Polski
English
Русский
Lepsze dane, bardziej zadowoleni konsumenci
Galen George z Felix Instruments pokazuje, jak informacje zbierane dzięki pomiarom w bliskiej podczerwieni kształtują przyszłość kontroli jakości – i pozwalają oszczędzać miliony.
Galen George, Director of Applied Science w Felix Instruments, jest ekspertem w zakresie urządzeń pomiarowych NIR i analizy danych.
Wyższe plony, lepsza jakość, coraz bardziej wymagający konsumenci – presja w branży owocowo-warzywnej jest ogromna. Tradycyjne metody kontroli jakości w handlu świeżymi produktami osiągają swoje granice. Galen George, Director of Applied Science w Felix Instruments, przedstawił swoje rozwiązanie w czwartek rano na scenie Farming Forward podczas FRUIT LOGISTICA 2026: big data.
Pod hasłem „Pół miliona skanów jakości owoców: Co dane mówią o przyszłości świeżych produktów” ekspert zaprezentował analizę gazową w czasie rzeczywistym z wykorzystaniem urządzeń NIR (bliska podczerwień), które w sposób nieinwazyjny i dokładny badają owoce pod kątem kluczowych parametrów dojrzałości, takich jak zawartość suchej masy, Brix, kwasowość miareczkowa czy barwa wewnętrzna. Metoda ta sprawdza się idealnie m.in. w przypadku mango, awokado czy kiwi.
Zbyt małe próby badawcze
Felix Instruments zgromadził ogromne ilości danych, wykorzystując tę metodę na całym etapie łańcucha wartości – od uprawy, przez pakowanie i logistykę, aż po handel detaliczny. „Te zróżnicowane i szeroko zakrojone zbiory danych z całego świata pokazują główny problem dotychczasowej kontroli jakości” – wyjaśniał George.
Ze względu na niewielkie próby badawcze mierzone są głównie parametry mieszczące się w średnim zakresie. Skrajne przypadki pozostają niezauważone. „To właśnie one powodują problemy – ponieważ dojrzewają zbyt szybko albo pozostają niedojrzałe” – podkreślił ekspert.
Duże, reprezentatywne zbiory danych z różnych regionów i ogniw łańcucha dostaw, analizowane na przestrzeni wielu sezonów, pozwalają znacząco ograniczyć zmienność, a tym samym błędy i straty. Sztuczna inteligencja oraz uczenie maszynowe umożliwiają dodatkowo ciągłą weryfikację danych oraz tworzenie modeli predykcyjnych.
Miliony dolarów strat mniej
Takie podejście nie tylko ogranicza niepotrzebne marnotrawstwo, ale ma też realne znaczenie ekonomiczne – zaznaczył Galen George. „Kilku dużych detalistów powiedziało nam wprost, że pojedyncze grupy produktów mogą generować roczne straty rzędu kilku do kilkudziesięciu milionów dolarów.”
Big data pozwala podejmować lepsze decyzje. „Więcej danych oznacza lepsze zbiory, większą spójność w całym łańcuchu wartości – a w efekcie większe zaufanie konsumentów.”
Przeczytaj również:
Macfrut 2026: najważniejsze wydarzenia pierwszego dnia
AFL Fresh Produce Golf Cup 2026 powraca do Bangkoku
Nowa struktura hal: ISM, ISM Ingredients i ISM Manufacturing zbliżają się do siebie
