מערכת AI לאופטימיזציה של פורמולציות מזון

מדוע אופטימיזציה של פורמולציות ב‑AI נכשלת בפיילוט

אופטימיזציה של פורמולציות ב‑AI נכשלת לא בגלל המודל, אלא בגלל נתוני הקלט. תעודות על חומרי גלם, כרטיסי בקרת קבלה, יתרות מלאי ותנאי רכש יושבים במערכות שונות, ואל החישוב נכנס כרטיס מרכיב ממוצע עם הרכב "טיפוסי".

האלגוריתם מוצא שילוב זול, אבל כבר באצווה הראשונה השומן והלחות מגיעים אחרים — והפורמולה יוצאת לתיקון.

אזור הכשל השני — טבלאות ידניות של הטכנולוג. מגבלות על ההרכב, החלפות מותרות וסדר ההזנה חיים בקבצי Excel עם גרסאות בשם "סופי_סופי_2": כלל אחד משוכפל בשלושה חוברות בערכים שונים, וחלק מהספים נשמרים רק בראש של המומחה המוביל. כל עוד זה לא מכונס לכדי מערכת כללים אחת, האוטומציה משחזרת ניסיון פרטי ולא תקן טכנולוגי.

עם המסמכים הרגולטוריים המצב מורכב יותר. דרישות לשיעורי מסה, חומציות, תכולת תוספים ואלרגנים כתובות בטקסט, בלי הפרדה בין גבולות קשיחים לבין יעדי מטרה. מודל שמתייחס לכל התנאים כקשיחים לא מוצא פתרון כלל; מודל שמתייחס אליהם כרכים מייצר פורמולה שהבדיקה לא תאשר.

מכאן גם הכישלון בשחזוריות האצווה: חומר הגלם משתנה מאספקה לאספקה, ופורמולה שהייתה אופטימלית אתמול נותנת תפוקה אחרת מול התעודות החדשות. בלי חישוב מחדש מערכים בפועל ובלי פרוטוקול שלפיו ההחלטה חוזרת על עצמה, אי אפשר להוכיח יציבות של התוצאה.

להלן איך זה נסגר: שכבת נתונים אחודה על חומרי גלם, מגבלות מפורמלות על ההרכב, וחישוב מחדש של הפורמולה לאצווה.

אפקטים מדידים: מה משתנה בייצור

אחרי ההטמעה אנחנו לא שואלים "האם נהיה נוח יותר". אנחנו סופרים ארבעה מספרים על אותו קו: שיעור הפורמולציות שנשלחו לבדיקה חוזרת, זמן התאמת ההרכב לעלות ולחוש החושי שהוגדרו, פיזור המדדים המרכזיים בין אצוות, ושיעור הכשלים שנסגרו בעבר בעיבוד מחדש של האצווה. את המדידות אנחנו לוקחים לפני ההתחלה ואחרי — על אותו חומר גלם ואותו ציוד, אחרת אין מה להשוות.

הפיזור מצטמצם לא מפני שחומר הגלם נהיה אחיד יותר, אלא מפני שהמודל עובד עם מסדרונות. לכל אספקה מוגדר טווח מותר בחלבון, בשומן ובלחות, וההרכב מחושב מחדש לפי הניתוח בפועל של האצווה, ולא לפי הממוצע במחסן.

מכאן גם נעלם הכשל הכואב ביותר — פורמולה שמחזיקה במעבדה ומתפרקת בקנה מידה, כשחומר גלם לא יציב מגיע בגלים.

הדיוק של המספרים האלה נשען על תוכניות ניסוי: מודלים של תערובות ומשטחי תגובה אנחנו מחשבים ב‑JMP, ולכן התרומה של מרכיב להפסדים בעיבוד בחום או למרקם נראית לפני ההרצה ולא אחריה. הטכנולוג מאשר את הווריאנט ונשאר הבעלים של הפורמולה — המערכת מציעה חישוב וגבולות, לא החלטה.

שלוש גישות לבניית המודל והמגבלות שלהן

פורמולה היא בעיה עם מגבלות: לעמוד בנורמות ההרכב, לשמור על הטעם, המרקם וחיי המדף. חישוב דטרמיניסטי על משוואות מאזן ואופטימיזציה לינארית נותן תשובה משוחזרת במקום שבו ההרכב ומדדי היעד מפורמלים. אבל הוא לא יודע איך תתנהג החלפה של אצוות חומר גלם ולמה בפורמולה דומה דווקא המרקם נשחק.

מודל על נתונים היסטוריים לומד מפרוטוקולי ניסויים והשקות ותופס קשרים לא־לינאריים שאי אפשר להכניס לנוסחאות. המחיר — דרישות לנפח ולאיכות הנתונים, והיעדר ערובה למגבלות הקשיחות. חיפוש במאגר של פתרונות קודמים עוזר כשהנתונים מועטים, אבל אינו חורג מגבולות מה שכבר נוסה.

וריאנטים והמגבלות שלהם

המצב נבחר לפי בגרות הנתונים: על ארכיון דק מתחילים בחיפוש בפתרונות קודמים, עם פרוטוקולים מצטברים מחברים את המודל, והיברידי הוא מצב היעד. בפיילוט שני המסלולים נבנים על אותם נתונים, ונראה איזה מהם יציב על הנומנקלטורה שלכם.

שלבי ההטמעה: מביקורת נתונים ועד מסירה

הטמעת מערכת לאופטימיזציה של פורמולציות הולכת בשלבים, והסדר כאן אינו שרירותי: כל צעד נשען על התוצאה של הקודם, ועד לקבלתו אנחנו לא ממשיכים הלאה. כך מוסר הסיכון הטיפוסי שבו החישוב מוכן, אבל הטכנולוגים לא סומכים על הפלט וממשיכים להתאים את ההרכב ביד.

1. ביקורת נתונים. מפרקים מה נצבר על חומרי גלם, אצוות וניתוחי מעבדה, ועד כמה המרשמים ברי השוואה. הפלט — רשימת פערים שאנחנו סוגרים לפני ההתחלה.
2. סכמת הפתרון. מקבעים אילו מדדים נכנסים לחישוב ומאיפה מגיע כל אחד, ומה המערכת מחזירה לטכנולוג: וריאנטים של הרכב ומאפיינים צפויים.
3. הגדרת המגבלות. מתרגמים את המסגרות הטכנולוגיות והרגולטוריות לכללים מכונתיים: שיעורי מרכיבים מותרים, תאימות, ספים מצטברים במדדים, ועדיפות של מסגרות קשיחות על פני רכות.
4. בדיקה על אצוות היסטוריות. מריצים את המערכת על השקות קודמות ומשווים את המוצע להרכב בפועל. סופרים את שיעור ההחלטות שנכנסו לסבילות, ואת הפערים מפרקים בנפרד.
5. הדרכת טכנולוגים. מראים איך לקרוא את הפלט, לשנות מסגרות מול חומר גלם חדש, ולהעביר משוב אל המערכת ולא אל תיבת המייל.
6. מסירת המערכת. מוסרים את תצורת המגבלות, את התיעוד, את ההרשאות ואת התקן לעדכון הנתונים. מכאן הצוות עובד באופן עצמאי.

בכל שלב נשאר אצלכם חפץ שאפשר לבדוק: רשימת הנתונים, סכמת החישוב, מערכת הכללים, דוח על אצוות קודמות.

תצורות, סכמות נתונים ותקני בחינה חוזרת

הפתרון לאופטימיזציה של פורמולציות חי יותר מהצוות שהטמיע אותו. לכן אנחנו מוסרים לא רק שירות עובד, אלא גם את כל מה שדרוש לתפעול עצמאי: הגדרות המודל, המגבלות על ההרכב, נקודות האינטגרציה עם מערכות החשבונאות. להלן הערכה שנשארת אצל המזמין.

• תצורת הפתרון. הרכב מאפייני הקלט, הטווחים המותרים במרכיבי חומר הגלם, מקדמי המשקל של פונקציית המטרה, ופרופילי חישוב נפרדים לקווי מוצרים שונים.
• סכמת הנתונים. מאיפה מגיעים אצוות חומר הגלם, ההרכבים ותוצאות ניתוחי המעבדה, איך הם מובאים לצורה אחודה ואיפה נשמרת היסטוריית הגרסאות.
• כללי גישה לפורמולות. תפקידי טכנולוג, אנליטיקאי ואחראי תחום, הפרדת הרשאות לקריאה, לעריכה ולאשור, ויומן פעולות לכל נוסחה.
• תקן הבחינה החוזרת. התדירות, העילות (החלפת ספק, סטייה באיכות), מי יוזם, איך מתעדים את ההחלטה ואיך מבצעים חזרה לגרסה קודמת.
• תיעוד טכני. תיאור המודל, מדדי האיכות על מדגם נפרד, המגבלות הידועות והמקרים שבהם חובה בדיקה של טכנולוג.
• הוראות לטכנולוגים. איך לקרוא את ההמלצות, מה לעשות בעת סתירה עם דרישות רגולטוריות, ואיך להעביר משוב אל המודל.

כל סעיף אנחנו מקבלים יחד עם קבוצת העבודה של המזמין: עם סגירת הפרויקט יש לכם לא רק שירות, אלא גם מסמכים שאפשר לפתח לפיהם בכוחות עצמכם.

מקרה: בחינה מחדש של פורמולציות בלי לעצור את הקו

לפני ההטמעה בחינה מחדש של פורמולה התנהלה כפרויקט נפרד: הטכנולוג אסף נתונים על אצוות חומר גלם, חישב מחדש ביד את יחסי המרכיבים ושל ח עיסות ניסוי למעבדה. מחזור אחד מהמשימה ועד הגרסה המאושרת ארך 18–25 ימי עבודה, וחלק מהניסויים נפסל בגלל לחות וחוש חושי — שיעור הסטיות הגיע עד 12%.

בזמן שהניסויים התנהלו, הקו ייצר לפי הפורמולה הקודמת, והמחסן צבר מלאי לקראת כמה גרסאות הרכב בעת ובעונה אחת.

מה שינו

הרכבנו מודל דיגיטלי של המוצר: מפרטי המרכיבים, המסדרונות המותרים בהרכב ובמדדים, המגבלות מ‑קודקס אלימנטריוס ומהתקנים הפנימיים. התאמת היחסים מחושבת בבת אחת מול כל אצוות חומר הגלם, והמעבדה בודקת רק גרסאות שעברו את המגבלות. הפורמולה מנוהלת בגרסאות, ולכן חזרה לגרסה קודמת היא החלפת הפניה ולא חישוב מאפס.

מדדים לפני ואחרי

הקו לא נעצר בכל תקופת ההטמעה: עיסות הניסוי רצו בחלונות מתוכננים, והמעבר לפורמולה חדשה — בהתארגנות רגילה. הצמצום בבחינות החוזרות הניב גם אפקט לוואי: פחות מחיקות של חומר גלם בעת החלפת גרסאות ההרכב.

מה עושים כשהמסמכים הרגולטוריים סותרים את הנתונים?

פער בין הכרטיס הטכנולוגי להיסטוריית האצוות אינו שגיאת ייצוא, אלא מצב עבודה רגיל. המסמך מתאר מסדרון מותר: שיעורי מסה, מחליפים מותרים, גבולות במדדי בטיחות. היסטוריית האצוות מראה מה באמת קרה בבית החרושת: חומר הגלם הגיע בלחות אחרת, הקו החזיק טמפרטורה אחרת, ואצווה יצאה בסטייה בצמיגות.

אי אפשר לבחור מקור אמת אחד לתמיד: אם סומכים בעיניים עצומות על המסמך, המערכת מציעה פורמולציות שלא משוחזרות על חומר הגלם הנוכחי; ואמון בנתונים בלבד משכפל סטיות שעברו פעם בהיסח הדעת.

קריטריון הבחירה הוא סוג הפער. בתוך המסדרון של המסמך, סטייה מתקבלת כנורמה ונלקחת בחשבון בהתאמה. חריגה מהגבול במדד בטיחות חוסמת את החישוב לחלוטין, ולא משנה באיזו תדירות אצוות כאלה יוצאות. מקרים ביניים עוברים לתור לטכנולוג, עם ציון הפרמטר וגודל החריגה.

כל החלטה נרשמת ביומן הפערים: הפרמטר, הגודל, העדיפות שנבחרה, מי אישר. זה נותן שחזוריות — אפשר להעלות פורמולה שנויה במחלוקת ולהסביר למה היא נראית דווקא כך.

מגבלות הפתרון וספקות טכניים

מודל האופטימיזציה של פורמולציות נשען על היסטוריית אצוות ומדידות מעבדה, ולא על הפיזיקה של התהליך. הדיוק שלו נתקע באיכות הנתונים: אם שקלו חומר גלם "בעין", וסטיות נרשמו בדיעבד, ההמלצה תישען על רעש.

השלב הראשון הוא פרופילינג: מאתרים פערים, ממירים יחידות ולחות לבסיס אחוד, מסמנים אצוות עם עריכות ידניות ומוציאים אותן מהאימון.

חלק מהגורמים לא נכנסים למודל באופן עקרוני — החלפת ספק, שחיקת הקו, החלטות של המפעיל. אנחנו לא מסתירים זאת מאחורי דיוק של עשיריות: הפתרון מציג את הרגישות של המתכון לסטיות ומוציא טווחים, ולא ערך "מושלם" אחד. הרתחת ניסוי במעבדה נשארת שלב חובה — זה מובנה בתהליך.

אזור האחריות מוגדר מראש. עד המסירה אנחנו אחראים לנכונות הנתונים, לשחזוריות החישוב ולתיעוד המודל; אחריה — על תקן העבודה עונה שירות הטכנולוגיה של המזמין. את הגבול מקבעים בכתב.

מי אחראי על המתכון אחרי ההטמעה?

את הנוסחה מאשר הטכנולוג של המפעל — למודל אין זכות להוציא אצווה. אנחנו אחראים על החישוב והליווי, שירות האיכות — על הקבלה; זה כתוב בתקן.

נדבר על המשימה: מה צריך מכם בהתחלה

כדי לחזור עם הערכה ותוכנית עבודה, ולא עם נוסחים כלליים, צריך סט קומפקטי של נתוני קלט להערכה. להלן מה שבאמת משפיע על היקף האיטרציה הראשונה של מודל האופטימיזציה של פורמולציות. ייתכן שמשהו אינו קיים בצורה דיגיטלית — תגידו, ונעזור לאסוף את המינימום.

• פורמולות נוכחיות בצורה מובנית — הרכב, מינונים, מסדרונות מותרים להחלפת מרכיבים; ייצוא ממערכת החשבונאות יתאים.
• ניתוחים של חומרי גלם ומוצרים מוגמרים — לפחות במדדים שהטכנולוג בודק בכל אצווה.
• מגבלות טכנולוגיות של האתר: סדר ההזנה, זמן העיבוד, משטרי טמפרטורה, ציוד שאסור להחליף.
• מה אנחנו מייעלים — יציבות של מדד, תפוקת המוצר, שיעור מרכיבים יקרים; המטרה קובעת את מבנה המודל.
• קריטריוני קבלה — איך אתם מזהים שהתוצאה עובדת: סבילות במדד, שיעור פורמולציות שעברו בדיקת טכנולוג.
• גבולות הפיילוט על קו אחד — קבוצת נומנקלטורה אחת, אתר אחד, תקופת תצפית; מרחיבים אחרי שהפיילוט מתכנס.
• טכנולוג אחראי מטעמכם — זה שמאשר את המגבלות ומקבל את התוצאה.

זה מספיק כדי לחשב את שעות העבודה ולחזור עם תוכנית עבודה לפי שלבים. תארו את המשימה — האתר, המוצרים, מה כרגע לא מתכנס. נדבר על המשימה עניינית: פורמט פיילוט על קו אחד וסדר הקבלה.