Proyectos - Industria Agroalimentaria
Publicado 14 de septiembre de 2018 | Versión v1
Conference paper Abrir

Quality Control Monitoring by using Artificial Neural Networks for an Iberian Ham Industry

Creadores

  • 1. Departamento de Informática y Automática, Universidad de Salamanca, Facultad de Ciencias, Salamanca, España
  • 2. Estación Tecnológica de la Carne de Castilla y León, Guijuelo, España

Descripción

The iberian ham is a high valued product, due to this fact, it is very important to offer to the costumer a high
quality food product and to ensure its organoleptic properties. Producers have to evaluate, periodically, its
sensorial attributes by a professional tasting panel. Due to high elevated organizational and economics costs,
in addition to, the sensory fatigue and the subjectivity of the panel members, only a few product lots are sampled.
In this paper is proposed a cloud manufacturing based platform to monitor the quality of Iberian ham. The
success of this solution is based on cooperation and data exchange between the main agents involved in the
process: quality manager, professional tasters, production manager, inspection authorities, etc. Intelligent algorithms have been embedded into the cloud monitoring platform to predict the ham sensory properties, using
the Near InfraRed Spectroscopy data from the product samples as input.
The key feature of the solution is that the sensory analysis is performed without gathering routinely a professional tasting panel, but the solution also allows to the quality manager, with advanced visualization techniques,
to monitor what is the merit figure related with a specific type of ham or shoulder. Another important aspect
of the solution is that, due to the huge amount of data coming from the elaboration process itself are available
is possible to fine-tune continuously the machine-learning algorithms to the particular producer and use them
intelligently to increase the competitiveness.

Other (Spanish)

El jamón ibérico es un producto de alto valor; por ello, es muy importante ofrecer al consumidor un producto alimenticio de alta calidad y garantizar sus propiedades organolépticas. Los productores deben evaluar periódicamente sus atributos sensoriales mediante un panel de cata profesional. Debido a los elevados costes organizativos y económicos, así como a la fatiga sensorial y la subjetividad de los miembros del panel, únicamente se muestrean unos pocos lotes de producto. En este artículo se propone una plataforma de fabricación en la nube para monitorizar la calidad del jamón ibérico. El éxito de esta solución se basa en la cooperación y el intercambio de datos entre los principales agentes implicados en el proceso: responsable de calidad, catadores profesionales, responsable de producción, autoridades de inspección, etc. En la plataforma de monitorización en la nube se han integrado algoritmos inteligentes para predecir las propiedades sensoriales del jamón, utilizando como entrada los datos de Espectroscopía de Infrarrojo Cercano (NIR) de las muestras del producto.

La característica clave de la solución es que el análisis sensorial se realiza sin necesidad de reunir habitualmente un panel de cata profesional; no obstante, la solución también permite al responsable de calidad, mediante técnicas avanzadas de visualización, monitorizar la figura de mérito asociada a un tipo específico de jamón o paleta. Otro aspecto importante es que, gracias a la gran cantidad de datos procedentes del propio proceso de elaboración, es posible ajustar continuamente los algoritmos de aprendizaje automático al productor particular y utilizarlos de forma inteligente para aumentar la competitividad.

Other (Spanish)

Este trabajo ha sido financiado por la Fundación General de la Universidad de Salamanca a través del Plan TCUE 2015-2017, cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) y la Junta de Castilla y León

Archivos

69115.pdf

Archivos (2.5 MB)

Nombre Tamaño Descargar todos
md5:1a7b694c03c1984c648271ee32fab906
1.2 MB Previsualizar Descargar
md5:7b15b823f7f1e8e5f7c5376ab1735812
1.3 MB Previsualizar Descargar

Detalles adicionales

Títulos adicionales

Translated title (Spanish)
Monitorización del Control de Calidad mediante Redes Neuronales Artificiales para la Industria del Jamón Ibérico

Identificadores

DOI
10.5220/0006911506280635

Trabajos relacionados

Is part of
Conference paper: 10.5220/0006911506280635 (DOI)

Fechas

Other
2018-09-14

Referencias

  • (1994). ISO 11035: 1994:sensory analysis – identification and selection of descriptors for establishing a sensory profile by a multidimensional approach.
  • (2003). ISO 4121: 2003: Sensory analysis – guidelines for the use of quantitative response scales.
  • (2014). Real decreto 4/2014, de 10 de enero, por el que se aprueba la norma de calidad para la carne, el jamon, ´ la paleta y la cana de lomo ib ˜ erico.
  • Balabin, R. M. and Safieva, R. Z. (2011). Biodiesel classification by base stock type (vegetable oil) using near infrared spectroscopy data. Analytica Chimica Acta, 689(2):190–197.
  • Boccorh, R. K. and Paterson, A. (2002). An artificial neural network model for predicting flavour intensity in blackcurrant concentrates. Food Quality and Preference.
  • Barcenas, P., Elortondo, F. P., and Albisu, M. (2003). ´ Sensory changes during ripening of raw ewes' milk cheese manufactured with and without the addition of a starter culture. Food Science.
  • Cancilla, J. C., Wang, S. C., D´ıaz-Rodr´ıguez, P., Matute, G., Cancilla, J. D., Flynn, D., and Torrecilla, J. S. (2014). Linking chemical parameters to sensory panel results through neural networks to distinguish olive oil quality. Journal of Agricultural and Food Chemistry.
  • Della-Lucia, S. M. and Minim, L. A. (2010). Redes neurais artificiais: fundamentos e aplicac¸oes. In UFV, V. E., ˜ editor, Analise sensorial: estudos com consumidores ´ , chapter 9, pages 258–279. Springer-Verlag New York, Inc.
  • Efendioglu, N. and Woitsch, R. (2017). A modelling method for digital service design and intellectual property management towards Industry 4.0 caxman case. International Conference on Serviceology.
  • Grassi, S. and Alamprese, C. (2017). Advances in NIR spectroscopy applied to process analytical technology in food industries. Current Opinion in Food Science.
  • Mourtzis, D. and Vlachou, E. (2016). Cloud-based cyberphysical systems and quality of services. The TQM Journal.
  • Murray, J. M., Delahunty, C., and Baxter, I. A. (2001). Descriptive sensory analysis: past, present and future. Food Research International.
  • Oio, K.-B., Lee, V.-H., Tan, G. W.-H., Hew, T.-S., and Hew, J.-J. (2017). Cloud computing in manufacturing: The next industrial revolution in malaysia? Expert Systems with Applications.
  • Piggot, J. R. and Mowat, R. G. (1991). Sensory aspects of maturation of cheddar cheese by descriptive analysis. Journal of Sensory Studies.
  • Rathore, A. S. and Kapoor, G. (2017). Implementation of quality by design towards processing of food products. Preparative Biochemistry and Biotechnology.
  • Ruohomaa, H., Kantola, J., and Salminen, V. (2018). Value network development in Industry 4.0 environment. Advances in Intelligent Systems and Computing.
  • Siegrist, M. and Cousin, M.-E. (2009). Expectations influence sensory experience in a wine tasting. Appetite.
  • Sommeregger, W., Sissolak, B., Kandra, K., von Stosch, M., Mayer, M., and Striedner, G. (2017). Quality by control: Towards model predictive control of mammalian cell culture bioprocesses. Biotechnology Journal.