I høst ble boken Det nye digitale Norge publisert. Den tar også for seg hvordan digitalisering vil prege utviklingen innen viktige matnæringer som landbruk, akvakultur og matprosessering. Kronikkforfatterne er blant bidragsyterne. Nofima har også laget en animert film om bruk av sensorteknologi i matindustrien. Du finner den nederst på denne siden.

Digitaliseringen kan gi bedre mat

Digitalisering av matindustrien kan bidra til en grønnere klode, en sunnere befolkning og bedre matopplevelser for deg og meg.

Kontaktperson
Portrettbilde av Jens Petter Wold
Jens Petter Wold

Seniorforsker
Tlf.: +47 959 79 749
jens.petter.wold@nofima.no

Kontaktperson
Portrettbilde av Ingrid Måge
Ingrid Måge

Seniorforsker
Tlf.: +47 900 84 041
ingrid.maage@nofima.no

Dagens Næringsliv

Denne kronikken stod først på trykk i DN fredag 22. november.

Industrialisert produksjon av mat startet med den første industrielle revolusjon. Nå er vi i den spede begynnelsen av den fjerde, og vi kaller den matindustri 4.0. En revolusjon der smarte sensorer og roboter, kombinert med maskinlæring og effektive analyser av stordata, gjør det mulig å skreddersy akkurat den kvaliteten du ønsker på dine matprodukter, på en bærekraftig måte

Digitale data er det bærende elementet i denne revolusjonen. Tanken er at alle maskiner og instrumenter kommuniserer med hverandre og samarbeider via et digitalt nettverk. Dette nettverket kobles til det store nettet – internett – med tilgang til blant annet forbrukertrender, værvarsler og råvarepriser. Målet er å få mest mulig ut av råvarene, kaste minst mulig, treffe forbrukerne best mulig og skape produkter som holder helt frem til de blir spist.

Forbrukere er mer enn noen gang opptatt av bærekraft. Sløsing med råvarer må unngås. Alt skal tas vare på. Forbrukerne vil ha mat som er produsert både bærekraftig og etisk, og de vil ha god kvalitet. Digitalisering kan bidra på alle punktene.

Smarte sensorer er allerede på plass hos norsk matindustri

En av de største tekniske utfordringene i matindustrien er at kvaliteten på råvarene kan variere mye. Det er som kjent stor variasjon på fasong, størrelse og farger – men også på kjemisk sammensetning.

Ta eksempelvis to laks på fire kilo som slaktes samtidig. Den ene kan inneholde 13% fett mens den andre har 23%. Ny teknologi gjør det mulig å måle fettprosenten gjennom skinnet på hel laks, og dermed kan den enkelte laksen brukes til det den egner seg best til. Den magre passer bra til røking og den fete kan passe til sushi. Sendes laksen til feil bruk eller forbruker, er det stor sjanse for at kvaliteten oppleves som dårlig og at vi får unødvendig svinn og økonomiske tap.

Et annet eksempel er potet. Vanninnhold og sukkermengde varierer med sort, dyrkings- og lagringsforhold. Med smarte sensorer og treffsikre algoritmer, kan man nå måle vanninnholdet direkte i hele poteter på prosesslinja, og sortere poteter utfra om de egner seg til for eksempel lomper eller pommes frites. Basert på slike målinger kan produksjonsprosessene justeres for best mulig sluttkvalitet. Målingene kan også akkumuleres over tid og sammenstilles med data om potetsort, jordsmonn og klima, og ved hjelp av maskinlæring brukes til beslutningstøtte og rådgiving til potetbøndene.

Råvarene står for rundt 75 % av kostnadene

Norsk bedrifter investerer i digitalisering og teknologi for å øke produktiviteten og utnyttelsen av råvarene og være konkurransedyktig i et marked som er mer og mer opptatt av bærekraft.

Råvarekostnadene utgjør 70 – 75 prosent av kostnadene i matindustrien, så nøkkelen til lønnsomhet og reduksjon av matsvinn er å behandle og utnytte råvarene på en best mulig måte. Norske teknologibedrifter og forskningsmiljøer jobber målrettet med sensorteknologi, prosessanalyser og nye digitale løsninger for å bidra til denne type teknikker.

Norsk matindustri er teknologisk avansert, og med den viljen og innsatsen som både forskere, teknologileverandører og industrien selv legger inn i de nye databaserte teknologiene, kan Norge ligge i front innen digital matproduksjon. Nøkkelen er å bruke smarte målemetoder og maskinlæring til å modellere sammenhenger mellom bondens praksis, egenskaper ved råvarene, produksjonen og produktkvaliteten. Når disse sammenhengene er kjent, kan de brukes både på enhetsnivå, for å sikre at hver enkelt potet brukes til det den er best egnet til, og på populasjonsnivå, for å hjelpe bøndene til å dyrke akkurat de potetene som vi vil ha. På denne måten kan vi skape den beste kvaliteten og smaksopplevelsen for forbrukerne, samtidig som vi tar hensyn til miljø og lønnsomhet for norsk landbruk og matindustri.

Denne kronikken stod først på trykk i DN fredag 22. november.

Relatert innhold