Клюква ў пудры: як AI ўзмацняе вытворчасць у Беларусі

У Глыбокім працуе вытворчасць, якое лёгка назваць нішай, але цяжка — маленькім. Гэта адзінае ў Беларусі прадпрыемства, што робіць клюкву ў цукровай пудры па ўласнай запатэнтаванай тэхналогіі. У змену — 600–800 кг драже, у штаце — 27 супрацоўнікаў, а сыравіна — свежая, з жорсткімі патрабаваннямі да якасці і бяспекі.

Гісторыя «Аржаніцы» (брэнд «Пацалункi‑Падарункi») важная не толькі для аматараў салодкага. Яна добра паказвае, як беларуская вытворчасць можа трымацца на трох слупах: унікальны працэс, кантроль якасці і тэхналагічная дысцыпліна. А цяпер да гэтых слупоў усё часцей дадаецца чацвёрты — штучны інтэлект у вытворчасці. Не як моднае слова, а як інструмент, які дазваляе працаваць стабільней, танней і з меншымі стратамі.

Ніжэй — разбор, якія элементы гэтага кейса ўжо «просяцца» на аўтаматызацыю і дзе AI сапраўды дае эфект у харчовай і перапрацоўчай прамысловасці Беларусі.

Чаму «маленькая фабрыка» — ідэальны палігон для AI

Калі казаць проста: AI хутчэй акупляецца там, дзе шмат паўтораў і ёсць зразумелыя метрыкі якасці. У вытворчасці клюквы ў пудры якраз так.

Тут ёсць канкрэтныя параметры, якія можна вымяраць і аптымізаваць:

• памер і спеласць ягад (у артыкуле адзначаецца патрэба ў буйной клюкве з белым бочкам, крепкай)
• адсутнасць прымесяў (мох, лісце і інш.)
• вільготнасць паўфабрыкату перад сушкай і пасля
• стабільнасць накаткі (роўнасць і таўшчыня пудры)
• выхад гатовай прадукцыі і доля браку
• тэрмін прыдатнасці (у «Аржаніцы» ён 30 сутак, бо выкарыстоўваюцца толькі свежыя ягады)

Мой досвед з вытворчымі камандамі такі: калі ў вас ёсць 5–10 паказчыкаў, якія «баляць» штодня, AI не трэба ўводзіць «па ўсім заводзе». Дастаткова пачаць з аднаго ўчастка і хутка атрымаць вынік.

Дзе AI ўбудаваць у ланцужок “ягада → драже” (без фантазій)

Вытворчы працэс у артыкуле апісаны даволі ясна: прыём і кантроль ягад → сартаванне (2 машыны) → захоўванне → накатка на стале (аўтарская распрацоўка) → сушка → фасоўка. На кожным этапе ёсць месца для AI.

Камп’ютарны зрок для сартавання ягад

Самы «чысты» і хуткі кейс — камп’ютарны зрок (computer vision). Сёння многія харчовыя вытворцы пачынаюць менавіта з яго, бо:

• камеры і асвятленне адносна недарагія
• вынік бачны адразу: меней прымесяў, меней ручной працы
• мадэль можна навучыць на сваіх фота/відэа

Што канкрэтна можна распазнаваць:

1. Памер і дэфекты (мяккія, пашкоджаныя ягады)
2. Колер і спеласць (у тым ліку “белы бочак”, калі гэта важны маркер)
3. Смецце і прымесі (лістота, мох)

Эфект звычайна выражаецца не толькі ў «прыгажэйшым прадукце», але і ў эканоміцы: менш браку на накатцы і сушцы, бо дрэнная ягада часта дае больш соку, вільгаці і нестабільнасць покрыва.

Прагназаванне вільготнасці і аўтаматычная сушка

У артыкуле ёсць важная дэталь: пасля накаткі драже яшчэ далікатнае — пудра рассыпаецца, патрэбна сушка. Гэта значыць, што вільготнасць і час сушкі крытычныя.

AI тут працуе як «разумны рэгулятар»:

• збірае дадзеныя з датчыкаў (тэмпература, вільготнасць у шафе, час)
• улічвае партыю ягад (памер, пачатковая вільготнасць, тэмпература сыравіны)
• прапануе рэжым сушкі для стабільнай структуры покрыва

Вынік — менш перасушвання і менш недасушвання. А гэта ўплывае і на тэрмін прыдатнасці, і на аднастайнасць партыі.

Прадказальнае абслугоўванне (maintenance) для ключавога абсталявання

«Закаточный стол» — унікальная распрацоўка і камерцыйная таямніца. Для такога вузла праблема звычайна адна: калі ён стаіць, стаіць усё.

Прадказальнае абслугоўванне будуецца на простых сігналах:

• вібрацыя
• тэмпература падшыпнікаў
• нагрузка рухавікоў
• ток/спажыванне энергіі

AI мадэль не «гадае на каве», яна ловіць адхіленні ад нармальнага профілю. Для малога прадпрыемства гэта часта больш выгадна, чым трымаць дарагую аварыйную службу: рамонт плануецца, а не адбываецца ў самы нязручны момант.

Кантроль бяспекі: ад радыяцыі да адпаведнасці ТР ТС

У артыкуле адзначаны асобны пункт: атэставаны пункт радыяцыйнага кантролю. І ёсць лічбы: дапушчальны ўзровень Cs‑137 для свежай дзікарослай клюквы — да 185 Бк/кг, а ў іх сыравіне — 10–20 Бк/кг, узровень натуральнага фону.

AI тут не замяняе лабараторыю. Але ён дапамагае зрабіць сістэму больш кіраванай:

• аўтаматычна звязваць вынікі кантролю з партыяй, пастаўшчыком, балотам/раёнам збору
• будаваць «карты рызыкі» па сезонах і геаграфіі
• загадзя планаваць закупкі (куды ехаць, у каго браць), каб мінімізаваць рызыку некандыцыйных партый

Практычны бонус: у харчовай прамысловасці дакументаабарот і трасіроўка партый — гэта не бюракратыя, а хуткасць рэакцыі. Калі нешта пайшло не так, вы павінны за гадзіну зразумець: якая партыя, які дзень, якая лінія, які пастаўшчык.

Чаму 30 сутак тэрміну прыдатнасці — не мінус, а стратэгія

Большасць кампаній лічыць кароткі тэрмін прыдатнасці пракляццем. Я з гэтым не згодны. Гэта стратэгія прадукту “fresh first”, якая добра працуе ў падарункавы сезон.

Канец снежня — пік попыт у сувенірных і «гасцявых» катэгорыях. У артыкуле ёсць пацверджанне рынкавай сілы: флагманскі прадукт атрымаў Гран‑пры PRODEXPO‑2025 у намінацыі «Лепшы сувенірны прадукт».

Але кароткі тэрмін патрабуе ідэальнай лагістыкі і планавання выпуску. І вось тут AI дае прамы эфект.

AI для планавання вытворчасці і лагістыкі

Што можна аптымізаваць:

• прагноз попыту (сезоннасць, святы, падзеі, выставы)
• план выпуску пад каналы збыту (розніца, Масква, невялікія крамы за мяжой)
• маршруты і расклад адгрузак так, каб прадукт прыязджаў «на паліцу», а не «ў спісанне»

Для прадпрыемства, якое не можа шырока экспартаваць з-за 30 дзён, галоўнае — максімальна дакладна трапляць у патрэбны аб’ём у патрэбны тыдзень.

«Інавацыі» без вялікага бюджэту: план на 90 дзён

Найбольшая памылка, якую я бачу ў рэальным жыцці: кампанія купляе «вялікую AI‑платформу», а потым не ведае, што з ёй рабіць. Лепшы падыход — кароткія праекты з выразнымі KPI.

Вось працоўны план для харчовай вытворчасці накшталт «Аржаніцы»:

1. Тыдзень 1–2: аўдыт дадзеных і “балючых месцаў”
   • дзе з’яўляецца брак
   • дзе найбольш ручной працы
   • дзе адбываюцца прастоі
2. Тыдзень 3–6: пілот камп’ютарнага зроку на сартаванні
   • 1 камера, 1 канвеер/вузел
   • мэта: знізіць прымесі і долю браку ў наступных этапах
3. Тыдзень 7–10: пілот “разумнай сушкі”
   • датчыкі + простая мадэль рэжымаў
   • мэта: стабільнасць якасці паміж партыямі
4. Тыдзень 11–13: інтэграцыя ў простую панэль KPI
   • выхад, брак, прастоі, энергаспажыванне

Калі пілот не дае лічбаў — яго трэба закрываць. Калі дае — маштабаваць. Гэта нармальная інжынерная логіка.

Пытанні, якія звычайна задаюць пра AI ў вытворчасці (і кароткія адказы)

Ці патрэбны “вялікія дадзеныя”, каб пачаць?

Не. Для камп’ютарнага зроку часта хапае сотняў/тысяч прыкладаў, якія можна сабраць за 1–2 тыдні працы лініі.

Ці заменіць AI людзей на вытворчасці?

Не замяняе, а здымае руціну: сартаванне, візуальны кантроль, ручныя запісы. Людзі застаюцца патрэбныя для тэхналагічнай дысцыпліны, наладкі і прыняцця рашэнняў.

Які першы KPI выбраць?

Той, што бачны ў грошах: доля браку, прастоі, энергія на кг прадукцыі, адхіленні па якасці партыі.

Што гэты кейс кажа пра будучыню беларускай прамысловасці

Вытворчасць клюквы ў цукровай пудры ў Глыбокім — не “настальгічны сувенір”, а прыклад таго, як унікальная тэхналогія + строгі кантроль + інжынерная культура ствараюць канкурэнтны прадукт. І менавіта такія кампаніі лепш за ўсіх «падхопліваюць» штучны інтэлект: у іх ужо ёсць працэс, ёсць стандарты, ёсць зразумелыя патрабаванні да якасці.

Калі ваша прадпрыемства ў Беларусі таксама працуе з харчовай сыравінай, фармацэўтыкай, дрэвам, металам ці складанай зборкай, логіка адна: пачніце з вузкага ўчастка, дзе AI можа зрабіць якасць прадказальнай. Гэта і ёсць самы прамы шлях да росту прадукцыйнасці без страты натуральнасці, бяспекі і рэпутацыі.

Хочаце праверыць, які AI‑пілот дасць вынік менавіта ў вашай вытворчасці за 60–90 дзён — пачніце з карты працэсу і трох лічбаў: дзе губляеце час, дзе губляеце сыравіну, дзе губляеце стабільнасць. Адказ звычайна ляжыць на паверхні.