Izvorni znanstveni članak
https://doi.org/10.15255/KUI.2025.018
Primjena kauzalne umjetne inteligencije za napredno upravljanje procesa: primjer kakvoće fermentacije piva
Želimir Kurtanjek
orcid.org/0000-0001-5453-6255
; Sveučilište u Zagrebu Prehrambeno-biotehnološki fakultet, Pierrotijeva 6, 10 000 Zagreb
*
* Dopisni autor.
Sažetak
Opisane su metodologije temeljene na Hilbertovom prostoru reproduktivne jezgre (RKHS) na primjeru za modeliranje digitalnih blizanaca (DB) i uzročnu analizu procesa fermentacije piva. Model uzima u obzir ključne procesne varijable (temperaturu, biomasu, šećer, etanol i ugljikov dioksid) zajedno s online praćenjem kvalitete piva određivanjem koncentracije diketona (VDK). Skup podataka za modeliranje temelji se na integraciji na skupu podataka deset profila fermentacije s poremećenim početnim uvjetima. Fokus je na uklanjanju multikolinearnosti procesnih podataka za razvoj DB modela s intervencijskim potencijalom usmjerenim na optimizaciju kvalitete piva. Rezultati su grafički prikazani kao usmjereni aciklički graf (DAG). Na temelju DAG strukture, Bayesova neuronska mreža (BNN) primijenjena je za grafički prikaz funkcija gustoće vjerojatnosti nelinearnih ovisnosti kvalitete piva o ključnim uzročnim varijablama procesa. Uz interventni potencijal kauzalnih DB modela, naglašena je potencijalna upotreba kauzalnog digitalnog modela blizanaca za protu-činjeničnu analizu sa svrhom poboljšanja upravljanja procesa i moguće inovacije novih proizvoda.
Ključne riječi
BCN Bayesova kauzalna mreža; BIC Bayesova informacijska značajka; RKHS reproducirajući jezgrični Hilbertov prostor; DAG usmjereni aciklički graf; digitalni blizanci; kvaliteta pive
Hrčak ID:
336458
URI
Datum izdavanja:
13.11.2025.
Posjeta: 97 *