Startseite » Food » Qualitätsmanagement (Food) »

Alle Parameter im Blick

Analytics-Lösungen helfen bei der Qualitätssicherung, Optimierung und Entwicklung von Produkten
Alle Parameter im Blick

Immer mehr Lebensmittel- und Getränkehersteller integrieren Analytics- Software in ihren Produktionsprozess. Diese Lösungen, die beispielsweise auch von SAS angeboten werden, machen versteckte Zusammenhänge innerhalb großer Datenmengen sichtbar und identifizieren Muster, die bei einer einfachen Datenauswertung verborgen blieben. Auf diese Weise sind Analytics-Lösungen ein wichtiges Werkzeug bei der Qualitätssicherung sowie bei der Optimierung alter und der Entwicklung neuer Produkte.

Ulrich Reincke

Ist die Pizza weich genug? Schmeckt die Schokolade zu süß? Stimmt ihre Textur und schmilzt sie angenehm im Mund? Fragen über Fragen, mit denen die Experten der Lebensmittelhersteller bei der Qualitätskontrolle tagtäglich konfrontiert sind. Schließlich sollen Fertigpizza, Schokolade und Co. den Appetit des Verbrauchers wecken. Und: Die Produkte müssen auch immer mit dem gleichen Geschmack und Geruch, der gleichen Konsistenz und Farbe aufwarten, damit der Käufer keine unliebsamen Überraschungen erlebt.
Um der Forderung nach konstanter Qualität verlässlich nachzukommen, haben die Unternehmen Kontrollnetze gespannt, die alle Schritte der Produktion engmaschig auf Abweichungen von der Norm überprüfen. Diese Sicherheitssysteme ruhen in der Regel auf zwei Säulen: auf sensorischen Tests einerseits sowie auf der Überwachung von zentralen Produktionsparametern wie etwa der Koch- und Backtemperatur, der Dosierung oder der Knet-, Rühr-, Hack-, Schnetzel-, Walk- oder Walzdauer der Zutaten andererseits. Bei allen diesen Kontrollen wird eine Vielzahl von Daten generiert, die Rückschlüsse auf die Qualität der Endprodukte geben. Allerdings werden diese Daten heute in der Regel nur genutzt, um augenfällige Abweichungen vom festgelegten Produktionsprozess zu erkennen, etwa wenn ein Rührwerk nicht die vorgesehene Leistung erbringt oder ein Förderband die Backstraße zu schnell durchläuft. Weichen die Ist-Daten von den Soll-Daten ab, können die verantwortlichen Mitarbeiter ohne Zeitverlust Korrekturen an der Einstellung der Maschinen vornehmen, sodass die Qualität gesichert bleibt. Zugleich verraten die Daten den Unternehmen bei Produktmängeln, ob und an welcher Stelle der Herstellungsprozess verändert werden muss, um das gewünschte Ergebnis zu erzielen: Monieren Testesser zum Beispiel, dass Kekse „nicht richtig durch“ sind, können die Mitarbeiter die Backtemperatur erhöhen oder die Backdauer verlängern. Schwieriger wird es jedoch bei Qualitätsmängeln, deren Ursache nicht so offensichtlich ist – etwa weil sich mehrere minimale Abweichungen bei der Herstellung wechselseitig verstärken, weil sich sensorische oder optische Fehler nicht auf Anhieb auf Fehler in einem einzelnen Produktionsschritt zurückführen lassen oder weil es mehrere mögliche Gründe für die unzureichende Produktqualität gibt. Die traditionelle Auswertung der Daten reicht hier nicht aus, denn die Ursache-Wirkungs-Beziehungen bei der Herstellung der Lebensmittel sind zu komplex: Die indirekten Folgen einzelner Abweichungen von den Produktionsvorgaben bleiben oft verborgen, weil sie sich nicht mit den herkömmlichen Reporting-Instrumenten abbilden lassen, die von vielen Unternehmen zur Qualitätssicherung eingesetzt werden.
Tranzparenz im Datenwirrwarr
Deshalb integrieren mehr und mehr Lebensmittelhersteller für diese Aufgabe sogenannte Analytics-Software in den Produktionsprozess. Diese Lösungen, wie sie beispielsweise von SAS angeboten werden, machen versteckte Zusammenhänge innerhalb großer Datenmengen sichtbar und identifizieren Muster, die bei einer einfachen Datenauswertung verborgen bleiben. Um beim Beispiel des Kekses zu bleiben, der nicht kross genug ist: Der Fehler liegt nicht zwangsläufig im Backofen. Möglicherweise ist die im Testlabor überzeugende Rezeptur für die Großproduktion nicht optimal geeignet. Werden die Keksdaten mit den Daten anderer, qualitativ zufriedenstellender Keksprodukte zusammengeführt und analysiert, lässt sich die wahre Fehlerquelle schnell entdecken – ohne dass aufwändige Backversuche mit verschiedenen Rezeptvarianten notwendig sind. Dabei bedienen sich die Analytics-Lösungen ausgefeilter statistischer Verfahren, unter anderem aus dem Data Mining.
Mit der Analyse allein ist es jedoch nicht getan: Zuvor müssen die Daten, die ja in der Regel aus mehreren verschiedenen operativen Anwendungen wie Datenbanken oder Produktionssystemen stammen und damit in unterschiedlichen Formaten vorliegen, zusammengeführt und homogenisiert werden. Diese Aufgabe übernehmen Komponenten für die Datenintegration, die in der Regel Teil der Analytics-Lösungen sind. Sie sorgen für die Konsistenz der Datengrundlage und bereinigen Fehler oder Widersprüche innerhalb der Daten.
Analytics unterstützen die Ernährungsindustrie aber nicht nur bei der Kontrolle der laufenden Produktion, sondern auch bei der Neu- und Weiterentwicklung von Lebensmitteln. Denn die Lösungen spiegeln nicht nur die gegenwärtige Situation, sondern zeigen auch, wie sich Entscheidungen in der Zukunft auswirken werden: So ermöglichen sie Simulationen, beispielsweise zu den zu erwartenden Ergebnissen von Sensorikprüfungen. Herzstück solcher Prognosen sind Modelle, die auf Basis historischer Daten erstellt werden. Angewandt auf aktuelle Daten, geben die Modelle verlässlich Auskunft über künftige Resultate.
Ein Beispiel: Will ein Anbieter die Rezeptur einer Schokolade ändern, kann er anhand solcher Modelle durchspielen, wie die verschiedenen Rezeptvarianten in den sensorischen Tests aller Wahrscheinlichkeit nach beurteilt werden. Mit diesen Informationen ist das Unternehmen in der Lage, sich bei der Produktentwicklung auf diejenigen Varianten zu beschränken, die optimale Ergebnisse versprechen. Auch die Auswirkungen technischer Parameter wie der Conchierzeit und -intensität auf die Qualität der Schokolade lassen sich so zuverlässig simulieren. Auf diese Weise erfahren die Hersteller, an welchen Stellschrauben sie drehen müssen, um ein gewünschtes Ergebnis zu erzielen. Von einem solchen Blick in die Zukunft profitieren die Unternehmen auch, wenn sie die Zahl der verwendeten Ausgangsprodukte für ihre gesamte Angebotspalette reduzieren wollen, etwa um die Beschaffungskosten zu senken. Mithilfe von Analytics-Software kann dann beispielsweise vorhergesagt werden, wie die Sensorikprüfungen ausfallen würden, wenn für alle Waren mit Nougatfüllung die gleiche Rohmasse eingesetzt wird.
Erfolgreich im Einsatz
Wie Lebensmittelhersteller Analytics-Software für die Produktion nutzen können, zeigt das Beispiel Kraft Foods. Das Unternehmen arbeitet in seinen Werken in Nord- und Südamerika mit einer Analytics-Lösung von SAS, um eine gleichbleibende Qualität seiner Produkte zu gewährleisten. Als Referenz dienen vorab definierte numerische Werte, die Parameter wie das Aroma, die Konsistenz, Farbe oder Knusprigkeit der einzelnen Waren in Zahlen fassen. Diese Kenngrößen sind in einer Datenbank namens Seneca (Sensory and Experimental Collection Application) hinterlegt. In die Datenbank fließen zudem die Ergebnisse aus drei unterschiedlichen Testreihen ein: aus Tests, in denen Geschmack, Aussehen und Farbe von Lebensmitteln mit einem Referenzprodukt verglichen werden; aus beschreibenden Tests, in denen professionelle Geschmacksprüfer Eigenschaften wie das Kaugefühl oder den Schmelzfaktor in Kennzahlen übersetzen sowie aus Tests, in denen Endverbraucher um ihre Meinungen gebeten werden. Darüber hinaus enthält die Anwendung die detaillierten Rezept- und Herstellungsdaten aller Produkte.
Die SAS Anwendung greift auf diese Daten in Seneca zu, um Analysen und Prognosen durchzuführen – etwa um Trends in den sensorischen Tests zu erkennen, die Modifikationen in der Herstellung oder gar Änderungen der Rezeptur notwendig machen. Zugleich zeigt die Lösung, welche Produktionsschritte für die Abweichungen von den vorgegebenen Werten für Geschmack, Aussehen oder Konsistenz der Lebensmittel verantwortlich sind. So kann das Unternehmen sofort reagieren, wenn die Qualität nicht stimmt, statt viel Zeit mit der Fehlersuche zu vergeuden.
Umfangreiche Dokumentation
Zugleich entsteht auf diese Weise eine umfassende Dokumentation der Produktion. Grundlage der Analysen sind Modelle, die die Experten von Kraft auf Basis historischer Daten erstellen. Bei der Modellierung und Analyse ist es nicht notwendig, dass die Qualitätsverantwortlichen die Werke vor Ort besuchen: Sie können über das Internet unmittelbar auf die Messwerte zugreifen sowie Analysen und Datenmodelle austauschen. Das spart nicht nur Reisekosten, sondern auch Kraft: Die Experten arbeiten effizienter, sodass die Menge der Waren, deren Qualität nicht den Standards entspricht, sinkt. Davon profitieren letztlich auch die Kunden, werden sie doch vor unliebsamen Überraschungen geschützt.
Online-Info www.dei.de/1009447
Newsletter

Jetzt unseren Newsletter abonnieren

cav-Produktreport

Für Sie zusammengestellt

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Hier finden Sie aktuelle Whitepaper

Top-Thema: Instandhaltung 4.0

Lösungen für Chemie, Pharma und Food

Pharma-Lexikon

Online Lexikon für Pharma-Technologie

phpro-Expertenmeinung

Pharma-Experten geben Auskunft

Prozesstechnik-Kalender

Alle Termine auf einen Blick


Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de