فرمولاسیون فراروده های غذایی
فرمولاسیون فراورده های غذایی، گام اساسی و احتمالا مهم ترین مرحله در تولید یک محصول با کیفیت و موفق است. منظور از موفق، رضایت عمده جامعه مصرف کنندگان از محصول تولیدی است. رضایت مصرف کننده، تابع عوامل مختلف مانند ویژگی های حسی محصول، پایداری، ایمنی و هزینه است. از طرف دیگر، فرمولاسیون فراورده های غذایی در محدودیت استاندارد های مختلف غذایی ملی، منطقه ای و بین المللی نیز قرار دارد (جایگاه ارزیابی حسی در توسعه بازار).
چالش های فرمولاسیون
فرمولاسیون مواد غذایی، در واقع انتخاب نوع ماده و غلظت آن است. عملکرد و فیزیک هر جزء یا مولکول غذایی تابعی از غلظت، حضور سایر اجزا، به ویژه مولکول های کوچک و فیزیک ماده غذایی است. بر این اساس، پیش بینی ویژگی های نهایی محصول، وقتی تحت تاثیر فرایند های مختلف مانند حرارت دهی قرار گیرد یا اینکه در چه شرایط نگهداری باشد، دشوار و تا حد زیادی، شامل آزمون و خطا خواهد بود. ممکن است فرمولاسیون با هدف کاهش قیمت باشد و یا فرمولاسیون به طور بنیادی نیاز به تغییر داشته باشد و یا حتی ممکن است، لازم باشد، فرمولاسیون برای تجهیزات و روش های جدید فراروری بروزرسانی شود. هر یک از این نوع تغییرات، نیازمند صرف هزینه و زمان برای یافتن راه حل است.
چالش منابع علمی
اگرچه امروزه منابع علمی متعددی مانند کتاب ها، مقالات علمی، وبسایت ها، ویدیو های آموزشی و ثبت اختراع ها، برای کسب دانش در حوزه فرمولاسیون در دسترس است، در موارد زیادی، دانش منتشر شده به دلیل تفاوت در مواد اولیه و فرایند ها، تنها در ایجاد و بهبود دیدگاه های فرمولاسیون موثر خواهد بود. در چنین شرایطی بررسی همه داده ها و نتایج، زمان بر و پر هزینه است.
چالش مدلسازی سیستم
در بخشی از علوم مهندسی و طبیعی نرم افزار مختلفی با تکیه بر قوانین فیزیکی و معادلات حاکم بر سیستم، برای طراحی اولیه طرح، توسعه داده شده است. این نرم افزارها که بر پایه محاسبات سنگین بنیان گذاری شده است، پیامد های هر نوع تغییری در سیستم مورد شبیه سازی را در اختیار محقق قرار می دهد. پاسخ حاصل از مدلسازی، صرفه جویی بزرگی در هزینه و زمان را در این زمینه های تحقیقاتی فراهم آورده است. با این حال، سیستم های پیچیده ای مانند مواد غذایی که البته تحت فرایند های غذایی نیز قرار می گیرد، تاکنون در قالب نرم افزار های محاسباتی فرمولاسیون، مدلسازی نشده است. این مساله احتمالا به دلیل تنوع بسیار زیاد مواد اولیه، عدم استاندارد سازی ویژگی ها و ناهمگونی در ساختار و شکل است. از طرف دیگر، هزینه محاسبات چنین سیستمی نیز برای پوشش حجم محاسبات لحظه ای به شدت بالا خواهد بود.
توان هوش مصنوعی
امروزه، هوش مصنوعی توانایی خود بر ارایه جواب های منطقی منطبق بر اطلاعات قبلی برای حوزه های مختلف به ویژه مدل های زبانی نشان داده است. هوش مصنوعی بر اساس ساختار مدل و تعداد پارامتر ها، توانایی بالایی در حل مسائل به شدت پیچیده مانند پیش بینی ساختار پروتئین نشان داده است. همچنین با ترکیب هوش مصنوعی و روش های کلاسیک، سرعت محاسبات نیز افزایش یافته است. در واقع، هوش مصنوعی با توجه به ورودی های مدل و دانش ایجاد شده، پارامتر های مدل کلاسیک را در هر لحظه بروزرسانی کرده و همگرایی را شدت می بخشد. این تکنیک توسط شرکت های بزرگ، در حال توسعه است (هوش مصنوعی و آینده صنعت غذا).
هوش مصنوعی و فرمولاسیون فراروده غذایی
ایده کلی، ایجاد مدل بر اساس داده های منتشر شده در مقالات، کتاب ها، وبسایت ها و سایر منابع در دسترس، برای ایجاد یک هوش مصنوعی درک برهمکنش اجزای غذایی برای رسیدن به اهداف تعریف شده است. با توجه به اینکه مقالات کاربردی و بنیادی و حتی ثبت اختراع، زوایای مختلفی از فرمولاسیون های غذایی را شامل می شوند، دانش گسترده ای تاکنون منتشر شده است که باید با توسعه ابزار های مدرن تحلیل شده و در مدل ادغام شود. باید در نظر داشت که در مدلسازی، اهداف باید به صورت کمی تعریف شود که چالش های زیادی در این زمینه وجود دارد. احتمالا چالش اساسی، ارزیابی حسی محصول است. با این حال، بخش زیادی از ویژگی های محصول و فرایند به صورت کمی می تواند در مدلسازی درج و استخراج شود. پیاده سازی مدل هوش مصنوعی پیش بینی کننده، نیازمند یک اجتماع علمی و بین رشته ای است (تکنیک های دستگاهی در توسعه فرمولاسیون).
