INNOVAZIONE DIGITALE

L’intelligenza dei dati al servizio dei caseifici: con gli analytics, più produzione e meno sprechi



Indirizzo copiato

Durante il SAS Hackathon, l’azienda olandese Notilyze ha messo a punto una dashboard, modelli di previsione e un’API che suggerisce a un produttore di formaggi come bilanciare i fattori che influenzano resa e qualità, riducendo di concerto gli sprechi alimentari

Pubblicato il 3 giu 2024



cheese-385863_1280

In Italia il consumo annuale di formaggio per persona raggiunge i 23 chilogrammi, un dato che ci pone al pari di francesi e olandesi. Negli Stati Uniti è stata addirittura istituita una Giornata Nazionale del Formaggio, celebrata ogni 4 giugno, per onorare questo versatile protagonista della gastronomia lattiero-casearia. Il formaggio può assumere svariate forme a partire dagli stessi ingredienti base, in maniera simile a quanto avviene nel settore della panificazione. Il risultato finale dipende interamente dalla ricetta utilizzata e la tecnologia può sicuramente fornire un prezioso supporto.

In occasione del SAS Hackathon, evento globale che riunisce appassionati di dati provenienti da diversi contesti geografici e professionali per sviluppare soluzioni innovative tramite la collaborazione di team eterogenei, è stato dimostrato che gli Analytics possono contribuire alla produzione di formaggi di qualità superiore. A giovare dell’utilizzo dei dati è il complesso processo biologico alla base della produzione del formaggio che può essere visualizzato, analizzato e migliorato.

Data analytics per la produzione del formaggio

Colin Nugteren e il team Notilyze, azienda olandese specializzata in Data Analytics, avevano già una vasta esperienza nell’utilizzo dei dati in tempo reale per ottimizzare i processi produttivi. Tuttavia, durante il SAS Hackathon 2023 la loro competenza ha assunto una nuova direzione quando un produttore olandese di formaggi li ha contattati chiedendo loro aiuto per migliorare la qualità e la produzione, riducendo al contempo gli sprechi alimentari.

“Naturalmente il nostro team non sapeva nulla di un caseificio o della creazione del formaggio, ma ci sono alcuni cheese technologist – è un lavoro vero e proprio – che estraggono dei dati e li inseriscono in Excel o in un piccolo tool per poterli analizzare”, racconta Nugteren. “In questo modo ci vuole molto tempo per l’analisi però, e qui siamo entrati in gioco noi, sfruttando la potenza della piattaforma SAS Viya”.

I dati al servizio dei cheese technologist

I quattro fattori principali esaminati dal team di Notilyze che possono influenzare la qualità e la resa del formaggio sono il sale, il grasso, l’umidità e il pH. Per un caseificio che produce 100 milioni di chilogrammi di formaggio all’anno, un qualsiasi squilibrio tra questi ingredienti può comportare costi elevati, sia in termini economici che ambientali.

“È necessario riconoscere le tendenze il prima possibile e apportare modifiche per assicurarsi che gli ingredienti siano ottimizzati l’uno per l’altro”, spiega Nugteren. “I cheese technologist sono rimasti davvero sorpresi dalla quantità di insight contenuta nei dati e da quanto siamo stati in grado di raccogliere, in poche settimane, da un gran numero di dati, imparando così tanto sulla produzione del formaggio senza avere un background caseario”.

Data analytics per aumentare la resa e diminuire i rifiuti

Nel corso dell’Hackathon, durato un mese, il team di Notilyze è riuscito a progettare una dashboard che esplora tutti i componenti del processo di caseificazione, a costruire modelli per prevedere la resa in base a questi componenti e a sviluppare un’API che suggerisce aggiustamenti al processo in base al tipo di formaggio, alle impostazioni di controllo attuali e ai dati effettivamente osservati.

A quasi un anno di distanza, l’aumento previsto della resa è del 7%, che corrisponderebbe a circa 7 milioni di chilogrammi di formaggio all’anno prodotti in più al netto di una riduzione dei rifiuti alimentari nel processo di produzione. Il lavoro non è tuttavia terminato: proprio come il formaggio migliora con l’invecchiamento, anche i modelli analitici necessitano di un costante affinamento.

Articoli correlati

Articolo 1 di 4