Логотип
ИЭА СТР
УДК 004.89 • EDN: OPVBJU • e-Library ID: 91674042

ЦИФРОВИЗАЦИЯ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ В ПИЩЕВОЙ ПРОМЫШЛЕННОСТИ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

• С. 56-63
🇷🇺 На русском

Для цитирования

Савенкова Т.В. Цифровизация производственных процессов в пищевой промышленности с использованием искусственного интеллекта // Информационно-экономические аспекты стандартизации и технического регулирования. 2026. № 3. С. 56–63.

Аннотация

Современная пищевая промышленность Российской Федерации сталкивается с комплексом вызовов, включая меняющиеся потребительские предпочтения, насыщение рынка, необходимость повышения конкурентоспособности и обеспечения соответствия строгим стандартам качества и безопасности. Традиционные подходы к управлению производственными процессами и контролю качества зачастую оказываются недостаточно гибкими и эффективными в условиях динамичных рыночных реалий и растущих требований к стандартизации продукции и процессов. Технологии искусственного интеллекта (ИИ), обладающие способностью к анализу больших объемов данных, выявлению закономерностей и автоматизации сложных задач, открывают новые перспективы для решения этих проблем. Данная обзорная статья посвящена анализу применения ИИ на ключевых этапах пищевого производства: при управлении технологическими процессами (оптимизация режимов термообработки, предсказательное обслуживание оборудования, управление рецептурами) и контроле качества и безопасности продукции (автоматизированный контроль, обнаружение дефектов, прогнозирование сроков годности). Подчеркивается роль ИИ в повышении стабильности качества и содействии стандартизации технологических операций. Особое внимание уделяется интеграции ИИ-решений с действующими стандартами и научными разработками в области инновационного развития пищевой промышленности и тем самым обеспечивается соблюдение стандартов качества и эффективности.

Ключевые слова

пищевая промышленность искусственный интеллект управление технологическими процессами контроль качества стандартизация машинное обучение спектральный анализ машинное зрение безопасность пищевой продукции

Об авторах

Савенкова Татьяна Владимировна

Савенкова Татьяна Владимировна — д-р техн. наук, профессор, Российский экономический университет имени Г.В. Плеханова, ( Москва, Россия )

Список литературы

  1. 1. Савенкова Т.В. Научное обеспечение инновационного развития кондитерской отрасли // Пищевая индустрия. 2017. №3 (33). С. 54–55.
  2. 2. Акимов А.И., Алешина Л.Д., Савенкова Т.В., Линовская Н.В., Руденко О.С. Стандартизация как инструмент обеспечения качества кондитерских изделий // Контроль качества продукции. 2020. №12. С. 35–39.
  3. 3. Kaminwar S.R., Goschenhofer J., Thomas J., Thon I., Bischl B. Structured Verification of Machine Learning Models in Industrial Settings // Big Data. 2023. Т. 11, № 3. С. 181–198.
  4. 4. Андреева Т.В., Курлыкова А.В. Формирование системы показателей оценки эффективности управления ценностной цепочкой продукта пищевой промышленности // Экономические отношения. 2019. № 3. С. 1987–2000.
  5. 5. Тимчук Е.Г. Применение искусственного интеллекта в пищевой промышленности // Научные труды Дальрыбвтуза. 2022. № 3. С.21–42.
  6. 6. Шаффрат Т., Шальк Г. Цифровизация в пищевой промышленности сегодня и в будущем // Переработка молока. 2019. № 5(235). С. 38-39.
  7. 7. Meitz L., Senge J., Wagenhals T., et al. A Literature Review Framework and Open Research Challenges for Predictive Maintenance in Industry 4.0 // Computers & Industrial Engineering. 2025. Vol. 206.
  8. 8. Савенкова Т.В., Семенова П.А. Российский рынок пищевых ингредиентов: состояние и перспективы развития // «Пищевые ингредиенты в продуктах питания: от науки к технологиям» монография под ред. В.А. Тутельяна, А.П. Нечаева, М.Г. Балыхина. 2-е изд., испр. и доп. – М.: МГУПП,2021. – С. 238–267.
  9. 9. Ghimpeteanu G., Rajani H., Quintana J., Garcia R. Hyperspectral Imaging for Identifying Foreign Objects on Pork Belly // Sensors. 2025. № 25(22). C. 7015.
  10. 10. Saha D., Padhiary M., Chandrakar N. AI Vision and Machine Learning for Enhanced Automation in Food Industry: A Systematic Review // Food and Humanity. 2025. Т. 4. C. 100587.
  11. 11. Rashvand M., Ren Y., Sun D.W., et al. Artificial Intelligence for Prediction of Shelf-Life of Various Food Products: Recent Advances and Ongoing Challenges // Trends in Food Science & Technology. 2025. T. 159. С. 104989.
  12. 12. Gierz Ł., Przybył K., Koszela K., et al. The Use of Image Analysis to Detect Seed Contamination – A Case Study of Triticale // Sensors. 2021. № 21(1). C. 151.
🇬🇧 In English

DIGITALIZATION OF PRODUCTION PROCESSES IN THE FOOD INDUSTRY USING ARTIFICIAL INTELLIGENCE

For citation

Savenkova T.V. Digitalization of Production Processes in the Food Industry Using Artificial Intelligence. Information and economic aspects of standardization and technical regulation. 2026; 56–63. (In Russ.).

Abstract

The contemporary food industry in the Russian Federation grapples with a multifaceted array of challenges, including evolving consumer preferences, market saturation, the imperative to enhance competitiveness, and the necessity of ensuring adherence to stringent quality and safety standards. Heretofore, traditional approaches to production process management and quality control frequently prove to be insufficiently flexible and effective within the context of dynamic market realities and escalating demands for product and process standardization. Artificial Intelligence (AI) technologies, possessing the capacity for analyzing vast datasets, discerning intricate patterns, and automating complex tasks, present novel avenues for effectively addressing these issues. This paper delineates the application of AI across pivotal stages of food production: specifically, in technological process management (e.g., optimization of heat treatment regimes, predictive equipment maintenance, recipe formulation and management) and in product quality and safety control (e.g., automated inspection, defect detection, shelf-life prediction). The role of AI is underscored in enhancing quality consistency and facilitating the standardization of technological operations. Particular emphasis is placed on the integration of AI solutions with existing industry standards and scientific advancements within the realm of innovative development in the food industry, thereby ensuring adherence to superior standards of quality and operational efficiency.

Keywords

food industry artificial intelligence management of technological processes quality control standardization machine learning spectral analysis machine vision raw material analysis food safety

About the authors

Savenkova T. M.

Savenkova T. M. — Doctor of Technical Sciences, Professor, Plekhanov Russian University of Economics, ( Moscow, Russia )

References

  1. 1. Savenkova T.V. Scientific support for innovative development of the confectionery industry. Pishchevaya Industriya. 2017, no. 3(33), pp. 54–55. (In Russ.).
  2. 2. Akimov A.I., Aleshina L.D., Savenkova T.V., Linovskaya N.V., Rudenko O.S. Standardization as a tool for ensuring the quality of confectionery products. Kontrol’ kachestva produktsii. 2020, no. 12, pp. 35–39. (In Russ.).
  3. 3. Kaminwar S.R., Goschenhofer J., Thomas J., Thon I., Bischl B. Structured Verification of Machine Learning Models in Industrial Settings. Big Data. 2023, vol. 11, no. 3, pp. 181–198.
  4. 4. Andreeva T.V., Kurlykova A.V. Formation of a system of indicators to assess the effectiveness of management of the value chain of the food industry product. Èkonomičeskie otnošeniâ. 2019, no. 3, pp. 1987–2000. (In Russ.).
  5. 5. Timchuk E.G. Application of artificial intelligence in the food industry. Naučnye trudy Dalʹrybvtuza. 2022, no. 3, pp. 21-42. (In Russ.).
  6. 6. Shaffrat T., Schalk G. Digitalization in the food industry today and in the future. Pererabotka moloka. 2019, no. 5(235), pp. 38–39.
  7. 7. Meitz L., Senge J., Wagenhals T., Schöler T., Hähner J., Edinger J., Krupitzer C. A Literature Review Framework and Open Research Challenges for Predictive Maintenance in Industry 4.0. Computers & Industrial Engineering. 2025, vol. 206.
  8. 8. Savenkova T.V., Semenova P.A. Russian market of food ingredients: state and development prospects. In: «Food ingredients in food products: from science to technologies.» Monograph edited by V.A. Tutelyan, A.P. Nechaev, M.G. Balykhin. 2nd ed. Moscow: МGUPP, 2021, pp. 238–267. (In Russ.).
  9. 9. Ghimpeteanu G., Rajani H., Quintana J., Garcia R. Hyperspectral Imaging for Identifying Foreign Objects on Pork Belly. Sensors. 2025, no. 25(22), 7015.
  10. 10. Saha D., Padhiary M., Chandrakar N. AI Vision and Machine Learning for Enhanced Automation in Food Industry: A Systematic Review. Food and Humanity. 2025, vol. 4, p. 100587.
  11. 11. Rashvand M., Ren Y., Sun D.W., et al. Artificial Intelligence for Prediction of Shelf-Life of Various Food Products: Recent Advances and Ongoing Challenges. Trends in Food Science & Technology. 2025, vol. 159, p. 104989.
  12. 12. Gierz Ł., Przybył K., Koszela K., Duda A., et al. The Use of Image Analysis to Detect Seed Contamination – A Case Study of Triticale. Sensors. 2021, no. 21(1), 151.