Практический пример оценки воздействия на окружающую среду в рыбоконсервной промышленности

В этой статье рассматривается влияние производственных процессов на окружающую среду для решения проблемы устойчивого развития в индустрии 5.0. Модель, реализованная с помощью решения GoGreen – программного решения на базе искусственного интеллекта для расчета и мониторинга пищевых отходов, а также выбросов углерода и воды, интегрирована в европейскую платформу Connected Factory для гибкого производства (EFPF), представлен как средство поддержки оценки воздействия на окружающую среду на промышленных МСП. Представлены требования, которым должна соответствовать система в целом, а также архитектура интегрированного решения. В качестве примера использования приведена его реализация в промышленном процессе консервирования рыбы, чтобы представить примерный сценарий, иллюстрирующий рабочий процесс и роль решения.  Основная цель этого документа — дать возможность непрофессиональным пользователям проводить оценку воздействия своих производственных процессов на окружающую среду, что действительно является ключевым фактором в индустрии 4.0 и будет еще более актуальным в Индустрии 5.0. Промышленные компании осознают необходимость сокращения выбросов газов и воздействия на воду об их процессах.  Если нынешние темпы выбросов сохранятся, температура продолжит повышаться до уровней, угрожающих жизни и средствам к существованию людей во всем мире (Новости Организации Объединенных Наций, 2020). Более того, изменение климата может оказывать воздействие на человеческое общество и биологию, действуя совместно с другими изменениями окружающей среды и влияя на такие процессы, как продуктивность систем производства продовольствия.  Рост общей экономической активности, вызванный увеличением среднего количества потребляемой энергии, привел к соответствующему увеличению нагрузки на окружающую среду, в том числе за счет дополнительного выброса парниковых газов в атмосферу (McMichael, A. J. 2011).  Что касается рыболовного сектора, то новые данные продолжают подтверждать вызванное изменением климата перераспределение выгод и потерь, частично являющееся результатом смещения ареала видов и экосистем, а также изменений в первичной продуктивности (Weatherdon, L. 2016).  Учитывая нынешнюю глобальную взаимосвязь рыбной отрасли, для вылова рыбы в отдаленные уголки мирового океана и последующей транспортировки на рынок может потребоваться от сотен до тысяч миль морского и воздушного транспорта. Кроме того, охлаждение морепродуктов, как правило, требуется на всех этапах их доставки из океана к потребителю, что приводит к значительным затратам энергии (Мадин, Э., 2015).По этой причине все большее число стран берут на себя обязательства по достижению углеродной нейтральности, или «чистого нулевого уровня» выбросов, в течение следующих нескольких десятилетий. Действительно, Парижское соглашение об изменении климата призывает поддерживать глобальную температуру на 1,5°C выше уровня доиндустриальной эпохи (Новости ООН, 2020). Оценка воздействия на окружающую среду (ОВОС) становится важным элементом управления, поскольку позволяет оценить, как конкретные действия влияют на окружающую среду еще до их осуществления (Вуд, С. 2002).  В связи с этим в сегодняшней жестко регулируемой промышленной среде требуется последующий подход. Успех любой разработки оценивается на основе ее результатов: эксплуатационных экологических показателей, признания заинтересованными сторонами, ее вклада в устойчивое развитие и масштаба воздействия на всех этапах жизненного цикла (Маршалл Р. 2005).В настоящее время компании сталкиваются с трудностями в точном измерении своего воздействия.  Эта точность зависит от надлежащего сбора и анализа данных и коэффициентов выбросов, которые они обычно проводят нерегулярно.  По этой причине необходима разработка вспомогательных инструментов для достижения цели нулевого уровня выбросов или, по крайней мере, их максимального сокращения.  Интеграция решений, связанных с охраной окружающей среды, в платформы для совместной работы, поддерживающие подключение предприятий к Интернету Вещей, — это прекрасная возможность для промышленных компаний улучшить свои экологические цели, что позволит им начать свой путь с нуля.

Несмотря на то, что стратегии экономики замкнутого цикла уже реализуются во многих компаниях, этим инициативам трудно внедриться на рынок. Кроме того, перед отраслью стоит задача перехода от линейной экономики к экономике замкнутого цикла, основной целью которой является максимизация производства за счет увеличения стоимости отходов.  Для успешного внедрения экономики замкнутого цикла следует учитывать использование технологий переработки с низким воздействием на окружающую среду, сокращение количества остатков на упаковке, повышение ценности сточных вод и достижение целей по нулевому количеству биологических отходов. При переработке рыбы получается от 35% до 40% съедобного мяса, в то время как оставшийся процент несъедобных продуктов приходится на кости, кожу/чешую, плавательный пузырь, кишки, икру, печень и кровь. Кроме того, спрос на специальные продукты (например, филе без кожи и костей) увеличивает количество образующихся отходов. В связи с этим рыбоконсервная промышленность имеет огромные возможности для совершенствования, поэтому многие части рыбы, которые могли бы быть переработаны для производства новых продуктов, часто выбрасываются (Cortés, A. et al., 2021). Сброс побочных продуктов приводит как к потере большого количества биологически активных веществ, так и к проблемам загрязнения окружающей среды.  Таким образом, переработка этих побочных продуктов в товарные продукты становится стратегией управления твердыми отходами. Обработанные рыбные отходы могут быть использованы для потребления человеком (фарш, икра, рыбьи головы, нутрицевтики), в сельском хозяйстве (рыбный гидролизат, удобрения, компост) и в непитательных целях (биодизель и топливо, хитин и хитозан, каротиноидные пигменты, кожа и желатин) (Кумар В. и соавт др. 2022). Кроме того, в предыдущих исследованиях (Hall, G.M., 2010) было проведено подробное описание оценки воздействия на окружающую среду и вопросов устойчивого развития рыбоперерабатывающей промышленности, в которых особое внимание уделялось углеродному следу рыболовства (Gabrielii, C.H. 2020).

Цель настоящей работы — продемонстрировать, что можно использовать экологические индикаторы,  например, выбросы парниковых газов (ПГ) и потери пищевых продуктов и отходов рыбоконсервной промышленности в качестве контрольных показателей (или ориентиров) при совершенствовании процессов, приводящих к более эффективному использованию природных ресурсов в производственной деятельности, при поддержке удобных программных приложений, использование которых может быть выполнено специалистами, не являющимися экспертами в области оценки устойчивости.Представленный пример использования описывает использование решения для количественной оценки воздействия производственного процесса на рыбоконсервную компанию.  Это можно рассматривать как промышленный процесс средней сложности, который может стать потенциальным выгодоприобретателем от использования этих решений, направленных на снижение воздействия на окружающую среду. Актуальность этого варианта использования заключается не в самом расчете воздействия на окружающую среду, а в методе, используемом для снижения такого воздействия, который основан на цифровой системе, моделирующей промышленные процессы для определения точки, где происходит наибольшее воздействие и образуются отходы.В этом документе сначала представлен общий анализ состояния современных инструментов оценки воздействия в обрабатывающей промышленности.  Затем дается объяснение выбранной методологии с учетом предлагаемого варианта использования в качестве основы. После этого описываются основные полученные результаты и наиболее важные идеи, а также определяется дальнейшая работа, которая должна быть проведена для совершенствования этой методологии.Основная цель данного документа — предоставить пользователям, не являющимся экспертами, возможность проводить анализ воздействия производственных процессов их компании на окружающую среду. Это было продиктовано, с одной стороны, определением набора требований, которым должно соответствовать любое решение по комплексной оценке воздействия.  С другой стороны, это было также сделано путем демонстрации внедрения решения на образцовой производственной линии, а затем подчеркивания проблем, с которыми могут столкнуться компании.2.Современное состояние оценки воздействия на производственные среды Индустрия 4.0 позволила производителям перейти от физических систем к сочетанию кибер- и физических систем, взаимодействующих друг с другом через Интернет вещей (IoT). Такая коммуникация в сочетании с обработкой данных позволяет промышленным компаниям становиться адаптивными, интеллектуальными и гибкими.  Однако методы, используемые для измерения промышленного производства, остались неизменными со времен первой промышленной революции. Наряду с вопросом перехода к более гибкому и персонализированному подходу, ориентированному на человека, еще одной ключевой темой Индустрии 5.0 является устойчивое развитие.  В промышленной среде устойчивое развитие предполагает нематериальные измерения, связанные (Новости ООН, 2020) с окружающей средой, (Sharp, N. 2021) с обществом и (Европейская комиссия, 2022) с основными правами человека. Что касается устойчивого развития, то отрасли необходимо разработать циклические процессы, обеспечивающие повторное использование, перепрофилирование и рециркуляцию ресурсов, при этом необходимо снизить воздействие на окружающую среду. Производители могут использовать возможности таких технологий, как искусственный интеллект и аддитивное производство, для повышения персонализации, оптимизации ресурсоэффективности и минимизации отходов (Sharp, N. 2021).  Кроме того, расходы на топливо, потребляемое рыболовецкими флотилиями, становятся особенно актуальными.  В этом отношении примером с точки зрения эффективности является то, что энергетическая ценность топлива, сжигаемого в мировом рыболовстве, намного превышает энергетическую ценность съедобного белка в получаемом улове (Tyedmers, P., 2005).Инструменты оценки воздействия могут использоваться для расчета, моделирования и прогнозирования выбросов в результате технологических процессов с целью сокращения углеродного и водного воздействия, что позволяет принимать корректирующие меры для улучшения показателей воздействия на окружающую среду. Деятельность, осуществляемая в промышленной экосистеме, играет важную роль в экономическом благополучии Европы, способствуя устойчивому росту, но также оказывает значительное воздействие на окружающую среду, например, в виде выбросов газов, загрязняющих веществ в воду и почву, а также образования отходов и использования энергии. В этом смысле ряд инструментов экологической политики, начиная от обязательных правил и заканчивая добровольными инструментами, призваны обеспечить, чтобы европейская промышленность работала на высоком уровне охраны окружающей среды, сводя к минимуму свое воздействие на окружающую среду и повышая свою устойчивость (Европейская комиссия 2022).

Кроме того, система торговли квотами на выбросы в Европейском союзе, запущенная 1 января 2005 года, действует из-за максимального количества парниковых газов, которые могут выделяться предприятиями, и которое со временем сокращается для достижения установленных целевых показателей по сокращению выбросов. В рамках этих ограничений предприятия могут получать или покупать и продавать права на выбросы в соответствии со своими потребностями. Они также могут приобрести определенные международные кредиты в рамках проектов по сокращению выбросов по всему миру в виде прав на импорт выбросов CO2 (EU ETS 2022).Было проведено много исследований, касающихся оценки воздействия на окружающую среду в отдельных отраслях.  В строительной отрасли инструменты экологической оценки сильно различаются в зависимости от компонентов, целых зданий и систем оценки.  Эти инструменты охватывают различные этапы жизненного цикла здания с учетом географических масштабов (Хаапио А., Виитаниеми П., 2008).  Кроме того, упаковочная промышленность использует преимущества доступных на рынке программных средств для сравнения различных вариантов упаковки с точки зрения дизайна и экологичности (Speck, R. et al., 2015). Даже в производстве фруктов, где применение экологических показателей не получило широкого распространения, были предприняты усилия по выработке общего подхода к снижению воздействия этой отрасли. Рассматривая методы оценки состояния окружающей среды, среди них можно выделить анализ экологического следа (Черутти А.К. и др. 2021).Уже давно разработано несколько программных инструментов как для обработки данных, так и для моделирования и анализа экологических проблем. Эти инструменты должны охватывать как данные, так и численные модели, а также соответствующие пользовательские интерфейсы для визуализации результатов и интерактивного управления программным обеспечением. Интеграция географических информационных систем и использование компонентов искусственного интеллекта (ИИ) обеспечивают эффективное управление системой (Федра, К., 1990). В связи с этим искусственный интеллект предлагает организациям важные преимущества с точки зрения сокращения выбросов парниковых газов (ПГ), эффективности и сокращения отходов. Искусственный интеллект может помочь с помощью: -Автоматизации и мониторинга: разработка данных на базе искусственного интеллекта для автоматического отслеживания выбросов по всему углеродному следу (например, данные об операциях, корпоративных поездках, ИТ-оборудовании, материалах, компонентах и поставщиках). В настоящей работе была проведена обработка данных для управления оповещениями с использованием машинного обучения с использованием алгоритмов обнаружения аномалий, таких как Isolation Forest (Scikit Learn: Isolation Forest 2021) и локальный фактор выбросов (Scikit Learn: LOF 2021). Кроме того, была проведена работа по выявлению закономерностей с помощью методов кластеризации, таких как K-средние значения.-Прогнозирование: прогнозирование будущих выбросов на основе углеродного следа компании в зависимости от текущих усилий по сокращению выбросов, новых методик сокращения выбросов углерода и будущего спроса.  Для этого были применены модели ARIMA, линейная регрессия, случайный лес (Scikit Learn:Random Forest Regressor 2021) и XGBoost (XGBoost 2021).- Сокращение: компания может более точно устанавливать, корректировать и достигать целевых показателей сокращения.Для этой цели были рассмотрены метаэвристические алгоритмы для задач оптимизации, такие как генетические алгоритмы и/или эволюционные алгоритмы.

Расчет углеродного следа (CF) является одним из современных инструментов, используемых для измерения воздействия экономической и производственной деятельности на окружающую среду.  До сих пор этот расчет носил добровольный характер, но законодательство направлено на то, чтобы сделать этот расчет обязательным в будущем.  КФ организации — это совокупность парниковых газов (ПГ), выбрасываемых в результате прямого или косвенного воздействия в результате осуществляемой ею деятельности (MITECO 2022). Для расчета CF различаются три типа выбросов: -Область 1, которая охватывает прямые выбросы из собственных или контролируемых источников.-Область 2, которая охватывает косвенные выбросы от производства электроэнергии, пара, отопления и охлаждения, приобретаемых и потребляемых компанией.-Область 3, которая включает все другие косвенные выбросы, возникающие в цепочке создания стоимости компании. Часто это самый большой объем выбросов, который труднее всего поддается количественной оценке.CF рассчитывается путем умножения данных о деятельности на соответствующий коэффициент выбросов. Данные о деятельности — это параметр, который определяет уровень деятельности, приводящий к выбросам парниковых газов, а коэффициент выбросов — это количество выброшенных парниковых газов для каждой единицы параметра «данные о деятельности».

 На основе этой формулы существует несколько методик расчета углеродного следа (UNE-ISO 14064 (AENOR 2019), Протокол по выбросам парниковых газов (World Resources Institute 2004) и т.д.). Чтобы помочь компаниям с расчетом CF, существует множество (бесплатных) инструментов и поставщиков услуг. Но хороший и пользующийся доверием CF по-прежнему сталкивается со многими трудностями. Основными проблемами CFs являются: — Несоответствие методологии.- Неполный охват (в основном отсутствуют 3 категории охвата).-Отсутствие необходимой агрегации для дальнейшего использования (например, Disclosure Insight Action (CDP Europe 2022), SBTs (SBTi 2022), сертификация и т.д.). Водный след (WF), наряду с CF, является еще одним важным экологическим показателем, который измеряет объем пресной воды (в литрах или кубических метрах). используется на протяжении всей производственной цепочки потребительского товара или услуги. Согласно сети Water Footprint Network (Сеть водного следа 2022), WF состоит из трех компонентов, в зависимости от того, откуда берется вода: — «Зеленая вода» — это вода, образующаяся в результате атмосферных осадков (дождя или снега), которая накапливается в корневой зоне почвы и испаряется, испаряется в воздух или усваивается растениями.-Blue water footprint — это вода, полученная из поверхностных или подземных источников и либо выпаренная, либо включенная в состав продукта, или сбрасывается в море.- «Серая вода» — это количество пресной воды, необходимое для поглощения загрязняющих веществ в процессе производства, чтобы соответствовать стандартам качества воды. Следует отметить, что, оценивая компании и города, Disclosure Insight Action (CDP) стремится стимулировать и направлять их на пути раскрытия информации к тому, чтобы стать лидером в области экологической прозрачности и действий. С другой стороны, инициатива по научно обоснованным целям (SBTi) стимулирует амбициозные действия частного сектора в области изменения климата, позволяя компаниям устанавливать научно обоснованные цели по сокращению выбросов. В настоящее время наблюдается удивительная нехватка эмпирических исследований того, как компании оценивают и прогнозируют воздействие своих новых бизнес-моделей на окружающую среду.  То, как компании используют методы оценки воздействия на окружающую среду в процессе экспериментирования с бизнес-моделью, во многих случаях остается неясным. Инструментами, обычно используемыми практиками для измерения воздействия, являются «эмпирические правила», которые относятся к разработке новых идей на основе внутренних рекомендаций, связанных с принципами кругового проектирования, или использованию технологий для проведения технических измерений их воздействия на окружающую среду. Наиболее распространенными препятствиями при оценке воздействия на окружающую среду являются: — Недостаток достаточного количества данных (отсутствие надежных и/или доступных источников данных) — Неопределенность во время экспериментов: компаниям часто приходится делать множество предположений и обобщений, что затрудняет количественную оценку воздействия на окружающую среду всех подразделений их бизнеса — Недостаток знаний: что приводит к невозможности всестороннего измерения текущего воздействия на окружающую среду, компании демонстрируют высокую желательность отслеживания воздействия на окружающую среду.  Однако небольшие компании, как правило, уделяют этому измерению меньшее внимание по сравнению с крупными корпорациями. Это может быть оправдано нехваткой ресурсов, времени и сложным характером оценки воздействия на окружающую среду.  Но, помимо этого, результаты таких оценок часто не приводят к конкретным улучшениям. Знания для измерения воздействия на окружающую среду, как правило, сосредоточены в руках нескольких экспертов внутри компании, которые в большинстве случаев не являются разработчиками продукта или бизнес-модели (Das, A. и др., 2021).Консалтинговые компании, предоставляющие услуги промышленным предприятиям по внедрению мер по разработке На рынке действительно можно найти CF и WF как отдельные сервисы, а также разработку планов усовершенствования.  Некоторые из этих компаний обычно работают с помощью электронных таблиц или программного обеспечения для расчетов, недоступного клиентам. Другие используют возможности автоматизации только для сбора данных, но не для количественной оценки выбросов.  Многие компании предлагают услугу расчета CF, в то время как расчет WF представлен на рынке в меньшей степени.  Кроме того, большинство компаний, предлагающих эти услуги, не предоставляют сертификаты воздействия на окружающую среду. Текущая работа посвящена использованию примерного решения для расчета как CF, так и WF простым способом, ориентированного на неопытных пользователей на промышленных предприятиях малого и среднего бизнеса, для определения воздействия на окружающую среду и моделирования потенциального воздействия. На данном этапе цель состоит в том, чтобы побудить как разработчиков внедрять удобные в использовании инструменты для измерения воздействия производственных процессов на окружающую среду, повышающие удобство использования, так и участников промышленного процесса использовать их для управления сокращением количества следов и выбросов.

Применяемый метод

Представленная работа была организована в несколько этапов, чтобы сделать расчет оценки воздействия в промышленных средах доступным для неспециалистов в этом вопросе. Во-первых, требования ко всему решению были собраны из функциональных, нефункциональных требований и требований к пользовательскому интерфейсу. Затем этот инструмент был интегрирован в единую платформу, чтобы расширить его возможности взаимодействия в рамках промышленной экосистемы.  Наконец, разработанный пример использования представляет собой сценарий, который приведет к более позднему отчету о том, как доступность этого интегрированного решения помогает компаниям как сократить нагрузку на производственные процессы, так и сократить потребление собственных ресурсов.Был определен набор функциональных (виды деятельности, которые должна поддерживать система) и нефункциональных (операционные функции) требований. Кроме того, особое внимание было уделено требованиям к пользовательскому интерфейсу.

Функциональные требования определяют те фундаментальные действия, которые система должна учитывать при получении и обработке информации и получении результатов. К ним относятся: -Управление пользователями, компаниями и местоположениями:    Система должна позволять добавлять и обновлять данные о пользователях, компаниях и местоположениях для каждой компании.-

Ввод данных: Система должна позволять определять процессы и факторы в количественном выражении.-Расчет водного и углеродного следа:  Система должна отправить предоставленную информацию о процессе во внешний API для получения результатов расчета.

Вход в платформу: пользователи должны иметь возможность входить в платформу для совместной работы через уникальные учетные записи пользователей.

Визуализация результатов: Пользователи должны иметь возможность визуализировать рассчитанные результаты ряда процессов, группируя их по области применения.

Сохранение базы данных и блокчейн: экспорт результатов расчетов в базу данных с дополнительной поддержкой блокчейна должен быть доступен для последующего использования.

Датчики в цехе: Система должна обеспечивать интеграцию устройств Интернета вещей, установленных на производственном предприятии, обеспечивая необходимые входные данные для расчетов.-Отчеты о следах: Система должна позволять создавать отчеты на основе рассчитанных данных о водном и углеродном следах.

Моделирование:  Система должна позволять выполнять моделирование на основе предварительно заданных настроек.

Были обнаружены нефункциональные требования. Эти требования определяют ожидаемый показатель качества внедренной системы.  В связи с этим решение было связано с обычными проблемами безопасности, такими как брандмауэр и управление резервным копированием. Также были определены требования к коммуникационным интерфейсам. Протоколы HTTPS использовались для вызова API-интерфейсов расчета и хранения, предоставляемых GoGreen, а также для взаимодействия с Grafana (Grafana 2022), которая предоставляла гибкое решение панели мониторинга для запроса и визуализации данных.

Графический интерфейс пользователя (GUI) должен был четко представлять функциональные возможности системы, чтобы пользователи могли упростить свои задачи. Наиболее важными требованиями в этом отношении являются: -Простота: необходимо избегать ненужных элементов дизайна, выбирая простые и понятные обозначения.-Целенаправленный дизайн: разделы должны быть хорошо структурированы, а элементы должны четко представлять их назначение.-Согласованность: при использовании нескольких элементов и графики все отдельные компоненты должны согласовываться друг с другом.-Дизайн: элементы, цвета и текст должны выделять или скрывать элемент в зависимости от назначения компонента.

Следует использовать соответствующие шрифты и размеры.GoGreen позволяет пользователям получать мгновенные расчеты CF и WF очень простым способом, используя единый программный инструмент. Он не только точно измеряет выбросы, непосредственно производимые в результате деятельности компании (области 1 и 2, упомянутые в главе 2), но и количественно определяет более сложные для измерения косвенные выбросы, производимые по всей цепочке создания стоимости компании (область 3), поскольку для многих компаний большая часть их выбросов парниковых газов приходится на а возможности сокращения расходов лежат за пределами их собственной деятельности.  GoGreen предлагает точную информацию о текущем воздействии компании на окружающую среду, позволяет смоделировать потенциальное воздействие мероприятий по борьбе с загрязнением окружающей среды и автоматически рекомендует наилучшие варианты борьбы с загрязнением окружающей среды. 

Внедрение технологии блокчейн для сертификации воздействия на окружающую среду усиливает использование инструмента сертификации CF и WF, предоставляя компаниям интегрированную альтернативу сертификации без необходимости привлечения дополнительных услуг по субподряду.  Инструмент также включает в себя экономический модуль для оценки уровня инвестиций, необходимых в соответствии с текущими ценами на углеродные кредиты для достижения углеродной нейтральности.  Кроме того, GoGreen использует коэффициенты выбросов с точки зрения обеспечения возможности преобразования данных о деятельности в данные о выбросах парниковых газов. 

Для этого он использует не только международные стандарты, но и свои собственные формулы и коэффициенты пересчета, которые были проверены и рассчитаны в компаниях данного сектора.

В целом, воздействие выбросов парниковых газов на окружающую среду особенно зависит от потребления определенных ресурсов (воды, электроэнергии) и конкретного сырья, используемого в производственных процессах каждой компании (в данном случае это тунец, масло, соль и т.д.).EFPFI — это объединенная интеллектуальная производственная экосистема и цифровые технологии. платформа, объединяющая заинтересованные стороны в сфере цифрового производства.  Эта платформа предоставляет инновационные функциональные возможности, позволяющие пользователям экспериментировать с инновационными подходами, а также внедрять решения для обеспечения функциональной совместимости, подключения и эффективности цепочки поставок (EFPF 2022). 

Интеграция решения для оценки воздействия на окружающую среду в интегрированную платформу, такую как EFPF, предполагает использование следующих компонентов: -Шлюз безопасности API: для доступа к другим службам EFPF.-Шлюз TSMatch: для компонентов заводского подключения.-Расширение блокчейна: для сертификации и проверки воздействия на окружающую среду.-Портал безопасности EFPF: для единого входа (SSO) и управления ролями пользователей.-Торговая площадка EFPF: для обеспечения доступности решения для всех пользователей в среде.-ПАКЕТ SDK для EFPF: для реализации интерфейса.Принятие или отказ от использования этих компонентов зависит от потребностей и предписаний каждого сценария. GoGreen не требует использования пакета EFPF SDK, поэтому, даже если был реализован новый пользовательский интерфейс, он основан на предыдущей версии инструмента.Как показано на рисунке ниже. 

Решение GoGreen содержится в портальном приложении EFPF на уровне пользовательского интерфейса. Пользователи проходят аутентификацию через портал безопасности EFPF, основанный на Keycloak, решении для управления идентификацией и доступом с открытым исходным кодом для приложений и служб (coMakeIT 2022). Внешний вход в систему и регистрация пользователя также могут быть выполнены через API Keycloak. Расчеты выполняются с помощью инструмента GoGreen, который также предоставляет API (IOTICSolutions 2021), позволяющий получать результаты.

Общая архитектура решения GoGreen после интеграции в платформу EFPF. Количественная оценка воздействия на окружающую среду и пищевых отходов в рыболовном секторе является трудной и комплексной задачей, поскольку мы должны учитывать различные этапы, которые происходят от вылова рыбы до ее употребления конечным потребителем. В связи с характером текущего тематического исследования, работа была сосредоточена на обработке, выполняемой на консервном заводе, которая становится неотъемлемой частью производственной цепочки. Поэтому были рассмотрены только этапы от получения сырья до процесса упаковки.

Затем были рассчитаны пищевые потери и отходы (ППО) в сточных водах следующим образом: 5, где ППО относится к кускам рыбы, которые удаляются или теряются в процессе переработки (голова, куски мяса, кости и кожа) и не используются повторно для какого-либо другого производственного использования, а Вес относится к остаткам рыбы, которые были удалены в процессе переработки. вес продукта в момент времени “t”.

Пользовательский интерфейс GoGreen реализован в соответствии с минималистичным подходом к дизайну.  Сначала пользователю предлагается войти в систему.  Затем пользователю предлагается перейти к разделу ввода данных, и после того, как пользователь ввел данные, формируется отчет о воздействии анализируемого процесса на окружающую среду, который является основной информацией, необходимой пользователям для сбора. Рис. На рис. 3 показана подробная информация о пользовательском интерфейсе инструмента.

Подробный обзор внедренного решения на панели мониторинга. Сбор дезагрегированных данных, необходимых для работы системы, производился ежедневно. Данные были обобщены на еженедельной и ежемесячной основе для определения общих выбросов парниковых газов и прогнозов ППО для компании, а также вклада каждой из различных стадий технологического процесса (прием, размораживание, нарезка, приготовление и консервирование). С помощью этих прогнозов компания может оценить ежегодное воздействие своей деятельности на окружающую среду (прогнозы) и провести профилактические мероприятия по обезуглероживанию, которые она считает наиболее эффективными (закупка продуктов с меньшим содержанием углерода, инвестиции в энергосберегающую инфраструктуру).Параллельно, а также путем сравнения прогнозов и реальных данных,  компания сможет постоянно корректировать производственные процессы, используя информацию, предоставляемую системой.

Выводы и обсуждение данных

В этой статье описываются результаты, достигнутые как в ходе внедрения системы, включая процесс интеграции, так и в ходе экспериментов, а также интерпретация и анализ этих результатов. Наконец, в разделе «Обсуждение» основное внимание уделяется выявленным барьерам и трудностям, которые необходимо преодолеть. Согласно опросу европейских предприятий пищевой промышленности (Galindo, C. et al.  2021), основными ограничениями для более широкого внедрения этих решений являются нехватка персонала, обладающего необходимыми цифровыми навыками в секторе пищевой промышленности, а также трудности с приобретением ноу-хау, необходимых для внедрения решений на основе искусственного интеллекта. Специалисты в области цифровых технологий высоко ценятся на рынке, что мешает малым и средним предприятиям пищевой промышленности привлекать и удерживать таких специалистов. Кроме того, многие из этих компаний расположены в сельской местности с ограниченным разнообразием видов досуга. Все эти факторы заставляют компании избегать внедрения ИИ или даже отдавать его на аутсорсинг. Нехватка экономических ресурсов для инвестиций в ИИ-решения в ближайшее время также станет еще одним серьезным сдерживающим фактором для многих компаний. По этой причине более масштабные планы финансирования на европейском или национальном уровне снизили бы барьеры для внедрения ИИ.

Одним из основных факторов, способствующих внедрению этих решений, является предоставление компаниям доступа к практической среде, где выгоды и рентабельность инвестиций (ROI) могут быть протестированы или доказаны.  Это также ускоряет процесс цифровизации, позволяя компаниям ощутить потенциал этих технологий и понять, как они работают и как их можно применить к своим процессам. Распространение примеров успеха аналогичных промышленных партнеров также было определено в качестве ключевого фактора внедрения этих технологий (Galindo, C. et al., 2021).Значительная часть компаний в ЕС считает, что внешними препятствиями, препятствующими внедрению технологий искусственного интеллекта, являются строгие стандарты обмена данными и необходимость принятия новых законов или нормативных актов. Кроме того, отсутствие государственного или внешнего финансирования и ответственность за ущерб, причиненный этими технологиями, также актуальны для промышленных компаний.

Что касается внутренних барьеров, то компании считают наиболее актуальными трудности с наймом новых сотрудников с нужными навыками, а также стоимость внедрения и отсутствие доступных данных (Европейская комиссия, 2020).В частности, рыбная промышленность сталкивается с такими проблемами, как соблюдение экологических норм и все более жесткие стандарты устойчивого развития, которых требует общество. В результате этой промышленной деятельности образуется большое количество рыбных субпродуктов и отходов, при этом в конечном консервированном продукте используется только 40-60% тунца.

Другие аспекты, связанные с процессом консервирования, такие как использование воды.  Этот промышленный сектор оказывает серьезное воздействие на окружающую среду из-за высокого потребления воды и энергии, а также образования сточных вод. Уровень цифровизации этих компаний, где преобладают традиционные ручные процедуры, становится дополнительной проблемой.  Тем не менее, данные, полученные в процессе использования, собираются с помощью датчиков, установленных на испытательном стенде, предназначенном для разработки цифрового аналога этого процесса.4.1 Собранные данные В зависимости от каждого развертывания данные и показатели из производственной линии могут быть введены в инструмент вручную или собраны непосредственно с подключенных устройств в цехе. В данном случае данные были собраны из двух источников: системы управления производством (MES) и датчиков Интернета вещей, установленных на объектах компании для мониторинга энергопотребления и измерения расхода воды.

С целью сбора актуальных производственных данных на нескольких этапах производственного процесса было задействовано множество датчиков, интегрированных со встроенными устройствами.  Каждый датчик был интегрирован с Raspberry Pi 4, чтобы иметь возможность запускать сценарии для сбора данных с датчиков с помощью Modbus или последовательного подключения, в зависимости от технологии датчиков. Данные, поступающие с устройств, отправлялись на пограничный сервер, где они предварительно обрабатывались и хранились в базе данных временных рядов. С помощью реализации MQTT endpoint была улучшена совместимость с MES, что позволило собирать данные с датчиков, в то время как MES предоставляет конкретные данные из производственных процессов. На рисунке. 4 ниже показан пример набора собранных данных.

Выборка из подмножества данных. Анализ данных

Для этого варианта использования были проанализированы исторические данные, предоставленные компанией для кампаний 2019 и 2020 годов. Аналогичным образом были учтены данные, зафиксированные системой за 2021 год. Все эти данные обрабатывались ежемесячно и с учетом сезонности производства, в котором были месяцы, когда производилось консервирование, и месяцы, когда проводилось только техническое обслуживание оборудования.   Эти данные были обработаны с помощью методов гомогенизации и определения характеристик в соответствии с методами, описанными в главе II. Собранные результаты позволили представить характер типичного процесса консервирования рыбы на малом и среднем предприятии этого сектора на ежемесячной и годовой основе, а также путем агрегирования.

Результаты, полученные с помощью систем прогнозирования, были сопоставлены с наблюдениями и оценками, которые компания своевременно и на периодической основе проводила для контроля потребления энергии, воды, отходов и получаемого конечного продукта. Эти результаты были включены в систему управления компанией для улучшения ее процессов. Аналогичным образом, результаты расчетов по оценке воздействия на окружающую среду послужили основой для внесения изменений в планы по повышению энергоэффективности и декарбонизации, реализуемые компанией.

Заключение

В ходе этой работы были проанализированы требования к интегрированному решению, и выбранный вариант использования в рыбоконсервной промышленности помог лучше понять потребности компании. система и то, как она должна работать.  Ниже более подробно описаны наиболее важные ограничения, заключительные замечания и будущая работа. Следует отметить, что были проведены исследования для определения углеродного следа конкретной части углеродного следа, такой как тунец (Tan, R. 2009), или для решения конкретной задачи, такой как транспортный процесс (Parker, R.W.R. и др., 2018), с акцентом на траловый промысел (Sala, A. et al., 2022).

В связи с этим существуют инструменты общего назначения, которые позволяют в целом оценить воздействие на окружающую среду (seafood co2 2022). Таким образом, настоящее исследование было сосредоточено на разработке инструмента, который, используя искусственный интеллект и расчет углеродного следа, водного следа и пищевых отходов, позволил бы осуществлять цифровое моделирование процесса консервирования рыбы.

Помимо внутренних и внешних барьеров, уже описанных в этом документе, таких как следует учитывать строгие стандарты, низкую доступность квалифицированного персонала и отсутствие достаточных возможностей финансирования, а также промышленную культуру в отношении оценки воздействия на окружающую среду. Эта оценка регулярно проводится крупными компаниями, но не малыми и средними предприятиями. Возможность проведения такой оценки за периоды, меньшие, чем полный год, становится особенно актуальной для этих компаний, так как это позволяет компаниям более тщательно контролировать свои выбросы и принимать решения на основе этих расчетов.5.2 Заключительные замечания Предлагаемое решение отображает количество тонн CO2 и м3 воды в процессе в простой форме. и понимающий тон. Кроме того, минимизация выбросов и затрат становится проще благодаря созданию периодических отчетов и симуляций для наблюдения за эффективностью мер по снижению воздействия на окружающую среду. Однако, помимо этого, следует учитывать особенности представленной модели, которые кратко описаны ниже.

Представленная модель позволяет осуществлять цифровое моделирование процессов как в агрегированном/дезагрегированном виде, так и на регулярной основе, что позволяет компаниям принимать решения в течение дня, а не после длительного периода оценки.  Таким образом, компании могут контролировать выбросы CO2, использование воды и отходы, постепенно корректируя свои производственные процессы, чтобы минимизировать воздействие на окружающую среду и достичь цели по снижению воздействия.

Данные, собранные в период с марта по декабрь 2021 года, продемонстрировали два основных утверждения. С одной стороны, когда к ежемесячной оценке воздействия на окружающую среду был применен глобальный и стандартизированный показатель, целенаправленные действия по его минимизации стали более эффективными по сравнению с ежегодной оценкой, которая является одним из наиболее распространенных подходов в промышленности. С другой стороны, влияние области применения 3, которая относится к конкретным процессам рыбоконсервной промышленности, было трудно оценить из-за отсутствия надежных измерений факторов, используемых в непрерывном производстве (например, масла, соли и т.д.). В будущих экспериментах могут возникнуть дополнительные потребности и возникающие проблемы, главным образом, связаны с тесным взаимодействием между основной платформой EFPF и инструментом GoGreen, а также сложностью его компонентов. 

Однако доступная документация и техническая поддержка облегчают этот процесс, что можно рассматривать как исчерпывающий пример промышленного решения, направленного на использование преимуществ объединенных и интероперабельных платформ, поддерживающих индустрию 4.0 и Интернет вещей.

В этом смысле рассматривается применимость модели, внедренной компанией GoGreen, в других отраслях промышленности, связанных с различными процессами, в частности в агропродовольственной промышленности, которая имеет много общих черт с производством рыбных консервов, рассмотренным в данной статье. Доступ к разнородным вариантам использования в различных промышленных кластерах позволил бы повысить предсказательную способность фактической модели, так что расчетные модели можно было бы лучше адаптировать к потребностям.

В свете полученных результатов возникает необходимость включить в общий расчет процессы, предшествующие приему материала для ската на фабрике.  В частности, процессы, связанные с выловом, обработкой и перемещением рыбы от места добычи к месту переработки. В будущей работе также рассматривается вопрос о постоянном пересмотре правовой базы.  Действительно, вступление в силу новой версии стандарта ISO 14064 приводит к необходимости изменить юридическую классификацию областей 1, 2 и 3 на новую.