Stationsplein 9H, 2801 AK Gouda | PC Hooftlaan 14, 5611 NV Eindhoven
0182-606707 | 040-3046029
welkom@carapaxit.nl

Machine Learning voor Coppens Diervoeding

Nom nom nom, we eten wat af met z’n allen. Niet alleen wij als mens, maar ook onze varkens en vleespluimvee. En dat vee wil ook optimaal gevoerd worden. Daarom is Coppens in Helmond een bedrijf dat heerlijke en voedzame korrels voor ons vee maakt. Dat recept kwam vroeger vast uit grootmoeders kookboek maar is inmiddels volledig geautomatiseerd en geoptimaliseerd voor elk denkbare soort karbonade… uh… varken.

De uiteindelijke kwaliteit van de korrels wordt op het einde bepaald en dan wordt besloten of de zojuist geproduceerde batch goed genoeg is. De kwaliteit richt zich vooral op de slijtvastheid van de korrel, dat wil zeggen de hoeveelheid residu dat na zeven achterblijft in de zeef. De korrel is namelijk vermengd met “meel”. Bij teveel meel gaat de voedingswaarde achteruit en bij te weinig meel worden onze twee- en viervoeters te selectief en krijgen ze niet alle voedingsstoffen binnen. Als de gemeten slijtvastheid niet binnen de vooraf bepaalde waarden ligt dan mag de hele lading in de GFT-container. Omdat ze bij Coppens dagelijks containerladingen aan korrels persen en ze zijn besmet met het big-data virus hebben ze ook containerladingen aan meetgegevens over het productieproces. Dit proces bestaat uit een aantal stappen. Van elke stap zijn meetgegevens beschikbaar, dus ze zouden de kwaliteit ook na elke deelstap kunnen beoordelen en op die manier vroegtijdig het proces bijsturen (de oven 5 graden warmer zetten of zo). Hier komt Carapax IT om de hoek kijken. Zij hebben namelijk een hoop data van Coppens weten te bemachtigen waar al die deelmetingen en de uiteindelijke kwaliteit in staan. Nu is het aan hun om uit te zoeken bij welke instellingen van de vele knoppen de kwaliteit en later ook het energieverbruik zo optimaal mogelijk zijn. Dit doen ze door virtueel aan de knoppen te draaien en dan te kijken welke waarden eruit komen. Nu zijn de echte machines wat groot en duur om op kantoor te plaatsen, dus moeten ze het met machine learning doen. Uiteindelijk komt hier dan een dashboard uit met aanwijzingen en instructies voor de operators, die dan dus nog steeds de oven 5 graden warmer zetten maar nu omdat dit berekend is en niet omdat het onderbuikgevoel dat zegt.

Geschreven door Carapax IT medewerker René Ladan | Developer & Data Scientist