Świat stoi przed krytycznym wyzwaniem na styku bezpieczeństwa żywnościowego i zrównoważonego rozwoju w zakresie ochrony środowiska.
Statystyki cytowane przez ONZ sugerują, że produkcja żywności musi wzrosnąć aż o 70%, aby wyżywić rosnącą globalną populację, która według prognoz przekroczy 9,7 miliarda w 2050 roku. Jednak sam wzrost plonów w rolnictwie raczej nie zniweluje tej luki.
Biorąc pod uwagę nasilające się obawy związane ze zmianami klimatu, radykalna ekspansja gruntów rolnych nie jest możliwa. Zamiast tego kluczowe będzie lepsze wykorzystanie istniejących gruntów rolnych zarówno pod względem produktywności, jak i zrównoważonego rozwoju.
Podczas gdy globalny system dostaw żywności przyczynia się do 26% globalnych emisji gazów cieplarnianych, jest on również podatny na skutki zmian klimatu, takie jak susze, powodzie i zmiany żyzności gleby. Co więcej, fakt, że jedna trzecia całej produkowanej żywności jest marnowana, pozostaje głównym powodem do niepokoju.
Sprostanie tak ogromnym wyzwaniom związanym ze zrównoważonym rozwojem i dostępnością wymaga większej wydajności, produktywności i odporności – to obszar, w którym systemy dostaw żywności oparte na danych mogą odegrać kluczową rolę.
Potęga danych
Oparte na danych systemy dostaw żywności są w stanie zrewolucjonizować produkcję, dystrybucję i konsumpcję poprzez wykorzystanie zaawansowanych technologii i analiz danych.
Wykorzystując big data i analitykę w całym łańcuchu dostaw żywności, firmy mogą zapewnić zrównoważony rozwój, optymalizować operacje, usprawniać zaopatrzenie i wdrażać rozwiązania z zakresu gospodarki o obiegu zamkniętym.
Obecnie istnieje kilka przykładów wykorzystania danych w celu poprawy różnych aspektów systemów dostaw żywności. Obejmują one:
- Rolnictwo precyzyjne: optymalizujące produkcję rolną poprzez wykorzystanie technologii, analiz danych i specjalistycznego sprzętu do wydajnego zarządzania polami. Skutkuje to efektywniejszym wykorzystaniem takich zasobów, jak woda, nawozy i pestycydy, przy jednoczesnym zmniejszeniu ilości odpadów i wpływu na środowisko.
- Zarządzanie łańcuchem dostaw: w tym przypadku dane mogą stymulować innowacje, zwiększać rentowność i zapewnić zrównoważony rozwój od pola do stołu dzięki takim środkom, jak lepsze prognozowanie, identyfikowalność żywności, środki bezpieczeństwa i redukcja odpadów.
- Zachowania konsumentów: systemy dostaw żywności oparte na danych mogą być również wykorzystywane do analizy nawyków zakupowych i wzorców konsumpcji żywności, zapewniając lepsze zrozumienie zmieniających się preferencji i możliwości promowania zdrowych nawyków żywieniowych.
Sztuczna inteligencja i robotyka w akcji
Obecnie podstawowe strumienie danych stanowią fundament innowacji w zakresie sztucznej inteligencji i robotyki w różnych dziedzinach. Na przykład w rolnictwie predykcyjne rozwiązania oparte na sztucznej inteligencji wykorzystują zaawansowane algorytmy i analizę danych, aby zapewnić inteligentne prognozowanie pozwalające rolnikom proaktywnie zapobiegać stratom i wprowadzać usprawnienia.
Jednym z powszechnych przykładów jest prognozowanie pogody. Dzięki danym pogodowym, zdjęciom satelitarnym i modelom klimatycznym można analizować historyczne wzorce pogodowe w celu przewidywania przyszłych warunków, takich jak opady deszczu, temperatura czy wilgotność.
Ponadto modele AI mogą przewidywać epidemie chorób upraw. Patrząc na historyczne dane dotyczące chorób, dynamikę przenoszenia i czynniki środowiskowe, modele epidemiologiczne mogą prognozować ich występowanie, wskazywać obszary wysokiego ryzyka i sugerować środki zapobiegawcze.
Podczas gdy rozwiązania te mają na celu umożliwienie rolnikom ograniczania ryzyka poprzez adaptacyjne praktyki zarządzania, to zrewolucjonizowaniu praktyk rolniczych, dynamiki pracy i wydajności produkcji żywności służą również roboty rolno-spożywcze.
Wielu rolników wdrożyło już zautomatyzowane dojarki i roboty do zbioru plonów, aby poprawić wydajność produkcji i dobrostan zwierząt. Sztuczna inteligencja i robotyka odgrywają istotną rolę nie tylko w gospodarstwach rolnych.
Takie technologie są również stosowane w optymalizacji procesów produkcji i opakowań, gdzie zautomatyzowane systemy mogą ograniczyć przestoje i błędy ludzkie, zapewniając stałe tempo produkcji skutecznie spełniające wymagania konsumentów.
Rola międzynarodowych norm
Chociaż, biorąc pod uwagę obecne globalne wyzwania, takie innowacje są niezbędne, ważne jest, aby bezpieczeństwo żywności było chronione przed zagrożeniami związanymi z transformacją branży.
W tym przypadku międzynarodowe normy mogą być użytecznym narzędziem do ugruntowania nowych systemów i rozwiązań, zapewniając, że sprostają one wyzwaniom związanym z bezpieczeństwem żywności w sposób bezpieczny i zrównoważony. Określając najlepsze praktyki, mogą one pomóc w promowaniu bezpieczeństwa, jakości i wydajności w całej branży spożywczej.
Od rolników po detalistów, każdy interesariusz w łańcuchu dostaw żywności może odnieść korzyści z przestrzegania wytycznych i najlepszych praktyk określonych w normach. Normy mogą nie tylko zapewnić plany usprawnienia procesów i zwiększenia wydajności, ale mają rónież kluczowe znaczenie w poprawie środków bezpieczeństwa, umożliwiając firmom dostosowanie się do wymogów regulacyjnych.
Globalne przykłady opartych na danych systemów dostaw żywności
Przy wsparciu norm można opracować skuteczny oparty na danych system dostaw żywności – na co już teraz jest wiele przykładów.
W przypadku rolnictwa przykładem jest firma biotechnologiczna Antler Bio. Po otrzymaniu dotacji Smart Grant od Innovate UK firma specjalizująca się w łączeniu badań epigenetycznych zwierząt hodowlanych z analizą danych opartą na sztucznej inteligencji uruchomiła platformę "EPIHERD". Platforma ta, nazywana precyzyjnym narzędziem do badań przesiewowych stad, zapewnia rolnikom wgląd w geny, na które mają wpływ określone czynniki środowiskowe. To z kolei oznacza, że mogą oni modyfikować czynniki, które są pod ich kontrolą, aby poprawić produktywność i zrównoważony rozwój.
Z kolei w branży detalicznej amerykańska sieć supermarketów Kroger podjęła współpracę z Retail Insight w celu optymalizacji swoich zapasów i ograniczenia ilości marnowanej żywnościowych. Dzięki wiodącemu w branży rozwiązaniu WasteInsight Retail Insight firma wykorzystuje uczenie maszynowe do zwalczania nadmiernego marnowania żywności w całym ekosystemie, optymalizując wykorzystanie rabatów do maksymalizacji sprzedaży i zmniejszenia ilości odpadów.
Przyszłość branży spożywczej
Od rolnictwa precyzyjnego i analityki predykcyjnej w zarządzaniu uprawami po optymalizację łańcucha dostaw i adaptację do zmian klimatu – lista ekscytujących możliwości opartych na danych systemów dostaw żywności wydaje się nie mieć końca.
W przyszłości większa ilość danych i wgląd w cały łańcuch wartości żywności utorują drogę dla oferujących wartość dodaną rozwiązań, takich jak spersonalizowane plany żywieniowe dostosowane do konkretnych potrzeb poszczególnych osób. Modele te mogą nie tylko pomóc w zmianie zachowań żywieniowych i przynieść wymierne korzyści zdrowotne, ale też zmniejszyć spożycie produktów pochodzenia zwierzęcego, by pomóc w walce z kryzysem klimatycznym.
Dane mogą również pomóc w ograniczeniu marnowania żywności. Istnieją już przykłady zastosowania tego rozwiązania w praktyce. Jednym z nich jest wykorzystanie przez dużego dostawcę usług gastronomicznych, firmę ISS, analiz danych do osiągnięcia łącznego rocznego zmniejszenia ilości odpadów żywnościowych przez swoich klientów o 985 000 ton. Identyfikując, że okrawki produkcyjne, odpady z talerzy i nadprodukcja głównych posiłków stanowiły prawie 60% wszystkich generowanych odpadów żywnościowych, firma była w stanie zaoszczędzić 2 463 000 posiłków i zmniejszyć emisję CO2 o 4200 ton.
W przyszłości powszechne przyjęcie takich inicjatyw i technologii będzie miało kluczowe znaczenie, wspólnie umożliwiając stopniową poprawę produktywności i wydajności, co z kolei zwiększy bezpieczeństwo żywnościowe, odporność i dostęp do żywności na całym świecie.
Nadszedł czas, aby wdrożyć oparte na danych systemy dostaw żywności
W obliczu obecnych globalnych wyzwań przyjęcie opartych na danych systemów dostaw żywności nie jest luksusem, ale koniecznością – nowe podejścia i technologie muszą być traktowane priorytetowo.
Nadszedł czas, aby nowoczesne systemy dostaw żywności wysunęły się na pierwszy plan, a normy mają do odegrania kluczową rolę w umożliwieniu firmom ustanowienia najlepszych praktyk w ich innowacjach, zapewniając ochronę globalnego łańcucha dostaw podczas tej ogromnej transformacji całej branży.
BSI Knowledge to cenny zasób oferujący rozwiązania i wskazówki dla firm pragnących wdrożyć praktyki oparte na danych i osiągnąć zgodność z odpowiednimi normami. Oferujemy ponad 800 norm dla branży spożywczej i detalicznej, umożliwiając firmom rolno-spożywczym trzymanie ręki na technologicznym pulsie i skuteczniejsze działanie na globalnym rynku. Poproś o prezentację na żywo już dziś, aby dowiedzieć się więcej.
Dowiedz się więcej na temat BSI Knowledge tutaj
Konkretne normy:
Dla osób zainteresowanych szczegółowymi normami dotyczącymi poruszonych tematów:
- Robotyka rolnicza: BS 8646 Użytkowanie autonomicznych maszyn samojezdnych w rolnictwie i ogrodnictwie.
Norma ta nakreśla kodeks postępowania dotyczący bezpiecznego i pewnego użytkowania autonomicznych maszyn samojezdnych w rolnictwie i ogrodnictwie. - Jakość danych: BS 10102 Big data – Wytyczne dotyczące organizacji opartych na danych
Norma ta zawiera wytyczne dotyczące realizacji wartości z wykorzystania danych, w tym big data, jak np. uzyskiwanie analiz, informowanie o strategiach, poprawa reputacji oraz poprawa zgodności, wydajności i wyników. - Bezpieczeństwo żywności: BS EN ISO 22000 Systemy zarządzania bezpieczeństwem żywności
Norma ta zapewnia doskonałe ramy do wdrożenia systemu zarządzania bezpieczeństwem żywności, pomagając organizacjom w dostarczaniu bezpiecznej do spożycia żywności. - Identyfikowalność żywności: BS EN ISO 22005 Identyfikowalność w łańcuchu pasz i żywności
Norma ta ustanawia zasady i wymagania dotyczące systemów identyfikowalności żywności, pomagając zachować przejrzystość podczas produkcji, przetwarzania, dystrybucji i obchodzenia się z żywnością. - Zarządzanie środowiskowe: BS EN ISO 14001 Systemy zarządzania środowiskowego
Norma ta zapewnia wytyczne dotyczące zamawiania, przechowywania, dystrybucji, opracowywania produktów i produkcji w celu zmniejszenia wpływu na środowisko i poprawy relacji z interesariuszami. - Normy dotyczące sztucznej inteligencji: BS ISO/IEC 42001 System zarządzania sztuczną Inteligencją
Norma ta zapewnia certyfikowane ramy dla systemu zarządzania sztuczną inteligencją, w ramach których można opracowywać produkty sztucznej inteligencji, pomagając przez to firmom i społeczeństwu uzyskać jak największe korzyści ze sztucznej inteligencji.
