水の消費量を減らす努力にもかかわらず、飲料業界は資源を大量に消費することで知られています。たとえば、コカ・コーラ 1 リットルの製造には最大 1.8 リットルの水が必要で、乳製品の場合、この比率は 2 倍になります。
どちらの業界も主に、生産プロセスで異なる液体を区別するために 1800 年代に開発された従来のセンサー技術と測定原理に依存しています。
フィンランドのディープテックスタートアップColloは、これを変えたいと考えている。
タンペレ大学での長年の科学研究を経て開発された同社は、工業用液体プロセス (および対応するプラットフォーム) を最適化するための IoT アナライザーを開発し、飲料および乳製品の生産における液体損失の削減に貢献しました。その技術は、ダノン、フォンテラ、ヴァリオなどの業界大手から信頼されています。
さらに詳しく知るためにCEOのJani Puroranta氏に話を聞いた。
Collo の RF イノベーションを引き起こした 3 つの問題点
プロランタ氏によると、同社は一部の大企業が自社のプロセスに新しいタイプの分析装置の必要性を認識し、独自の科学プロジェクトをスピンアウトしたという。彼らが苦労していた主な問題は、まず汚れ、つまり固体表面に不要な物質が蓄積することでした。
「多くのプロセスでは汚れが発生しますが、特に光学デバイスでは、これは困難です。1 ～ 2 週間はうまく動作しますが、その後汚れが蓄積するにつれて動作が不安定になり始めます。最終的には、再校正するかクリーニングする必要があり、それらの機器に常に依存することはできません。
2 番目の課題は、機器が使用される場所に非常に固有であることが多いということでした。ある場所では機能しても、プロセスの次のステーションでは機能しない可能性があります。
次に、第 3 段階では、別のアナライザーが必要になります。それは組み合わせて組み合わせるゲームになります。」
さらに、メンテナンス担当者がプラントを巡回して計装をチェックし、メンテナンス スケジュールに従うのではなく、予知保全の必要性もあります。
プロランタ氏は、「機器がいつ修理が必要かを知らせてくれればもっと良いのではないか。それは課題だった。」と主張する。なぜこのような重要なソリューションが食品・飲料業界の巨人によってまだ開発されていなかったのかと尋ねられたとき、プロランタ氏は、このような真の進歩が大企業内部から生まれることはめったにないと主張する。
「それらは通常、業界の標準戦略から外れるまったく新しい液体測定方法など、型破りなアイデアを研究者がテストする大学から提供されます」と彼は説明した。
「テクノロジーが真の可能性を示し、テクノロジーレディネスレベル 6 ～ 8 あたりの業界での検証に達すると、大手企業が注目し始めるのです。それが私たちの現在の状況です。テクノロジーは実際の環境で実証されており、顧客に出荷し、導入のたびに継続的に改善しています。」
RF の画期的な進歩により、工場はパイプ内をリアルタイムで確認できるようになりました
Collo は、無線周波数 (RF) センシングを使用して、液体の挙動と組成をリアルタイムで分析します。 Collo は、温度、流量、pH などの従来の測定に依存するのではなく、液体を通して低電力 RF 信号を送信し、液体との相互作用に応じて信号がどのように変化するかを測定します。
異なる液体、および同じ液体内の変化は、独特の方法で RF 信号に影響を与えます (一種の「液体の指紋」)。これらの RF 応答を解釈することにより、Collo は製品間の移行、希釈レベル、洗浄中の残留物、および標準センサーでは捕捉できないその他の微妙な変化を検出できます。
これにより、メーカーはパイプやタンクの内部で何が起こっているかを高精度で追跡できるようになり、製品の押し出し、洗浄プロセス (CIP)、および全体的なプロセス効率の最適化が可能になります。
飲料および乳製品業界に「液体インテリジェンス」をもたらす 3 層プラットフォーム
元のプロジェクトの後、この技術はスタートアップ企業となり、プロランタ氏によると、「ここ数年で、この技術が食品および飲料環境で特にうまく機能し、今日顧客が抱えている課題に取り組むことが明らかになってきました。乳製品は、飲料瓶詰め工場にとっても同様に、私たちにとって大きな垂直分野です。」
Collo は、産業用プロセッサ向けにエンドツーエンドの「リキッド インテリジェンス」を提供する 3 つのコア製品を提供しています。
Collo Insights は分析および視覚化レイヤーであり、複雑な液体の挙動とセンサー データを明確で実用的な洞察に変換し、オペレーターがプロセスを最適化し、損失を削減し、バッチの一貫性をリアルタイムで監視できるようにします。
Collo Connect は、このインテリジェンスを PLC や SCADA などのプラント オートメーション システムに直接統合し、流量、遷移、CIP シーケンスの正確なデータ駆動型制御を可能にし、生きている液体の組成に基づいてプロセスを自動的に調整できるようにします。
これらを補完する Collo Lab Analyzer は、研究室、パイロット サイト、または生産現場でのリアルタイム液体分析用のポータブル デバイスであり、迅速なテストとベンチマークを通じて研究開発、品質管理、新製品開発をサポートします。
Collo のテクノロジーの主な目標は自動化です。その機器はプラントの SCADA システムに自動化信号を送信し、プロセス内で特定できる損失を排除するためにバルブをいつ回すかを決定します。オートメーション接続が重要です。
しかし、その裏では、同社はクラウドデータ分析も行うことができます。
「あるいは、顧客がクラウド接続を望まない場合は、現場でデータを収集し、最終分析を個別に行うこともできます」とプロランタ氏は説明した。
「その後、顧客にプロセスを説明します。たとえば、どこかで生乳の損失が急増した場合、現在は生乳が排水管に流れていることを示すことができ、排水管に流れたときは、プロセスに戻って、どのバルブが間違ったタイミングで回転したかを確認できます。」
隠れた利益の浪費: 製品の切り替えと清掃の無駄
Collo の技術の主な用途は、いわゆるプッシュアウトです。
「製品を変更するときは、前の製品を水で押し出し、次の製品を導入します。水は排水管に流す必要がありますが、場合によっては製品の一部を失ったり、製品を節約しようとして押し出しが積極的すぎて、逆に薄めてしまう場合があります。私たちはそのタイミングを適切に保つお手伝いをします。」と彼は説明しました。
さらに、作業員が酸や腐食性化学物質を使用してパイプを洗浄する場合、パイプを洗い流し、生産を再開する適切な時期を判断する必要があります。
Collo の技術は、パイプが本当にきれいになる時期と次の段階に移行できる時期を動的に判断することで、大量の水を節約できます。そしてその影響は甚大です。
コカ・コーラのような顧客は、何年も水の使用量削減目標を公に発表しており、現在、瓶詰めしたコカ・コーラ 1 リットルあたり 1.8 リットルの水を使用しています。
さらに、プロランタによれば、酪農場における製品の損失を考慮すると、EU には約 12,000 の酪農場があり、年間 1 億 6,000 万トンの生乳を処理しています。
「平均すると、そのうちの 4% が失われます。最終的には実質的に排水溝に捨てられます。年間ほぼ 10 億ユーロが排水溝に失われることになります。
さらに、廃水は処理する必要があるため、廃水管理コストがさらに 5 億ドルかかります。廃水は単純に下水道に流すことはできません。
ポリマーや凝集剤などを添加する必要があります。これは水処理施設への多額の投資を意味します。水から余分な牛乳を取り出すだけでも多大なコストがかかり、もちろん環境への影響もあります。」
平均を 4% から 3% に削減 (25% 減少) することで、業界全体で年間 10 億ユーロ以上が節約されます。
言い換えれば、たとえ段階的に無駄を節約しても、多大な（駄洒落を失礼します）フローオン効果があるということです。
よりスマートなセンサーと自己学習モデルによる強化
重要なのは、Collo tech が既存のサプライ チェーンのセットアップを強化し、交換コストを削減することです。
プロランタ氏は、「私たちは顧客に何かを交換してもらうことを期待しているわけではありません。通常、顧客は、パラメータなしの設定では対応できないことを認識するプロセスを経ています。通常、時間と流量に基づいており、時計を見てバルブを回すだけです。それは無駄です。その後、何が起こっているかを監視するために導電率計やいくつかの光学デバイスを追加します。これにより、たとえば 7 パーセントの損失が 5 パーセント、おそらく 4 パーセント近くにまで下がります。」しかし、どうすれば平均よりも優れた成果を上げることができるのでしょうか? そこで私たちが登場します。」
Collo の機器は、温度補償のための温度を含む 9 つの変数を測定する点で際立っています。 「9 つの変数をオートメーションが使用できる信号に変換するにはどうすればよいでしょうか? オートメーションは上昇または下降する単調な 1 次元の信号のみを使用できるからです。9 次元の信号は使用できません。」と Puroranta 氏は共有しました。
「そのために、私たちは機械学習モデルを使用します。液体の種類と対処しようとしている問題に応じて、約 12 種類の異なるアルゴリズムを開発しました。プッシュアウトを行っていますか? 適切な場所で洗浄していますか? 製品の品質は?
それも一面であり、私たちは生乳品質のフィンガープリンティングを行っています。
必要に応じて、顧客のプロセスに合わせて調整された機械学習モデルを使用して、これら 9 つの変数を変換します。彼らは顧客サイトの実際のデータに基づいてトレーニングされており、私たちはそれを自動化信号に変換します。」
「アルゴリズムも自己学習します」とプロランタ氏は説明した。
「非常に特殊な製品の場合は、さらに手間がかかる場合があります。
例えば、樹脂の粘度を測定するなどの用途でご利用いただいているお客様もいらっしゃいます。次に、実験室で分析を行ってデータと関連付け、機械学習モデルを改良する必要があります。」
昨年8月、このスタートアップは500万ユーロを調達した。
「ヨーロッパには 12,000 の乳製品製造所があります。これは何千もの顧客に対応できることになります」とプロランタ氏は語った。
さらに、Collo の技術は、飲料業界を超えて、油、樹脂、セラミックなどの液体プロセス、さらには鉱業プロセスや鉱物処理にも数多くの用途があります。