Несмотря на усилия по сокращению потребления воды, индустрия напитков известна своей ресурсоемкостью: например, для производства каждого литра Coca-Cola требуется до 1,8 литра воды, а в молочной это соотношение в два раза выше.

Обе отрасли в основном полагаются на устаревшие сенсорные технологии и принципы измерения, разработанные в 1800-х годах, чтобы различать различные жидкости в производственном процессе.

Финский deeptech-стартап Collo хочет изменить эту ситуацию.

Разработанная после многих лет научных исследований в Университете Тампере, компания разработала анализаторы IoT для оптимизации промышленных процессов обработки жидкостей (и соответствующую платформу), помогающие сократить потери жидкости при производстве напитков и молочных продуктов. Его технологии доверяют такие гиганты отрасли, как Danone, Fonterra и Valio.

Я поговорил с генеральным директором Яни Пурорантой, чтобы узнать больше.

Три болевые точки, которые послужили толчком к инновациям Collo в области радиочастот

По словам Puroranta, компания запустила оригинальный научный проект, в рамках которого некоторые крупные компании определили потребность в новых типах анализаторов в своих процессах. В первую очередь они боролись с обрастанием — накоплением нежелательного материала на твердых поверхностях.

«Во многих процессах происходит загрязнение, особенно на оптических устройствах, это проблема, потому что в течение одной или двух недель он работает хорошо, но затем начинает дрейфовать по мере накопления загрязнений. В конце концов, вам нужно будет либо заново откалибровать, либо очистить его, и вы не можете полагаться на эти инструменты все время.

Вторая проблема заключалась в том, что инструменты часто очень специфичны для места, где они используются. В одном месте это работает, но на следующей станции в процессе может не сработать.

Затем на третьем этапе нужен еще один анализатор. Это превращается в игру смешивания и сочетания».

Кроме того, существует потребность в профилактическом обслуживании, а не в том, чтобы специалист по техническому обслуживанию обходил установку, проверял контрольно-измерительные приборы и следовал графику технического обслуживания.

Пуроранта утверждает: «Разве не было бы лучше, если бы прибор мог сообщать вам, когда он нуждается в обслуживании? Это был вызов». На вопрос, почему такое важное решение еще не было разработано гигантами мира продуктов питания и напитков, Пуроранта отвечает, что подобные прорывы редко происходят внутри крупных корпораций.

«Обычно они приходят из университетов, где исследователи тестируют нетрадиционные идеи, такие как совершенно новый метод измерения жидкостей, который выходит за рамки стандартного сценария отрасли», — пояснил он.

«Как только технология показывает реальные перспективы и достигает промышленной валидации — примерно на уровне технологической готовности от 6 до 8 — именно тогда крупные игроки начинают обращать на нее внимание. Вот где мы сейчас находимся: технология проверена в реальных средах, мы поставляем ее клиентам и постоянно совершенствуем с каждым развертыванием».

Прорыв в области радиочастот позволяет заводам заглянуть внутрь своих труб в режиме реального времени

Collo использует радиочастотное (РЧ) зондирование для анализа поведения и состава жидкостей в режиме реального времени. Вместо того, чтобы полагаться на традиционные измерения, такие как температура, расход или pH, Колло посылает маломощные радиочастотные сигналы через жидкость и измеряет, как сигнал изменяется при взаимодействии с жидкостью.

Различные жидкости и изменения в одной и той же жидкости по-разному влияют на радиочастотный сигнал (своего рода «отпечаток жидкости»). Интерпретируя эти радиочастотные отклики, Collo может обнаруживать переходы между продуктами, уровни разбавления, остатки во время очистки и другие тонкие изменения, которые стандартные датчики не могут зафиксировать.

Это позволяет производителям с высокой точностью отслеживать, что происходит внутри трубопроводов и резервуаров, что позволяет лучше оптимизировать процессы выталкивания продукта, процессы очистки (CIP) и общую эффективность процесса.

Трехуровневая платформа, обеспечивающая «ликвидный интеллект» в индустрии напитков и молочной промышленности

По словам Пуроранты, после первоначального проекта технология превратилась в стартап, и, по словам Пуроранты: «За последние годы стало очевидно, что эта технология особенно хорошо работает в сфере продуктов питания и напитков, решая проблемы, с которыми сегодня сталкиваются клиенты. Молочная промышленность для нас – это большая вертикаль, заводы по розливу напитков тоже».

Collo предлагает три основных продукта, которые вместе обеспечивают комплексный «жидкий интеллект» для промышленных процессоров.

Collo Insights — это уровень аналитики и визуализации, который превращает сложные данные о поведении жидкости и датчиках в четкие, действенные идеи для операторов для оптимизации процессов, сокращения потерь и мониторинга стабильности партий в режиме реального времени.

Collo Connect интегрирует эту информациюнепосредственно в системах автоматизации предприятия, таких как ПЛК и SCADA, обеспечивая точное управление расходом, переходами и последовательностями безразборной мойки на основе данных, чтобы процессы могли автоматически корректироваться на основе состава жидкости в отеле.

В дополнение к этому, Collo Lab Analyser представляет собой портативное устройство для анализа жидкостей в режиме реального времени в лабораториях, на пилотных площадках или в производственных цехах, поддерживая исследования и разработки, контроль качества и разработку новых продуктов с помощью экспресс-тестирования и сравнительного анализа.

В случае с технологиями Колло основной целью является автоматизация. Его прибор посылает сигнал автоматизации в систему SCADA предприятия, которая затем определяет, когда следует поворачивать клапаны для устранения потерь, которые могут быть выявлены в процессе. Подключение к системе автоматизации является ключевым фактором.

Однако на фоне этого компания также может проводить анализ данных в облаке.

«Или, если заказчик не хочет подключаться к облаку, мы можем собрать данные на месте и провести окончательный анализ отдельно», — пояснил Пуроранта.

«Затем мы проводим клиента через весь процесс: например, если где-то происходит внезапный всплеск потерь сырого молока, мы можем показать, что теперь оно попадает в канализацию, а когда оно попало в канализацию, мы можем вернуться к процессу и увидеть, какой клапан повернулся в неподходящее время».

Скрытая утечка прибыли: смена продукта и отходы уборки

Основными областями применения технологии Колло являются так называемые push-outs.

«Когда вы вносите изменения в продукт, вы выталкиваете предыдущий продукт водой, а затем добавляете следующий продукт. Вода должна уходить в канализацию, но иногда вы теряете часть продукта или можете быть слишком агрессивны в выталкивании, пытаясь сохранить продукт, и в конечном итоге разбавляете его. Мы помогаем выбрать правильное время», — пояснил он.

Кроме того, когда рабочие очищают трубы кислотами и едкими химикатами, им необходимо промыть их и определить, когда наступит подходящее время для возобновления производства.

Технология Collo может сэкономить огромное количество воды, динамически определяя, когда труба действительно чистая и когда вы можете перейти к следующему этапу. И влияние на это глубокое.

Такие клиенты, как Coca-Cola, которые в течение многих лет публично заявляли о своих целях по сокращению потребления воды, в настоящее время используют 1,8 литра воды на каждый литр Coca-Cola, который они разливают в бутылки.

Кроме того, если учесть потери продукции на молочных заводах, то, по данным Puroranta, в ЕС насчитывается около 12 000 молочных заводов, которые перерабатывают 160 миллионов тонн сырого молока в год:

«В среднем, 4 процента из этого теряется. Это заканчивается практически в канализации. Это почти 1 миллиард евро в год, который ежегодно теряется в утечке.

Кроме того, есть дополнительные полмиллиарда расходов на управление сточными водами, поскольку их необходимо очищать — их нельзя просто вылить в канализацию.

Нужно добавить полимеры, флокулянты и так далее. Это означает большие инвестиции в водоочистные сооружения. Просто получить лишнее молоко из воды — это большие затраты, и, конечно, это также влияет на окружающую среду».

Снижение среднего показателя с 4 до 3 процентов — на 25 процентов — приводит к ежегодной экономии более миллиарда евро во всей отрасли.

Другими словами, даже постепенное сокращение отходов имеет огромный (простите за каламбур) эффект потока.

Дополнения с помощью более интеллектуальных датчиков и самообучающихся моделей

Важно отметить, что технологии Collo дополняют существующие цепочки поставок, снижая затраты на замену.

Puroranta утверждает: «Мы не ожидаем, что клиенты что-то заменят. Как правило, они проходят через процесс определения того, что они не могут жить с установкой без параметров, которая обычно основана на времени и потоке: просто смотрят на часы и поворачивают вентиль. Это расточительно. Затем они добавляют прибор для измерения проводимости или некоторые оптические устройства для мониторинга происходящего. При этом они снижаются, скажем, с 7% потерь до 5%, может быть, близко к 4%. Но как стать лучше среднего? Тогда нужны новые технологии. Вот тут-то мы и вступаем в игру».

Прибор Колло выделяется тем, что он измеряет девять переменных, включая температуру для температурной компенсации. «Как превратить девять переменных в сигнал, который может использовать автоматизация? Потому что автоматизация может использовать только монотонный одномерный сигнал, который идет вверх или вниз. Он не может использовать девятимерные сигналы», — поделился Пуроранта.

«Для этого мы используем модели машинного обучения. Мы разработали около десятка различных алгоритмов в зависимости от типа жидкости и проблемы, которую вы пытаетесь решить. Вы делаете отжимания? Уборка на месте? Качество продукции?

Это тоже аспект — мы делаем дактилоскопию сырого молока.

Мы преобразуем эти девять переменных с помощью машинного обученияПри необходимости мы разрабатываем модели, адаптированные к процессу клиента. Они обучаются на фактических данных на объекте клиента, и мы превращаем их в сигнал автоматизации».

«Алгоритмы также являются самообучающимися», — пояснил Пуроранта.

«Иногда над ним нужно больше работать, если это очень особенный продукт.

Например, у нас есть клиенты, которые используют его для других целей, таких как измерение вязкости смолы. Затем нам нужно провести лабораторный анализ, чтобы соотнести его с нашими данными и уточнить модели машинного обучения».

В августе прошлого года стартап привлек €5 млн.

«В Европе насчитывается 12 000 молочных заводов. Это тысячи клиентов, к которым можно обратиться», — поделилась Пуроранта.

Кроме того, технология Колло имеет множество применений в процессах производства жидкостей за пределами индустрии напитков, включая масла, смолы и керамику, а также в процессах добычи полезных ископаемых и переработки полезных ископаемых.