据和分析方面看到的转变，转变为更加基于事件的流式分析。”他指出 Hello Fresh 客户的故事说明了餐饮业的发展方向。在线 cookbox 订购和交付服务结合了云计算和边缘计算技术，以比过去更精细的方式管理其业务，将小订单快速交付给分散在广泛区域的个人客户。如果像 Cloudera 认为的那样，更大的投资人工智能/机器学习、机器人技术、自动化、工厂和材料处理领域正在发生后 COVID，48% 的制造公司正在朝着更大程度的物联网集成迈进，包括更好地响应实时数据和反馈以及扩展内部数据集，这只是时间问题。要阅读有关数字化转型的更多故事，请单击此处。要点 英国和欧洲的食品“不安全”程度可能低于许多国家，但供应和价格波动显示出潜在风险考虑智能工厂概念中的各种技术、合作伙伴和数据机会以智能工厂本身为中心的完全实现的连接网络可以在各个方向实现收益 更新的软件正在抓住以前不可能的数据机会，在云端和网络边缘 许多制造商已经在投资；今天不动的人可能会落在后面
